改進(jìn)Canny算法在碼垛機(jī)器人視覺圖像處理中的應(yīng)用研究

王國虎，薛進(jìn)學(xué)

(1.鄭州工業(yè)應(yīng)用技術(shù)學(xué)院 機(jī)電工程學(xué)院，河南 新鄭 451152;2.河南科技大學(xué) 機(jī)電工程學(xué)院，河南 洛陽 471003)

0 引 言

近年來，為適應(yīng)自動化水平和勞動力成本的不斷提高這一趨勢，各類碼垛機(jī)器人得到廣泛應(yīng)用。碼垛機(jī)器人的使用提高了工業(yè)生產(chǎn)的自動化、智能化、標(biāo)準(zhǔn)化程度[1]。其中，機(jī)器人視覺作為碼垛機(jī)器人應(yīng)用的一項關(guān)鍵技術(shù)變得越來越重要。機(jī)器人視覺系統(tǒng)要求碼垛機(jī)器人能夠?qū)Σ煌螤罟ぜ诖a垛時進(jìn)行判斷與識別。首先機(jī)器人視覺系統(tǒng)對工件進(jìn)行圖像獲取、識別和定位，然后經(jīng)控制部分作出判斷，控制碼垛機(jī)器人抓取工件將其置于指定的位置。

在一幅數(shù)字圖像中，邊緣信息雖然只占有有限的像素，但包含了大量的圖像特征信息。因此，邊緣檢測技術(shù)是機(jī)器人視覺、數(shù)字圖像處理和圖像分析領(lǐng)域研究的重點(diǎn)和難點(diǎn)[2]。傳統(tǒng)的邊緣檢測算法，如Sobel算法、Roberts算法、Prewitt算法、Log算法、Krich算法等處理效果不理想。1986年John Canny首次提出了Canny邊緣檢測算法，該算法能有效彌補(bǔ)其他傳統(tǒng)邊緣檢測算法的不足，因此Canny算法被認(rèn)定為邊緣檢測方法中較好的算法[3]。

但是，由于科技的進(jìn)步，要求邊緣檢時對外部復(fù)雜的影響因素處理能力提升。由于對噪聲比較敏感，傳統(tǒng)Canny算法在檢測過程中會有偽邊緣和孤立邊緣點(diǎn)產(chǎn)生，影響了圖像的處理效果[4]。又因為在采用雙閾值方法定位邊緣時，選擇下限閾值會對圖像處理結(jié)果產(chǎn)生很大影響，下限閾值過大時容易丟失邊緣細(xì)節(jié)，無法形成完整邊緣曲線，造成邊緣曲線出現(xiàn)間斷；而下限閾值過小時又會出現(xiàn)大量的偽邊緣[5]。并且傳統(tǒng)Canny算法獲取的邊緣不能達(dá)到單像素級，在一個邊緣點(diǎn)會出現(xiàn)多個響應(yīng)的現(xiàn)象。這些問題制約了傳統(tǒng)Canny算法在實(shí)際生產(chǎn)中的應(yīng)用。為此，國內(nèi)外很多專家學(xué)者對圖像邊緣檢測技術(shù)進(jìn)行了深入研究，提出了多種改進(jìn)方法，取得了較好的應(yīng)用效果。

本文根據(jù)碼垛機(jī)器人工作的實(shí)際情況，提出一種優(yōu)化改進(jìn)方法。

1 碼垛機(jī)器人視覺系統(tǒng)及圖像處理

碼垛機(jī)器人視覺系統(tǒng)是通過碼垛機(jī)器人視覺傳感器抓取圖像，然后將圖像傳送至處理單元，通過數(shù)字化處理，根據(jù)像素分布和亮度、顏色等信息，進(jìn)行尺寸、形狀、顏色等的判別，進(jìn)而根據(jù)判別結(jié)果控制現(xiàn)場設(shè)備動作的系統(tǒng)[6]。

機(jī)器人視覺系統(tǒng)一般由光源、光學(xué)系統(tǒng)，CCD/CMOS攝像機(jī)、圖像采集卡、圖像處理軟件、監(jiān)視器、計算機(jī)、通信(輸入/輸出)單元等組成。組成關(guān)系如圖1所示。

常用的圖像處理方法有圖像增強(qiáng)、圖像平滑、邊緣銳化、圖像分割和圖像識別等[7]。

圖1 碼垛機(jī)器人視覺系統(tǒng)的組成

由于通過碼垛機(jī)器人視覺系統(tǒng)獲取的初始圖像質(zhì)量較低，不利于后續(xù)處理，首先要通過圖像處理軟件對其進(jìn)行圖像處理，輸出改善質(zhì)量后的圖像，以便于計算機(jī)對圖像分析、處理和識別，然后通過設(shè)計合理的高通濾波器對圖像進(jìn)行梯度濾波，得到邊緣信息[8]。

邊緣檢測法以物體的邊界對圖像進(jìn)行分割，通過檢測圖像中的局部不連續(xù)性得到圖像的邊緣(通常將畫面上灰度突變部分當(dāng)作邊緣)，通過一些策略把局部邊緣分割成局部區(qū)域的方法確定物體邊緣。

常用的邊緣檢測的梯度算法有Robert、Sobel、Prewitt和Canny等，在實(shí)際應(yīng)用中這些算法檢測效果各有特點(diǎn)。其中Canny算法由于具有較高的信噪比和檢測精度，在圖像處理領(lǐng)域有著廣泛的應(yīng)用。

2 傳統(tǒng)Canny算法優(yōu)缺點(diǎn)

傳統(tǒng)Canny算法通過高斯濾波器對圖像進(jìn)行平滑處理之后再對梯度幅值進(jìn)行非極大值抑制，最后設(shè)置全局高低閾值th1和th2，選取邊緣點(diǎn)[9]。其邊緣檢測有以下優(yōu)點(diǎn)：(1)信噪比好；(2)定位精度高；(3)單邊緣響應(yīng)性好。根據(jù)以上準(zhǔn)則，Canny推導(dǎo)出最優(yōu)邊緣檢測算法的一個近似實(shí)現(xiàn)，即邊界點(diǎn)位于圖像被高斯函數(shù)平滑后的梯度幅值的極大點(diǎn)。

由于自動化生產(chǎn)要求機(jī)器視覺對外界復(fù)雜的條件，如光照不足、噪聲干擾等有更好的適應(yīng)性，Canny算法的不足主要有：(1)噪聲影響圖像平滑，抑制噪聲過強(qiáng)會使圖像邊緣位置產(chǎn)生偏移；(2)邊緣檢測的高低閾值th1和th2需要實(shí)驗測試并通過人為設(shè)定，無法滿足自動化檢測的要求。

3 改進(jìn)的Canny邊緣提取算法

為彌補(bǔ)Canny算法的不足，本文通過改進(jìn)的Canny算法，在采用在像素3×3鄰域內(nèi)通過計算x，y，45°，135°這4個方向一階偏導(dǎo)數(shù)有限差分來確定像素梯度幅值的方法，通過構(gòu)造梯度直方圖以及構(gòu)造高、低閾值的方法自動確定最佳閾值。

3.1 改進(jìn)的梯度幅值計算方法

傳統(tǒng)的Canny算法采用2×2鄰域一階偏導(dǎo)的有限差分來計算平滑后的圖像梯度幅值和方向，x方向和y方向偏微分Px、Py為：

(1)

(2)

梯度幅值M(i,j)為：

(3)

梯度方向θ(i,j)為：

(4)

式中:M(i，j)—反映了圖像像素點(diǎn)(i，j)處的邊緣強(qiáng)度；θ(i，j)—垂直于邊緣的方向。

傳統(tǒng)Canny算法通過濾波抑制噪聲會造成圖像過度光滑，進(jìn)而造成邊緣丟失及虛假邊緣的產(chǎn)生。本文采用在像素3×3鄰域內(nèi)通過計算x，y，45°，135°這4個方向一階偏導(dǎo)數(shù)有限差分來確定像素梯度幅值的方法，算法如下:

x方向偏導(dǎo)數(shù)Px為：

Px=I[i+1,j]-I[i-1,j]

(5)

y方向偏導(dǎo)數(shù)Py為：

Py=I[i,j+1]-I[i,j-1]

(6)

45°方向偏導(dǎo)數(shù)P45°為：

P45°=I[i-1,j+1]-I[i+1,j-1]

(7)

135°方向偏導(dǎo)數(shù)P135°為：

P135°=I[i+1,j+1]-I[i-1,j-1]

(8)

像素梯度幅值M(i,j)為：

(9)

梯度方向θ(i,j)為：

(10)

改進(jìn)算法采用3×3鄰域內(nèi)包含8方向的鄰域?qū)μ荻确店嚵蠱(i，j)中的所有像素沿梯度方向進(jìn)行梯度幅值的插值，檢測幅度的極大值點(diǎn)，進(jìn)而得到邊緣點(diǎn)，滿足處理過程中抑制噪聲的要求[10]。

3.2 自適應(yīng)閾值的確定

Canny算法不能根據(jù)圖像的特征自適應(yīng)地確定高、低閾值參數(shù)，需要進(jìn)行多次試驗和數(shù)據(jù)統(tǒng)計，并人為設(shè)定。鑒于此，本文使用自適應(yīng)動態(tài)閾值的確定方法。

(1)構(gòu)建梯度直方圖

筆者統(tǒng)計經(jīng)過非極大值抑制后圖像N[i,j]中標(biāo)志位不為0的像素的梯度幅值，構(gòu)建出梯度直方圖。

(2)構(gòu)建高、低閾值

為了不產(chǎn)生虛假邊緣，必須在梯度直方圖的非邊緣區(qū)域以外的范圍選取高閾值τh。根據(jù)均值和方差的計算方法，本研究利用μ0(t)和σ0或者μ1(t)和σ1計算出非邊緣區(qū)域的范圍。研究發(fā)現(xiàn)：利用μ0(t)和σ0確定非邊緣區(qū)域，進(jìn)而在處理過程中自適應(yīng)地確定高、低閾值的方法效果良好。當(dāng)高閾值τh大于μ0(t)與σ0之和時可以認(rèn)為τh在非邊緣區(qū)域以外，較好地防止虛假邊緣在輪廓圖中出現(xiàn)。

4 實(shí)驗結(jié)果及分析

為驗證改進(jìn)Canny邊緣檢測算法的應(yīng)用效果，筆者對圖像進(jìn)行閾值選取實(shí)驗，選取最高、低閾值系數(shù)為0.1、0.3對碼垛機(jī)器人攝像機(jī)視覺圖像進(jìn)行邊緣檢測，圖像處理結(jié)果如圖(2，3)所示。

圖2 傳統(tǒng)Canny算法(τl=0.1，τh=0.3)

圖3 傳統(tǒng)Canny算法(τl=0.2，τh=0.4)

本研究選取最高、低閾值系數(shù)為0.2、0.4，對碼垛機(jī)器人攝像機(jī)視覺圖像進(jìn)行邊緣檢測，圖像處理結(jié)果如圖4所示。

圖4 改進(jìn)的Canny算法

由圖2、圖4可知：在未找到最適宜最高閾值和最低閾值的情況下，圖像處理結(jié)果會丟失大量的圖片邊緣信息，導(dǎo)致邊緣檢測結(jié)果不連貫。

為對比改進(jìn)的自適應(yīng)Canny算法和其他幾種算法的檢測效果，筆者分別取傳統(tǒng)Canny算法、Prewitt算法和Robert算法對碼垛機(jī)器人攝像機(jī)視覺圖像進(jìn)行邊緣檢測。傳統(tǒng)Canny算法邊緣檢測出現(xiàn)斷邊及邊緣信息缺失情況，如圖5所示。

圖5 傳統(tǒng)Canny算法

Prewitt算法邊緣檢測結(jié)果如圖6所示。

圖6 Prewitt算法

Robert算法邊緣檢測結(jié)果如圖7所示。

圖7 Roberts算法

由圖7可知：均有斷邊及關(guān)鍵點(diǎn)邊緣信息丟失情況產(chǎn)生。而如圖4所示改進(jìn)的Canny算法邊緣檢測結(jié)果可以抑制虛假邊緣，并能有效保留原始圖像邊緣信息，其邊緣檢測比傳統(tǒng)Canny算法、Prewitt算法和Robert算法的效果好。

5 結(jié)束語

本文介紹了碼垛機(jī)器人視覺系統(tǒng)的組成，研究了視覺檢測的原理和方法，針對實(shí)際應(yīng)用中Canny算法在圖像邊緣處理過程中對噪聲敏感和無法自動適應(yīng)閾值的缺點(diǎn)，通過改變梯度幅值計算方法和自適應(yīng)設(shè)定閾值的方法對其進(jìn)行了改進(jìn)。

實(shí)驗結(jié)果表明：改進(jìn)后的Canny算法能有效避免斷邊及虛假邊緣的產(chǎn)生，并能自適應(yīng)地設(shè)定高低閾值取得良好的邊緣處理效果，在圖像邊緣處理效果上要優(yōu)于傳統(tǒng)的Canny算法、Prewitt算法和Robert算法，但改進(jìn)方法在應(yīng)用過程中存在運(yùn)算速度較慢的問題，有待進(jìn)一步研究解決。