畢業(yè)論文--基于圖像處理的鑄坯拉速測量方法研究

1、<p>　　基于圖像處理的鑄坯拉速測量方法研究</p><p><b>　　作 者 姓 名： </b></p><p>　　指 導(dǎo) 教 師： </p><p>　　單 位 名 稱： 信息科學(xué)與工程學(xué)院</p><p>　　專 業(yè) 名 稱： 測控技術(shù)與儀器</p><p>　　2013

2、 年 6 月</p><p>　　Research on Billet Casting Speed Measurement Using Image Processing</p><p><b>　　June 2013</b></p><p>　　畢業(yè)設(shè)計(論文)任務(wù)書</p><p>　　基于圖像處理的鑄坯拉速測量方法研

3、究</p><p><b>　　摘要</b></p><p>　　連鑄二冷配水與鑄坯質(zhì)量密切相關(guān)，而鑄坯拉速是影響二冷配水的一個主要因素，因此能否準(zhǔn)確測量出鑄坯拉速，對于提高鑄坯質(zhì)量具有重要的意義。由于最常用的方法在實際的拉速測量中誤差較大，本文研究了一種基于圖像處理的鑄坯拉速測量方法。</p><p>　　本文主要的工作內(nèi)容如下：對圖像測速理

4、論以及相關(guān)實驗加以分析；設(shè)計實現(xiàn)了鑄坯表面氧化鐵皮與背景分割中閾值自適應(yīng)算法；利用二值化分割，提取出鑄坯表面的氧化鐵皮；尋找圖像中面積最大的氧化鐵皮；對相鄰兩幀圖像中同一氧化鐵皮進(jìn)行識別并匹配；研究了相關(guān)測速理論對本設(shè)計進(jìn)行補充；并設(shè)計了GUI界面，實現(xiàn)打開文件并連續(xù)運行、程序的暫停及恢復(fù)、數(shù)據(jù)的實時存儲、兩幀圖像識別過程的實時顯示等功能。</p><p>　　通過對實驗測得的數(shù)據(jù)進(jìn)行分析處理，與實際速度相比較，

5、誤差在±5個像素范圍內(nèi)的測量結(jié)果占到了86%。</p><p>　　本課題的主要創(chuàng)新點是提出了基于圖像處理的鑄坯拉速測量方法，實現(xiàn)了不同圖像閾值分割的自適應(yīng)以及將相關(guān)測速理論與圖像處理相結(jié)合。</p><p>　　關(guān)鍵詞：鑄坯拉速；目標(biāo)分割；氧化鐵皮；目標(biāo)匹配</p><p>　　Research on Billet Casting Speed Meas

6、urement Using Image Processing</p><p><b>　　Abstract</b></p><p>　　The secondary cooling water distribution is closely linked with the quality of casting billet, while the casting spee

7、d is the major factor of secondary cooling water distribution. Therefore, it is important that weather we can measure the casting billet speed accurately. However, nowadays the most common ways of measuring have large er

8、rors in practice measuring. We research a new method on measuring casting billet speed using image processing.</p><p>　　The main work context is as following：analyzing the theory and the related applying of

9、image speed measuring; computing the same iron oxide scale of the adjacent frames and recognizing and matching them; studying the related theory of speed measuring which can replenish my design; designed GUI interface wh

10、ich can open a image and make it run continuously, make the suspension recovered, store the program, data, and two images displayed in real time.</p><p>　　Through the analysis of experimental measured data,

11、I compared it to the actual speed and found the error which the measurements are in the range ± 5 pixels is taken up per cent of 86%.</p><p>　　The main innovation of this project is to propose a new way

12、 of he pulling rate of casting blank measuring method based on image processing, and I combine relevant theory and image with different Adaptive image threshold segmentation.</p><p>　　Keywords：Billet casting

13、 speed; Image Processing; Iron oxide; Match</p><p><b>　　目 錄</b></p><p>　　畢業(yè)設(shè)計(論文)任務(wù)書I</p><p><b>　　摘要II</b></p><p>　　ABSTRACTIII</p>&l

14、t;p><b>　　第一章 緒論1</b></p><p>　　1.1課題研究的意義1</p><p>　　1.2測速技術(shù)的發(fā)展概況1</p><p>　　1.2.1接觸式測速1</p><p>　　1.2.2非接觸式測速2</p><p>　　1.3國內(nèi)外圖像測速研究狀況3&l

15、t;/p><p>　　1.4課題研究的內(nèi)容6</p><p>　　第二章 圖像測速理論基礎(chǔ)7</p><p>　　2.1圖像處理基礎(chǔ)7</p><p>　　2.2圖像預(yù)處理9</p><p>　　2.3氧化鐵皮的提取15</p><p>　　2.4相鄰圖像氧化鐵皮的匹配22</p&

16、gt;<p>　　第三章 GUI平臺的搭建27</p><p>　　3.1基本功能27</p><p>　　3.2按鈕控件27</p><p>　　3.2文本控件29</p><p>　　3.3顯示控件30</p><p>　　3.4數(shù)據(jù)存儲31</p><p>　　第

17、四章 鑄坯拉速測量實驗及結(jié)果分析33</p><p>　　4.1拉速測量的實驗步驟33</p><p>　　4.2實驗過程中遇到的問題33</p><p>　　4.3解決方案33</p><p>　　4.4實驗結(jié)果分析37</p><p>　　第五章 總結(jié)與展望39</p><p>

18、<b>　　5.1總結(jié)39</b></p><p><b>　　5.2展望39</b></p><p><b>　　參考文獻(xiàn)41</b></p><p><b>　　致 謝 43</b></p><p><b>　　第一章 緒論

19、</b></p><p>　　1.1課題研究的意義</p><p>　　連鑄鑄坯拉速對鋼鐵產(chǎn)品的質(zhì)量及產(chǎn)量影響很大，要提高產(chǎn)品的產(chǎn)量并降低廢品率，必須在生產(chǎn)過程中實時測量并嚴(yán)格控制鑄坯的拉速，使其有一個適當(dāng)、穩(wěn)定的速度。若能實現(xiàn)鑄坯拉速的準(zhǔn)確測量，不僅為二冷配水的準(zhǔn)確控制以及液位的自動控制提供了保障，而且對提高鑄坯質(zhì)量、產(chǎn)量、節(jié)能降耗、安全生產(chǎn)等有直接影響。</p>

20、<p>　　目前，測量連鑄坯速度的方法主要為接觸法。在接觸測速中，測量傳動輪轉(zhuǎn)速的方法應(yīng)用十分廣泛，現(xiàn)如今國內(nèi)90%的鋼廠都在使用此種方法。該方法的優(yōu)點是設(shè)備的制作簡單和操作方便，但其缺點也是不可忽視的，由于傳動輪和鑄坯之間時常會發(fā)生打滑現(xiàn)象，故僅僅通過測量傳動輪的轉(zhuǎn)速并不能十分準(zhǔn)確的得到鑄坯的拉速。非接觸法是進(jìn)幾十年來新出現(xiàn)的測速放法，而激光測速和圖像測速是非接觸測速方面應(yīng)用較多的兩個方法，次兩種方法都能較為準(zhǔn)確的得出目

21、標(biāo)物體的速度，但激光測速的設(shè)備相對來說價格較高，而圖像測速僅僅需要在工作現(xiàn)場架設(shè)一CCD攝像機(jī)，操作也更為簡便，故圖像測速越來越受到人們的重視。</p><p>　　如何設(shè)計一套準(zhǔn)確、可靠、穩(wěn)定的方法，將圖像測速更好的應(yīng)用到鑄坯拉速的檢測中來對于提高鑄坯的質(zhì)量、產(chǎn)量、降低成本有著重要意義。</p><p>　　1.2測速技術(shù)的發(fā)展概況</p><p>　　在實際的測

22、速應(yīng)用中，測速方法一般分為兩大類，即接觸式測速和非接觸式測速。</p><p>　　1.2.1接觸式測速</p><p>　　接觸式測速這類測速方法是將測速儀表的敏感組件與被測對象接觸來完成速度測量的，因此，這種測試方法比較直觀、可靠。相匹配的測試儀表也相對比較簡單。但是，接觸式測速存在兩個缺點，其一，若工業(yè)現(xiàn)場環(huán)境比較惡劣，則對測速設(shè)備的材料要求就會比較高；其二，若測速設(shè)備直接接觸被測目

23、標(biāo)，則可能會影響到目標(biāo)的速度，若測速設(shè)備通過接觸其他部件間接測速，則目標(biāo)與部件之間可能會由于滑動等原因使得檢測出的速度存在較大誤差。而且接觸測速所用到的測速設(shè)備由于接觸磨損會產(chǎn)生消耗消耗，所以必須定期更換。</p><p>　　1.2.2非接觸式測速</p><p>　　非接觸式測速就是將被測物體的速度轉(zhuǎn)化為電信號、光信號等其他信號，之后通過檢測這些信號的變化來確定被測物體的速度值。<

24、;/p><p>　　非接觸式測溫由于轉(zhuǎn)化的信號不同，最常用的可大致分為以下幾種方法：</p><p><b>　　多普勒雷達(dá)測速；</b></p><p>　　所謂多普勒雷達(dá)就是利用多普勒效應(yīng)獲取目標(biāo)物的速度。奧地利科學(xué)家多普勒最早發(fā)現(xiàn)，當(dāng)聲音，光和無線電波等振動源與觀測者以相對速度V相對運動時，觀測者所收到的振動頻率與振動源所發(fā)出的頻率有所不同，

25、稱之為多普勒效應(yīng)。 脈沖多普勒雷達(dá)的工作原理可表述如下:當(dāng)雷達(dá)發(fā)射一固定頻率的脈沖波對空掃描時，如遇到活動目標(biāo)，回波的頻率與發(fā)射波的頻率出現(xiàn)頻率差，稱為多普勒頻率。根據(jù)多普頻率的大小，可測出目標(biāo)時雷達(dá)的徑向相對運動速度;根據(jù)發(fā)射脈沖和接收的時間差，可以測出目標(biāo)的距離。同時用頻率過濾方法檢測目標(biāo)的多普勒頻率講線，濾除干擾雜波的譜線，可使雷達(dá)從強(qiáng)雜波中分辨出目標(biāo)信號。所以脈沖多普勒雷達(dá)比普通雷達(dá)的抗雜波干擾能力強(qiáng)，能探測出隱蔽在背景中的活動

26、目標(biāo)。</p><p><b>　　激光測速；</b></p><p>　　激光測速就是能通過激光對物體運行速度的測量，它是對被測物體進(jìn)行兩次有特定時間間隔的激光測距，取得在該一時段內(nèi)被測物體的移動距離，從而得到該被測物體的移動速度。同時它也是一種新型的測速測量技術(shù)。隨著科技的發(fā)展，傳統(tǒng)的測量設(shè)備已不能滿足現(xiàn)狀的需求，已漸漸地被淘汰，而激光測速傳感器已被廣泛使用，它在

27、很多領(lǐng)域中測量有著重要意義。ZLS.C50激光測速傳感器和ZLS.Px激光測速傳感器是特別定制高精度的兩款激光測速傳感器，同時也是目前國內(nèi)常用的兩款高精度激光測速傳感器。并且它們通過與計算機(jī)連接，可對被測物進(jìn)行自動化、智能化的測量控制，這也是現(xiàn)在測量技術(shù)與計算機(jī)技術(shù)相結(jié)合的產(chǎn)物。</p><p><b>　　圖像測速；</b></p><p>　　由于誤差較小、操作方

28、便且成本較低，圖像測速是近些年來比較受重視的一種測速方法。它的主要工作是對CCD攝像機(jī)所采集的目標(biāo)圖像進(jìn)行一系列的分析和處理。通過對兩幀圖像的處理、對比及計算，能夠比較準(zhǔn)確的得出目標(biāo)在固定時間內(nèi)所移動的距離，由此可估算出被測目標(biāo)的速度。</p><p>　　由于計算機(jī)行業(yè)的飛速發(fā)展，基于圖像處理的測速方法在測速領(lǐng)域中所扮演的角色也變得越來越重</p><p>　　1.3國內(nèi)外圖像測速研究狀

29、況</p><p>　　圖像測速主要應(yīng)用與交通監(jiān)控和粒子測速兩方面。</p><p>　　圖像測速在交通監(jiān)控中的應(yīng)用十分廣泛，世界各國的大學(xué)、科研院所都紛紛進(jìn)行了大量的研究，學(xué)者們提出了多種解決方案。在各國政府的支持和推動下，這些研究成果也大多轉(zhuǎn)變成了商業(yè)產(chǎn)品，其中著名的有基于Minnesota大學(xué)研究成果的Autoscope系統(tǒng)，以及由法國國家運輸與安全研究院的研究成果轉(zhuǎn)化的Citilo

30、g系統(tǒng)[1]。</p><p>　　在國內(nèi)，上海交通大學(xué)的毛燕芬[2]、北京交通大學(xué)的馬增強(qiáng)[3]、中國科學(xué)技術(shù)大學(xué)的劉勃[4]、嚴(yán)捷豐[5]等也陸續(xù)開展了這方面的研究工作。相比國外而言，國內(nèi)這方面的研究雖然起步較晚，但是發(fā)展迅速。</p><p>　　運動車輛視頻檢測的目的是從序列圖像中將運動車輛分割出來，國內(nèi)外的學(xué)者們提出了大量的理論和方法，其中以閾值化圖像分割法、柵格法、空間差分法、

31、空間標(biāo)志法、幀差法、時間標(biāo)志法、背景差分法等方法較為有代表性。</p><p>　?。?）閾值化圖像分割法</p><p>　　閾值法是在靜止圖像中進(jìn)行對象檢測所采用的最簡單、同時也是最行之有效的方法。應(yīng)用閾值化圖像分割方法實現(xiàn)車輛檢測的過程可以分為兩個步驟:首先是確定合適的或者最佳的閾值，然后是將圖像中所有像素的灰度跟閾值進(jìn)行比較，進(jìn)而將圖像劃分為運動車輛和背景。顯然，兩個步驟中的難點和

32、關(guān)鍵就是合適閾值的確定。閾值化分割中的各種各樣的算法就是圍繞著閾值的選取方法展開的。閾值化分割算法中幾類主要的、有較大影響的算法包括：直方圖方法和直方圖變換法[6,7]；最大類間方差法[8.10]；最小誤差法與均勻化誤差法；最大熵方法；模糊集方法；局部閾值分割與動態(tài)閾值分割；二維閾值化方法。</p><p>　　盡管閾值化分割的文獻(xiàn)很多，分割方法相對也簡單，然而閾值化方法依據(jù)的僅僅是像素的灰度值或者二維灰度值，對

33、像素的空間位置和其它如邊緣信息等并未考慮，使得這類方法只對一些分割質(zhì)量要求不高而且只簡單地將圖像分為運動車輛目標(biāo)和背景兩類的應(yīng)用比較有效，對于那些有噪聲的、由多個分支組成的圖像是無效的，或者說效果很不好。此外該方法的另一缺點是對光線條件變化較為敏感。</p><p><b>　?。?）柵格法</b></p><p>　　該方法首先在不同的分辨率水平下建立圖像的層次結(jié)構(gòu)

34、。其后，可以依照層次結(jié)構(gòu)自上而下的順序?qū)^(qū)域進(jìn)行搜索(即從低質(zhì)到精細(xì))。在低分辨率圖像中，人們能夠從背景中清晰地分辨實體對象，同時其中的噪聲和微小的密度擾動也會消失。</p><p>　?。?）基于邊緣的對象檢測方法</p><p>　　該方法主要利用檢測對象的邊緣特征，常用于在單幅圖像中檢測靜止車輛的邊緣結(jié)構(gòu)。基于形態(tài)學(xué)的邊緣檢測方法由于具有較好的性能而被廣泛應(yīng)用于對象檢測中。在實際交通

35、場景中，該方法的檢測結(jié)果通常是將機(jī)動車輛突出顯示為一組復(fù)雜的邊緣信息，相比之下，路面區(qū)域則包含較少的邊緣信息。機(jī)動車輛或障礙物的檢測可以簡化為在圖像空間中尋找由主線段和鄰近線段圍成的矩形。由于在外界光線條件變化時，檢測對象的邊緣信息仍然能夠很顯著的呈現(xiàn)在圖像中，因此基于邊緣信息的對象檢測方法相比閾值法和后述的背景差分法具有更好的性能。</p><p><b>　　（4）空間標(biāo)志法</b>&l

36、t;/p><p>　　在這種檢測方法中，檢測對象是通過它們的特征(包括:外形、維度、亮度建</p><p>　　立模板進(jìn)行匹配，從而被識別出來的。但是由于模版匹配方法的靈活性較差，必須針對每一種待檢測的機(jī)動車輛都建立一個特定的模版。然而在實際情況中，外界光線、陰影、遮擋、以及車身表面嚴(yán)重的反光現(xiàn)象都會使同類型機(jī)動車的空間標(biāo)志產(chǎn)生很大的差別，因此該方法的主要不足之處在于:模板不具有通用性，因此需

37、要用戶提供大量的模板樣本。盡管空間標(biāo)志方法具有很多不足，但是基于標(biāo)志模式的對象監(jiān)側(cè)方法其最大優(yōu)勢在于它不需要很強(qiáng)的計算能力。此外，該系統(tǒng)能夠通過實時感知檢測對象的標(biāo)志模式實現(xiàn)對象跟蹤。</p><p><b>　?。?）幀差法</b></p><p>　　該方法能夠在兩個連續(xù)圖像幀中僅保留運動對象的軌跡，并同時去除不穩(wěn)定對象的干擾，其最大的局限在于無法檢測到靜態(tài)和緩慢

38、移動的對象。因此，當(dāng)檢測對象在不同時刻發(fā)生較大變化時，幀差法具有較好的適用性。但是，當(dāng)運動對象的紋理不夠清晰，或者它總存在于背景中的同一個區(qū)域中時，該方法就會失效。</p><p><b>　?。?）時間標(biāo)志法</b></p><p>　　這種方法將運動車輛的密度特征定義為時間的函數(shù)，其密度特征值是以路面上不同測量點處一塊區(qū)域內(nèi)的像素密度取平均值得到的。通過分析在這些

39、測量點處采集得到的時間標(biāo)志，可以檢測判斷車輛是否存在于前一幀圖像中。</p><p><b>　?。?）背景差分法</b></p><p>　　背景差分法的核心思想是需要提取一個準(zhǔn)確的背景圖像，并利用該背景圖像達(dá)到從輸入圖像中分離運動對象的目的。背景圖像可以通過人工定義，即捕獲一幅不包含機(jī)動車輛的圖像;或通過對圖像序列建立數(shù)學(xué)或?qū)?shù)平均值進(jìn)行實時提取。在此基礎(chǔ)上，人們

40、就能夠通過從前一幀圖像中取出參考背景的方法實現(xiàn)對象檢測。此外，還需要設(shè)定閾值，從而獲取運動對象在前一幀圖像中的存在狀態(tài)。</p><p>　　上面對國外主流的運動車輛檢測方法進(jìn)行了綜述。而相對于視頻交通流數(shù)據(jù)采集系統(tǒng)的其它功能模塊而言，國內(nèi)在運動車輛檢測領(lǐng)域的研究較為成熟，采用的理論與方法也與國際前沿緊密接軌。其中，朱江等利用視頻檢測線上的灰度變化識別車輛，從而完成對車輛的檢測;肖旺新等把基于小波變換的多尺度自適

41、應(yīng)閾值圖像邊緣檢測的新方法應(yīng)用于交通圖像的邊緣檢測;龔文凌等利用序列輪廓差分方法對運動物體進(jìn)行邊緣檢測，利用提取到運動物體的邊緣信息進(jìn)行機(jī)動車輛的檢測;而計文平等用光流法對檢測區(qū)域進(jìn)行處理以求得視頻場景中的光流場，再根據(jù)光流場的信息來判斷檢測區(qū)域內(nèi)機(jī)動車輛的通過信息;潘秦華劉勃采用背景差分的方法對交通場景中的機(jī)動車對象進(jìn)行了有效的檢測，證實背景差分方法在運動車輛檢測時具有很好的適用性。 </p><p>　　PI

42、V 技術(shù)源于七十年代中期發(fā)展起來的激光散斑測速技術(shù)(Laser Speckle Velocimetry)。PIV技術(shù)的基本原理是:在流場中均勻布撤密度與跟隨性接近于流場</p><p>　　媒質(zhì)的示蹤粒子，使每個最小分辨容積內(nèi)含有4.20個粒子。用脈沖激光器的片光照明流場的測試段，通過兩次或多次曝光，使用相機(jī)拍攝記錄照明的流場測試段圖像，用光學(xué)楊氏條紋法或圖像相關(guān)法逐點計算每個判讀小區(qū)內(nèi)粒子的統(tǒng)計平均位移，從而根

43、據(jù)激光器曝光時間間隔計算得到流場切面中的二維和三維速度場分布。從80年代中期粒子位移自動判讀技術(shù)有所突破至今，觀測功能上已實現(xiàn)從一個切面發(fā)展到一個容積空間、從面內(nèi)二維速度矢量到二維切片內(nèi)三維速度矢量、從瞬間速度場測量到一個連續(xù)時間過程的速度場測量。即所謂2D.2C，2Dt.2C，2Dt.3C，3D.3C，3Dt.3C的各種方法和技術(shù)在原理上也基本上實現(xiàn)。其中有關(guān)切面的觀測已基本做到實時現(xiàn)場、商用儀器水平，并已廣泛被人們接受和應(yīng)用于各種流

44、動觀測中。</p><p>　　盡管粒子圖像測速技術(shù)本身和應(yīng)用有如此重大的進(jìn)展，其成熟技術(shù)和手段仍限于流場切面及其時間歷程的測速，或限于周期性(輔以鎖相同步和三維重建技術(shù))的三維空間時間歷程的流場測量。對于非定常(非周期性的)三維空間復(fù)雜流動及其時間歷程的觀測仍然面臨嚴(yán)峻的挑戰(zhàn)。就全流場觀測方法和技術(shù)本身而言，三維空間三維速度場時間歷程(3Dt.3C)技術(shù)仍是尚未攻克的難關(guān)，也是最具挑戰(zhàn)性的前沿課題。</p

45、><p>　　至今關(guān)于攻克3Dt.3C的技術(shù)途徑的主流仍然是粒子圖像測速技術(shù)的延伸和發(fā)展。其技術(shù)方案目前有高速掃描PIV、散焦PIV(De.focus PIV)、多相機(jī)PTV(particle tracing velocimetry, PIV中的一種)以及全息PIV(HPIV)等。其中第1種方法基于切面的速度場測量，需要高速的切面掃描才可能接近流場的瞬時凍結(jié)，除存在本質(zhì)上不是直接的瞬時空間場信息記錄缺點外，技術(shù)上也難

46、以實現(xiàn)；散焦PIV實質(zhì)上也是一種PTV，和多相機(jī)PTV一樣均采用粒子跟蹤判讀技術(shù)(一個粒子、一個粒子的判讀測速，不同于PIV是一個小區(qū)、一個小區(qū)的粒子的判讀測速)，其優(yōu)點是硬件結(jié)構(gòu)比較簡單，定位比較確定，但缺點是該方法難以用于粒子濃度比較高的情況，其空間分辨率有限，也存在遮擋問題。多相機(jī)PTV方法也是目前采用較多的途徑，優(yōu)點是所需的設(shè)備比較容易組建，體光源不一定要用昂貴的激光器，對于空間分辨力要求不高的觀測流動，也可以用分辨力不高的數(shù)字

47、相機(jī)，但同樣存在粒子遮擋和空間分辨力有限等問題。</p><p>　　縱觀國內(nèi)外圖像測速的研究現(xiàn)狀，及基本技術(shù)問題，將圖像測速方法延伸至測量鑄坯拉速方面也具有一定的可行性，利用圖像測速在車輛測速中的一些原理，設(shè)計一款能夠準(zhǔn)確測量鑄坯拉速的軟件，對鋼材產(chǎn)量的增長及質(zhì)量的提高都有很大的作用。</p><p>　　1.4課題研究的內(nèi)容</p><p>　　鑄坯表面的氧化鐵

48、皮形狀多不規(guī)則，不易提取和識別。實驗通過對多組連鑄現(xiàn)場照片進(jìn)行處理、計算和分析，研究不同類型照片的處理方式，并對影響實驗精度的因素進(jìn)行分析，提出解決方案。主要內(nèi)容如下：</p><p>　　設(shè)計測速目標(biāo)的識別方法并對測速目標(biāo)進(jìn)行描述；</p><p>　　從鑄坯背景中分離出氧化鐵皮；</p><p>　　實現(xiàn)相鄰幀圖像之間測速目標(biāo)的匹配并計算出目標(biāo)的運動速度；<

49、;/p><p>　　設(shè)計實驗對程序進(jìn)行測試；</p><p>　　實現(xiàn)能夠?qū)崟r監(jiān)控的GUI。</p><p>　　第二章 圖像測速理論基礎(chǔ)</p><p><b>　　2.1圖像處理基礎(chǔ)</b></p><p>　　1.2.1圖像的數(shù)學(xué)表達(dá)式</p><p>　　視頻圖像，也是

50、動態(tài)圖像或序列圖像，是隨時間變化的靜態(tài)圖像序列。在靜態(tài)圖像中，信息密度隨空間分布，且相對于時間為常量，而動態(tài)圖像的空間信息密度特征隨時間變化。 視頻圖像數(shù)學(xué)表達(dá)式的一般形式可以寫成 。x、y 為空間變量，t為時間變量，而 S 為對應(yīng)于時空點(x,y,t)的光度學(xué)物理量。如果采用 RGB</p><p>　　體系來描述的話，完整地視頻圖像數(shù)學(xué)表達(dá)式可寫為[11]：</p><p><b

51、>　　(2.1)</b></p><p>　　當(dāng) RGB 為模擬信號時，稱為模擬視頻。如果對 RGB 進(jìn)行數(shù)字化就稱為數(shù)字視頻，這與模擬靜態(tài)圖像與數(shù)字圖像的概念基本一致，但是動態(tài)圖像要比靜態(tài)圖像的關(guān)系差別復(fù)雜的多?；趫D像處理的剛爬拉速測量是基于視頻處理基礎(chǔ)上的，而我們所要研究的視頻處理都是基于數(shù)字的數(shù)字視頻，數(shù)字視頻是由模擬視頻經(jīng)過采樣而來的。要想進(jìn)行相應(yīng)的處理，需要對獲取的視頻圖像進(jìn)行數(shù)字化

52、。</p><p>　　2.1.2 視頻圖像的獲取與數(shù)字化</p><p>　　視頻圖像主要是通過各種攝像機(jī)獲取。攝像機(jī)一般為真空光導(dǎo)CCD/CMOS 攝像頭，盡管攝像頭的材料和形式不同，但工作原理都是將外界的光信號轉(zhuǎn)變成電信號[12]。模擬視頻信號是涉及到一維時間變量的電信號，它是通過對在時間坐標(biāo) t 和垂直分量y上采樣得到的。周期性的采樣過程叫做掃描，最常用的掃描方法為逐行掃描和隔行掃

53、描，逐行掃描時在每一個Δt時間內(nèi)對一個完整的圖像進(jìn)行掃描，他被稱為一幀。隔行掃描是依次對被稱為奇數(shù)場和偶數(shù)場的奇數(shù)行和偶數(shù)行進(jìn)行掃描，一幀圖像由奇數(shù)場和偶數(shù)場組成。圖2.1表示一個2:1隔行掃描光柵：其中，實線和虛線分別表示奇數(shù)場和偶數(shù)場。從D到E，從F到A，稱之為垂直回歸。視頻信號的幾個重要參數(shù)是：垂直清晰度高度比以及幀/場率。其中幀率就是每秒更新的圖像畫面數(shù)，是最重要的參數(shù)之一。</p><p>　　圖2.1

54、 掃描光柵圖示</p><p>　　當(dāng)幀率達(dá)到15幀/秒以上時，人眼感覺為基本連續(xù)的運動，當(dāng)幀率達(dá)到24幀/秒以上時，人眼感覺為連續(xù)的運動。由攝像機(jī)的工作原理我們可以知道，模擬視頻由于它自身的特性，僅能提供有限的交互能力。甚至有些問題無法處理。如果將模擬視頻數(shù)字化，將模擬視頻轉(zhuǎn)化為數(shù)字視頻，那么會有很多好處：</p><p>　　(1) 開放結(jié)構(gòu)視頻系統(tǒng)意味著視頻可能存在于多個空間點上，

55、而且信噪比(SNR)分辨率在單一標(biāo)稱的比特流范圍內(nèi)； </p><p>　　(2) 可交互性，允許中斷以便通往視頻數(shù)據(jù)庫的路徑，并獲取視頻； </p><p>　　(3) 按命令進(jìn)行可變速率的傳輸； </p><p>　　(4) 從一個標(biāo)準(zhǔn)向另一個標(biāo)準(zhǔn)變換的簡單軟件； </p><p>　　(5) 在公共多媒體平臺上集成各種視頻應(yīng)用； <

56、;/p><p>　　(6) 編輯能力。如：放大、縮小、粘貼、去噪聲和去模糊等； </p><p>　　(7) 抵御信道噪聲的能力和易于加密。 </p><p>　　數(shù)字視頻是由模擬視頻通過圖像轉(zhuǎn)換卡進(jìn)行模數(shù)轉(zhuǎn)換，而獲取數(shù)字視頻信號的圖像轉(zhuǎn)換卡的功能是：逐幀捕捉圖像，并將其數(shù)字化，且傳輸?shù)接嬎銠C(jī)上予以保存。本文開發(fā)的系統(tǒng)就是通過海康視頻采集卡來采集數(shù)字視頻。</p&

57、gt;<p>　　2.1.3 圖像處理的特點</p><p>　　與處理靜態(tài)圖像相比，處理視頻圖像有以下幾個特點： </p><p>　　(1) 與靜態(tài)圖像相比，視頻圖像的信息是以時間為基線的。它不僅包含了二維空間信息，而且記錄了事件的全過程。因此視頻圖像的時間順序是不能混淆的，幀率參數(shù)也直接反應(yīng)了時間變化過程的信息； </p><p>　　(2) 由

58、于視頻圖像以較短的時間間隔記錄空間二維圖像信息，因此相鄰幀圖像很相似甚至相同。也就是說相鄰幀圖像的相關(guān)系數(shù)很大，基本上所有的視頻圖像處理都以該特性為基礎(chǔ)； </p><p>　　(3) 以模式識別為主要目的視頻圖像處理，許多參數(shù)并不同時要求高指標(biāo)，沒有必要要求過高的分辨率，在不影響檢測的基礎(chǔ)之上盡量減少運算量； </p><p>　　(4) 圖像的數(shù)據(jù)量很大。這一直是視頻圖像處理和應(yīng)用的主

59、要問題之一。對于640480標(biāo)準(zhǔn)的VGA畫面，真彩色24位圖像，每幀的數(shù)據(jù)量為6404803=921600字節(jié)，按30幀/秒計算，數(shù)據(jù)量為27.684MB/S，一張650MB光盤，只能存儲24秒的數(shù)據(jù)圖像，我們只能采用壓縮的方式達(dá)到實際應(yīng)用的要求； </p><p>　　(5) 數(shù)字視頻處理不同于靜止圖像的地方是視頻包含了很多幀間瞬時相關(guān)因素(冗余度)。有些人可能想把視頻作為一個靜止圖像序列來處理，其中幀間的處理

60、是相對獨立的。但是，借助于多幀處理技術(shù)所產(chǎn)生的瞬時冗余度就使得我們?nèi)ラ_發(fā)更有效的算法。比如運動濾波，運動補償預(yù)測。此外，如運動估計，或?qū)σ环N時變的場景分析，顯然不能在一幅單獨的圖像上執(zhí)行。 </p><p>　　總之，視頻處理即可看作靜止圖像處理的高層處理，又可以看作靜止圖像的繼續(xù)。首先他要用靜止圖像處理的所有技術(shù)，因為視頻圖像是時間上系列化的靜止圖像。其次，它包含了許多靜止圖像處理沒有的或可能的解決的新問題。第

61、三，視頻圖像處理同時與圖形學(xué)、人工智能、模式識別等多個學(xué)科有交叉的內(nèi)容，各自相關(guān)但側(cè)重不同。</p><p><b>　　2.2圖像預(yù)處理</b></p><p>　　CCD攝像機(jī)在現(xiàn)場拍攝的圖像如圖2.2所示，由于拍攝角度、傳輸失真等一些不可避免的干擾，使得該圖像在后續(xù)的一系列處理會中受到一些影響。</p><p>　　為了減小這些干擾對后續(xù)

62、處理中造成的影響，必須經(jīng)過一些必要的處理后才能為測量所用。</p><p>　　本設(shè)計所采用的與處理方式為圖像的旋轉(zhuǎn)及裁減、灰度圖像的轉(zhuǎn)換以及噪聲的去除。</p><p>　　圖2.2 CCD拍攝原圖</p><p>　　2.2.1圖像的旋轉(zhuǎn)及裁剪</p><p>　　由于鑄坯表面氧化鐵皮較多，對整幅圖像進(jìn)行氧化鐵皮的分割時，其他區(qū)域會影響

63、到整幅圖像的灰度值變化，又因為攝像機(jī)受到現(xiàn)場環(huán)境影響，在拍攝鑄坯的邊緣時出現(xiàn)了衍射現(xiàn)象，對于鑄坯和背景的分離也造成了一些困難。由于上述原因，在原圖中提取出一塊特定區(qū)域來進(jìn)行檢測是非常必要的。</p><p>　　提取特定區(qū)域首先需要對圖像進(jìn)行一定角度的旋轉(zhuǎn)。在CCD攝像機(jī)所拍攝的原圖上建立直角坐標(biāo)系，經(jīng)過測量得出原圖中的鑄坯邊緣相對于X軸逆時針旋轉(zhuǎn)了21度，故為了使其能達(dá)到水平，須將原圖順時針旋轉(zhuǎn)21度。<

64、/p><p>　　圖2.3 旋轉(zhuǎn)后的圖像</p><p>　　在MATLAB中，實現(xiàn)圖像的旋轉(zhuǎn)需要用到imrotate函數(shù)。imrotate函數(shù)的一般調(diào)用格式為B=imrotate（A,angle,method），其中A、B分別為輸入、輸出圖像，angle為旋轉(zhuǎn)的角度，當(dāng)angle為正時，表示逆時針旋轉(zhuǎn)，相反，則為順時針。method是旋轉(zhuǎn)過程中使用的插值方法，可以是“nearest”（最近

65、鄰插值）、“bilinear”（雙線性插值）或“bicubic”（雙立方插值），如果method為空，則默認(rèn)為最鄰近插值。imrotate在旋轉(zhuǎn)圖像時會使圖像的尺寸變大，但卻不會改變原圖像的比例，原圖像邊界之外的像素用0填充，顯示的是黑色背景，圖2.3為旋轉(zhuǎn)后圖像。</p><p>　　本程序?qū)崿F(xiàn)圖像旋轉(zhuǎn)的程序如下：</p><p>　　I1=imrotate(rgb,.21);</

66、p><p>　　在圖像的旋轉(zhuǎn)操作完成后，提取特定區(qū)域需要對旋轉(zhuǎn)后的圖像進(jìn)行裁剪，去掉不相關(guān)的部分。經(jīng)過測量和分析比較之后，確定提取該圖像中的一塊矩形區(qū)域，該矩形左上角坐標(biāo)為（294,350），長為350個像素，寬為45個像素。</p><p>　　在MATLAB中，實現(xiàn)圖像的裁剪需要用到imcrop函數(shù)。imcrop函數(shù)的一般調(diào)用格式為B=imcrop(X,Y,length,wide)，其中B

67、為輸出圖像，X、Y為所裁剪矩形左上角的起始坐標(biāo)，length、wide為矩形的長度和寬度，圖2.4為裁剪后的圖像，即所提取的特定區(qū)域。</p><p>　　本程序?qū)崿F(xiàn)圖像裁剪的程序如下：</p><p>　　I1=imcrop(I1,[294,375,350,45]);</p><p>　　圖2.4 提取的特定區(qū)域</p><p>　　2.

68、2.2灰度圖像的獲取</p><p>　　從連鑄現(xiàn)場傳來的實時交通圖一般是通過彩色CCD攝像機(jī)采集的數(shù)字彩色圖像，通常需要將彩色圖像轉(zhuǎn)換成灰度圖像。彩色圖像由紅、綠、藍(lán)三種基本色調(diào)組成，彩色圖像的每個像素由三種基本顏色按不同比例組合而成，為了得到灰度圖像需要對 RGB 圖像進(jìn)行灰度化處理。公式(2.2)給出了彩色圖像轉(zhuǎn)換為灰度圖像的轉(zhuǎn)換公式，即： </p><p><b>　　(

69、2.2) </b></p><p>　　式中 R——像素點中紅色調(diào)值； </p><p>　　G ——像素點中綠色調(diào)值； </p><p>　　B ——像素點中藍(lán)色調(diào)值。 </p><p>　　灰度圖像只有256級灰度值，減少了存儲空間，運算量也得到了大大減少，提高了交通圖像處理的快速性和實時性。但是灰度圖像喪失了顏色信息，所以

70、在某些需要圖像顏色信息作分析的情況下，就需要所使用RGB圖像。</p><p>　　在本程序中，由于用到二值化的方法對目標(biāo)進(jìn)行分割提取，且二值化圖像時必須保證輸入圖像為灰度圖像，所以需要將采集到的圖像先轉(zhuǎn)化為灰度圖像。</p><p>　　在MATLAB中，將RGB圖像轉(zhuǎn)化為灰度圖像需要用到graythresh函數(shù)，該函數(shù)的用法為BW=graythresh(I)，其中BW與I分別為輸出和輸

71、入圖像，圖2.5為原圖像與灰度圖像的對比。</p><p>　　本程序?qū)崿F(xiàn)將采集圖像轉(zhuǎn)化為灰度圖像的程序如下：</p><p>　　level1=graythresh(I2)</p><p>　　圖2.5 圖和灰度圖</p><p>　　2.2.3噪聲的處理</p><p>　　圖像信號在產(chǎn)生、傳輸和記錄過程中，經(jīng)常

72、會受到各種噪聲的十?dāng)_，噪聲可以理解為妨礙人的視覺器官或系統(tǒng)傳感器對所接收圖像源信息進(jìn)行理解或分析的各種因素。噪聲一般為不可預(yù)測的隨機(jī)信號，只能用概率統(tǒng)計的方法去認(rèn)識噪聲對圖像的輸入、采集、處理的各個環(huán)節(jié)以及最終的輸出結(jié)果都會產(chǎn)生一定的影響，特別是在圖像的輸入、采集過程中，噪聲是個十分關(guān)鍵的問題，若輸入伴有較大噪聲，必然影響之后的處理以及最終的處理效果。任何一個良好的圖像處理系統(tǒng)，均把減少最前一級的噪聲作為主攻目標(biāo)，去噪處理已成為圖像處理

73、中極其重要的步驟。因此，圖像去噪算法研究是一切圖像處理的前提，具有重要的意義?，F(xiàn)如今常用的濾波方法分為均值濾波和中指濾波兩大類[13]：</p><p><b>　　均值濾波：</b></p><p>　　均值濾波算法又叫鄰域平均法。這種方法的基本思想是用幾個鄰域像素灰度的平均值來代替每個像素的灰度值，其鄰域的選取通常為以單位距離為半徑r構(gòu)成的4鄰域和以個單位距離為半

74、徑r構(gòu)成的8鄰域(如圖2.6圓形區(qū)所示)。</p><p>　　(a) 4鄰域r = (b) 8鄰域 r = </p><p>　　圖2.6 均值濾波鄰域選取示意圖</p><p>　　均值濾波主要有算術(shù)均值濾波、諧波均值濾波、逆諧波均值濾波、加權(quán)均值濾波四類。</p><p><b>　　2、中值濾波

75、：</b></p><p>　　中值濾波的原理是把序列(Sequence)或數(shù)字圖像(digital image)中一點的值，用該點鄰域中各點值的中值來替代。對序列而言中值的定義是這樣的：</p><p>　　若為一組序列先把其按人小排列為</p><p>　　則該序列的中值y為：</p><p><b>　　(2.3)

76、</b></p><p>　　式(2.12)中，若把一個點的特定長度或形狀的鄰域作為窗口，在一維情況下，中值濾波器是一個含有奇數(shù)個像素的滑動窗口。窗口正中問那個像素的值用窗口各像素值的中值來代替，設(shè)輸入序列為，I為自然數(shù)集合或子集.窗口長度為n，且令，則濾波器的輸出為</p><p><b>　　(2.4)</b></p><p>

77、　　式(2.13)表明，點的中值僅與窗口前后各點的中值有關(guān)，yi為序列xi二的中值。</p><p>　　若把式(2.13)中.中值濾波的概念推廣到二維.并利用某種形式的二維窗口。則可對二維中值濾波做如下定義：</p><p>　　設(shè)表示數(shù)字圖像各點的灰度值，濾波窗口為A，yij為窗口是A在xij點的中值，則</p><p><b>　　(2.5)<

78、/b></p><p>　　式(2.14)為窗口是A的點的中值表達(dá)式，二維中值濾波的窗口可以取方形.也可以取近似圓形或十字形。</p><p><b>　　中值濾波過程</b></p><p>　　針對圖像的中值濾波的過程為，首先將模板內(nèi)(窗口)所涵盂的像素按灰度值由小到大排列。再取序列中問點的值作為中值，并以此值作為濾波器的輸出值。在有

79、很強(qiáng)的胡椒粉式(或脈沖)干擾的情況下，因為這些灰度值的干擾值與其鄰近像素的灰度值有很大的差異，因此經(jīng)排序后取中值的結(jié)果是強(qiáng)迫將此干擾點變成與其鄰近的某些像素的灰度值一樣，從而達(dá)到去除十?dāng)_的效果。應(yīng)當(dāng)注意的是中值濾波的過程是一個非線性的操作過程，它即能保持圖像的輪廓，又能消除強(qiáng)十?dāng)_脈沖噪聲。中值濾波除直接采用圖像像素作中值外，還可采用其它的力一法，例如平滑銳化濾波就含有取中值和樣點計算的過程。另一種方法是先計算周邊像素灰度的平均值，若所考

80、慮像素的灰度與此平均值的差異超過一定臨界值時，則判定此像素為干擾，該點的值應(yīng)采用先前計算所得的平均值來替代，若不超出臨界則用該點實際像素的灰度值作為濾波器的輸出.此種力一法史接近于人眼的實際感覺。</p><p>　　利用中值濾波法消除圖像噪聲要經(jīng)過如下過程：</p><p><b>　　輸入圖像；</b></p><p><b>　

81、　加入模擬噪聲；</b></p><p><b>　　中值濾波。</b></p><p>　　中值濾波對于消除高斯白噪聲效果不是特別理想，但對消除隨機(jī)干擾噪聲效果卻非常好。因此，中值濾波在圖像處理中是比較理想的的濾波方式。</p><p>　　由于椒鹽噪聲對氧化鐵皮的識別和提取有一定的影響，故在此處我們使用中值濾波的方式對圖像中可能

82、出現(xiàn)的椒鹽噪聲進(jìn)行處理，而其他的噪聲干擾對本程序的影響不大，故可以忽略。</p><p>　　2.3氧化鐵皮的提取</p><p>　　在預(yù)處理完成之后，就得到了清晰程度較高、對比度較強(qiáng)的圖像，接下來對其進(jìn)行下一步處理，從中提取出運動目標(biāo)。提取目標(biāo)物的過程就是將前景同背景分離的過程。運動目標(biāo)的提取效果是決定ITS的性能優(yōu)劣的關(guān)鍵所在。一個好的提取算法應(yīng)該具有的特征包括:</p>

83、<p>　　（1）提取到的信息量足夠豐富;</p><p>　?。?）提取信息時可以抑制其中的干擾和噪聲成分;</p><p>　　（3）在出現(xiàn)較強(qiáng)干擾時可以容錯和主動排錯;</p><p>　?。?）不依賴攝像頭的安裝位置、安裝高度或仰俯角度。</p><p>　　然而，完全達(dá)到上述條件的方法是不存在的。在實際應(yīng)用中，通常只要

84、算</p><p>　　法可以滿足識別要求并能抑制較大十?dāng)_即可。本文設(shè)計的是實時的鑄坯拉速測量方法，和其他系統(tǒng)相比，有以下特點:</p><p>　?。?）鑄坯拉速較低且速度相對穩(wěn)定；</p><p>　　（2）現(xiàn)場環(huán)境較穩(wěn)定，沒有太大變化；</p><p>　?。?）氧化鐵皮與鑄坯對比度較大。</p><p>　　根

85、據(jù)以上三個特點，本設(shè)計采用二值化分割的方法來進(jìn)行氧化鐵皮的提取。</p><p>　　2.3.1二值化分割</p><p>　　二值化分割就是將圖像上的點的灰度置為0或255，也就是講整個圖像呈現(xiàn)出明顯的黑白效果。即將256個亮度等級的灰度圖像通過適當(dāng)?shù)拈撝颠x取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，特別是在實用的圖像處理中，以二值圖

86、像處理實現(xiàn)而構(gòu)成的系統(tǒng)是很多的，要進(jìn)行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像，這樣子有利于再對圖像做進(jìn)一步處理時，圖像的集合性質(zhì)只與像素值為0或255的點的位置有關(guān)，不再涉及像素的多級值，使處理變得簡單，而且數(shù)據(jù)的處理和壓縮量小。為了得到理想的二值圖像，一般采用封閉、連通的邊界定義不交疊的區(qū)域。所有灰度大于或等于閾值的像素被判定為屬于特定物體，其灰度值為255表示，否則這些像素點被排除在物體區(qū)域以外，灰度值為0，表

87、示背景或者例外的物體區(qū)域。如果某特定物體在內(nèi)部有均勻一致的灰度值，并且其處在一個具有其他等級灰度值的均勻背景下，使用閾值法就可以得到比較的分割效果。如果物體同背景的差別表現(xiàn)不在灰度值上，可以將這個差別特征轉(zhuǎn)換為灰度的差別，然后利用閾值選取技術(shù)來分割該圖像[14.15]。</p><p>　　二值化分割時的閾值是整個分割過程中最重要的部分，閾值的選擇往往決定了圖像是否能夠?qū)⒈尘芭c目標(biāo)完全分離。常用的幾種閾值選擇方法

88、有如下幾種[16]：</p><p>　　雙峰法：在一些簡單的圖像中，物體的灰度分步比較有規(guī)律，背景與各個目標(biāo)在圖像的直方圖中各自形成一個波峰，即區(qū)域與波峰一一對應(yīng)，每兩個波峰之間形成一個波谷。那么選擇雙峰之間的波谷所代表的灰度值T作為閾值，即可實現(xiàn)兩個區(qū)域的分割。如圖2.7所示。</p><p>　　圖2.7雙峰法計算閾值示意圖</p><p><b>

89、　　(2.6)</b></p><p>　　式（2.15）為雙峰法選取閾值的公式，式中f(x,y)為圖像的灰度值，T為閾值，g(x,y)為二值化后的灰度圖像。</p><p>　　此種方法對于有明顯雙峰分布的圖像來說分割效果非常好，但當(dāng)圖像沒有雙峰分布時則無法準(zhǔn)確分割。</p><p>　　P參數(shù)法：如果預(yù)先知道每個目標(biāo)占整個圖像的比例P，則可以采用P參

90、數(shù)法進(jìn)行分割。首先計算出圖像的直方圖分步，然后從最低的灰度值開始，計算圖像的累計分步直方圖，最后可得出與P最為接近的累計分步函數(shù)所對應(yīng)的灰度值，此值便為所求閾值。</p><p>　　最大熵值法：根據(jù)熵的概念，對于灰度范圍為0至M.1的圖像，其直方圖的熵定義為</p><p><b>　　(2.7)</b></p><p>　　其中為灰度值為i

91、的像素在整體圖像中的概述。設(shè)閾值t將圖像劃分為O、B兩類，他們的概率分布O區(qū)為B區(qū)為。</p><p>　　經(jīng)計算，可得到目標(biāo)O與背景B的熵值分別為：</p><p><b>　　(2.8)</b></p><p>　　由公式（2.17）可得，圖像的總熵為：</p><p><b>　　(2.9)</b&

92、gt;</p><p>　　最大閾值T為使得圖像的總熵去的最大值時的閾值。</p><p>　　此種方法運算速度較慢，不適合實時處理，其僅僅考慮了像素點的灰度信息，沒有考慮到像素點的空間信息，所以當(dāng)圖像的信噪比降低時，分割效果不理想。</p><p>　　最大類間方差法：其最大類間方差法是由Otus與1979年提出的，是抑郁整幅圖像的統(tǒng)計特性實現(xiàn)閾值的自動選取的，是

93、全局二值化最杰出的代表。基本思想是用某一假定的灰度值t，將圖像的灰度分為兩組，當(dāng)兩組的類間方差最大時，此時灰度值t便是圖像二值化的最佳閾值[17.18]。</p><p>　　設(shè)圖像有M個灰度值，取值范圍在0到M.1，在此范圍內(nèi)選取灰度值t，將圖像分成兩組，第一組包含的像素的灰度值在0到t，第二組的灰度值在t+1到M.1，用N表示圖像像素總數(shù)，表示灰度值為i的像素個數(shù)。已知每一個灰度值出現(xiàn)的概率為，假設(shè)兩組像素的

94、個數(shù)在整體圖像中所占百分比為和，兩組平均灰度值為和，可間間類方差為：</p><p><b>　　(2.10)</b></p><p>　　使得（2.19）類間方差最大時所對應(yīng)的t值便為最佳閾值。</p><p>　　此種算法可以這樣理解：閾值T將整幅圖像分成前景和背景兩部分，當(dāng)兩類的類間方差最大時，此時前景和背景的差別最大，二值化效果最好。因

95、為方差是灰度分步均勻性的一種度量，方差越大，說明構(gòu)成圖像的兩部分差別越大，當(dāng)部分目標(biāo)錯分為背景或部分背景錯分為目標(biāo)都會導(dǎo)致兩部分差別變小，因此使類間方差最大的分割閾值意味著錯分概率最小。</p><p>　　經(jīng)過以上四種方法的嘗試與比較，最大類間方差法為最優(yōu)方法，其分割圖像如圖2.8所示。 </p><p>　　圖2.8 分割后圖像</p><p>　　2

96、.3.2形態(tài)學(xué)處理</p><p>　　數(shù)學(xué)形態(tài)學(xué)的基本思想是用具有一定形態(tài)結(jié)構(gòu)的結(jié)構(gòu)元素( stmcturing element)去探測一個圖象中的形態(tài)，以解決圖象的理解分析問題。數(shù)學(xué)形態(tài)學(xué)的四個運算是膨脹(dilation )、腐蝕(erosion )、開(opening)和閉(closing)[19]。所有的形態(tài)學(xué)處理都基于填放結(jié)構(gòu)元素的概念。計算機(jī)圖象在獲取和傳輸過程中，會受到各種噪聲的污染恢復(fù)噪聲污染圖

97、象是計算機(jī)圖象處理的研究課題之一。</p><p><b>　　1、膨脹與腐蝕</b></p><p>　　膨脹(dilation)和腐蝕(erosion)變換是建立在集合的Minkowski和與差基礎(chǔ)上的，是所有復(fù)合形態(tài)變換或形態(tài)分析的基礎(chǔ)，以后所有的形態(tài)學(xué)變換都可以由膨脹和腐蝕變換的復(fù)合來實現(xiàn)。如果把它應(yīng)用于二值圖像，則分別給出其膨脹(dilation)和腐蝕(e

98、rosion) 的抽象定義和直觀定義，其中A表示一幅二值圖像，B為結(jié)構(gòu)元素。可以看出兩者的直觀定義，即：膨脹的直觀解釋是：將結(jié)構(gòu)元素B做映像后，在圖像A上移動，當(dāng)A與B的映像有交集的時候，B的映像的原點所經(jīng)過的所有的點構(gòu)成的集合就B膨脹A的結(jié)果；而腐蝕的直觀解釋是：當(dāng)集合B完全包含在集合A中時，B的原點位置的集合就是用B腐蝕A的結(jié)果[20]。</p><p>　　(a) 二值圖像A (b) 結(jié)構(gòu)元素

99、B (c) B的映像</p><p>　　(d) B膨脹A后 (e) B腐蝕A后</p><p>　　圖2.9 二值膨脹與腐蝕運算</p><p>　　形態(tài)膨脹、腐蝕對原始圖像的作用：</p><p>　　(1)形態(tài)膨脹能擴(kuò)展圖像，使線條變粗，顆粒變大，縫隙和孔變小或消失；</

100、p><p>　　(2)形態(tài)腐蝕能收縮圖像，使線條變細(xì)，顆粒變小，縫隙和孔變大；</p><p>　　本文對要測試的原始圖像如圖2.10分別用3x3的圓形結(jié)構(gòu)元素進(jìn)行了腐蝕運算和膨脹運算，得到的結(jié)果如圖2.11，2.12所示。</p><p>　　圖2.10 原始圖像 </p><p>　　圖2.11 腐蝕圖像</p><

101、;p>　　圖2.12 膨脹圖像</p><p><b>　　2、開運算閉運算</b></p><p>　　在形態(tài)學(xué)圖象處理中，膨脹和腐蝕是兩種基本運算，而開和閉是兩種二次運算，互為對偶。利用圖象B對圖象A作開運算，用符號表示，其定義為：</p><p><b>　　(2.11)</b></p><

102、p>　　開運算可以通過計算所有可以填人圖象內(nèi)部的結(jié)構(gòu)元素平移的并求得。即對每一個可填人位置作標(biāo)記，計算結(jié)構(gòu)元素平移到每一個標(biāo)記位置的并，便可得到開運算結(jié)果。</p><p>　　閉運算可對圖形的外部作濾波，僅僅磨光凸向圖象內(nèi)部的尖角。</p><p>　　開(閉)運算滿足平移不變性和單調(diào)遞增性；另外，它還滿足非膨脹(膨脹)性和冪等性，這兩個性質(zhì)對于開閉運算的應(yīng)用起著非常重要的作用。

103、</p><p>　　噪聲污染圖像 濾波后圖像</p><p>　　圖2.13 開運算濾波效果</p><p>　　開運算對噪聲污染的二值圖象的恢復(fù)能力。同樣的結(jié)論也適合閉運算。假設(shè)有一矩形圖象受到碎屑狀噪聲污染，因為圓盤不能填入散布在圖象背景中的噪聲碎片，所以利用圓盤B作開運算可以得到恢復(fù)噪聲污染的效果。更理想的

104、恢復(fù)效果可以通過采用正方形結(jié)構(gòu)元素得到，但是，這一方案實用性較差。因為在做濾波之前必須將被噪聲干擾的矩形放成水平方位。而采用圓盤濾波，不受旋轉(zhuǎn)的影響。 </p><p>　　由于氧化鐵皮無固定形狀且數(shù)量多時容易連成一片，不好區(qū)分，如圖2.14所示。</p><p>　　圖2.14 氧化鐵皮數(shù)量較多時的分割效果</p><p>　　由于此種

105、原因本文中選擇了僅僅對分割圖像先進(jìn)行的以4個像素為半徑的圓形腐蝕，后進(jìn)行2個像素為半徑的圓形膨脹。</p><p>　　在進(jìn)行腐蝕與膨脹之前，需要先定義腐蝕膨脹所用的結(jié)構(gòu)體，定義結(jié)構(gòu)體在MATLAB中需要用到strle函數(shù)，strle函數(shù)的用法為SE=strle(‘shape’size)，其中SE為定義好的結(jié)構(gòu)體，shape為結(jié)構(gòu)體的形狀，size為結(jié)構(gòu)體的大小標(biāo)志。</p><p>　　

106、本程序中一共定義了兩個結(jié)構(gòu)體，半徑為7個像素的圓形結(jié)構(gòu)體SE1與半徑為3個像素的圓形結(jié)構(gòu)體SE2，其代碼如下：</p><p>　　SE1=strel('disk',4);</p><p>　　SE2=strel('disk',2);</p><p>　　進(jìn)行腐蝕操作在MATLAB里需要用到imerode函數(shù)，imerode函數(shù)的用法

107、為BW=imerode(I，SE)，BW與I分別為輸出和輸入圖像，SE為運算調(diào)用的結(jié)構(gòu)體。</p><p>　　本程序進(jìn)行的腐蝕操作代碼如下，效果如圖2.15所示：</p><p>　　I3=imerode(I3,SE1);%將圖片進(jìn)行腐蝕運算操作</p><p>　　2.15 腐蝕后的效果圖</p><p>　　進(jìn)行完腐蝕操作后，便該進(jìn)行膨

108、脹操作了。進(jìn)行膨脹操作在MATLAB里需要用到imdilate函數(shù)，imdilate函數(shù)的用法為BW=imdilate(I，SE)，BW與I分別為輸出和輸入圖像，SE為運算調(diào)用的結(jié)構(gòu)體。</p><p>　　本程序進(jìn)行的腐蝕操作代碼如下，效果如圖2.16所示：</p><p>　　I4=imdilate(I3,SE2);</p><p>　　2.16 腐蝕膨脹后的效

109、果圖</p><p>　　2.4相鄰圖像氧化鐵皮的匹配</p><p>　　相鄰圖像氧化鐵皮的匹配是整個方法中最重要的一個環(huán)節(jié)，氧化鐵皮匹配的精度直接影響之后速度的計算，圖像匹配主要可分為以灰度為基礎(chǔ)的匹配和以特征為基礎(chǔ)的匹配[21]。</p><p>　　（1）灰度匹配：灰度匹配的基本思想:以統(tǒng)計的觀點將圖像看成是二維信號，采用統(tǒng)計相關(guān)的方法尋找信號間的相關(guān)匹配。

110、利用兩個信號的相關(guān)函數(shù)，評價它們的相似性以確定同名點?；叶绕ヅ渫ㄟ^利用某種相似性度量，如相關(guān)函數(shù)、協(xié)方差函數(shù)、差平方和、差絕對值和等測度極值，判定兩幅圖像中的對應(yīng)關(guān)系。最經(jīng)典的灰度匹配法是歸一化的灰度匹配 法，其基本原理是逐像素的把一個以一定大小的實時圖像窗口的灰度矩陣，與參考圖像的所有可能的窗口灰度陣列，按某種相似性度量方法進(jìn)行搜索比較的匹配方法，從理論上說就是采用圖像相關(guān)技術(shù)。利用灰度信息匹配方法的主要缺陷是計算量太大，因為使用場合