国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

基于計算機(jī)視覺的標(biāo)簽定位檢測

2018-09-05 01:16:06吳鵬飛常君明
關(guān)鍵詞:高斯輪廓濾波

吳鵬飛,常君明

(江漢大學(xué) 數(shù)學(xué)與計算機(jī)科學(xué)學(xué)院,湖北 武漢 430056)

0 引言

計算機(jī)視覺是使用計算機(jī)及相關(guān)設(shè)備對生物視覺的一種模擬,應(yīng)用在人工智能、模式識別和三維分析等領(lǐng)域。在實際工程中對商品標(biāo)簽信息的識別尤為重要。基于視覺的定位檢測可以有效識別標(biāo)簽,能快速準(zhǔn)確定位標(biāo)簽[1],提高生產(chǎn)工作效率。

在工業(yè)領(lǐng)域中,圖像背景一般都比較單一,所以目前大多采用顏色定位算法[2-4]進(jìn)行定位。顏色定位算法是采用計算機(jī)識別物體的顏色從而使物體與背景分離,進(jìn)而對物體進(jìn)行定位。在檢測時,計算機(jī)通過物體整體像素進(jìn)行物體質(zhì)心、角度等特征的求取。若物體所處背景一旦有顏色干擾,計算機(jī)便無法準(zhǔn)確地對物體進(jìn)行精確定位,降低了定位的精度,從而影響對物體位置特征的獲取。當(dāng)通過顏色算法定位后,由于需要計算物體整體像素來得到物體位置特征,大大降低了定位的速度。

本文在現(xiàn)有顏色定位算法的基礎(chǔ)上,提出一種基于計算機(jī)視覺的標(biāo)簽定位檢測算法[5],該算法在基于計算機(jī)視覺的標(biāo)簽圖像定位檢測中利用ROI對標(biāo)簽圖像進(jìn)行分割,提取有效的標(biāo)簽圖像區(qū)域。用計算機(jī)視覺對獲取的標(biāo)簽圖像區(qū)域進(jìn)行讀取、分析與處理。尋找和繪制圖像區(qū)域中的輪廓,用外接最小多邊形對輪廓進(jìn)行包圍,同時對多個不同位置的標(biāo)簽實現(xiàn)精準(zhǔn)定位。

1 標(biāo)簽圖像預(yù)處理

1.1 目標(biāo)區(qū)域快速獲取

在基于計算機(jī)視覺的標(biāo)簽定位檢測中,對所有圖像區(qū)域進(jìn)行處理會大大增加所需時間和降低處理的精度,因此會設(shè)置ROI選取目標(biāo)區(qū)域,在設(shè)置了ROI以后就只需對分割出的目標(biāo)區(qū)域進(jìn)行分析,從而提高工作效率。常見的定義ROI區(qū)域有指定矩形區(qū)域和指定感興趣行或列的范圍兩種方法。本文使用指定矩形區(qū)域設(shè)置ROI,將標(biāo)簽圖像分割得到目標(biāo)區(qū)域,提取標(biāo)簽圖像中所需要的標(biāo)簽信息,使實驗效果更佳。

1.2 目標(biāo)區(qū)域降噪處理

在采集標(biāo)簽圖像的場景中,由于光照等因素會使標(biāo)簽圖像產(chǎn)生噪聲,噪聲會嚴(yán)重影響對標(biāo)簽圖像信息的接收[6]。在基于計算機(jī)視覺的標(biāo)簽定位檢測中,需要對選中的目標(biāo)區(qū)域進(jìn)行濾波降噪處理。濾波操作是標(biāo)簽圖像預(yù)處理[7]中不可缺少的部分,濾波的效果好壞將直接影響到對標(biāo)簽的精確定位。

在實際工程領(lǐng)域中,進(jìn)行濾波降噪的同時不能破壞目標(biāo)區(qū)域的細(xì)節(jié)特征,且需使圖像的清晰效果更好,而線性濾波中的高斯濾波就很好地符合此要求。高斯濾波是一種對整幅圖像進(jìn)行加權(quán)平均的濾波方法,有離散化窗口劃窗卷積與傅里葉變換兩種實現(xiàn)方式。用一個模板對目標(biāo)區(qū)域圖像的每一個像素進(jìn)行掃描,用模板確定的領(lǐng)域像素的加權(quán)平均灰度值代替中心像素點的值[8],其中的3×3和5×5高斯卷積內(nèi)核如圖1和圖2所示。

圖1 高斯3×3卷積內(nèi)核Fig.1 Gaussian 3×3 convolution kernel

圖2 高斯5×5卷積內(nèi)核Fig.2 Gaussian 5×5 convolution kernel

選用高斯濾波能更有效地保留邊緣效果[9]。圖3是視覺傳感器采集到的未經(jīng)處理的標(biāo)簽原始圖像,圖像上有許多噪聲,影響了后續(xù)圖像輪廓的提取。由圖4可觀察出原始圖像經(jīng)過高斯濾波處理后消除了高斯噪聲,減少了圖像的噪聲點,使圖像可觀測信息更加突出。

2 目標(biāo)區(qū)域邊界增強(qiáng)

2.1 邊界增強(qiáng)的目的

在去除目標(biāo)區(qū)域圖像噪聲后,圖像中還會有一些不需要考慮的小目標(biāo)、小的孔洞及輪廓之間的連接物,有的輪廓還會有斷痕,則需要進(jìn)一步對標(biāo)簽圖像進(jìn)行降噪處理,利用閥值分割[10]將物體與背景分割,度量和提取標(biāo)簽圖像中對應(yīng)的形狀,為定位檢測做準(zhǔn)備。在本實驗中通過腐蝕、膨脹、開運算等操作以達(dá)到進(jìn)一步去除噪聲及平滑目標(biāo)邊界的功能[11]。

圖3 原始圖像Fig.3 Original image

圖4 高斯濾波后的圖像Fig.4 Image after Gaussian filtering

2.2 消除小面積輪廓與填補(bǔ)空洞

當(dāng)目標(biāo)區(qū)域圖像經(jīng)過降噪處理后,圖像中仍然會有很多小面積輪廓和空洞,這些會影響標(biāo)簽輪廓的提取,需要選用膨脹、腐蝕操作對其進(jìn)一步處理。膨脹就是求最大值,從數(shù)學(xué)角度來說膨脹操作就是將圖像與核進(jìn)行卷積,膨脹操作是掃描圖像的每一個像素,與其覆蓋的二值圖像做與的運算。腐蝕操作則與膨脹操作相對應(yīng)。膨脹與腐蝕的數(shù)學(xué)表達(dá)式如下:

將標(biāo)簽圖像進(jìn)行腐蝕和膨脹操作,由圖5可知,先使用腐蝕操作去除標(biāo)簽圖像中細(xì)小圖像物體的邊緣點。由圖6可知,在腐蝕的基礎(chǔ)之上再進(jìn)行膨脹操作將物體內(nèi)部的空洞去除,且將腐蝕后留下的大物體變回原來模樣,有效分割出了獨立的標(biāo)簽圖像元素,從而不影響后續(xù)輪廓的提取。

圖5 腐蝕圖像Fig.5 Corrosion image

圖6 膨脹圖像Fig.6 Inflated image

2.3 目標(biāo)區(qū)域邊界平滑

在基于計算機(jī)視覺的標(biāo)簽定位檢測中,選中的目標(biāo)區(qū)域圖像中會有很多突出物且物體邊界不平滑,圖像中局部亮度低的區(qū)域需要放大,進(jìn)行開運算和形態(tài)學(xué)梯度操作可以很好地解決問題。形態(tài)學(xué)梯度是膨脹圖與腐蝕圖之差,形態(tài)學(xué)梯度操作可以在二值圖像上將團(tuán)塊的邊緣突出來,可以很好地保留標(biāo)簽圖像的邊緣輪廓。在膨脹與腐蝕的基礎(chǔ)上,形態(tài)學(xué)梯度數(shù)學(xué)表達(dá)式如下:

在降噪處理、腐蝕、膨脹的基礎(chǔ)上,對選取的標(biāo)簽圖像進(jìn)行邊界平滑,具體效果如圖7所示。可見標(biāo)簽信息之間的連接物已消除,圖像邊緣輪廓較為明顯,平滑了標(biāo)簽圖像中較大輪廓的邊界,消除了圖像中的突出物,更有利于標(biāo)簽最大輪廓的提取。

圖7 開運算Fig.7 Open operation

3 屬性特征的獲取

3.1 區(qū)域圖像特征提取

在區(qū)域圖像的特征提取中,邊緣檢測[12]需要用濾波器來改善檢測器的性能,并對區(qū)域圖像的邊緣進(jìn)行增強(qiáng)處理,最后再通過二值閥值化來檢測邊緣,需要達(dá)到低錯誤率、高定位性和最小響應(yīng)等要求。而多級邊緣檢測算法Canny算子正符合本實驗要求,首先使用了高斯濾波來平滑一些紋理較弱的非邊緣區(qū)域,從而更好地進(jìn)行邊緣檢測。Canny檢測需要利用Sobel濾波器來計算經(jīng)過濾波后圖像的梯度和方向角。Soble算子在水平與豎直兩個方向進(jìn)行求導(dǎo)。在水平方向?qū)D像與一個奇數(shù)大小的內(nèi)核Gx進(jìn)行卷積,在豎直方向上與水平方向一致。有關(guān)數(shù)學(xué)表達(dá)式如下:

則可以求出近似梯度

把高斯濾波器和Sobel濾波器結(jié)合起來使用,進(jìn)行噪聲消除和最后的邊緣檢測會使實驗效果更好。

3.2 尋求最大輪廓

雖然Canny算法很好地找到了標(biāo)簽圖像輪廓邊界的像素,但是并沒有將輪廓的邊緣像素組合起來。在標(biāo)簽圖像上有很多的輪廓,標(biāo)簽圖像中標(biāo)簽信息的輪廓肯定是最大的輪廓,找出最大輪廓就可以定位標(biāo)簽信息,利用最小多邊形將最大的輪廓包圍起來。

3.3 實驗結(jié)果分析與比較

在標(biāo)簽的定位檢測中,主要找出標(biāo)簽的質(zhì)心與方向這兩個基本的特性。在基于視覺的定位中找到標(biāo)簽圖像中的最大輪廓,用最小多邊形來包圍最大的輪廓,可以直接找出最小多邊形的位置特性來代替標(biāo)簽信息的特性,從而實現(xiàn)對標(biāo)簽信息的定位檢測[13]。定位檢測效果如圖8和圖9所示。由圖8可知,先用最大輪廓來代替標(biāo)簽有效信息的輪廓,用最小矩形將兩個標(biāo)簽最大輪廓包圍,實現(xiàn)對標(biāo)簽的精確定位,再分別計算出兩個不同位置最大輪廓的角度和質(zhì)心特性,來代替兩個標(biāo)簽的位置特性,從而實現(xiàn)對標(biāo)簽的快速、精確定位檢測,所求不同標(biāo)簽的具體位置參數(shù)如圖9所示。

圖8 最大輪廓Fig.8 Maximum contour

圖9 標(biāo)簽屬性特征Fig.9 Tag attribute characteristics

在分析了基于計算機(jī)視覺的標(biāo)簽定位檢測和傳統(tǒng)方法的定位檢測后,了解到了基于視覺的定位具有快速、復(fù)雜度較低等優(yōu)勢。傳統(tǒng)方法對質(zhì)心的計算需要對圖像全部像素進(jìn)行計算,計算量較大,導(dǎo)致計算速度慢。本文方法僅需要對最大輪廓像素進(jìn)行計算,計算量較小,相對計算速度較快。在標(biāo)簽的方向角度計算上,本文方法對包圍最大輪廓的矩形進(jìn)行計算求角度,傳統(tǒng)方法對不規(guī)則多邊形計算求角度,相比之下本文方法復(fù)雜度低,計算速度快。具體對比如表1和表2所示。

表1 質(zhì)心計算比較Tab.1 Comparisons of centroid calculation

表2 方向計算比較Tab.2 Comparisons of direction calculation

4 結(jié)語

本文利用ROI將圖像的重要區(qū)域分割出來,用濾波操作對標(biāo)簽圖像進(jìn)行降噪預(yù)處理,利用膨脹、腐蝕、開運算和形態(tài)學(xué)梯度運算對標(biāo)簽圖像進(jìn)一步降噪處理并有效的保留邊緣輪廓。找出所有輪廓,用多邊形來包圍最大輪廓以代表標(biāo)簽信息,求出多邊形的質(zhì)心和傾斜角度來代替標(biāo)簽信息的質(zhì)心和傾斜角度,從而使實驗的可行性更高。本文提出的基于視覺的標(biāo)簽定位檢測算法與傳統(tǒng)的定位檢測方法[14]相比具有更高的檢測精度和速度,大大提高了生產(chǎn)效率。隨著自動化控制程度的提高和智能機(jī)器人的增加,基于計算機(jī)視覺的標(biāo)簽定位檢測必將應(yīng)用廣泛。

猜你喜歡
高斯輪廓濾波
小高斯的大發(fā)現(xiàn)
輪廓錯覺
基于實時輪廓誤差估算的數(shù)控系統(tǒng)輪廓控制
天才數(shù)學(xué)家——高斯
在線學(xué)習(xí)機(jī)制下的Snake輪廓跟蹤
RTS平滑濾波在事后姿態(tài)確定中的應(yīng)用
基于線性正則變換的 LMS 自適應(yīng)濾波
遙測遙控(2015年2期)2015-04-23 08:15:18
有限域上高斯正規(guī)基的一個注記
基于隨機(jī)加權(quán)估計的Sage自適應(yīng)濾波及其在導(dǎo)航中的應(yīng)用
基于Sage—Husa濾波的GNSS/INS組合導(dǎo)航自適應(yīng)濾波
金坛市| 勃利县| 桦南县| 双辽市| 客服| 峨眉山市| 石渠县| 德州市| 甘谷县| 漯河市| 塔城市| 灵石县| 桂林市| 绿春县| 沙田区| 大兴区| 永康市| 巨野县| 贵溪市| 大石桥市| 定襄县| 云龙县| 五家渠市| 彭州市| 腾冲县| 新野县| 鞍山市| 汽车| 镇雄县| 垦利县| 武邑县| 巫溪县| 定州市| 德阳市| 连南| 呼玛县| 固始县| 漳浦县| 绥芬河市| 抚松县| 静海县|