足球機器人視覺系統(tǒng)中的彩色圖像閾值標定方法研究

足球機器人視覺系統(tǒng)中的彩色圖像閾值標定方法研究

1足球機器人數(shù)據(jù)處理機器人足球是一個在國際上迅速發(fā)展的高科技對抗活動。它可以促進人工智能、數(shù)據(jù)處理、無線通信、自動控制、機械電子等領(lǐng)域的發(fā)展，具有很高的研究價值。足球機器人圖像處理就是要把指定的機器人的色標顏色從其它顏色中分割出來。由于機器足球機器人高速實時性的特點,圖像處理的時間是非常短的,所以,在進行圖像處理時,直接在采集到的圖像上進行圖像分割,同時對小塊雜質(zhì)進行慮除,這樣就可以快速的完成圖像分割的任務(wù)。2判定特定的目標MicroSot機器人基于圖像像素的相似性,利用像素的閾值來區(qū)分不同的目標。所有顏色值在某一目標體的閾值范圍內(nèi)的像素被判定屬于該目標體,其余的像素點被排除在外。因此,像素閾值的確定非常關(guān)鍵,閾值的確定方法主要有全局閾值法和自適應(yīng)閾值法兩種。2.1背景的質(zhì)量與顏色采用閾值確定邊界最簡單的辦法就是在整個圖像中,將顏色閾值的值設(shè)置為常數(shù),如果背景的顏色值在整個圖像中可合理的看作為恒定,而且,所有的物體與背景都具有幾乎相同的對比度,那么,這樣正確的選擇了閾值,使用一個固定的全局閾值會有較好的效果。2.2確定色彩閾值在許多情況下,背景的顏色值并不是常數(shù),物體和背景的對比度也有變化,這時,一個在圖像中某一個區(qū)域效果良好的閾值在其它區(qū)域可能效果就很差。在這個情況下,圖像的顏色閾值最好是隨著不同區(qū)域的具體情況變化的。確定色彩閾值的一種常用方法就是利用像素值的直方圖來確定分割閾值。在圖像的直方圖中,一般至少存在兩個波峰,一個是目標體色彩的波峰,另一個是背景色彩的波峰,如果存在不止一種目標體,可能還存在其它波峰,當確定某一個物體色彩的閾值時,取圖中的分割閾值點為目標色彩閾值,這樣,可以盡可能少的減小兩種顏色的交叉。3處理完3.1顏色標定方法由于MicroSot機器人圖像處理系統(tǒng)的處理時間非常短,這里采取全局圖像閾值法,首先確定一個全局閾值,在圖像處理中,每次都按照這個事先確定好的閾值來分割圖像,這樣可以減少圖像處理的時間,但是這個閾值一定要仔細選取。對于MicroSot機器人圖像系統(tǒng)來說,所采集的圖像是彩色圖像,采用HSI彩色模型。隊員標志采用綠、紅、紫三種顏色,再加上隊標的黃色和藍色,小球的橙色,一共6中顏色,通過實驗得到6種顏色的HSI值,列于表1中:由表1可以看出,合理選擇色標的顏色,可以使色標顏色的H(色調(diào))值呈現(xiàn)連續(xù)性,互相基本上不交叉,這也正是HSI顏色模型比RGB顏色模型方便之處。所以,根據(jù)這種性質(zhì),在選擇色標色閾的時候,根據(jù)顏色H值的直方圖,快速選出各種顏色的H閾值來。機器人比賽場地為1.5m×1.3m,相對于7.5mm×7.5mm的機器人小車來說比較大,這樣,采集到的目標體的像素數(shù)相對于整個圖像的像素數(shù)來說比較少。為了提高工作效率,將小車色標集中放在一個小的區(qū)域中,采集時,只采集包括這些目標體的區(qū)域進行處理;另一方面,由于在6個目標顏色中,每個顏色的目標體的大小不一致,如果某個目標體的顏色像素數(shù)量太少也會對處理結(jié)果有影響,因此,在進行顏色標定時不采用實際比賽時采用的小車色標,而是采用5塊大小相同的方形的色標塊和小球。首先采集色標顏色值,對每個像素的H值做出它的直方圖,得到一個數(shù)組H11,由于每個顏色的H值范圍為0～360,所以數(shù)組為含有360個像素的一維數(shù)組,每個數(shù)組元素的值表示該圖像中H值為該值的像素數(shù)量。通過實驗,得到了一組數(shù)據(jù)H11,該組數(shù)據(jù)的直方圖如圖1所示,從該圖中我們可以看到,不同顏色之間的分界線不是很明顯,為此,采用多次采集疊加的方法,采集到n個數(shù)組,H11、H12、H13……H1n,然后將它們對應(yīng)元素相加,得到一個新的數(shù)組H1,該組數(shù)據(jù)的直方圖如圖3所示。這樣不僅可以使不同顏色的分界看得更明顯,而且可以消弱各次采集過程中的隨機噪聲的影響。獲得H1值時,只是在一個區(qū)域進行的,但是有時場地上光線可能不是很均勻,這樣將導致不同區(qū)域采集到的物體顏色有少量的變化。為了克服這種變化造成的影響,必須在場地上不同的區(qū)域進行多次采樣和標定,即在場地上不同的地方重復剛才獲得H1的過程,這樣將分別獲得H2、H3…Hn,將這n個數(shù)組再進行相加,就得到了數(shù)組H,作為標定顏色的H閾值的最終依據(jù)。H的直方圖如圖4所示,可以取各個波峰的交接處為顏色的閾值,這樣,就方便而準確的獲得了顏色的H閾值。對于顏色的S、I分量,由實驗數(shù)據(jù)可知,它們不像H分量那樣不同顏色之間具有一定的排斥性,它們之間相交很多,所以不能采用直方圖的方法確定,只能采用各個顏色分別標定的方法,即分別采樣每種顏色來確定它們的S、I值的范圍。圖像采集卡采集到的是用RGB分量表示的顏色值,由于采用這種顏色表示法不利于顏色的區(qū)分,因此,在標定時把它轉(zhuǎn)化成HSI顏色值;但是在比賽時,為了節(jié)省圖像處理的時間,沒有時間把采集到的RGB分量顏色值轉(zhuǎn)化成HSI顏色值。為解決這個矛盾,采用查表法,即建立一個顏色索引表三維數(shù)組Clut,第一維表示采集卡采集到的顏色的R分量值,第二維表示顏色的G分量,第三維表示顏色的B分量值,即該數(shù)組是由256×256×256個元素組成,每個元素的值為1～6中的一個,代表該RGB元素所屬的目標體,即該顏色是屬于哪個目標體。標定時,首先采集6種用RGB分量表示的顏色,然后把它的RGB值轉(zhuǎn)化成HSI值表示的顏色,根據(jù)H值的直方圖法確定顏色的H閾值,然后分別采集不同顏色,確定它們的S、I分量的閾值。場上除了以上6種顏色外,還有場地的黑色背景色。但黑色有一個特征,即它的R、G、B分量值都很小,所以,在RGB顏色模型中,可以更方便的把它給慮除掉。方法就是設(shè)定一個條件R<r&&G<g&&B<b,R、G、B分別為所采集的顏色對應(yīng)的RGB分量值,而r、g、b分別為經(jīng)過實驗確定下來的背景黑色的閾值。如圖5所示為我們?nèi)=g=b=70時,背景黑色的慮除情況,從圖4中可以看出,背景黑色基本上得到了有效的慮除,而且前景色沒有受影響,證明這種慮除黑色的方法是成功的。這時,就可以對顏色索引表Clut進行賦值,即對表中的每一個元素進行處理。首先看它RGB分量值,如果RGB分量值滿足背景色的條件,對其標定為0,如果不滿足背景色條件,就把它轉(zhuǎn)化成HSI顏色模型,根據(jù)各個顏色的閾值確定它屬于那個目標體,標定相應(yīng)的值1～6。至此,就完成了圖像顏色的標定。3.2圖像文化編碼標記由動態(tài)窗口跟蹤算法,可以知道圖像處理是在一個比較小的窗口內(nèi)進行的。圖像可以用一個二維陣列表示。如圖6所示,兩個大塊色標分別為機器人隊標和機器人隊員標志,兩個小塊色標分別為干擾像素,圖中是比較理想的狀況,實際中隊標和隊員標志可能沒有那么完美。陣列每一個元素代表一個像素,在要處理的圖像中,有的是背景像素,有的是小車色標像素,圖像標定就是把小車色標像素從背景像素中區(qū)分離出來,所需要的一切信息都是從這里得到的。根據(jù)這種方法,在圖像中,可以把圖像看成由三種顏色組成的:隊標顏色、隊員標志顏色、背景色(包括除了前兩種顏色之外的所有顏色)。采取對圖像逐點掃描的方法,對圖像像素按照從左到右,從上到下的順序逐點掃描(圖7)。掃描完圖像所有像素點,對等價數(shù)組進行處理。標記過程中,每次產(chǎn)生一個有效標記值,將它的位置存到一個三維數(shù)組中,三維數(shù)組用Position[label][index][coordinate]表示,其中l(wèi)abel為產(chǎn)生的標記值,index為該標記值的像素數(shù)目索引值,當coordiante為0或1時,表示該像素的x坐標或y坐標。如果某兩個標記值被標記為連通像素區(qū)域,就將新的標記值的標記改為與它連通的比較小的標記值,并且將相應(yīng)的像素點的位置坐標存入標記值比較小的三維數(shù)組中。在實際中,可能存在幾個標記值為同一個連通區(qū)域,如圖8中標記值2、3、6就屬于同一個連通區(qū)域,這時,必須按照從大到小的順圖序,先把6轉(zhuǎn)化成3,再把3轉(zhuǎn)化成2,這就得到了組成隊標顏色和隊員標志顏色的各個連通區(qū)域的像素塊的位置坐標數(shù)組。以圖9為例,可以得到四個連通區(qū)域。Position、Position、Position、Position,,其中,label為1、2時為隊標的元素,label為4