基于LabVIEW的色彩匹配應(yīng)用

文/張黎翔　白云

通俗的講，機(jī)器的智能化有兩個(gè)目的，一是對人類的機(jī)能做出仿生學(xué)功能，二是延伸強(qiáng)化人類的機(jī)能從而提高某方面的能力。視覺對于人是至關(guān)重要的，而機(jī)器視覺也是人工智能的重要環(huán)節(jié)。機(jī)器視覺包含了圖像傳感器技術(shù)、計(jì)算機(jī)相關(guān)技術(shù)、視覺與圖像相關(guān)技術(shù)、神經(jīng)網(wǎng)絡(luò)等，而模式識(shí)別又是機(jī)器視覺中重要且基礎(chǔ)的環(huán)節(jié)。實(shí)現(xiàn)其功能的過程中涉及各種優(yōu)勢互補(bǔ)的編程語言，這為應(yīng)用工程師帶來了不小的挑戰(zhàn)。LabVIEW是美國National Instruments團(tuán)隊(duì)研發(fā)的一款基于子模塊和數(shù)據(jù)流的編程語言。該軟件功能強(qiáng)且靈活，利用它只需要相關(guān)數(shù)據(jù)采集器和PC便可輕松組建自定義化儀器，它被廣泛應(yīng)用于工業(yè)制造、高校教育和實(shí)驗(yàn)室研究。其特點(diǎn)如下：

（1）采取簡單、可視的模塊化編程，使程序的編寫類似于流程圖的構(gòu)建；

（2）該軟件自帶豐富的庫函數(shù)并且不斷擴(kuò)充，其中包含采集數(shù)據(jù)、分析數(shù)據(jù)及自動(dòng)化控制等，使工程師能夠快速完成自己硬件系統(tǒng)的構(gòu)建；

（3）提供許多便捷可靠的調(diào)試檢驗(yàn)功能，使程序的調(diào)試與檢驗(yàn)更加便捷；

（4）NI平臺(tái)不斷提供豐富的庫函數(shù)資源，使其始終走在各個(gè)行業(yè)的前沿。

1　算法介紹

模式(schema)表示的是部分元素按照標(biāo)準(zhǔn)規(guī)則組成的一類集，它是指元素的組成結(jié)構(gòu)以及規(guī)則。映射(mapping)是兩個(gè)模式中元素間的對應(yīng)規(guī)則，表示模式A中某些元素與模式B中某些元素的對應(yīng)規(guī)則。一個(gè)映射關(guān)系包含兩個(gè)部分：映射的元素和元素之間的關(guān)系的描述。根據(jù)Euzenat的理論，映射 M 應(yīng)由五部分組成， 這里eid 表示一個(gè)符號來唯一表示該映射元素；e 和 e’是兩個(gè)對應(yīng)模式中的子元素，它可以是特性、表、類等；c 表示一個(gè)數(shù)學(xué)置信度用來反映 e 和 e’的對應(yīng)程度；R則是 e 和 e’之間所對應(yīng)關(guān)系(如相等、相交、泛化等)。

圖1：KMP匹配過程

圖2：顏色模式識(shí)別流程圖

圖3：顏色模式學(xué)習(xí)函數(shù)

圖4：顏色模式匹配函數(shù)

圖5：顏色模式學(xué)習(xí)過程

通常情況下我們首先想到的是單純的匹配方法，其思想是假設(shè)給定兩個(gè)字符串：甲為主數(shù)列M[m0m1...mn-2mn-1]其長度為N，乙為匹配數(shù)列X[x0x1...xx-2xx-1]其長度為x。為了判定甲中是否有乙，即乙是甲的子集，首先將甲乙首字母對其即m0對應(yīng)x0，依次對照各個(gè)元素，判斷甲乙是否相等。如果相等則匹配成功一次，否則乙的首元素對齊甲的第二x0重復(fù)上述過程。

圖6：顏色模式匹配過程

圖7：前面板及結(jié)果

此種算法的優(yōu)點(diǎn)在于簡單易行，代碼量小容易實(shí)現(xiàn)，但是顯而易見其運(yùn)算量很大，主串移動(dòng)次數(shù)為n-x，匹配串最多移動(dòng)x-1，其復(fù)雜度為O(n*x)。通過觀察不難發(fā)現(xiàn)這種算法之所以運(yùn)算量大是因?yàn)槠浯嬖谥貜?fù)匹配過程。為了解決這一問題下面引入kmx算法。

單純的匹配算法，前一次匹配和后一次匹配是沒有關(guān)系的，但是我們知道前一次的匹配結(jié)果是可以被后一次匹配所利用，改變后一次匹配甲乙數(shù)列的初始位置，從而減少匹配次數(shù)，降低運(yùn)算量。

我們比方假設(shè)這個(gè)一個(gè)情況：當(dāng)前正在匹配的元素是mt+j+1和xj+1，且mt+j+1！=xj+1，這說明mt,mt+1...mt+j與x0,x1...xj相等，此時(shí)再另mt+j+1和x0匹配顯得多余。假設(shè)：

x0,x1...xk=xj-k, xj-k+1...xj那么x0, x1...xk和mt+j-k, mt+j-k+1...mt+j也一定相匹配。那么下一次要進(jìn)行匹配的兩個(gè)字符應(yīng)為xk+1和mt+j+1。進(jìn)而加速匹配過程。

下面給個(gè)圖例，假設(shè)主串M[ababcabcacbab],匹配X[abcac]。（如圖1所示）。

這其中的主要參數(shù)k我們不妨規(guī)定為k=next[j]。而k只和模式串x有關(guān)系，并且要求m個(gè)k，k = next[j]，因此next中計(jì)算量只有一次，這時(shí)的時(shí)間復(fù)雜度和m有線性關(guān)系。

用歸納法求next(n)：設(shè)next(0) = -1，若已知next( j ) = k，欲求得next(j+1)。

（1）如果 xk+1=xj+1，顯然next(j+1)=k+1。 如 果 xk+1！=xj+1，則 next(j+1) ＜next(j)，于是尋找 h＜k 使得 x0, x1…xh=xj-h, xj-h+1...xj=xk-h, xk-h+1...xk。也就是說h=next(k)。

（2）如果不存這樣的h，則x0, x1...xj+1里無前后相對應(yīng)的子集，因此next(j+1)= -1。

（3）如果存在這樣的h，繼續(xù)檢驗(yàn)xh和xj是否相等。直到找到為止。以上介紹的就是KMP匹配算法的過程。我們知道計(jì)算機(jī)圖像是由像素組成，像素即是一種數(shù)列，我們可以將上述思想引入圖像處理中。

圖像的色彩是一副圖像的基本組成部分，圖像的色彩特征是最常用也是最可靠的特征之一，而把一幅圖像中色彩的占比作為一種描述手段是最通常的色彩特征表達(dá)方法，色彩直方圖體現(xiàn)的是色彩的基本元素強(qiáng)弱的聯(lián)合概率，Swain和Ballard利用直方圖相交度量法，來作為色彩直方圖的相似性指標(biāo)。兩個(gè)顏色直方圖H和I的L1距離為：

為了得到相似但是不同的色彩之間的相似度，Ioka和Niblack采用了L-2度量法，并在QBIC中使用。除了色彩直方圖外，其他的一些色彩特征有色彩矩、色彩集。色彩矩假定任何顏色分散均勻可由它的矩來刻畫，并且由于絕大多數(shù)色彩的采集在低階矩上，因而只有一階矩、二階矩、三階矩被作為色彩特征表征而被提取出來，加權(quán)的歐拉距離則用來計(jì)算顏色的相似度。為了可以在大量圖像數(shù)據(jù)中快速的搜索出結(jié)果，Smith和Chang等人提出了色彩集的概念，首先把（R,G,B）色彩空間對應(yīng)到視覺上的統(tǒng)一化空間，比如HSV，然后進(jìn)行量化對應(yīng)為M個(gè)顏色條。色彩集就被設(shè)定為量化后的色彩空間中的色彩的一種選擇。然后通過二叉樹的構(gòu)筑，從而可以達(dá)到快速搜索的目的。

具體到LabVIEW的數(shù)據(jù)流過程，顏色模式識(shí)別可以由兩大部分構(gòu)成。首先是顏色模式學(xué)習(xí)的設(shè)置以及顏色模式學(xué)習(xí)，另一個(gè)是顏色模式匹配設(shè)置和顏色模式識(shí)別匹配，如圖2所示。

模式學(xué)習(xí)相當(dāng)于提取目標(biāo)數(shù)列，將其保存在庫中，根據(jù)目標(biāo)數(shù)列開始整圖尋找相關(guān)目標(biāo)進(jìn)而標(biāo)出并統(tǒng)計(jì)。

2　軟件實(shí)現(xiàn)

LabVIEW在視覺與運(yùn)動(dòng)處理子面板中提供豐富的機(jī)器視覺相關(guān)函數(shù)供設(shè)計(jì)者調(diào)用。對于本文用到的兩個(gè)主要相關(guān)函數(shù)：顏色模式學(xué)習(xí)函數(shù)和顏色模式匹配函數(shù)。其調(diào)用路徑為：函數(shù)→視覺與運(yùn)動(dòng)→ MachineVision→ Searching and Maching.找到如下函數(shù)（如圖3所示）。

輸入?yún)?shù)（如圖4所示）。

（1）Image：指的是在檢測圖片中顏色匹配模板圖片。

（2）Learn Color Pattern Setup Data是一個(gè)字符串,其中含有從IMAQ設(shè)置學(xué)習(xí)顏色模式信息的VI。如果不連接,這個(gè)輸入VI在學(xué)習(xí)階段使用默認(rèn)參數(shù)。默認(rèn)的學(xué)習(xí)顏色和形狀為移位不變模式匹配。

（3）輸出參數(shù)：1）Template Image Out是在匹配階段中要搜索的顏色模板的引用。

參數(shù)輸入：

（1）Image指的是你想匹配的原圖。

（2）Template Image Match Color Pattern Setup Data是指在匹配階段你想要搜索的顏色模板，模板圖像是IMAQ是顏色學(xué)習(xí)VI的輸出。

（3）Number of Matches Requested是 指有效匹配數(shù)量。

（4）Minimum Match Score是有效的最小匹配分級。匹配的數(shù)據(jù)范圍在0到1000之間。

輸出參數(shù)：

（1）Matches是一族匹配陣列。

（2）Number of Matches是根據(jù)輸入設(shè)置在檢查映像中找到的模板匹配的數(shù)量。

我們利用條件接口轉(zhuǎn)換模式學(xué)習(xí)和模式匹配兩個(gè)過程，當(dāng)檢測到有鼠標(biāo)在圖像上拉框動(dòng)作是將條件接口判斷為真，函數(shù)如圖5所示。

當(dāng)沒有檢測到有鼠標(biāo)在圖像上拉框動(dòng)作是將條件接口判斷為假，從而進(jìn)行模式匹配過程，函數(shù)如圖6所示。

3　實(shí)現(xiàn)結(jié)果

如圖7所示，從結(jié)果我們可以看出攝像頭實(shí)時(shí)捕捉畫片，當(dāng)圈中一個(gè)藍(lán)色可樂易拉罐，程序會(huì)自動(dòng)找出圖中所有匹配結(jié)果并用紅色框標(biāo)出。

4　結(jié)論

通過大量實(shí)驗(yàn)測試，基于LabVIEW的圖像顏色模式識(shí)別有很高的匹配效率，其強(qiáng)大的編程效率可以讓開發(fā)人員專注于算法本身。而模式識(shí)別在工業(yè)領(lǐng)域有非常豐富的應(yīng)用，比如檢測器件狀態(tài)，快速統(tǒng)計(jì)，次品剔除等。