玻璃瓶瑕疵檢測系統(tǒng)——0702111

1、玻璃瓶瑕疵自動(dòng)檢測系統(tǒng)本課題是研究玻璃瓶瑕疵自動(dòng)檢測系統(tǒng)， 針對(duì)玻璃瓶檢測的高速度、高精度、實(shí) 時(shí)性的特點(diǎn)，本文主要利用數(shù)字圖像處理技術(shù)及其方法研究一套玻璃瓶瑕疵檢測 系統(tǒng)，利用該檢測系統(tǒng)提供的一些數(shù)字圖像處理方法可以決速準(zhǔn)確的判斷出該圖 像是否為缺陷圖像。利用該檢測系統(tǒng)所應(yīng)用的技術(shù)設(shè)計(jì)出來的系統(tǒng)不受主觀因素 的影響，能快速、準(zhǔn)確地檢測產(chǎn)品，完成人工無法完成的檢測任務(wù)，是現(xiàn)代化生 產(chǎn)中不可缺少的工具。本文詳細(xì)地介紹了圖像處理技術(shù)，驗(yàn)證了多種圖像檢測算法，我們提出了一種基 于混合濾波器缺陷檢測算法，并從理論和實(shí)驗(yàn)兩方面對(duì)檢測效果做了評(píng)價(jià)。論文 分析了各種模式識(shí)別方法，提出了玻璃瓶缺陷檢測的具體方

2、案。方案利用聚類算 法來提取缺陷，通過對(duì)缺陷特征的分析來識(shí)別玻璃瓶的好壞。本系統(tǒng)的主要部分由CCDS像機(jī)、圖像采集卡和微型計(jì)算機(jī)組成。CCDS像機(jī)采集 玻璃瓶圖像，圖像采集卡把玻璃瓶圖像轉(zhuǎn)換成計(jì)算機(jī)能識(shí)別和處理的數(shù)字圖像， 再通過計(jì)算機(jī)上的軟件完成缺陷檢測功能。檢測系統(tǒng)在實(shí)驗(yàn)階段的檢測精度已達(dá) 到設(shè)計(jì)要求，較成功地實(shí)現(xiàn)了玻璃瓶缺陷的檢測， 能用于檢測玻璃瓶的裂痕、氣 泡等缺陷。第一章緒論1.1本課題的提出隨著時(shí)代的發(fā)展，科技的進(jìn)步，人們對(duì)工業(yè)產(chǎn)品的數(shù)量和質(zhì)量要求越來越高， 傳 統(tǒng)意義上的檢測技術(shù)與飛速發(fā)展的工業(yè)要求之間的矛盾日益突出。玻璃瓶作為一種包裝用品，由于其具有氣密性好、光潔衛(wèi)生、化學(xué)穩(wěn)

3、定性高、價(jià)格低廉、可回 收利用等特點(diǎn)而普遍受到歡迎，已廣泛應(yīng)用于食品、藥品、化妝品、飲料、化學(xué) 等產(chǎn)品的包裝。人們的日常生活離不開玻璃瓶 ，玻璃瓶的生產(chǎn)在國民經(jīng)濟(jì)中占有 不可忽視的地位。藥品酒水等灌裝生產(chǎn)前必須對(duì)玻璃瓶進(jìn)行檢測，剔除不合格產(chǎn) 品，才能進(jìn)行封裝。玻璃瓶在生產(chǎn)過程中，會(huì)出現(xiàn)裂紋、缺損、氣泡等缺陷，要求精確區(qū)分各類缺陷，完成瓶頸裂紋和瓶口缺損的檢測，以便對(duì)產(chǎn)品的質(zhì)量做出 判斷，剔除不合格品。由于玻璃瓶在線生產(chǎn)要求檢測精度高、 準(zhǔn)確性好、速度快， 因此玻璃瓶生產(chǎn)工業(yè)流水線迫切需要在線自動(dòng)檢測設(shè)備。以往的玻璃瓶檢測以人工檢測為主，但是人工檢測方法有許多缺點(diǎn)：（1）增加人工成本和管理成本，

4、檢 測數(shù)據(jù)的保存和查詢不太方便。（2）人工檢測速度比較慢，無法適應(yīng)現(xiàn)代化大生 產(chǎn)的要求，且工人勞動(dòng)強(qiáng)度較大，容易受人眼分辨能力和易疲勞等主觀因素的影 響，無法保質(zhì)保量地完成生產(chǎn)任務(wù)。因此，必須尋求一種有效的自動(dòng)化檢測方法。針對(duì)玻璃瓶檢測的高速度、高精度、實(shí)時(shí)性的特點(diǎn)，本文采用一種基于數(shù)字圖像 處理的檢測方法。利用CCDS像機(jī)對(duì)玻璃瓶進(jìn)行攝像，通過數(shù)字圖像處理技術(shù)進(jìn) 行分析，檢測出帶有缺陷的玻璃瓶，再由計(jì)算機(jī)發(fā)出控制信號(hào)將其剔除。隨著計(jì) 算機(jī)軟件和硬件的發(fā)展，對(duì)圖像處理速度的提高以及各種相關(guān)理論的完善，本文采用的檢測方法變得切實(shí)可行。按此方法制造的檢測設(shè)備具有代價(jià)低，靈活性高， 易于調(diào)試和工作環(huán)

5、境要求低等優(yōu)點(diǎn)。因此本課題的研究對(duì)于玻璃制品裂紋的檢測 具有重要的經(jīng)濟(jì)和技術(shù)意義。玻璃瓶缺陷檢測設(shè)備若研制成功后，將會(huì)產(chǎn)生巨大 的社會(huì)效益和經(jīng)濟(jì)效益:1.利用基于數(shù)字圖像處理的檢測方法來檢測玻璃瓶缺 陷，取代人工檢測，將消除人的主觀性產(chǎn)生的錯(cuò)誤，提高檢測的準(zhǔn)確性。同時(shí)， 減輕工人繁重的勞動(dòng)負(fù)擔(dān)，提高生產(chǎn)效率。2.玻璃瓶罐質(zhì)量的提高可避免瓶罐包 裝的食品及物品變質(zhì)帶來的經(jīng)濟(jì)損失，也可避免瓶罐的爆裂所引起的事故，降低 賠款損失，同時(shí)增加消費(fèi)者的安全感。3.生產(chǎn)商可以根據(jù)檢測設(shè)備提供的數(shù)據(jù)分 析該缺陷產(chǎn)生的原因和機(jī)理，再根據(jù)獲得的數(shù)據(jù)，設(shè)定相應(yīng)的工藝條件和參數(shù)， 同時(shí)先進(jìn)的檢測設(shè)備也能夠保障高質(zhì)量的

6、玻璃產(chǎn)品，提高在市場中的競爭能力。1.2國內(nèi)外研究的現(xiàn)狀國外公司憑借其雄厚的經(jīng)濟(jì)實(shí)力和不斷成熟的技術(shù)為基礎(chǔ)，在九十年代初就開始 研制基于數(shù)字圖像處理的產(chǎn)品在線檢測設(shè)備，他們至今已經(jīng)開發(fā)出多種玻璃瓶罐 的在線檢測機(jī)器。丹麥的一家公司自1991年開始著手研制，目前己經(jīng)成功開發(fā)了 多種用于玻璃制品質(zhì)量檢測的計(jì)算機(jī)視覺在線監(jiān)測設(shè)備。檢測的內(nèi)容主要包括產(chǎn) 品的內(nèi)部缺陷檢測及外形尺寸檢測。美國 NI公司研制的基于PCI勺視覺檢測系統(tǒng)， 將機(jī)器視覺、運(yùn)動(dòng)控制功能與LabView虛擬儀器軟件相結(jié)合，取得了突出的成效。 法國SGC國際公司M型全自動(dòng)多功能玻璃瓶罐在線檢測機(jī)1998年3月曾在北京國 際玻璃機(jī)械設(shè)備

7、展銷會(huì)展出，倍受國內(nèi)玻璃制品生產(chǎn)廠家的青睞。德國Sieme ns公司推出的智能化工業(yè)視覺系統(tǒng) SIMATICVS7104,提供了一體化的、分布式的 高檔圖像處理方案。它將CCD圖像處理器、I/O集成在一個(gè)小型機(jī)箱內(nèi)，提供 PROFIBU的聯(lián)網(wǎng)方式或集成的I/O和RS23接口。具有集成數(shù)字化照相機(jī)和快速圖 像處理器，標(biāo)準(zhǔn)連線接口，ProVision組態(tài)軟件等優(yōu)點(diǎn)。日本的AGRI際公司研制 生產(chǎn)了功能較齊全的玻璃瓶罐生產(chǎn)和用于飲料灌裝的在線自動(dòng)檢測設(shè)備。美國工業(yè)動(dòng)力機(jī)械有限公司開發(fā)了采用攝像技術(shù)的全方位空瓶檢測機(jī)。采用攝像技術(shù)的空瓶檢測機(jī)采用反射光學(xué)系統(tǒng)、高分辨率攝像技術(shù)和自動(dòng)變焦鏡頭，對(duì)各個(gè)檢測

8、項(xiàng)目進(jìn)行精確的檢測。對(duì)于直徑為95m的瓶子，精確度為98%,檢測速度可達(dá)700 瓶/分鐘。德國Lasor公司在線檢驗(yàn)檢測設(shè)備采用先進(jìn)的 CC攝像技術(shù)進(jìn)行在線缺 陷檢測，將檢測的信號(hào)通過計(jì)算機(jī)進(jìn)行處理，可區(qū)分氣泡、夾雜物等玻璃缺陷， 檢測最小尺寸為0.1mm在中國，機(jī)器視覺產(chǎn)品技術(shù)的普及不夠， 大部分是購買國外設(shè)備。而直接引進(jìn)國 外的檢測系統(tǒng)有許多弊端，例如價(jià)格昂貴。國內(nèi)在視覺檢測方面的研究也己經(jīng)有 很多年了，不過以前主要都是做一些算法方面的研究。 對(duì)于玻璃瓶的自動(dòng)檢測系 統(tǒng)的開發(fā)和研究剛剛于近年開始起步，目前也有少數(shù)幾個(gè)廠家在進(jìn)行玻璃制品在 線檢測設(shè)備的研制，主要有北京賽騰動(dòng)力有限公司研制生產(chǎn)

9、的 Saturn驗(yàn)瓶機(jī)以及 廣州大元與北京四通電機(jī)利用日本的視覺系統(tǒng)聯(lián)合開發(fā)的 。穽瓶驗(yàn)瓶機(jī)，它們均 采用了諸如計(jì)算機(jī)視覺、模式識(shí)別等先進(jìn)技術(shù)。但是這些都未能滿足目前國內(nèi)大 部分廠家的生產(chǎn)需要，比如速度就不能滿足要求。總體來說，國內(nèi)基于機(jī)器視覺 的玻璃瓶檢測系統(tǒng)的研究與應(yīng)用還是比較落后的。因此，目前在國內(nèi)研制具有自主知識(shí)產(chǎn)權(quán)的玻璃瓶檢測系統(tǒng)具有重要的社會(huì)效益和經(jīng)濟(jì)效益。1.3數(shù)字圖像處理研究現(xiàn)狀數(shù)字圖像處理技術(shù)是一門跨學(xué)科的前沿高科技。數(shù)字圖像處理是指將圖像信號(hào)轉(zhuǎn) 換成數(shù)字格式并利用計(jì)算機(jī)對(duì)其進(jìn)行處理的過程。數(shù)字圖像處理最早出現(xiàn)于20世紀(jì)50年代，當(dāng)時(shí)的電子計(jì)算機(jī)已經(jīng)發(fā)展到一定水平， 人們開始

10、利用計(jì)算機(jī)來處 理圖像信息。而數(shù)字圖像處理作為一門學(xué)科大約形成于 20世紀(jì)60年代初期。隨著 計(jì)算機(jī)軟硬件技術(shù)的不斷提高,計(jì)算機(jī)圖像處理從20世紀(jì)80年代中期到90年代末 得到了迅速的發(fā)展，已廣泛地應(yīng)用在工業(yè)、農(nóng)業(yè)、交通、地理、氣象、生物醫(yī)學(xué)、 軍事、電子商務(wù)、目標(biāo)跟蹤、印染工業(yè)、衛(wèi)星遙感、機(jī)器人視覺、工業(yè)檢測和科 學(xué)研究等領(lǐng)域,取得了顯著的社會(huì)效益和經(jīng)濟(jì)效益。近 20年來,科學(xué)工作者經(jīng)過 不懈的努力，己取得了令人矚目的成就，圖像處理技術(shù)的發(fā)展更為深入、 廣泛和 迅速。數(shù)字圖像處理的特點(diǎn)主要有：1.圖像信息量大；2.圖像處理技術(shù)綜合性強(qiáng)。 現(xiàn)在人們已充分認(rèn)識(shí)到數(shù)字圖像處理是認(rèn)識(shí)世界、改造世界的

11、重要手段。目前數(shù) 字圖像處理技術(shù)已成為21世紀(jì)信息時(shí)代的一門重要的高新科學(xué)技術(shù)。1.4玻璃瓶缺陷檢測與圖像處理的可行性分析圖像處理就是為了某種目的對(duì)圖像的強(qiáng)度分布視為一連串整數(shù)值的集合，經(jīng)由不斷的運(yùn)算執(zhí)行某些特定的加工和分析。圖像處理涵蓋的范圍十分廣泛，但是采用 的基本原理和方法是一致的。圖像處理所研究的主要內(nèi)容包括了圖像數(shù)的模數(shù)轉(zhuǎn) 化、圖像的增強(qiáng)與復(fù)原、圖像編碼與壓縮、圖像分割、圖像的表示和描述、圖像 特征匹配等等。對(duì)含有噪聲的圖像，要除去噪聲、濾去干擾，提高信噪比；對(duì)失 真的圖像要進(jìn)行幾何校正等變換；對(duì)已經(jīng)退化的模糊圖像要進(jìn)行各種復(fù)原的處 理；對(duì)信息微弱的圖像要進(jìn)行灰度變換等增強(qiáng)處理。由此

12、可見，圖像處理就是為了達(dá)到改善圖像的質(zhì)量，將圖像變換成便于人們觀察和適于機(jī)器識(shí)別的目的。在玻璃瓶缺陷的檢測系統(tǒng)中用到的數(shù)字圖像處理技術(shù)有以下幾個(gè)部分:(1) 圖像獲取圖像獲取采用攝像機(jī)，它能實(shí)時(shí)地?cái)z取運(yùn)動(dòng)地圖像，把客觀的光學(xué)特性變成二維 信息的電信號(hào)，然后通過有A/D轉(zhuǎn)換功能的圖像采集卡轉(zhuǎn)換出數(shù)字圖像。(2) 圖像預(yù)處理圖像的預(yù)處理是指對(duì)圖像本身的缺陷和具體研究目的而采取的一些圖像增強(qiáng)、復(fù)原等運(yùn)算。圖像復(fù)原指對(duì)一個(gè)退化的圖像進(jìn)行處理，使它恢復(fù)到原始目標(biāo)的狀態(tài)。 圖像增強(qiáng)指有目的地增強(qiáng)圖像中的有用信息， 改善圖像的視覺效果，將圖像轉(zhuǎn)變 為一種更適于人或機(jī)器分析的形式。例如噪聲抑制、邊緣提取和中值

13、濾波等。(3) 圖像分割圖像分割是把數(shù)字圖像分成互不重疊的若干區(qū)域， 檢測出圖像的各個(gè)物體或同一 物體的各個(gè)部分，并根據(jù)選定的特征將圖像劃分成幾個(gè)有意義的部分， 從而使圖 像在內(nèi)容的表達(dá)上更簡單明了。(4) 模式識(shí)別利用模式識(shí)別技術(shù)來提取圖像的特征。特征抽取是在圖像分割的基礎(chǔ)上對(duì)物體的 一些重要特征的每個(gè)部分所具有的特征向量進(jìn)行定量估計(jì)。第二章玻璃瓶檢測系統(tǒng)總體設(shè)計(jì)2.1玻璃瓶檢測系統(tǒng)的檢測項(xiàng)目玻璃瓶自動(dòng)檢測系統(tǒng)主要完成的檢測項(xiàng)目如下(1) 瓶壁檢測瓶子在傳送過程中，不斷旋轉(zhuǎn)保證每個(gè)面都能被檢測到， 每個(gè)瓶采樣幾幅瓶壁圖 像，判斷是否有裂紋或瑕疵，以確保高質(zhì)量的檢測結(jié)果。實(shí)際工業(yè)檢測過程中，

14、可以根據(jù)需要設(shè)置合理的檢測單元個(gè)數(shù)， 以滿足生產(chǎn)的需要。瓶口檢測瓶口檢測主要檢測瓶口是否有裂紋或缺 口，瓶口是否有蓋子或其他物體。照明用 圓環(huán)形LED光源，從不同方向照亮瓶口， CCD攝像頭從上方將圖像采進(jìn).檢測方法 如圖2.2。好瓶口影像為一個(gè)完整的圓環(huán)， 而有崩缺或先天缺陷的瓶口，影像就會(huì)出 現(xiàn)斷帶、變形，經(jīng)過計(jì)算機(jī)與標(biāo)準(zhǔn)數(shù)據(jù)比 較，問題瓶被準(zhǔn)確剔出。圖2.1瓶口檢測示意圖2.2玻璃瓶缺陷檢測系統(tǒng)的硬件構(gòu)成根據(jù)課題的研究目的，該課題采用的計(jì)算機(jī)視覺圖像處理系統(tǒng)主要由以下四個(gè)部 分組成：成像單元；圖像采集卡；微型計(jì)算機(jī)；支持軟件。系統(tǒng)的結(jié)構(gòu)如圖2.2所 示：圖2.2系統(tǒng)結(jié)構(gòu)框圖以上四個(gè)部分，

15、是構(gòu)成這個(gè)缺陷識(shí)別系統(tǒng)的核心， 它們有機(jī)地結(jié)合在一起，并通 過軟件的具體支持，達(dá)到整個(gè)系統(tǒng)設(shè)計(jì)的要求。本系統(tǒng)主要完成圖像采集、圖像處理、缺陷識(shí)別的工作，主要任務(wù)都是通過計(jì)算 機(jī)來實(shí)現(xiàn)的，采用圖像處理和模式識(shí)別算法，體現(xiàn)了計(jì)算機(jī)視覺系統(tǒng)的自動(dòng)化、 智能化等優(yōu)越性。在整個(gè)缺陷識(shí)別過程中，系統(tǒng)各個(gè)組成部分將協(xié)調(diào)工作，按照要求合理地運(yùn)行，體現(xiàn)出自動(dòng)控制的很多優(yōu)越性，同時(shí)又克服了人工檢測的很多 弊端。以下介紹系統(tǒng)硬件的各個(gè)組成部分：A.成像單元成像質(zhì)量對(duì)整個(gè)檢測的準(zhǔn)確性及速度至關(guān)重要，即實(shí)現(xiàn)缺陷識(shí)別的基礎(chǔ)是獲取清 晰的玻璃瓶圖像。成像單元由CCD攝像機(jī)、LED光源構(gòu)成，負(fù)責(zé)原始圖像數(shù)據(jù) 的采集，CCD攝

16、像機(jī)向圖像處理系統(tǒng)輸出模擬視頻信號(hào)。對(duì)于瓶口、瓶身等不 同的檢測項(xiàng)目，需要設(shè)置不同位置的 CCD攝像機(jī)與LED光源進(jìn)行檢測。CCD是70年代發(fā)展起來的新型半導(dǎo)體器件，它是在 MOS集成電路技術(shù)的基礎(chǔ) 上發(fā)展起來的，是半導(dǎo)體技術(shù)的重大突破。由于它具有光電轉(zhuǎn)換、信息存儲(chǔ)和延 時(shí)等功能，而且功耗小，集成度高，故在固體圖像傳感、信息存儲(chǔ)和處理等方面 得到了廣泛應(yīng)用。CCD攝像機(jī)是應(yīng)用電荷耦合器件原理實(shí)現(xiàn)的，它把光信號(hào)轉(zhuǎn) 變成電信號(hào)，完成圖像的攝取。CCD攝像機(jī)的工作方式是被攝物體的圖像通過 鏡頭聚焦到CCD芯片上，CCD根據(jù)光的強(qiáng)弱積累相應(yīng)比例的電荷，各個(gè)像素 積累的電荷在視頻時(shí)序的控制下，逐點(diǎn)外移，

17、經(jīng)濾波、放大處理后，形成視頻信 號(hào)輸出。從工作方式來看，CCD攝像機(jī)特性當(dāng)中，最關(guān)鍵的指標(biāo)是像素、圖像 采集分辨率及照度（靈敏度）。CCD像素是CCD的主要性能指標(biāo)。它決定了顯示圖像的清晰程度。分辨率越 高，圖像細(xì)節(jié)的表現(xiàn)越好。CCD是由面陣感光元素組成，每一個(gè)元素稱為像素， 像素越多，圖像越清晰。評(píng)估攝像機(jī)分辨率的指標(biāo)是水平分辨率， 其單位為水平 電視線，即成像后可以分辨的黑白線對(duì)的數(shù)目。常用的黑白攝像機(jī)的分辨率一般 為380-480,其數(shù)值越大成像越清晰。一般的場合下，用 400線左右的黑白攝像機(jī)就可以滿足要求。而對(duì)于特殊要求的場合, 的圖像。照度又稱為靈敏度，是CCD對(duì)環(huán)境光線的敏感程度

18、，即 CCD攝像機(jī)正 常成像時(shí)所需要的最暗光線。攝像機(jī)照度 的單位是勒克斯，數(shù)值越小，攝像機(jī)越靈 敏。通常黑白攝像機(jī)的靈敏度多為 0.02-0.5Lux，普通照度的彩色攝像機(jī)多為 1Lux。本系統(tǒng)中選用大恒公司的 DH-HV1301UC 高分辨率數(shù)字?jǐn)z像機(jī)，圖2.6為實(shí)物圖。 它是一款高性能工業(yè)檢測專用攝像機(jī)，圖 像質(zhì)量好，分辨率高，色彩還原性好，標(biāo) 準(zhǔn)鏡頭接口，圖像穩(wěn)定，體積小，安裝方 便，圖像窗口無級(jí)縮放，非常適合各種工 業(yè)檢測應(yīng)用。用 600線的攝像機(jī)能得到更清晰圖 2.6 DH-HV1301UC 攝像機(jī)B 圖像采集卡圖像采集卡在圖像處理系統(tǒng)中具有重要作用，它需要完成圖像識(shí)別前的主要準(zhǔn)備

19、 工作。在圖像信息轉(zhuǎn)換的過程中，CCD攝像機(jī)把按空間分布的光學(xué)圖像信息轉(zhuǎn) 換為按時(shí)間分布的視頻圖像信息，圖像采集卡又將CCD攝像機(jī)輸出的視頻圖像信息轉(zhuǎn)換為適合運(yùn)算處理的數(shù)字圖像信息。由此可見，圖像采集卡在圖像信號(hào)轉(zhuǎn)換過程中起了關(guān)鍵作用。它對(duì) CCD攝像機(jī)輸出的視頻圖像信號(hào)進(jìn)行了高速采樣 與模數(shù)轉(zhuǎn)換，為計(jì)算處理系統(tǒng)提供了可識(shí)別的檢測數(shù)據(jù)。圖像采集卡的種類很多，根據(jù)檢測設(shè)備的需要，圖像采集卡的主要參數(shù)及設(shè)置如 下：（1）PAL標(biāo)準(zhǔn)制式視頻信號(hào)輸入；（2）視頻A/ D為8位，灰度分辨率為1/256;（3）采集分辨率為768.576；（4）對(duì)比度為128，亮度為115。根據(jù)需要，系統(tǒng)采用大恒公司的DH

20、-CG400彩色/黑白圖像采集卡14，圖2.7為實(shí)物圖照片。DH-CG400能實(shí)時(shí)傳送 數(shù)字視頻信號(hào)到存儲(chǔ)器，適用于需要多通 道全實(shí)時(shí)高速圖像處理的場合。DH-CG400可以同時(shí)完成實(shí)時(shí)圖像實(shí)施預(yù) 覽/采集功能，數(shù)據(jù)的傳送過程是由圖像卡 控制的，不需要CPU參與，瞬間的傳輸速 度可達(dá)到132MB/S。圖2.7 DH-CG400圖像采集卡C 微型計(jì)算機(jī)_本系統(tǒng)應(yīng)用的計(jì)算機(jī)為cpu in tel Pen tium 4,主頻為1.7GHz,內(nèi)存為512M、采用 的操作系統(tǒng)為 Windowsxp，采用Visual C+6.0作為Windows程序開發(fā)工具。 圖像采集卡通過擴(kuò)展槽數(shù)據(jù)線與計(jì)算機(jī)相聯(lián)接，計(jì)

21、算機(jī)通過相應(yīng)的程序來控制圖像采集卡完成圖像的采集、存貯、變換及分析處理。2.3玻璃瓶缺陷檢測系統(tǒng)的軟件構(gòu)成目前，Windows環(huán)境下的軟件開發(fā)工具己經(jīng)有不少了，例如微軟公司的VisualBasic, Visual C+，Borland C+等，都是極好的開發(fā)工具。這些開發(fā)工具都采用 面向?qū)ο蟮某绦蛟O(shè)計(jì)方法，它們各有利弊。對(duì)于一個(gè)具體軟件項(xiàng)目開發(fā)者來說， 選擇一個(gè)理想的開發(fā)工具是項(xiàng)目得以順利完成的前提。選擇得當(dāng)，就會(huì)提高開發(fā)速度，縮短開發(fā)時(shí)間，能很容易地實(shí)現(xiàn)項(xiàng)目的各項(xiàng)要求，達(dá)到事半功倍的效果； 選擇不當(dāng)，就會(huì)影響項(xiàng)目的開發(fā)進(jìn)度和質(zhì)量，甚至無法完成任務(wù)。在本系統(tǒng)中， 我們選擇了 Visual C+

22、6.0作為本項(xiàng)目的開發(fā)工具，主要原因如下：(1) VC是Windows應(yīng)用程序開發(fā)工具，提供了方便、新穎的可視化設(shè)計(jì)工具， 使得設(shè)計(jì)變得更加簡單。(2) VC具有強(qiáng)大的數(shù)學(xué)計(jì)算能力和圖像處理功能，本身帶有標(biāo)準(zhǔn)數(shù)學(xué)函數(shù)，為大 系統(tǒng)的圖像數(shù)據(jù)處理提供了條件。(3) VC是一種圖形界面設(shè)計(jì)工具，開發(fā)者可以直接設(shè)計(jì)窗口界面、菜單等，不 需要再為此設(shè)計(jì)編寫過于冗長的程序。(4) VC相對(duì)于VB而言，開發(fā)出來的項(xiàng)目程序代碼小，且運(yùn)行速度快。本系統(tǒng)是在 Windows xp中文版操作系統(tǒng)下，利用 Visual C+6.0進(jìn)行玻璃瓶缺 陷檢測系統(tǒng)圖像處理的程序設(shè)計(jì)的。系統(tǒng)采用了模塊化的設(shè)計(jì)方法，使得程序設(shè) 計(jì)

23、思路清晰、靈活性強(qiáng)，便于今后其它功能模塊的擴(kuò)充。系統(tǒng)界面簡潔明快，操 作方便，功能一目了然，保證了系統(tǒng)功能的順利實(shí)現(xiàn)。2.4圖像數(shù)字化由于計(jì)算機(jī)只能處理數(shù)字圖像，而自然界提供的圖像卻是其它形式的， 所以數(shù)字 圖像處理的一個(gè)先決條件就是將圖像轉(zhuǎn)化為數(shù)字形式。數(shù)字圖像就是把二維平面 上的灰度模擬信號(hào)變?yōu)橛?jì)算機(jī)能夠處理的數(shù)字信號(hào)。像素就是離散的單元，量化的灰度就是數(shù)字量值。圖像數(shù)字化包括采集和量化兩種操作。一、采樣采樣就是把時(shí)間和空間上連續(xù)的圖像變換成離散點(diǎn)(采樣點(diǎn)即像素)的集合的一種操作。圖像是二維平面上分布的信息形式， 要把它輸入到計(jì)算機(jī)，首先要把二 維信號(hào)變成一維信號(hào)，因此要進(jìn)行掃描。掃描是在

24、二維平面上按一定的間隔從上 方)!項(xiàng)序地沿水平移動(dòng)而獲得灰度值的線掃描。由此得到的一維信號(hào)，通過求出 每一特定的值就得到了離散的信號(hào)。在抽樣時(shí)，如果設(shè)橫向的像素?cái)?shù)是M，縱向的像素?cái)?shù)是N，則圖像的大小可表示為 MxN個(gè)像素。二、量化經(jīng)過采樣，圖像被分解為時(shí)間和空間離散的像素。但是像素的值(灰度值)還是連續(xù)的。把這樣連續(xù)的灰度值變換成離散值(整數(shù)值)的操作就是量化。如圖2 一 5(a)所示，對(duì)于存在21延z賓z:的濃淡值z,量化后成為整數(shù)值qi。這 樣得到的數(shù)值叫做灰度值和灰度級(jí)。圖2一 5(b)是用以表示白一灰一黑的連續(xù)變 化(灰度值)量化成為8bit，級(jí)0 255的256級(jí)時(shí)的情況，表現(xiàn)了數(shù)值

25、與灰度相 對(duì)應(yīng)的濃淡程度，把表示對(duì)應(yīng)于各個(gè)灰度值的濃淡程度叫做灰度等級(jí)或灰度標(biāo)度。用0 255的值對(duì)應(yīng)于圖像的白一黑的情況， 在表示方法上有以0為白，以 255為黑;也有以0為黑，以255為白的。(a)量化直化值整數(shù)值(b)把從白到黑的灰度值量化成8bit2552541I4128IIi10圖2 5量化第三章圖像預(yù)處理圖像處理技術(shù)發(fā)展至今，很多處理算法己趨于成熟，如圖像增強(qiáng)、邊緣檢測等， 相應(yīng)算法種類很多，但是本系統(tǒng)需要根據(jù)實(shí)際情況選擇和設(shè)計(jì)適合特定系統(tǒng)的處 理算法，所以有必要對(duì)玻璃瓶圖像檢測算法進(jìn)行研究。一個(gè)圖像處理系統(tǒng)通常包 括多種算法，算法設(shè)計(jì)是整個(gè)系統(tǒng)的核心，本文希望通過對(duì)各算法的比較研

26、究， 找出適合檢測藥用玻璃瓶的算法。整體過程包括四個(gè)部分：圖像預(yù)處理部分，圖像分割部分，特征提取部分，判斷決策部分。本章重點(diǎn)介紹玻璃瓶缺陷檢測系統(tǒng)中所涉及到的數(shù)字圖像預(yù)處理技術(shù)。圖像預(yù)處理是圖像分析的一個(gè)重要環(huán)節(jié)，對(duì)圖像進(jìn)行適當(dāng)?shù)念A(yù)處理過程，有利于圖像的分 割和識(shí)別。一般情況下，成像系統(tǒng)獲取的原始圖像由于受到種種條件的限制和隨 機(jī)干擾，往往不能在視覺系統(tǒng)中直接使用，必須在早期階段對(duì)原始圖像進(jìn)行灰度 校正，噪聲過濾等圖像預(yù)處理。3.1灰度圖和灰度直方圖灰度圖是指只含亮度信息，不含色彩信息的圖像?；叶葓D按照灰度等級(jí)的數(shù)目來 劃分，就像我們平時(shí)看到亮度由暗到明的黑白照片。 亮度的變化是連續(xù)的，因此，

27、 要表示灰度圖就需要把亮度值進(jìn)行量化。通常把亮度劃分成0 255共256個(gè)級(jí)別，0為最暗（全黑），255為最亮（全白）。存儲(chǔ)灰度圖像只需要一個(gè)數(shù)據(jù)矩 陣，矩陣的每個(gè)元素表示對(duì)應(yīng)位置的像素的灰度值。 將真彩色圖像轉(zhuǎn)換為灰度圖 可以大大減少存儲(chǔ)空間，加快圖像處理的速度。因此在本系統(tǒng)中，所采集的圖像 均是以灰度圖的形式儲(chǔ)存的。如果每個(gè)像素的像素值用一個(gè)字節(jié)表示， 灰度值級(jí) 數(shù)就等于256級(jí)，每個(gè)像素可以是0255之間的任何一個(gè)值，一幅640X 480的 灰度圖像需要占據(jù)300KB勺存儲(chǔ)空間?；叶戎狈綀D是數(shù)字圖像處理中一個(gè)最簡單有用的工具，它描述了一幅圖像的灰度 級(jí)內(nèi)容。任何一幅圖像的直方圖都包括了可

28、觀的信息。 某些類型的圖像還可由其 直方圖完全描述?；叶戎狈綀D是灰度值的函數(shù)，描述的是圖像中具有該灰度值的 像素個(gè)數(shù)，其橫坐標(biāo)表示像素的灰度級(jí)別，縱坐標(biāo)是該灰度出現(xiàn)的頻率（像素個(gè) 數(shù)）。按照直方圖的定義可表示為：(2.1)P(rk )=式中N為一幅圖像的總像素?cái)?shù)，nk是第k級(jí)灰度的像素?cái)?shù)，r k表示第k個(gè)灰 度級(jí)，P（rk ）表示該灰度級(jí)出現(xiàn)的相對(duì)頻數(shù)?；叶戎狈綀D有如下的性質(zhì)：（1）在直方圖中，因?yàn)槲纯紤]各像素的位置，所以失去了圖像具有的空間信息。因此必須注意，雖然知道具有某一灰度值的像素有多少， 但完全不清楚這些像素 在圖像中處于什么位置。4 A ( j, k 1), ( j 1, k),

29、( j, k 1), ( j 1, k)(2.3)(2) 對(duì)于一幅圖像，能決定一種含義的直方圖。但是，不同的圖像可能具有相同 的直方圖。(3) 直方圖是對(duì)具有相同灰度值的像素?cái)?shù)計(jì)數(shù)，如果已知圖像被分成幾個(gè)區(qū)域和 各個(gè)區(qū)域的直方圖，把它們加起來，就可得到整個(gè)圖像的直方圖。對(duì)圖像進(jìn)行數(shù) 字化時(shí)，利用直方圖可以檢查輸入圖像灰度值在可能利用的灰度值范圍內(nèi)分配得 是否恰當(dāng)。當(dāng)發(fā)現(xiàn)直方圖分配不恰當(dāng)時(shí)，可以進(jìn)行直方圖均衡化，改善圖像的質(zhì) 量。直方圖在圖像分割里也會(huì)被用到。3.2圖像增強(qiáng)圖像增強(qiáng)是數(shù)字圖像處理的基本內(nèi)容之一。圖像增強(qiáng)的目的主要有兩個(gè)：一是改善圖像的視覺效果，提高圖像成的清晰度；二是將圖像轉(zhuǎn)換成

30、一種更適合于人眼 觀察和機(jī)器自動(dòng)分析的形式。它為圖像的信息提取及其他圖像分析技術(shù)奠定了良 好的基礎(chǔ)。一般情況下，經(jīng)過增強(qiáng)處理后圖像的視覺效果會(huì)發(fā)生變化，這種變化意味著圖像的視覺效果得到了改善，某些特定信息得到了增強(qiáng)。圖像增強(qiáng)技術(shù)可 分為空間域法和頻率域法兩大類。空間域法是在空間域內(nèi)對(duì)圖像像素直接運(yùn)算處 理，具有直觀、快速的特點(diǎn)。頻率域法是在圖像的某種變換域?qū)D像的變換值進(jìn) 行運(yùn)算，再對(duì)圖像的頻譜進(jìn)行某種計(jì)算，最后將計(jì)算后的圖像逆變換到空間域。 這是一種間接增強(qiáng)的方法，計(jì)算較大。任何一幅未經(jīng)處理的原始圖像，都存在著一定程度的噪聲干擾。噪聲惡化了圖像 質(zhì)量，使圖像模糊甚至淹沒特征，給圖像分析處理帶

31、來困難。消除圖像噪聲的工 作稱之為圖像平滑或?yàn)V波。由于噪聲源眾多，噪聲種類復(fù)雜，所以平滑方法也多 種多樣。比較常用的圖像平滑方法是鄰域平均法和中值濾波法。3.2.1鄰域平均法所謂鄰域平均法，就是將圖像取出一個(gè)子區(qū)域，讓被干擾的像素位于區(qū)域中央， 然后求出其鄰域各像素灰度的平均值，最后以該平均值取代被干擾像素的灰度 值，從而提高該圖像的質(zhì)量，此法稱為鄰域平均法。鄰域平均法是一種在空間域 上對(duì)圖像進(jìn)行平滑處理的方法。它易于實(shí)現(xiàn)，而且效果也較好27。令被討論像素的灰度值為F( j, k)，以其為中心，窗口像素組成的點(diǎn)集以 A表示, 集內(nèi)像素?cái)?shù)以L表示。經(jīng)鄰域平均法濾波后，像素F( j, k)對(duì)應(yīng)的輸

32、出為(,)1( , ) ( , )x y AG j k F x yL(2.2)即為窗口像素的平均值，用它代替F( j, k)原來的灰度值。應(yīng)用鄰域平均法平滑時(shí)，鄰域的選取一般有兩種方式：以單位距離為半徑或單位 距離的2倍為半徑。以3X 3的窗口為例，單位距離為半徑時(shí)，其鄰域?yàn)閱挝痪嚯x的2倍為半徑時(shí)，其鄰域?yàn)? A ( j 1,k 1),( j 1,k),( j 1,k 1),( j,k 1),(j,k 1),( j 1,k 1),( j1,k),( j 1,k1)(2.4)前者稱為四點(diǎn)鄰域，后者稱為八點(diǎn)鄰域。四點(diǎn)鄰域時(shí)，L 4;八點(diǎn)鄰域L 8。鄰域平均法有力地抑制了噪聲，同時(shí)，也出現(xiàn)了因平均作

33、用而引起的模糊現(xiàn)象， 模糊程度與鄰域半徑成正比。為了盡可能減小模糊失真，有人提出了超限鄰域平 均法，公式如下：；其他(2.5)就是說當(dāng)F( j, k)大于鄰域平均值一定值后，作噪聲處理，否則不改變。以下是對(duì)圖像3X3均值濾波的核心算法：int nOffsetY9=-1,-1,-1,0,0,0,1,1,1;像素點(diǎn)橫向的偏移int nOffsetX9=0,-1,1,0,1,1,0,-1,1;像素點(diǎn)縱向的偏移int nOffset9; 代表3x3窗口中9個(gè)像素點(diǎn)相對(duì)中心像素點(diǎn)的偏移量for(i nt m=0;m<9;m+) nO ffsetm=nO ffsetXm*m_nDibWidth+nO

34、 ffsetYm;for(i nt i=0;i<=m_nHeight-1;i+)/m_nHeight是圖像的高度for(i nt j=0;jv=m_nDibWidth-1;j+)/m_nDibWidth是圖像的寬度for(i nt m=0;m<9;m+)/mpDibData圖像數(shù)據(jù)指針data+=*(mpDibData+i*m_nDibWidth+j+nO ffsetm);data/=9;對(duì)瓶口裂紋圖像用3X3窗口進(jìn)行均值濾波處理，原始圖像和處理后的效果圖像, 如圖3.3所示：(a)原始裂紋圖像(b) 3X 3模板均值濾波圖3.3裂紋圖像通過均值濾波器比較圖通過圖像的對(duì)比明顯看出，

35、均值濾波器對(duì)抑制裂紋圖像的噪聲沒有效果。 因?yàn)椴?作的目的是為了消除圖像的孤立噪聲點(diǎn)(裂紋圖中的白點(diǎn)) ，但是均值濾波器只 能使圖像平滑，細(xì)節(jié)特征消失。4 A ( j, k 1), ( j 1, k), ( j, k 1), ( j 1, k)(2.3)322 中值濾波法中值濾波是一種最常用的非線性濾波，由于它在實(shí)際運(yùn)算過程中并不需要圖像的 統(tǒng)計(jì)特性，因此比較方便。中值濾波首先是被應(yīng)用在一維信號(hào)處理技術(shù)中，后來 被二維圖像信號(hào)處理技術(shù)所引用。 在一定條件下，可以克服線性濾波器所帶來的 圖像細(xì)節(jié)模糊，而且對(duì)圖像中的脈沖噪聲和掃描噪聲， 能有較好的濾除效果，在 一定程度上可以克服在線性低通濾波器消

36、除噪聲時(shí)將圖像細(xì)節(jié)模糊掉的缺點(diǎn)，但是對(duì)于含有過多細(xì)節(jié)的圖像，處理效果一般不會(huì)太好。其原理是將包含奇數(shù)個(gè)像素的滑動(dòng)窗口W在圖像上移動(dòng)，在每一個(gè)位置上對(duì)窗口內(nèi)像素的灰度值由小到大排序，然后將位于中間的灰度值作為窗口正中那個(gè)像素 的輸出值，即f(x,y)=midf(1,1),f(1,2),f(n,n)n 1,N(3-2)設(shè)有一個(gè)一維序列fl f2L fn，取窗口長度為m(m為奇數(shù))，對(duì)此序列進(jìn)行中值濾波， 就是從輸入序列中相繼抽出m個(gè)數(shù)，i v i i i i i i v f f f f fLL，其中if為窗口的中心值，12mV，再將這m個(gè)點(diǎn)的值按其數(shù)值大小排列，取其序號(hào)為正中間的那個(gè)數(shù)作為濾波輸出

37、。用數(shù)學(xué)公式表示為i i v i i v Y Med f f fL L 1,2m i Z V (2.9)例如：有一個(gè)序列為10,3, 45, 0, 29 ，重新排序后為0, 3,10, 29, 45 則Med 10,3,45,0, 29，10。此例若用鄰域平均法濾波，窗口也是取 5,那么鄰域平均法濾波輸出為(10+3+45+0+29) /5=17.4。對(duì)二維序列隊(duì)對(duì)進(jìn)行中值濾波時(shí)，濾波窗口也是二維的，但這種二維窗口可以有各種不同的形狀，如線狀、方形、圓形、十字形、圓環(huán)形等。二維數(shù)據(jù)的中值濾 波可以表示為ij a j YMed X (2.10)式中A為窗口。在圖像陣列進(jìn)行中值濾波時(shí)，如窗口是以中

38、心點(diǎn)對(duì)稱的，并包含 中心點(diǎn)在內(nèi)，則中值濾波能保持任意方向的跳變邊緣。圖像中的跳變邊緣是指圖像中不同灰度區(qū)域之間的灰度突變邊緣。在實(shí)際使用窗口時(shí)，窗口的尺寸一般先用3再取5逐點(diǎn)增大，直到其濾波效果滿意為止。對(duì)于有緩變的較長輪廓線物體 的圖像，采用方形或圓形窗口為宜，對(duì)于包含尖頂角物體的圖像，適宜用十字形 窗口。使用二維中值濾波最值得注意的是要保持圖像中有效的細(xì)線狀物體。中值濾波有以下幾個(gè)重要特性:(1) 對(duì)某些輸入信號(hào)中值濾波具有不變性。對(duì)某些特定的輸入信號(hào)，濾波輸出保持輸入信號(hào)值不變，如在窗口2n+1內(nèi)單調(diào)增加或單調(diào)減少的序列，即i n i i n i n i i n X X X X X XL

39、 L(2.11)則i i y X (2.12)二維序列的中值濾波的不變性要復(fù)雜得多， 它不但與輸入信號(hào)有關(guān)，而且還與窗 口的形狀有關(guān)。一般講，與窗口對(duì)頂角線垂直的邊緣保持不變性。 利用這個(gè)特點(diǎn)， 可以使中值濾波既能去除圖像中的噪聲，又能保持圖像中一些物體的邊緣。(2) 中值濾波去噪聲性能。中值濾波可以用來減弱隨機(jī)干擾和脈沖干擾。 由于中值濾波是非線性的，因此對(duì) 隨機(jī)輸入信號(hào)數(shù)學(xué)分析比較復(fù)雜。 對(duì)于均值為零的正態(tài)分布的噪聲輸入，中值濾波輸出的噪聲方差為：22214 1 22Med mf m m (2.13)式中2i為輸入噪聲功率(方差)，m為中值濾波窗口長度，m為輸入噪聲均值；f m為輸入噪聲密

40、度函數(shù)。而平滑濾波的輸出噪聲方差2。為2 1 2o i m(2.14)比較式(2.佝和式(2.14)可看出，中值濾波的輸出與輸入噪聲的密度分布有關(guān)。而 平均值濾波的輸出與輸入分布無關(guān)。對(duì)隨機(jī)噪聲的抑制能力方面來看，中值濾 波性能要比平均值濾波差一些。而對(duì)脈沖干擾來講，特別是脈沖寬度小于m/ 2,相距較遠(yuǎn)的窄脈沖干擾，中值濾波是很有效的。對(duì)瓶口裂紋圖像用3X 3窗口進(jìn)行中值濾波，對(duì)比圖像如圖 3.4所示:(a)原始裂紋圖像(b) 3X3模板中值濾波圖圖3.4裂紋圖像、尺寸圖像通過中值濾波器比較圖從圖像中可以看出，3X 3窗口的中值濾波器可以克服均值濾波器所帶來的圖像細(xì)節(jié)模糊，同時(shí)又能有效消除或降

41、低裂紋圖像中的孤立噪聲點(diǎn)，調(diào)整尺寸圖像內(nèi) 圓中的虛環(huán)。中值濾波器的作用確實(shí)比均值濾波器好。因此在課題中采取3X 3窗口的中值濾波器實(shí)現(xiàn)圖像預(yù)處理中的去噪。3.2.3玻璃瓶圖像增強(qiáng)的算法實(shí)現(xiàn)第四章圖像分割圖像分割是圖像分析的第一步，是圖像分析技術(shù)的重要組成部分，也是圖像處理 中最困難的問題之一。在對(duì)圖像的研究和應(yīng)用中，人們往往僅對(duì)圖像中的某些部 分感興趣。這些部分常稱為目標(biāo)（其他部分稱為背景），它們一般對(duì)應(yīng)圖像中特定、 具有獨(dú)特性質(zhì)的區(qū)域。為了辨識(shí)和分析圖像中的目標(biāo)，需要將它們從圖像中分離 提取出來，在此基礎(chǔ)上才有可能進(jìn)一步對(duì)目標(biāo)進(jìn)行測量和對(duì)圖像進(jìn)行利用。圖像分割就是指把圖像分成各自具有特性的區(qū)

42、域并提取出感興趣的目標(biāo)的技術(shù)和過 程。由于問題本身的重要性和困難性，從20世紀(jì)70年代起圖像分割問題就吸引了很多 研究人員為之付出了巨大的努力。 雖然到目前為止，還沒有唯一的、標(biāo)準(zhǔn)的圖像 分割的方法，但是對(duì)于圖像分割的一般性規(guī)律則基本上已經(jīng)達(dá)成了共識(shí)，己經(jīng)產(chǎn)生了相當(dāng)多的研究結(jié)果和方法。對(duì)應(yīng)不同的應(yīng)用場合，我們可以采用各種各樣的 分割方法，只要能夠完成圖像分割的目的，有助于圖像的分析，就是合適的方法。 這里首先主要介紹這一領(lǐng)域中經(jīng)典方法和近年來出現(xiàn)的新思路、新方法以及對(duì)原有方法的新的改進(jìn)作個(gè)整體的介紹。4.1閾值分割方法閾值分割方法作為一種常見的區(qū)域并行技術(shù)，就是用一個(gè)或幾個(gè)閾值將圖像的灰 度直

43、方圖分成幾個(gè)類，認(rèn)為圖像中灰度值在同一類中的像素屬于同一物體。由于是直接利用圖像的灰度特性，因此計(jì)算方便簡明、實(shí)用性強(qiáng)。顯然，閾值分割方 法的關(guān)鍵和難點(diǎn)是如何取得一個(gè)合適的閾值。 而實(shí)際應(yīng)用中，閾值設(shè)定易受噪聲 和光亮度影響。閾值方法的缺陷主要在于它僅僅考慮了圖像的灰度信息，而忽略了圖像的空間信息。對(duì)于非此即彼的簡單圖像處理（如一些二值圖像的處理）是有效的，但是對(duì)于 圖像中不存在明顯的灰度差異或各物體的灰度值范圍有較大的重疊的圖像分割 問題難以得到準(zhǔn)確的分割效果。近年來的方法有：用最大相關(guān)性原則選擇閾值的方法、基于圖像拓?fù)浞€(wěn)定狀態(tài)的 方法、Yager測度極小化方法、灰度共生矩陣方法、方差法、熵

44、法、峰值和谷值 分析法等，其中，自適應(yīng)閾值法、最大熵法、模糊閾值法、類間閾值法是對(duì)傳統(tǒng) 閾值法改進(jìn)較成功的幾種算法。更多的情況下，閾值的選擇會(huì)綜合運(yùn)用2種或2種以上的方法，這也是圖像分割發(fā)展的一個(gè)趨勢。4.2邊緣檢測算子邊緣檢測是提取圖像中不連續(xù)部分的特征， 根據(jù)閉合的邊緣確定區(qū)域。由于邊緣 檢測方法不需要將圖像逐個(gè)像素地分割，因此更適合大圖像的分割。圖像邊緣對(duì)圖像識(shí)別和計(jì)算機(jī)分析十分有用。邊緣能勾劃出目標(biāo)物體，使觀察者一目了然； 邊緣蘊(yùn)含了豐富的內(nèi)在信息，是圖像識(shí)別中抽取圖像特征的重要屬性。從本質(zhì)上說，圖像邊緣是圖像局部特性不連續(xù)性的反映，它標(biāo)志著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開始34。邊緣的

45、特性是沿邊緣走向的像素變化平緩，而垂直于邊緣方 向的像素變化劇烈。所以，從這個(gè)意義上說，提取邊緣的算法就是檢出符合邊緣 特性的邊緣像素的數(shù)學(xué)算子。下面介紹幾種常用的邊緣檢測算子，用這些算子與 圖像卷積，可以找出圖像邊緣的位置和方向。 Roberts算子圖像f x, y 的梯度定義為：f x y f x yf x y i jx y(3.9)梯度的模為：(3.10)通常把梯度的模就叫做圖像的梯度。Roberts算子是用斜向上4個(gè)像素交叉差分 來表示梯度的，即f x, yf x, yf x1, y1f x1, yf x, y 1(3.11)上式也可以簡化為：f x, y f x, yf x1, y(

46、3.12)或f x, ymaxfx, yf x1, y(3.13)也可以表示成掩模的形式如圖3.1所示。 Sobel算子Sobel算子是一種簡單常用的算子，它是對(duì)數(shù)字圖像f x, y的每個(gè)像素，考查其相鄰點(diǎn)像素灰度的加權(quán)差，即S x, y|(3.14)Sobel算子可以寫成圖3.2的掩模形式。1 0 -12 0 -21 0 -11 00 -10 1-1 01 2 10 0 0-1 -2 -1圖3.1 Roberts 算子模板圖3.2 Sobel算子模板 Prewitt邊緣檢測算子如圖3.3所示的兩個(gè)卷積核形成了 Prewitt邊緣檢測算子。與使用SobeI算 子的方法一樣，圖像中的每個(gè)點(diǎn)都用這兩個(gè)核作卷積，取最大值作為輸出。Prewitt算子也能產(chǎn)生一幅邊緣圖像。 Kirsch算子Kirsch算子是由Ko : K?共8個(gè)方向的掩模組成，如圖3.4所示。將0 7 K : K的掩模算子分別與圖像中3 3的區(qū)域相乘，選擇最大的一個(gè)，將該最大值作為中央像素的邊緣強(qiáng)度，可以用下式表示x, y像點(diǎn)的強(qiáng)度。8 0 1 2 3 4 5 6 7g X, y max g , g , g , g , g , g , g , g(3.15)其中g(shù) x y K k I f x k y Ii 0,1,2,3, 4,5,