梁佳楠 李麗麗 周磊

?

基于圖像處理的位置坐標獲取方法應(yīng)用*

梁佳楠1,2李麗麗3周磊1,2

（1.廣東省智能制造研究所 廣東省現(xiàn)代控制與光機電技術(shù)公共實驗室 2.華南智能機器人創(chuàng)新研究院 3.順德職業(yè)技術(shù)學院）

圖像處理作為視覺控制的關(guān)鍵技術(shù)，可根據(jù)物體外部特征提取的輪廓進行模板匹配，獲取物體在圖像中位置坐標信息。以散亂的瑞士糖為例，通過對圖像進行提取、濾波、灰度化和邊緣檢測，有效解決規(guī)則幾何目標的識別問題，且能準確計算目標的坐標參數(shù)。

圖像處理；圖像濾波；邊緣檢測；圖像匹配

0　引言

圖像處理模塊可通過圖像處理算法，提取目標圖像的特征信息進行中心定位，是視覺系統(tǒng)的核心。本文對散落的彩色瑞士糖進行試驗，對所采集的圖像進行提取、濾波、灰度化、邊緣檢測和模板匹配，并以此來確定目標物體的位置坐標[1-5]。

1　圖像處理模塊整體設(shè)計

圖像處理模塊一般由光源、鏡頭、數(shù)字攝像機、圖像采集卡和計算機構(gòu)成。數(shù)字攝像機拍攝目標物體并將其轉(zhuǎn)化為圖像信號，通過圖像采集卡傳輸給圖像處理系統(tǒng)并灰度化；圖像在采集過程中受到自身或外部環(huán)境的影響，會引入將噪聲，將影響圖像質(zhì)量，需去除噪聲；提取輪廓，進行相似性和一致性分析，獲得位置坐標；位置坐標反饋給控制器，用于路徑規(guī)劃和位置計算。圖像提取流程如圖1所示，圖像處理實驗平臺如圖2所示。

2　圖像預(yù)處理

圖像預(yù)處理將物理圖像轉(zhuǎn)變?yōu)閿?shù)字信號。首先將圖像采樣劃分，分割為像素小區(qū)域，此時圖像像素灰度連續(xù)；再利用數(shù)值反映像素的明暗程度，使灰度不再連續(xù)，具有離散性。通過上述方法，可使每個像素都具備位置和灰度兩個屬性。這兩個屬性可構(gòu)成整數(shù)矩陣，被計算機采樣和量化處理，這樣物理圖像就轉(zhuǎn)換成計算機可識別的數(shù)字化圖像。

圖1　圖像提取流程

圖2　圖像處理實驗平臺

彩色圖像包含的信息量較大，會增加識別算法的工作量，需對彩色圖像進行灰度化處理。彩色圖像中，每個像素點都由紅()綠()藍()3個顏色分量組成，且每個分量都有255種值可取，其中0表示最暗黑色，255表示最亮白色?；叶葓D像指在模型中，當時，則顏色為一種灰度顏色，其中的值稱為灰度值，因此，灰度圖像每個像素只需一個字節(jié)存放灰度值[6]。

本文對散落的彩色瑞士糖進行試驗?；叶忍幚砬昂蟮膱D像如圖3所示。

3　圖像濾波

圖像處理環(huán)節(jié)往往會引入噪聲。一方面可能是成像系統(tǒng)、傳輸過程或記錄設(shè)備的不完善造成的；另一方面，輸入對象未達預(yù)期效果也會引入噪聲。噪聲信號以無用信息的形式，對圖像可觀測信息進行擾亂。對于數(shù)字圖像信號，噪聲表現(xiàn)為或大或小的極值，這些極值通過加減作用于圖像像素的灰度值上，對圖像造成亮、暗點干擾[7]。去除目標和背景中的噪聲影響，同時盡量保證目標的形狀、大小和特定的幾何結(jié)構(gòu)特征，是圖像濾波必須考慮的問題[6]。

圖像濾波可抑制目標圖像噪聲，同時又能夠盡量保留圖像的細節(jié)特征。本文獲取坐標是為了實現(xiàn)機器人的抓取，且對抓取速度有一定的要求。中值濾波雖然在圖像處理方面具有較大優(yōu)勢，但其耗時較長。高斯濾波法是線性平滑濾波，具有可控性，且能有效保存物體的圖像信息，雖然部分細節(jié)會出現(xiàn)模糊，但是對目標物體整體邊緣影響不大，故本文采用高斯濾波對圖像進行濾波處理。

圖像濾波常用二維零均值離散高斯函數(shù)作平滑濾波器，二維高斯函數(shù)為[8]

濾波前后的圖像和經(jīng)過灰度化及邊緣檢測后的圖像如圖4所示。

圖4　高斯濾波前后效果圖

通過圖4(c)、圖4 (d)對比可知，經(jīng)過濾波的圖像雖然變模糊，但其邊緣特征更為明顯，很少有噪聲圖像出現(xiàn)。

4　圖像特征處理（邊緣檢測）

圖像信息有很大一部分都集中于邊緣，邊緣的確定，對整個圖像場景的識別和理解尤為重要。邊緣是灰度不斷連續(xù)的結(jié)果，邊緣處理就是求出每個像素在其領(lǐng)域內(nèi)的灰度變化。邊緣存在于圖像中的不同灰度鄰域之間，該變化是通過計算一階倒數(shù)或二階導(dǎo)數(shù)得到的。常見的邊緣可分為階躍型、斜坡型、線狀型和屋頂型。最理想的邊緣類型是階躍型，這種邊緣最容易識別。但是采樣過程會存在一些誤差，從而使邊緣發(fā)生灰度漸變，出現(xiàn)斜坡，成為斜坡型邊緣。線狀型邊緣因其本身就有灰度突變，所以在成像時會出現(xiàn)一條細線。屋頂邊緣是中間向兩側(cè)漸變，其灰度斜坡改變較為緩慢，因此會呈現(xiàn)粗邊緣。

在數(shù)字圖像處理中，常見的邊緣檢測方法主要基于Canny算子，其檢測精度較高，具有平滑作用，去噪能力強，檢測效果較好。檢測步驟如下：

1）消除噪聲，常用方法是利用高斯平滑濾波器，通過卷積運算對系統(tǒng)進行降噪處理，高斯內(nèi)核選取為

梯度的幅值的大小和方向可表示為

3）非極大值抑制，主要目的剔除不是邊緣的因素，留下一部分細線條作為候選的邊緣像素；

4）滯后閾值，由高閾值和低閾值組成，梯度值大于高閾值的部分作為像素邊緣保留；梯度值小于低閾值的部分像素直接刪除；介于兩閾值間且與邊緣點鄰接的點作為邊緣保留，否則刪除。模板及圖像邊緣化后的效果圖分別如圖5、圖6所示。

圖5　模板邊緣化效果圖

圖6　圖像邊緣化效果圖

5　圖像匹配

在得到圖像內(nèi)容、灰度和特征等之后，需將這些因素與內(nèi)部表達式之間相關(guān)聯(lián)，進行相似性和一致性分析，并進行相似影像的目標匹配。本文主要采用模板匹配法來實現(xiàn)圖像匹配。模板相當于一個已知圖像的集合，與目標圖像有相同的圖像元素，也具有一樣的大小、方向和形狀的元素。在此集合中尋求目標圖像，即將目標圖像按一定的規(guī)律移至模板。由于誤差法具有較高的精度，匹配速度快，本文選擇誤差法進行模板匹配。

其中，，為模板的寬和高。

將邊緣處理后的圖像（如圖5(a)）作為模板。結(jié)合誤差法，將選擇的模板在原圖中移動、旋轉(zhuǎn)、匹配到與之相吻合的目標物體，匹配結(jié)果如圖7所示。

6　圖像目標物體的位置坐標獲取

邊緣處理后，將圖像中的目標物體進行模板匹配，并按橫坐標由大到小排列，編號從0開始依次增加，如圖8所示。

圖7　誤差法進行模板匹配

圖8　目標物體的位置坐標獲取

7　結(jié)論

相機拍的多組照片通過圖像處理算法進行數(shù)據(jù)識別及計算，能夠準確的識別目標物體的邊界特征與質(zhì)心，從而得到一組完整的坐標，解決目標精確定位的問題。

[1] 陳澤寧,張學習,彭澤榮,等.基于機器視覺的工件定位和識別[J].電子科技,2016,29(4):99-103.

[2] 陳澤寧,張學習,彭澤榮.基于機器視覺的工件定位和識別[J].電子科技,2016,29(4):99-103.

[3] 黨希超.基于視覺導(dǎo)向的機械手抓取定位技術(shù)研究[D].廣州:華南理工大學,2013.

[4] 傅華強,房芳.工業(yè)機器人視覺定位技術(shù)研究與應(yīng)用[J].工業(yè)控制計算機,2016,29(3):1-3,5.

[5] 倪鶴鵬,劉亞男,張承瑞,等.基于機器視覺的Delta機器人分揀系統(tǒng)算法[J].機器人,2016,38(1):49-55.

[6] 龔愛平.基于嵌入式機器視覺的信息采集與處理技術(shù)研究[D].杭州:浙江大學,2013.

[7] 徐家祥.電連接器殼體零件多尺寸精密測量系統(tǒng)[D].鎮(zhèn)江:江蘇大學,2016.

[8] 高慶吉,徐萍,楊璐.基于改進Harris角點提取算法的網(wǎng)格圖像破損檢測[J].計算機應(yīng)用,2012,32(3):766-769.

Application of Location Coordinate Acquisition Method Based on Image Processing

Liang Jianan1,2Li Lili3Zhou Lei1,2

(1.Guangdong Institute of Intelligent ManufacturingGuangdong Modern Control Andoptical Electrical and Mechanical Technology Public Laboratory2.South China Robotics Innovation Research Institute 3.Shunde Polytechnic)

Image processing, as the key technology of visual control, can extract the contour according to the external features of the object, match the template and obtain the position coordinates of the object in the image.Taking scattered Swiss sugar as an example, this paper studies the application of image recognition algorithms such as image extraction, filtering, grayscale and edge detection.It effectively solves the problem of identifying geometric objects and accurately calculates the coordinate parameters of targets.

Image Processing; Image Filtering; Edge Detection; Image Matching

梁佳楠，男，1989年生，碩士研究生，主要研究方向：工業(yè)機器人、工廠自動化。E-mail: 561295016@qq.com

李麗麗，女，1981年生，碩士研究生，教師，主要研究方向：機器視覺與控制等。E-mail: lilili9922@163.com

周磊，男，1982年生，博士研究生，主要研究方向：生產(chǎn)智能控制。E-mail: 94718766@qq.com

廣東省科技計劃項目（2016B090912005）、（2015B090922008）；廣東省科學院創(chuàng)新驅(qū)動發(fā)展能力建設(shè)專項（2017GDASCX-0115）、（2018GDASCX-0115）；廣東省科學院引進全職博士學位人才資助專項（2018GDASCX-0955）。