基于Hough變換的視覺識別方法在教學(xué)分揀機器人中的應(yīng)用研究

賈經(jīng)之 李玉強 鄒子超 周玉峰 姜鴻鵬 李皓洋

摘要：對于高校來說，教學(xué)分揀機器人能夠有效滿足有關(guān)課程的示范教學(xué)與實驗要求，因此教學(xué)分揀機器人在高校中廣泛應(yīng)用。在視覺識別過程中，機器人通過對攝像頭拍攝的照片進行圖像預(yù)處理、特征提取以及圖像匹配，從而能夠準確分揀托盤上的物品。利用Hough變換對教學(xué)分揀機器人進行分析研究，設(shè)計出一種能夠減少對電腦配置要求的視覺識別教學(xué)分揀機器人。通過對攝像頭拍攝的照片進行預(yù)處理，將圖像分別進行中值濾波，利用Hough變換獲取照片中的有效信息。這樣設(shè)計出的教學(xué)分揀機器人在滿足其原本功能的前提下，盡量簡化了所應(yīng)用的算法，使其對電腦配置的以降低以及計算速度有了進一步的提高。

關(guān)鍵詞：視覺識別;Hough變換;二值化

引言

現(xiàn)如今我國制造業(yè)飛速發(fā)展，企業(yè)在競爭中保持逐步穩(wěn)定發(fā)展前進，首先需要解決的就是人工成本、產(chǎn)品效率和質(zhì)量問題。當(dāng)今世界各行業(yè)的趨勢都是在朝著人工智能方向發(fā)展?？梢钥闯?，人工智能行業(yè)的出現(xiàn)對于提高生產(chǎn)效率、降低生產(chǎn)成本以及提高設(shè)備利用率等方面有了極大的提高。

同樣針對學(xué)校也是相同的。針對目前為止，為了降低學(xué)校設(shè)備成本，增強實用性，我們設(shè)計研發(fā)一種低成本的視覺識別教學(xué)分揀機器人。該機器人可以作為一種開方式特征的實訓(xùn)實驗平臺，可以用來完成機器人技術(shù)、圖像技術(shù)、數(shù)字信號處理等課程的實訓(xùn)實驗，使學(xué)生的綜合能力得到提高。一臺教學(xué)分揀機器人相當(dāng)于一個試驗平臺，能夠充分發(fā)設(shè)備的功能，并且在設(shè)計過程中考慮到成本問題，使之能進行大規(guī)模普及，具有良好的應(yīng)用前景。

1.教學(xué)分揀機器人的設(shè)計研究

現(xiàn)如今隨著時代的發(fā)展，人工智能領(lǐng)域也變得更加先進。為此，為更接近人類行動以及使機器人更加智能化，我們設(shè)計研究了一個通過攝像頭進行拍照，計算機進行抓取圖像特征信息，從而將物料的特征信息以及位置進行確定?；谝曈X識別文字、顏色、形狀的機器人。

機器人通過對攝像頭拍攝的圖片進行處理，才能獲取到想要的圖片。在接收到攝像頭拍攝的圖片之后，首先將圖像轉(zhuǎn)化成灰度圖，從而利用中值濾波將圖像中的噪聲等外界環(huán)境干擾進行過濾去除，采用大津法二值化處理圖像，進一步將灰度圖中的目標和背景進行劃分，從而使得機器人能夠更快更好地將物體進行識別、分揀。

2教學(xué)分揀機器人的圖像處理

2.1圖像預(yù)處理

由于攝像機拍攝出來的圖片需要被后續(xù)的視覺識別所使用，為避免圖像收到外界干擾，例如，光照，噪聲、使得獲得的圖像信息獲取不全，因此需要對圖像進行處理。

一切波形都可以由許多簡單，但頻率、振幅不同的正弦曲線疊加得到。對于圖像來說，就是將其從空間域轉(zhuǎn)到頻率域，從一維圖像轉(zhuǎn)變?yōu)槎S。攝像頭所拍攝出來的一系列圖片通過傅里葉變換便可拆解得到一系列不同的正弦曲線。通過分析處理這一系列的曲線，便可以得到所需的相應(yīng)數(shù)據(jù)。因此需要進行圖像的平滑化。

在這里采用的是中值濾波。由于中值濾波是一種非線性平滑濾波，它能在消除噪聲的同時很好的保持圖像的邊緣，便于獲取圖像的輪廓。同時中值濾波的算法比較簡單，對硬件要求相對較低。

2.2中值濾波

首先對攝像機拍攝的圖像轉(zhuǎn)化成灰度圖。之后在圖像中尋找到3*3的矩陣，其中含有九個像素點，我們將這九個像素點進行排序，最后將這個矩陣的中心點賦值為這九個像素的中值。

mid[（1&1&1@1&1&1@1&1&1）]

g=median[（x-1，y-1）+f（x，y-1）+f（x-1，y）+f（x，y）+f（x+1，y）+f（x+1，y+1）+f（x，y+1）+f（x+1，y+1） ]

2.3圖像二值化

由于照相機所拍攝的圖片收到環(huán)境影響較大，因此要將所得到的灰度圖進行二值化，進一步改善圖像的質(zhì)量，能夠使得我們獲得圖像輪廓得到的更加清晰，便于后序的識別與分揀。

為了對圖像進行高效的算法，我們采用OTSU算法進行計算。

OTSU算法的基本原理是將圖像劃分為背景和目標兩部分，通過計算得到一個最佳閾值，將圖像中的目標和背景進行對比、區(qū)分，從而確定圖像中的背景和目標。其優(yōu)點在于計算簡單，能夠減少環(huán)境對于圖像處理的影響因子，例如圖像亮度和對比度，便于我們很好的識別。

其算法編寫

假設(shè)圖像有M級灰度（0，1，2，3，4，5……M），圖像中的像素點總數(shù)為N（N=sum N（i））。我們將圖像分為兩部分。第一部分的像素總額為N_1，第二部分的像素總額為N_2。

背景像素占比w_1=N1/Sum

前景像素占比w_2=1-w_1=N_2/Sum=1-N_1/Sum

背景的平均灰度值μ_1=∑_（i=0）^t?〖i*Pr（i|C_0 ） 〗=∑_（i=0）^t?〖i*Pi/∑_（i=0）^t?Pi〗=μ（t）/w_1

前景的灰度平均值μ_2=∑_（i=t+1）^（M-1）?〖i*Pr（i|C_0 ） 〗=∑_（i=t+1）^（M-1）?〖i*Pi/∑_（i=t+1）^（M-1）?Pi〗=（μ-μ（t））/w_2

0～M灰度區(qū)間的灰度累計值μ=μ_1 〖*w〗_1+μ_2 〖*w〗_2

類間方差：g=w_1*〖（μ-μ_1）〗^2+w_2*〖（μ-μ_2）〗^2

將上式代入得：g=〖w_1*w_2*（μ_1-μ_1 ）〗^2

當(dāng)類間方差達到最大值時，便得到最佳的閾值，從而將背景和目標得到劃分，便于識別觀察。

2.4二值圖像快速細化算法

所謂圖像的細化是將圖像中的線條的像素進行一個整合，將其像素數(shù)進行減少，使圖像的數(shù)據(jù)量也得到減小，得到圖像的骨架，為我們后續(xù)的圖像識別減少了難度，便于我們獲取處理信息。

在此采用迭代算法Hilditch算法，對圖像進行接下來的處理。該算法詳細如下。

在一副圖像中的一個3x3的區(qū)域，我們將其每一個區(qū)域標記為一個像素，p1.p2.p3……p9，如下圖所示。如果區(qū)域中的任何一個像素P滿足我們?nèi)缦滤蟮牧鶄€條件，我們則可以對他進行標記。

x_4 x_3 x_2

x_5 p x_1

x_6 x_7 x_8

Hilditch細化算法的步驟為：

對圖像從左向右從上向下迭代每個像素，是為一個迭代周期，在每個迭代周期中，對于一個像素p，如果它同時滿足6個條件，則標記它。假設(shè)背景值為0，前景值為1，則：

6個條件為：

（1）p為1，即p不是背景;

（2）x_1，x_3，x_5，x_7不全部為1;

（3）x_1-x_8中，至少有2個為1（若只有1個為1，則是線段的端點。若沒有為1的，則為孤立點）;

（4）p的8聯(lián)通連結(jié)數(shù)為1，此時p為可刪去點;

（5）假設(shè)x_3被標記刪除，x_3=0，p的聯(lián)通連接數(shù)為1;

（6）假設(shè)x_5被標記刪除，x_5=0，p的聯(lián)通連接數(shù)為1。

在當(dāng)前迭代周期結(jié)束時，則把所有標記的像素的值設(shè)為背景值，如果某次迭代周期中不存在標記點（即滿足6個條件的像素），則算法結(jié)束。

2.5Hough變換

Hough其原理是將影像空間中的曲線變換到參數(shù)空間那種，通過檢測參數(shù)空間中的極值點，確定出該曲線的描述參數(shù)，從而提取影像中的規(guī)則曲線。其優(yōu)點在于在轉(zhuǎn)換過程中，其抗干擾能力強，能夠減少環(huán)境對處理分析照片的影響，尤其是噪聲影響。同時在處理圖像邊界曲線時，不論是曲線出現(xiàn)尖點還是隔斷，Hough都可以很好的進行處理。

在Hough變換過程中，它將正常的y=kx+b，轉(zhuǎn)化到極坐標系中ρ=xcosθ+ysinθ。參數(shù)空間中的每一個點都對應(yīng)著空間中的一條直線。

在Hough變換處理中，累加過程的模型表示如下。

首先，直線參數(shù)ρ_H和θ_H通過下面關(guān)系式定義：

ρ_H=x cos?〖θ_H 〗+y sin?〖θ_H 〗

接著用一個判決核來計算累加器中的判決結(jié)果，魯棒判決核如下：

接著用一個判決核來計算累加器中的判決結(jié)果，魯棒判決核如下：

K_R （ξ）={█（1-（2ξ^2）/ω^2 +ξ^4/ω^4 ，|ξ|≤ω@? ? ? ? ? ? ? ?0? ? ? ?，? ? else）}

最后累加部分由下面積分給出：

A（ρ）=∫?K（（ξ-ρ）/ω）? P（ξ）dξ

3利用機器視覺對目標進行檢測分析

在經(jīng)過一系列的處理之后，我們需要利用機器視覺對處理后的最終圖像進行檢測分析，對邊緣周長、面積、角度等各個因素進行分析計算。在進行區(qū)分不同圖形時，我們可以根據(jù)其邊緣曲線變化角度來區(qū)分各個不同的圖形，采用角度法進行分辨，比如三角形和長方形，角度具有明顯的區(qū)別。再例如長方形和正方形，不僅通過角度，還能進行分析各個邊的長度來進行輔助區(qū)分。這樣可以大大簡化計算機分析的過程，降低誤差。同時能夠更加快速合理的查找匹配圖形，更快地挑選出不同的圖形。

4.1識別系統(tǒng)程序模塊

4.2結(jié)論

數(shù)字圖像處理技術(shù)在生活中的許多方面都有了很多的應(yīng)用。本文以數(shù)字圖像處理技術(shù)為基礎(chǔ)，對教學(xué)分揀機器人所涉及到的視覺處理識別方面進行了分析研究，創(chuàng)造了自己的一套視覺識別系統(tǒng)，并在合理的分析過程中，在滿足了使用者的要求，使系統(tǒng)算法盡可能簡單，大大降低了對電腦配置的要求。該系統(tǒng)還可應(yīng)用于日常手機電腦文字識別等方面。

參考文獻：

章毓晉.圖像處理和技術(shù)分析[M].北京：清華大學(xué)出版社，1999.

吳立德.計算機視覺.上海，復(fù)旦大學(xué)出版社，1993

李偉，張長勝，馮廣，劉賀翔，劉銳.基于圖像處理的指針式表盤自動讀取系統(tǒng)設(shè)計[J].電子科技，2018，31（06）：24-26+35.