基于HALCON的透明玻璃邊緣提取方法研究

高子鑫, 李兆同

（上海理工大學光電信息與計算機工程學院，上海 ，200093）

0 引言

在現(xiàn)代工業(yè)檢測中，工業(yè)零件測量越來越重要，所以，準確的提取零件邊緣是必不可少的一個環(huán)節(jié)。在透明玻璃的檢測中，由于透明玻璃會產生陰影邊緣，所以在提取其邊緣時，采取有效方法排除陰影邊緣產生的干擾尤為重要。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，然后進行圖像增強，提高真邊緣和陰影產生的干擾邊緣的對比度，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上，提出了一種的基于灰度差值的方法來排除陰影邊緣產生的干擾，獲得透明玻璃真邊緣。經(jīng)過與傳統(tǒng)方法實驗對比分析，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 圖像預處理

圖像預處理在數(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備。本文用德國著名機器視覺廠商MVtec公司開發(fā)的一套有完善的數(shù)字圖像處理的機器視覺軟件HALCON對圖像進行處理。它不僅提供功能全面的視覺處理庫，而且還提供了幾乎所有的最先進和最新的技術算法和算子，其包含了一千多個獨立的函數(shù)[2]。目前該軟件廣泛應用于工業(yè)自動化監(jiān)測檢測、遙感探測、遙感監(jiān)控、醫(yī)學圖像的分析等方面。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 陰影產生的干擾邊緣和真邊緣

1.1 把彩色圖像RGB轉化成單通道灰度圖像

對圖像處理而言, RGB是最為重要和常見的顏色模型, 它建立在笛卡爾坐標系中[3]。RGB顏色空間就是說圖像上的每一個像素由R（紅色）、G（綠色）、B（藍色）來表示，這三種色也叫三基色，三種基色是相互獨立的[4]。自然界的任何顏色都可以用它們的組合來表示，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。其中黑色位于原點處，白色離位于原點最遠角上，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。

圖3 RGB彩色模型

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

1.2 圖像增強

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的主要內容。圖像增強的目的主要有兩個：一是改善圖像的視覺效果，提高圖像的清晰度；二是將圖像轉化成一種更適于人類或機器進行分析處理的形式[5]。

f( x, y) f( x, y) g( x, y)首先對R通道圖像進行圖像均值濾波。均值濾波是一種局部空間域的處理算法，均值濾波對噪聲進行了求均值運算, 在某種程度上對噪聲進行了平滑[6]。設原始圖像是，對的每個像素點取一個領域S，計算中所有像素的灰度級的平均值，將其作為領域平均處理后的圖像的像素值。即

g( x, y) f( x, y)式中S是預先確定的領域，M為領域S中像素的點數(shù)。當然均值濾波也可用空間卷積的方式來描述，把平均化處理看做是一個作用于大小為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 ) 增強后的圖像結果，T是對比度系數(shù)。通過圖像增強，從而使圖像的對比度增強[7]。

1.3 提取亞像素邊緣

亞像素邊緣檢測技術是一種新的高精度的圖像邊緣處理與檢測技術，其本質是通過軟件算法來人為地提高檢測系統(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)字相關法等。亞像素級邊緣和像素級邊緣對比,如圖4所示。

圖4 亞像素級邊緣和像素級邊緣

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

2 提取透明玻璃真邊緣

透明玻璃的陰影會產生干擾邊緣，為了準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，然后通過圖像，來增大陰影邊緣線和真邊緣線之間的對比度，抑制玻璃陰影產生的干擾邊緣，最后通過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, 目標內部的灰度值一般是連續(xù)變化的, 而其邊緣兩側的灰度值則存在較大的突變?；诨叶炔钪档姆椒ɡ眠@種特性來實現(xiàn)的。首先對圖像進行增強，擴大圖像對比度，然后提取其亞像素邊緣輪廓，最后，計算提取的每條邊緣輪廓線兩邊的灰度差值，通過對比灰度差值來排除陰影產生的干擾邊緣，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來計算邊緣線兩邊的灰度差值，然后通過比較灰度差值大小來排除陰影產生的干擾邊緣，獲得透明玻璃真邊緣。結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 實驗結果對比分析

以下是對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行邊緣提取，能正確提取邊緣圖像張數(shù)的結果統(tǒng)計表格。

表1 正確提取邊緣結果數(shù)據(jù)

從表中可以看出。傳統(tǒng)方法只能對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 結語

通過對比分析，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。但是由于本次實驗的樣本數(shù)量不大，其方法還有待進一步優(yōu)化。

參考文獻

[1]王文麗.各種圖像邊緣提取算法的研究[D].北京交通大學,2010.

[2]金貝.基于HALCON 的機器視覺教學實驗系統(tǒng)設計[D].北京:北京交通大學,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].計算機與現(xiàn)代化,2010,08:147-149+171.

[4]王一冰.基于機器視覺的玻璃瓶缺陷檢測與抓取系統(tǒng)研究[D].長春工業(yè)大學,2016.

[5]謝鳳英.數(shù)字圖像處理及應用[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].南昌大學學報(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].電子測量技術,2008,08:140-142+157.

[8]楊兵兵.亞像素圖像邊緣檢測方法研究[D].大連理工大學.2015.