基于HALCON的透明玻璃邊緣提取方法研究

高子鑫, 李兆同

（上海理工大學(xué)光電信息與計(jì)算機(jī)工程學(xué)院，上海 ，200093）

0 引言

在現(xiàn)代工業(yè)檢測(cè)中，工業(yè)零件測(cè)量越來(lái)越重要，所以，準(zhǔn)確的提取零件邊緣是必不可少的一個(gè)環(huán)節(jié)。在透明玻璃的檢測(cè)中，由于透明玻璃會(huì)產(chǎn)生陰影邊緣，所以在提取其邊緣時(shí)，采取有效方法排除陰影邊緣產(chǎn)生的干擾尤為重要。在傳統(tǒng)方法中，先用Roberts算子、Sobel算子、Prewitt算子、Laplacan算子等[1],提取邊緣，然后進(jìn)行圖像增強(qiáng)，提高真邊緣和陰影產(chǎn)生的干擾邊緣的對(duì)比度，然后閾值選出透明玻璃真邊緣，但是這種方法魯棒性較差。

本文在傳統(tǒng)提取邊緣的方法基礎(chǔ)上，提出了一種的基于灰度差值的方法來(lái)排除陰影邊緣產(chǎn)生的干擾，獲得透明玻璃真邊緣。經(jīng)過(guò)與傳統(tǒng)方法實(shí)驗(yàn)對(duì)比分析，基于灰度差的方法不僅成功的提取了透明玻璃邊緣，而且還具有很高的魯棒性。

1 圖像預(yù)處理

圖像預(yù)處理在數(shù)字圖像處理中占有重要位置，其作用是為下面的圖像處理做準(zhǔn)備。本文用德國(guó)著名機(jī)器視覺(jué)廠商MVtec公司開(kāi)發(fā)的一套有完善的數(shù)字圖像處理的機(jī)器視覺(jué)軟件HALCON對(duì)圖像進(jìn)行處理。它不僅提供功能全面的視覺(jué)處理庫(kù)，而且還提供了幾乎所有的最先進(jìn)和最新的技術(shù)算法和算子，其包含了一千多個(gè)獨(dú)立的函數(shù)[2]。目前該軟件廣泛應(yīng)用于工業(yè)自動(dòng)化監(jiān)測(cè)檢測(cè)、遙感探測(cè)、遙感監(jiān)控、醫(yī)學(xué)圖像的分析等方面。由于HALCON軟件為我們提供了較好的界面窗口，可以直接讀取透明玻璃圖像。

圖1 透明玻璃圖像

圖2 陰影產(chǎn)生的干擾邊緣和真邊緣

1.1 把彩色圖像RGB轉(zhuǎn)化成單通道灰度圖像

對(duì)圖像處理而言, RGB是最為重要和常見(jiàn)的顏色模型, 它建立在笛卡爾坐標(biāo)系中[3]。RGB顏色空間就是說(shuō)圖像上的每一個(gè)像素由R（紅色）、G（綠色）、B（藍(lán)色）來(lái)表示，這三種色也叫三基色，三種基色是相互獨(dú)立的[4]。自然界的任何顏色都可以用它們的組合來(lái)表示，那么24比特位彩色圖像用RGB顏色空間描述的話，就是每個(gè)像素由8位的R分量，8位的G分量，8位的B分量。其中黑色位于原點(diǎn)處，白色離位于原點(diǎn)最遠(yuǎn)角上，并且每一通道的灰度值范圍都是0-255，下圖是歸一化后的彩色模型，其值都在[0,1]范圍內(nèi)。

圖3 RGB彩色模型

上圖的三個(gè)坐標(biāo)軸分別是R,G,B通道，空間上每一點(diǎn)的顏色值就取決于這三個(gè)坐標(biāo)值的大小，并且由它們各自的大小共同構(gòu)成像素的顏色值，這就是RGB三坐標(biāo)的含義。在HALCON中，用decompose3(Image,R,G,B)把發(fā)票圖像分成R、G、B三個(gè)單通道圖像，對(duì)比之后選取R通道圖像。

1.2 圖像增強(qiáng)

按特定的需求將圖像中感興趣的特征有選擇的突出，減少或降低不需要的特征，提高圖像的可分析度是圖像增強(qiáng)的主要內(nèi)容。圖像增強(qiáng)的目的主要有兩個(gè)：一是改善圖像的視覺(jué)效果，提高圖像的清晰度；二是將圖像轉(zhuǎn)化成一種更適于人類(lèi)或機(jī)器進(jìn)行分析處理的形式[5]。

f( x, y) f( x, y) g( x, y)首先對(duì)R通道圖像進(jìn)行圖像均值濾波。均值濾波是一種局部空間域的處理算法，均值濾波對(duì)噪聲進(jìn)行了求均值運(yùn)算, 在某種程度上對(duì)噪聲進(jìn)行了平滑[6]。設(shè)原始圖像是，對(duì)的每個(gè)像素點(diǎn)取一個(gè)領(lǐng)域S，計(jì)算中所有像素的灰度級(jí)的平均值，將其作為領(lǐng)域平均處理后的圖像的像素值。即

g( x, y) f( x, y)式中S是預(yù)先確定的領(lǐng)域，M為領(lǐng)域S中像素的點(diǎn)數(shù)。當(dāng)然均值濾波也可用空間卷積的方式來(lái)描述，把平均化處理看做是一個(gè)作用于大小為M×N圖像h(r, s)上低通濾波器，該濾波器的脈沖響應(yīng)是m×n陣列[5]。于是濾波器輸出的圖像為可以用卷積表示：

其中 F ( X, Y ) 增強(qiáng)后的圖像結(jié)果，T是對(duì)比度系數(shù)。通過(guò)圖像增強(qiáng)，從而使圖像的對(duì)比度增強(qiáng)[7]。

1.3 提取亞像素邊緣

亞像素邊緣檢測(cè)技術(shù)是一種新的高精度的圖像邊緣處理與檢測(cè)技術(shù)，其本質(zhì)是通過(guò)軟件算法來(lái)人為地提高檢測(cè)系統(tǒng)的分辨率[8]。目前幾種常用的亞像素邊緣提取方法，包括空間矩法、灰度矩法、Zernike 矩法和數(shù)字相關(guān)法等。亞像素級(jí)邊緣和像素級(jí)邊緣對(duì)比,如圖4所示。

圖4 亞像素級(jí)邊緣和像素級(jí)邊緣

在HALCON中用算子edges_sub_pix可直接獲得亞像素級(jí)精度邊緣。

2 提取透明玻璃真邊緣

透明玻璃的陰影會(huì)產(chǎn)生干擾邊緣，為了準(zhǔn)確的獲得玻璃真邊緣，有以下兩種方法：一種是傳統(tǒng)方法，一種是本文提出的基于邊緣線兩邊灰度差值的新方法。

2.1 傳統(tǒng)方法

傳統(tǒng)方法是先提取邊緣輪廓線，然后通過(guò)圖像，來(lái)增大陰影邊緣線和真邊緣線之間的對(duì)比度，抑制玻璃陰影產(chǎn)生的干擾邊緣，最后通過(guò)閾值分割和特征選擇獲得透明玻璃真邊緣。

圖5 傳統(tǒng)方法流程

2.2 基于灰度差的方法

通常在灰度圖像中, 目標(biāo)內(nèi)部的灰度值一般是連續(xù)變化的, 而其邊緣兩側(cè)的灰度值則存在較大的突變。基于灰度差值的方法利用這種特性來(lái)實(shí)現(xiàn)的。首先對(duì)圖像進(jìn)行增強(qiáng)，擴(kuò)大圖像對(duì)比度，然后提取其亞像素邊緣輪廓，最后，計(jì)算提取的每條邊緣輪廓線兩邊的灰度差值，通過(guò)對(duì)比灰度差值來(lái)排除陰影產(chǎn)生的干擾邊緣，獲得透明玻璃真邊緣。

圖6 基于灰度差值方法

在HALCON中利用算get_grayval_contour_xld來(lái)計(jì)算邊緣線兩邊的灰度差值，然后通過(guò)比較灰度差值大小來(lái)排除陰影產(chǎn)生的干擾邊緣，獲得透明玻璃真邊緣。結(jié)果如下圖中紅色線部分。

圖7 基于灰度差值方法提取真邊緣

3 實(shí)驗(yàn)結(jié)果對(duì)比分析

以下是對(duì)透明玻璃圖像分別采用傳統(tǒng)的方法和基于灰度差值的方法進(jìn)行邊緣提取，能正確提取邊緣圖像張數(shù)的結(jié)果統(tǒng)計(jì)表格。

表1 正確提取邊緣結(jié)果數(shù)據(jù)

從表中可以看出。傳統(tǒng)方法只能對(duì)一小部分透明玻璃圖像提取邊緣，而基于灰度差值的方法能提取絕大部分透明玻璃圖像的邊緣。

4 結(jié)語(yǔ)

通過(guò)對(duì)比分析，本文提出的基于灰度差值的方法能夠很好的排除透明玻璃陰影產(chǎn)生的干擾邊緣，獲得真邊緣，并且魯棒性很高。但是由于本次實(shí)驗(yàn)的樣本數(shù)量不大，其方法還有待進(jìn)一步優(yōu)化。

參考文獻(xiàn)

[1]王文麗.各種圖像邊緣提取算法的研究[D].北京交通大學(xué),2010.

[2]金貝.基于HALCON 的機(jī)器視覺(jué)教學(xué)實(shí)驗(yàn)系統(tǒng)設(shè)計(jì)[D].北京:北京交通大學(xué),2012:1- 29.

[3]楊璟,朱雷. 基于RGB顏色空間的彩色圖像分割方法[J].計(jì)算機(jī)與現(xiàn)代化,2010,08:147-149+171.

[4]王一冰.基于機(jī)器視覺(jué)的玻璃瓶缺陷檢測(cè)與抓取系統(tǒng)研究[D].長(zhǎng)春工業(yè)大學(xué),2016.

[5]謝鳳英.數(shù)字圖像處理及應(yīng)用[M].北京：電子工業(yè)出版社，2014.6.

[6]吳建華,李遲生,周衛(wèi)星.中值濾波與均值濾波的去噪性能比較[J].南昌大學(xué)學(xué)報(bào)(工科版),1998,01:33-36+62.

[7]史玉林,李飛飛,孫益頂. 基于均值濾波和小波分析的圖像去噪[J].電子測(cè)量技術(shù),2008,08:140-142+157.

[8]楊兵兵.亞像素圖像邊緣檢測(cè)方法研究[D].大連理工大學(xué).2015.