汽車座椅蛇簧掛鉤四種典型放置狀態圖像識別的研究

聶紫懿 林筠爍 潘宇

摘 要：以識別汽車座椅蛇簧掛鉤的四種典型放置狀態為背景，提出一種基于二值圖像求解對象區域面積并比較的識別算法。

【關鍵詞】蛇簧掛鉤 識別算法 面積法

固定式交流電阻焊機把蛇簧掛鉤焊接到汽車座椅框架的自動化流水線運用機器視覺具有很大的生產效益，傳統的現場工作以人工遞送蛇簧掛鉤，這種生產模式帶有安全風險，放置位置不準確，工作效率低下等問題。本項目新生產線前期設備把蛇簧掛鉤理順成四種典型放置狀態，然后采用工業攝像頭抓取這四種典型放置狀態的蛇簧掛鉤圖像，進行圖像處理識別其放置狀態，以便機械手抓取進給遞送，作業快速準確安全。本文基于MATLAB圖形工具箱，設計了一種識別蛇簧掛鉤四種典型放置狀態的處理算法，實現蛇簧掛鉤遞送作業的自動化圖像檢測驗證。

1 蛇簧掛鉤放置狀態識別的總體方案

汽車座椅蛇簧掛鉤的四種典型放置狀態識別技術是通過圖像攝取裝置獲得RGB圖像，利用RGB圖像的一些特性（形狀、紋理、顏色、光譜等）來分割蛇簧掛鉤和背景，得到蛇簧掛鉤的二值圖，通過特殊算法識別其放置狀態。方案由圖像采集、圖像預處理、圖像分割、形態學處理以及識別組成。汽車座椅蛇簧掛鉤四種典型放置狀態具有鉤口向下、鉤口向上兩種大狀態，在這兩種大狀態中又分別存在【鉤口向下在左】（a）、【鉤口向下在右】（b）、【鉤口向上在左】（c）和【鉤口向上在右】（d）共計四種狀態（如圖1所示）。本文主要通過提取四種典型放置狀態的蛇簧掛鉤的邊緣特征從而計算對象面積，采用由外而內的思路，先用面積法區分【鉤口向下】、【鉤口向上】兩種狀態，再將對象區域進行中線分割，比較內部兩個對象區域的特征面積值，以此區分【鉤在左】，【鉤在右】兩種狀態，進而實現汽車座椅蛇簧掛鉤放置狀態的識別。

2 圖像處理

2.1 圖像采集

圖像采集是進行圖像處理的首要任務，為驗證本文所研究的識別算法的普遍適用性，在保證拍攝條件基本統一的情況下，共采集20組（共計80幅圖像）四種典型放置狀態的汽車座椅蛇簧掛鉤圖像樣本。

2.2 圖像預處理

RGB圖像灰度化并去噪，采用rgb2gray函數將抓取的真彩色RGB圖像進行灰度化處理，經過灰度化處理后仍然存在一些無法濾掉的斑點干擾，利用medfilt2函數中值濾波將噪聲濾掉處理此灰度圖像效果比較理想。

2.3 閾值圖像分割

閾值分割的原理可以由以下表達式解釋：

其中數字0、數字1以及T均代表圖像中的灰度級，設T為閾值，且T∈[0，1]，則可根據式（1）的關系將包含多個灰度級的圖片轉換為僅含0（黑色）、1（白色）兩個差異明顯的灰度級的圖片，將所有的不利于計算機儲存和識別的圖像信息簡化為利于計算機處理和識別的二進制信息來表達圖像的特征。采用im2bw函數將灰度圖像轉換成二值圖像，通過對80幅圖像樣本的分割，可得出利用最大類間方差法的分割效果優于局部閾值分割，并采用最佳閾值為h-0.025，得到代表樣本如圖2所示。

2.4 圖像分割形態學處理

分析圖2可知，想找到一種狀態識別方法還是很不方便，還需要進行再處理。在研究過程中看到，如果把中間黑色區域填充，求兩幅圖的白色區域面積并比較大小，就可以先判斷出【鉤口向下】和【鉤口向上】這兩種狀態，因此使用區域填充對需要填充的目標圖像進行膨脹、補充和交叉等操作。區域的填充后效果如圖3所示。

3 蛇簧掛鉤放置狀態的識別

如圖1所示，蛇簧掛鉤四種典型放置狀態的相互關系呈集合包含結構關系，如圖4所示。本文將利用這種內在聯系作為突破口，使用由表及里的分析思路，研究識別這四種典型放置狀態的識別算法。

3.1 【鉤口向下】和【鉤口向上】的狀態識別

從【鉤口向下】和【鉤口向上】這兩種狀態的二值圖像可看出，【鉤口向下】狀態的對象區域面積明顯大于【鉤口向上】，因此，根據對象區域的面積大小識別出這兩種狀態，采用bwarea函數對二值圖中的對象區域進行面積求解，還需要找到這兩種狀態最值的中間值，便可快速識別。為找到能明顯區分這兩種狀態的可靠中間值，需對80幅樣本圖像進行面積計算，并找出了【鉤口向下】的最小值和【鉤口向上】的最大值，由計算求得的統計表可得出，【鉤口向下】圖像對象區域面積最小值為80081，【鉤口向上】圖像對象區域面積最大值為61059，由此，將快速識別這兩種狀態的面積值取為：70000。

3.2 【鉤在左】和【鉤在右】的狀態識別

由上述計算的統計表可知，【鉤在左】和【鉤在右】的對象區域面積并無明顯規律可循，數值接近且交叉，不能直接用面積法比較識別。隨機抓取【鉤口向下在左】和【鉤口向下在右】的兩幅樣本圖像進行分析，如圖3左邊兩幅圖所示，仔細對比兩幅二值圖可發現，由于鉤口在圖像中的左右位置不同，導致在同一張圖像內，圖像左部分的對象區域與右部分的對象區域面積有較大差異。以【鉤口向下在左】的圖像為例，對該圖像進行中線分割后，結果如圖5左邊的被分割成兩幅圖所示，左邊面積（68820）大于右邊（18938）；【鉤口向下在右】的圖像也有相同原理。因此，將【鉤口向上在左】和【鉤口向上在右】的代表樣本也進行中線分割，分析是否存在類似的面積關系。中線分割處理結果如圖5右邊的被分割成兩幅圖所示，可得，【鉤口向上在左】的圖像被中線分割后，左邊面積（30083）大于右邊（25342）；【鉤口向上在右】的圖像也有相同原理。

為了驗證初步結論的可靠性與可適用性，對80幅圖像進行以上的處理，可得，不論鉤口是向上或者向下，鉤口所在的圖像面積會比較大，利用此圖像特征能準確區分四種典型放置狀態。此外，由于鉤口向上時的對象區域面積較小，導致后續中線分割的結果偏小，但左右對象區域的面積仍有明顯差別，中線分割面積法仍然適用于識別【鉤口向上在左】和【鉤口向上在右】的兩種情況。

4 結論

由以上可得出結論：面積法與中線分割面積法結合使用，先利用面積法將二值圖像判定為【鉤口向下】或【鉤口向上】兩種狀態，再將二值圖像進行中線分割，對生成的左對象區域和右對象區域進行面積比較，判定為【鉤在左】或【鉤在右】。如此，便能達到正確識別四種典型放置狀態的目的。本識別算法測試結果表明，通過面積法結合中線分割法進行四種典型放置狀態識別，該算法識別效率高，識別質量準確，能夠滿足機械手控制的信號需求，使自動化作業快速準確安全，具有較高的使用價值。

參考文獻

[1]余文勇，石繪.機器視覺自動檢測技術[M].北京：化學工業出版社，2013.

[2]王永琦.MATLAB與音視頻技術[M].北京：清華大學出版社，2013.

[3]徐彩云.圖像識別技術研究綜述[J].電腦知識與技術，2013（10）：2446-2447.

作者單位

聶紫懿（1987-），女，廣西壯族自治區柳州市人。現為廣西科技大學鹿山學院中級經濟師，從事企業管理信息化的研究及應用。

作者單位

廣西科技大學鹿山學院 廣西壯族自治區柳州市 545616