課程設(shè)計機器視覺報告

目錄TOC\o"1-5"\h\z\o"CurrentDocument"摘要I\o"CurrentDocument"AbstractII\o"CurrentDocument"概述3\o"CurrentDocument"1.1機器視覺3\o"CurrentDocument"1.2數(shù)字圖像處理3\o"CurrentDocument"1.3MATLAB4\o"CurrentDocument"1.4課程設(shè)計任務(wù).4\o"CurrentDocument"邊緣檢測5\o"CurrentDocument"2.1邊緣檢測簡介5\o"CurrentDocument"2.2檢測方法5\o"CurrentDocument"2.3邊緣檢測算子.62.4邊緣檢測仿真結(jié)果12\o"CurrentDocument"輪廓提取13\o"CurrentDocument"3.1基于邊緣檢測的輪廓提取13\o"CurrentDocument"3.2基于HSV空間H的參數(shù)圖像的輪廓提取14\o"CurrentDocument"實驗小結(jié)15\o"CurrentDocument"參考文獻15附錄：源程序代碼錯誤!未定義書簽。邊緣檢測程序錯誤!未定義書簽。輪廓提取程序錯誤!未定義書簽?；贖SV空間H參數(shù)的圖像輪廓提取錯誤!未定義書簽。摘要機器視覺系統(tǒng)就是利用機器代替人眼來作各種測量和判斷。它是計算機學(xué)科的一個重要分支，它綜合了光學(xué)、機械、電子、計算機軟硬件等方面的技術(shù)，涉及到計算機、圖像處理、模式識別、人工智能、信號處理、光機電一體化等多個領(lǐng)域。圖像處理和模式識別等技術(shù)的快速發(fā)展，也大大地推動了機器視覺的發(fā)展。邊緣檢測是圖像處理和計算機視覺中的基本問題，邊緣檢測的目的是標(biāo)識數(shù)字圖像中亮度變化明顯的點。圖像屬性中的顯著變化通常反映了屬性的重要事件和變化。這些包括深度上的不連續(xù)、表面方向不連續(xù)、物質(zhì)屬性變化和場景照明變化。邊緣檢測是圖像處理和計算機視覺中，尤其是特征提取中的一個研究領(lǐng)域。圖像邊緣是圖像最基本的特征之一，往往攜帶著一幅圖像的大部分信息。而邊緣存在于圖像的不規(guī)則結(jié)構(gòu)和不平穩(wěn)現(xiàn)象中，也即存在于信號的突變點處，這些點給出了圖像輪廓的位置，這些輪廓常常是我們在圖像邊緣檢測時所需要的非常重要的一些特征條件，這就需要我們對一幅圖像檢測并提取出它的邊緣。本實驗對機器視覺系統(tǒng)中的底層技術(shù)一一邊緣檢測和輪廓提取算法進行設(shè)計和實驗。針對一幅圖像，利用邊緣檢測算子（如Robert算子、Sobel算子、Prewitt算子、Laplace算子、Kirsch算子和Marr算子）檢測出圖像的邊緣，然后采取輪廓提取算法得到封閉的二值圖像輪廓。關(guān)鍵詞：機器視覺、數(shù)字圖像處理、邊緣檢測、輪廓提取AbstractMachinevisionsystemistousemachinesinsteadofhumaneyestomakeallkindsofmeasurementandjudgment.Itisanimportantbranchofcomputerscience,whichcombinesoptical,mechanical,electronic,computersoftwareandhardwaretechnology,involvesthecomputer,imageprocessing,patternrecognition,artificialintelligence,signalprocessing,optic-mechanicalintegration,andotherfields.Therapiddevelopmentofimageprocessingandpatternrecognitiontechniquessuchas,alsogreatlypromotethedevelopmentofmachinevision.Edgedetectionisthebasicprobleminimageprocessingandcomputervision,edgedetectionistoidentifythepurposeofthedigitalimagebrightnesschangesintheobviouspoints.Significantchangesinimageattributesusuallyreflectthepropertiesoftheimportanteventsandchanges.Theseincludethedepthdirectionofthediscontinuous,surfacediscontinuity,materialpropertiesandsceneilluminationchanges.Edgedetectionisimageprocessingandcomputervision,especiallyaresearchfieldinfeatureextraction.Imageedgeisoneofthemostbasiccharacteristicsoftheimage,oftencarryinganimagemostoftheinformation.Theimageedgeinirregularstructureandthenotsmoothphenomenon,whichexistsintheabruptchangepointofthesignal,thesepointsaregiventhelocationoftheimagecontour,thecontourisoftenwhatweneedinimageedgedetectionisveryimportanttosomeofthecharacteristicsoftheconditions,thisrequiresustotheedgeofanimagedetectionandextractit.Theexperimentonthemachinevisionsystem,theunderlyingtechnologyinedgedetectionandcontourextractionalgorithmtocarryonthedesignandexperiment.Foranimage,usingedgedetectionoperator(suchasRobertoperator,Sobeloperator,Prewittoperator,Laplaceoperator,KirschoperatorandMarroperator)todetecttheimageedge,andthentogetclosedcontourextractionalgorithmofbinaryimagecontour.Keywords:machinevision,digitalimageprocessing,edgedetectionandcontourextraction概述1.1機器視覺機器視覺就是用機器代替人眼來做測量和判斷。機器視覺系統(tǒng)是指通過機器視覺產(chǎn)品（即圖像攝取裝置，分CMOS和CCD兩種）將被攝取目標(biāo)轉(zhuǎn)換成圖像信號，傳送給專用的圖像處理系統(tǒng)，根據(jù)像素分布和亮度、顏色等信息，轉(zhuǎn)變成數(shù)字化信號；圖像系統(tǒng)對這些信號進行各種運算來抽取目標(biāo)的特征，進而根據(jù)判別的結(jié)果來控制現(xiàn)場的設(shè)備動作。1.2數(shù)字圖像處理數(shù)字圖像處理（DigitalImageProcessing）是通過計算機對圖像進行去除噪聲、增強、復(fù)原、分割、提取特征等處理的方法和技術(shù)。數(shù)字圖像處理的產(chǎn)生和迅速發(fā)展主要受三個因素的影響：一是計算機的發(fā)展；二是數(shù)學(xué)的發(fā)展（特別是離散數(shù)學(xué)理論的創(chuàng)立和完善）；三是廣泛的農(nóng)牧業(yè)、林業(yè)、環(huán)境、軍事、工業(yè)和醫(yī)學(xué)等方面的應(yīng)用需求的增長。自從1986年JohnCanny提出了最優(yōu)邊緣檢測算子的三條準(zhǔn)則并推導(dǎo)出了一個近似實現(xiàn)。但是在實際中，真正實現(xiàn)這一目標(biāo)尚有較大的難度。這是因為：（1）實際圖像一般都含有噪聲，并且噪聲的分布信息業(yè)是未知的，同時噪聲和邊緣都屬于高頻信息，在進行濾波的同時，雖然能夠在一定程度上抑制噪聲，卻也丟失了邊緣信息。（2）由于場景、光照條件的邊緣等原因，同一場景在不同光照條件下得到的邊緣可能也是不同的，設(shè)置的閾值也可能是不同的。針對這些問題，如何進行改進，并得到較理想的邊緣檢測算子是有必要的。另一方面，輪廓提取技術(shù)是圖像分割、目標(biāo)區(qū)域識別區(qū)域行狀提取等圖像分析處理領(lǐng)域十分重要的基礎(chǔ)。尋求非接觸、精度高、具有綜合分析能力的識別方法來代替人工目測，解決圖像表面的模式識別和測量問題，是圖像加工行業(yè)面臨的一大難題，也是值得我們長期探討的科研課題1.3MATLABMATLAB自產(chǎn)生之日起就具有方便的數(shù)據(jù)可視化功能，以將向量和矩陣用圖形表現(xiàn)出來，并且可以對圖形進行標(biāo)注和打印。高層次的作圖包括二維和三維的可視化、圖象處理、動畫和表達式作圖?？捎糜诳茖W(xué)計算和工程繪圖。新版本的MATLAB對整個圖形處理功能作了很大的改進和完善，使它不僅在一般數(shù)據(jù)可視化軟件都具有的功能（例如二維曲線和三維曲面的繪制和處理等）方面更加完善，而且對于一些其他軟件所沒有的功能（例如圖形的光照處理、色度處理以及四維數(shù)據(jù)的表現(xiàn)等），MATLAB同樣表現(xiàn)了出色的處理能力。同時對一些特殊的可視化要求，例如圖形對話等，MATLAB也有相應(yīng)的功能函數(shù)，保證了用戶不同層次的要求。另外新版本的MATLAB還著重在圖形用戶界面（GUI）的制作上作了很大的改善，對這方面有特殊要求的用戶也可以得到滿足。MATLAB對許多專門的領(lǐng)域都開發(fā)了功能強大的模塊集和工具箱。一般來說，它們都是由特定領(lǐng)域的專家開發(fā)的，用戶可以直接使用工具箱學(xué)習(xí)、應(yīng)用和評估不同的方法而不需要自己編寫代碼。領(lǐng)域，諸如數(shù)據(jù)采集、數(shù)據(jù)庫接口、概率統(tǒng)計、樣條擬合、優(yōu)化算法、偏微分方程求解、神經(jīng)網(wǎng)絡(luò)、小波分析、信號處理、圖像處理、系統(tǒng)辨識、控制系統(tǒng)設(shè)計、LMI控制、魯棒控制、模型預(yù)測、模糊邏輯、金融分析、地圖工具、非線性控制設(shè)計、實時快速原型及半物理仿真、嵌入式系統(tǒng)開發(fā)、定點仿真、DSP與通訊、電力系統(tǒng)仿真等，都在工具箱（Toolbox）家族中有了自己的一席之地。1.4課程設(shè)計任務(wù)對機器視覺系統(tǒng)中的底層技術(shù)一一邊緣檢測和輪廓提取算法進行設(shè)計和實驗。要求：針對一幅圖像，利用邊緣檢測算子（如Robert算子、Sobel算子、Prewitt算子、Laplace算子、Kirsch算子和Marr算子）檢測出圖像的邊緣，然后采取輪廓提取算法得到封閉的二值圖像輪廓。邊緣檢測2.1邊緣檢測簡介邊緣檢測是圖像處理和計算機視覺中的基本問題，邊緣檢測的目的是標(biāo)識數(shù)字圖像中亮度變化明顯的點。圖像屬性中的顯著變化通常反映了屬性的重要事件和變化。這些包括深度上的不連續(xù)、表面方向不連續(xù)、物質(zhì)屬性變化和場景照明變化。邊緣檢測是圖像處理和計算機視覺中，尤其是特征提取中的一個研究領(lǐng)域。邊緣可能與視角有關(guān)一一也就是說邊緣可能隨著視角不同而變化，典型地反映在場景、物體的幾何形狀一個將另一個遮擋起來，也可能與視角無關(guān)一一這通常反映被觀察物體的屬性如表面紋理和表面形狀。在二維乃至更高維空間中，需要考慮透視投影的影響。2.2檢測方法一般圖像邊緣檢測方法主要有如下四個步驟：1）圖像濾波:傳統(tǒng)邊緣檢測算法主要是基于圖像強度的一階和二階導(dǎo)數(shù)，但導(dǎo)數(shù)的計算對噪聲很敏感，因此必須使用濾波器來改善與噪聲有關(guān)的邊緣檢測器的性能。需要指出的是，大多數(shù)濾波器在降低噪聲的同時也造成了了邊緣強度的損失，因此，在增強邊緣和降低噪聲之間需要一個折中的選擇。2）圖像增強:增強邊緣的基礎(chǔ)是確定圖像各點鄰域強度的變化值。增強算法可以將鄰域（或局部）強度值有顯著變化的點突顯出來。邊緣增強一般是通過計算梯度的幅值來完成的。3）圖像檢測:在圖像中有許多點的梯度幅值比較大，而這些點在特定的應(yīng)用領(lǐng)域中并不都是邊緣，所以應(yīng)該用某種方法來確定哪些點是邊緣點。最簡單的邊緣檢測判斷依據(jù)是梯度幅值。4）圖像定位:如果某一應(yīng)用場合要求確定邊緣位置，則邊緣的位置可在子像素分辨率上來估計，邊緣的方位也可以被估計出來。

2.3邊緣檢測算子Reborts算子Reboerts算子是一種利用局部差分來尋找邊緣的算子，Roberts梯度算子所采用的是對角方向相鄰兩像素值之差，算子形式如下：Gx=f(i,j)-f(i-1,j-1)(2.3.3(2.3.5)Gy=f(i-1,j)-f(i,j-1)(2.3.4IG(x,y)1=\；G2+G2Roberts梯度算子對應(yīng)的卷積模版為：(2.3.5)「―10「0―「Gx=01Gy=10(2.3.6)用以上兩個卷積算子與圖像運算后，可求出圖像的梯度幅值G(x,y)，然后選擇適當(dāng)?shù)拈撝祎,若G(x,y)>T，貝(i,j)為邊緣點，否則，判斷(i,j)為非邊緣點。由此得到一個二值圖像「―10「0―「Gx=01Gy=10(2.3.6)Sobel算子Sobel算子在邊緣檢測算子擴大了其模版，在邊緣檢測的同時盡量削弱了噪聲。其模版大小為3X3,其將方向差分運算與局部加權(quán)平均相結(jié)合來提取邊緣。在求取圖像梯度之前，先進行加權(quán)平均，然后進行微分，加強了對噪聲的一致。Sobel算子所對應(yīng)的卷積模版為：-1-101'-12-1Gx=-202Gy=000-101121(2.3.7)圖像中的每個像素點和以上水平和垂直兩個卷積算子做卷積運算后，再計算得到梯度幅值G(x,y)，然后選取適當(dāng)?shù)拈撝祎，若G(x,y)>T，貝Q(i,j)為邊緣點，否則，判斷(i,j)為非邊緣點。由此得到一個二值圖像｛g(i,j)｝，即邊緣圖像°Sobel算子在空間上比較容易實現(xiàn)，不但產(chǎn)生較好的邊緣檢測效果，同時，由于其引入了局部平均，使其受噪聲的影響也較小。若使用較大的鄰域，抗噪性會更好，但也增加了計算量，并且得到的邊緣比較粗。在對精度要求不是很高的場合下，Sobel算子是一種較為常用的邊緣檢測算法。Prewitt算子同Sobel算子相似，Prewitt算子也是一種將方向的差分運算和局部平均相結(jié)合的方法，也是取水平和垂直兩個卷積核來分別對圖像中各個像素點做卷積運算，所不同的是，Sobel算子是先做加權(quán)平均然后再微分，Prewitt算子是先平均后求微分，其對應(yīng)的卷積模版為:-101'-1-1-1Gx=-101Gy=000-1-101'-1-1-1Gx=-101Gy=000-101111(2.3.8)在此基礎(chǔ)上，有人提出了改進的Prewitt算子，將其擴展到八個方向，依次用這些邊緣模板去檢測圖像，與被檢測區(qū)域最為相似的樣板給出最大值。用這個最大值作為算子的輸出值P[i,j],這樣就可將邊緣像素檢測出來。八個方向的Prewitt算子模板及其所對應(yīng)的邊緣方向如下所示：-111'111'111'111'-1-21-1-211-211-2-1-111-1-11-1-1-111-10°方向45。方向90°方向135°方向11-11-1-1-1-1-1-1-11'1-2-11-2-11-21-1-2111-1111111111180°方向225。方向270°方向315°方向Prewitt算子通過對圖像上的每個像素點的八方向鄰域的灰度加權(quán)差之和來進行檢測邊緣，對噪聲有一定抑制作用，抗噪性較好，但由于采用了局部灰度平均，因此容易檢測出偽邊緣，并且邊緣定位精度較低。Kirsch算子Kirsch算子是一種3X3的非線性方向算子。其基本思想是希望改進取平均值的過程，從而盡量使邊緣兩側(cè)的像素各自與自己同類的像素取平均值，然后再求平均值之差，來減小由于取平均值所造成的邊緣細節(jié)丟失。通常采用八方向Kirsch模板的方法進行檢測，取其中最大的值作為邊緣強度，而將與之對應(yīng)的方向作為邊緣方向。常用的八方向Kirsch模板如下所示：-3-35-355'55555-3-305-305-30-350-3-3-35-3-3-3-3-3-3-3-3-30°方向45°方向90°方向135°方向

5-3-35-3-350-35-3-3-3-3-350-355-3180°方向225。方向-3-3-3-30-3555270°方向-3-3-3'-305-355315。方向?qū)嶋H的應(yīng)用中，通常都是利用簡單的卷積核來計算方向差分的，不同的算子對應(yīng)著不同的卷積核。它們在圖像的像素點上所產(chǎn)生的兩個方向的偏導(dǎo)數(shù)用均方值或者絕對值求和的形式來近似代替梯度幅值，然后選取一個合適的閾值，用所得到的梯度幅值和所設(shè)定的閾值進行比較來判斷邊緣點。若大于所取的閾值，則判斷為邊緣點；否則，判斷為非邊緣點。很顯然，在提取邊緣的過程中，閾值的選取特別重要，尤其在含噪圖像中，閾值的選擇要折衷考慮噪聲造成的偽邊緣和有效邊緣的丟失。Laplace算子拉普拉斯算子是不依賴于邊緣方向的二階導(dǎo)數(shù)算子，它是一個標(biāo)量而不是向量，具有旋轉(zhuǎn)不變即各向同性的性質(zhì)。若只關(guān)心邊緣點的位置而不需要了解其周圍的實際灰度差時，一般選擇該算子提取圖像的邊緣。Laplace算子的定義為:V2f=急+等(2.3.9)用差分方程近似二階偏倒數(shù)的結(jié)果如下：d2f°°-—=f(x,y+1)-2f(x,y)+f(x,y-1)(2.3.10)ox2d2f…-一一…、-—=f(X+1,y)—2f(x,y)+f(x-1,y)(2.3.11)oy2將這兩個式子合并，可以得到近似Laplace算子的模版：[010]V2f=1-41(2.3.12)B10>當(dāng)Laplace算子輸出出現(xiàn)過零點時就表明有邊緣存在，其中忽略無意義的過零點(均勻零區(qū))。原則上，過零點的位置精度可以通過線性內(nèi)插方法精確到子像素分辨率。但是拉普拉斯算子在圖像邊緣檢測中并不常用。主要原因有：任何包含有二階導(dǎo)數(shù)的算子比只包含有一階導(dǎo)數(shù)的算子更易受噪聲的影響，一階導(dǎo)數(shù)很小的局部峰值也能導(dǎo)致二階導(dǎo)數(shù)過零點，所以Laplace算子對噪聲具有無法接受的敏感性；Laplace算子的幅值產(chǎn)生雙邊元，這是復(fù)雜的分割不希望有的結(jié)果;最后，Laplace算子不能檢測邊緣的方向。為了避免噪聲的影響，必須采用特別有效的濾波方法。所以，人們提出了改進的功LOG算子。LOG算子LOG算子基本思想是：先在一定的范圍內(nèi)做平滑濾波，然后再利用差分算子來檢測在相應(yīng)尺度上的邊緣。濾波器的選擇要考慮以下兩個因素：其一是濾波器在空間上要求平穩(wěn)，即要求空間位置誤差△x要??；其二是平滑濾波器本身要求是帶通濾波器，并且在有限的帶通內(nèi)是平穩(wěn)的，即要求頻域誤差^3要小。根據(jù)信號處理中的測不準(zhǔn)原理，Ax和△3是相互矛盾的，而達到測不準(zhǔn)下限的濾波器就是高斯濾波器。Marr和Hildreth提出的這種差分算子是各向同性的拉普拉斯二階差分算子。該邊緣檢測器的基本特征是：所用的平滑濾波器是高斯濾波器增強步驟采用的是二階導(dǎo)數(shù)(即二維拉普拉斯函數(shù))邊緣檢測的判據(jù)是二階導(dǎo)數(shù)過零點并且對應(yīng)一階導(dǎo)數(shù)的極大值該方法的特點是先用高斯濾波器與圖像進行卷積，既平滑了圖像又降低了噪聲，使孤立的噪聲點和較小的結(jié)構(gòu)組織被濾除。然而由于對圖像的平滑會導(dǎo)致邊緣的延展，因此只考慮那些具有局部梯度極大值的點作為邊緣點，這可以用二階導(dǎo)數(shù)的零交叉來實現(xiàn)。拉普拉斯函數(shù)可用作二維二階導(dǎo)數(shù)的近似，因為它是一種標(biāo)量算子。為了避免檢測出非顯著的邊緣，所以應(yīng)該選擇一階導(dǎo)數(shù)大于某一閾值的零交叉點來作為邊緣點。實際應(yīng)用中，常用的LOG算子的模版為：-2-4-4-4-2-4080-4-48248-4-4080-4-2-4-4-4-2說明，高斯平滑運算不但可以濾除噪聲，還會導(dǎo)致圖像中的邊緣和其它尖銳不連續(xù)部分模糊，而模糊程度取決于空間尺度因子。的大小。。越大，高斯濾波對噪聲的濾除效果越好，但同時也會丟失重要的邊緣信息，影響到邊緣檢測器的性能。如果。較小，又可能導(dǎo)致平滑作用不完全而留有較多的噪聲。因此在實際應(yīng)用中，要根據(jù)情況選擇適當(dāng)?shù)?。。Canny算子1986年，Canny從邊緣檢測算子應(yīng)該滿足的三個準(zhǔn)則出發(fā)，推導(dǎo)出了最優(yōu)邊緣檢測算子Canny算子，該算子是目前理論上相對最完善的一種邊緣檢測算法。Canny提出的評價邊緣檢測性能優(yōu)劣的三個準(zhǔn)則分別是：（1）好的信噪比準(zhǔn)則。即將非邊緣點判為邊緣點的概率要低，將邊緣點判為非邊緣點的概率要低；（2）好的定位性能準(zhǔn)則。即檢測出的邊緣點要盡可能在實際邊緣的中心；（3）單邊緣響應(yīng)準(zhǔn)則。即單一邊緣具有唯一響應(yīng)，單一邊緣產(chǎn)生的多個響應(yīng)的概率要低，并且對虛假邊緣的響應(yīng)應(yīng)得到最大抑制。利用Canny算子檢測邊緣的主體算法如下：（1）用式所示的高斯函數(shù)h（r）對圖像進行平滑濾波，去除圖像中的噪聲。（2）在每一點計算出局部梯度和邊緣方向，可以利用Sobel算子、Roberts算子等來計算。邊緣點定義為梯度方向上其強度局部最大的點。（3）對梯度進行“非極大值抑制”。在第二步中確定的邊緣點會導(dǎo)致梯度幅度圖像中出現(xiàn)脊。然后用算法追蹤所有脊的頂部，并將所有不在脊的頂部的像素設(shè)為零，以便在輸出中給出一條細線。（4）雙閾值化和邊緣連接。Canny算子是基于最優(yōu)化思想推導(dǎo)出的邊緣檢測算子，采用高斯函數(shù)對圖像作平滑處理，因此具有較強的抑制噪聲能力，同樣該算子也會將一些高頻邊緣平滑掉，造成邊緣丟失。Canny算子也存在不足之處，一是為了得到較好的邊緣檢測結(jié)果，它通常需要使用較大的濾波尺度，這樣容易丟失一些細節(jié)；二是Canny算子的雙閾值要人為的選取，不能夠自適應(yīng)。

SobelFilterLog-FilterPrevilFilterSobelFilterLog-FilterPrevilFilterRobertaFilzer輪廓提取圖像的輪廓作為圖像的一種基本特征，經(jīng)常被應(yīng)用到較高層次的圖像應(yīng)用中去。它在圖像識別，圖像分割，圖