基于機(jī)器視覺的試管液位檢測(cè)方法研究

董軍

（200434 上海市 上海理工大學(xué)）

0 引言

液位檢測(cè)技術(shù)在生物醫(yī)學(xué)、食品飲料、日化用品、石油探采方面承擔(dān)著重要的角色，為了保障產(chǎn)品質(zhì)量和生產(chǎn)安全，生產(chǎn)過程中直接由人工監(jiān)控和干預(yù)的時(shí)代已經(jīng)遠(yuǎn)去，傳統(tǒng)的液位測(cè)量技術(shù)已經(jīng)不能滿足現(xiàn)階段的試劑快速檢測(cè)的要求。

目前液位檢測(cè)方法主要有直接測(cè)量與間接測(cè)量，由于測(cè)量環(huán)境的復(fù)雜多變，在工業(yè)實(shí)踐中大多采用間接測(cè)量方法，也就是將液位信號(hào)轉(zhuǎn)化成其他相關(guān)信號(hào)進(jìn)行測(cè)量，比如壓力信號(hào)測(cè)量、電學(xué)信號(hào)測(cè)量以及圖像法測(cè)量。將圖像法運(yùn)用于試管試劑檢測(cè)之中，可以獲得較好的實(shí)時(shí)性及較高的精度，可以節(jié)約實(shí)驗(yàn)人員的操作時(shí)間，同時(shí)避免取出測(cè)量操作時(shí)產(chǎn)生的實(shí)驗(yàn)誤差。

2007 年，任明武[1]等通過將標(biāo)尺插入河水中拍攝刻度圖像來檢測(cè)河流水位來解決水汛期堤壩防守看護(hù)的問題。其后，黃玲[2]等通過光學(xué)的原理，利用透明瓶子的光路折射在標(biāo)尺上形成扭曲，得出瓶中液體的液位高度；姚坤[3]等通過閾值分割的方法將透明塑料瓶中的無色液體變得光亮，得出液體輪廓，從而算出液位高度。目前，對(duì)基于機(jī)器視覺的液位檢測(cè)方法的研究有了豐富的發(fā)展，2019 年華南理工大學(xué)的李博文[4]從取水杯上方拍攝水杯，利用Hough 圓變換的原理，檢測(cè)水杯內(nèi)液位高度，研究出了取水杯智能水位檢測(cè)系統(tǒng)。本文將數(shù)學(xué)形態(tài)學(xué)與LoG 邊緣檢測(cè)算法相結(jié)合，有效地去除了由于光照在玻璃試管上形成的光斑等噪聲，有助于角點(diǎn)檢測(cè)算法提取關(guān)鍵點(diǎn)用以計(jì)算液面高度。并通過實(shí)驗(yàn)對(duì)該算法進(jìn)行了有效性測(cè)試。

1 實(shí)驗(yàn)系統(tǒng)原理

實(shí)驗(yàn)中搭建的檢測(cè)系統(tǒng)硬件包括CCD 工業(yè)相機(jī)、LED 光源和用于圖像處理的計(jì)算機(jī)，以及固定試管的試管夾裝置。如圖1 所示。

圖1 實(shí)驗(yàn)系統(tǒng)硬件結(jié)構(gòu)圖Fig.1 Experimental hardware structure diagram

2 圖像處理

2.1 ROI 區(qū)域選取

實(shí)驗(yàn)中，由于試管架及CCD 工業(yè)相機(jī)位置固定，為了簡(jiǎn)化工作過程，從采集的初步圖像中選取一片區(qū)域，這個(gè)圖像區(qū)域包括所要研究的所有信息，圈定該區(qū)域以便進(jìn)一步處理。使用Rect函數(shù)構(gòu)造一片矩形區(qū)域，讀取試管液面信息，去除不必要的干擾因素，減少處理時(shí)間，增加精度，簡(jiǎn)化后續(xù)工作。

2.2 RGB 圖像轉(zhuǎn)換

攝像機(jī)采集的原始試劑圖片是彩色圖像，但是彩色圖像包含的數(shù)據(jù)與信息量比較大，不方便下一步計(jì)算分析，而本實(shí)驗(yàn)中，灰度圖像可以充分表現(xiàn)實(shí)驗(yàn)所需要的特征，因此本文圖像處理的第1 步就是將RGB 圖像灰度化。

目前灰度化的方法主要有3 種，分別是最大值法、分量法以及加權(quán)平均法。最大值法是選取RGB 三個(gè)分量中最大的分量作為灰度圖的灰度值；分量法就是隨機(jī)選取某一個(gè)分量作為灰度值；加權(quán)平均法就是將3 個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)平均得到灰度值。前2 種方法都是選取其中一個(gè)分量，就會(huì)丟失其他2 個(gè)分量的信息，因此本文中選取的是加權(quán)平均法，其公式如下：

式中：R，G，B——圖像紅、綠、藍(lán)3 個(gè)方向的顏色像素大小。

如圖2 所示，進(jìn)行灰度化處理后的圖像變得灰暗，試管輪廓邊緣變得更加明顯。

圖2 灰度化處理Fig.2 Graying processing result

2.3 數(shù)學(xué)形態(tài)學(xué)

廣義上的形態(tài)學(xué)是生物學(xué)的一類，研究?jī)?nèi)容主要包括動(dòng)植物的形態(tài)和結(jié)構(gòu)。而我們?cè)趫D像處理中的形態(tài)學(xué)往往指的是數(shù)字形態(tài)學(xué)。數(shù)字形態(tài)學(xué)是基于形狀的一系列操作，膨脹與腐蝕就是最基本的形態(tài)學(xué)操作。在本實(shí)驗(yàn)中，由于光照的影響，會(huì)在試管上留下光斑，影響關(guān)鍵信息的提取與計(jì)算[5]，因此我們采用形態(tài)學(xué)操作來消除噪聲，求出圖像梯度。

2.3.1 膨脹

在圖像處理中，膨脹就是求得區(qū)域最大值的操作，從數(shù)學(xué)方法上講，就是將圖像某一區(qū)域的像素值矩陣與設(shè)立的掩碼做卷積，使圖像向外擴(kuò)張，達(dá)到消除噪聲與區(qū)域連接的目的。其表達(dá)式如下：

2.3.2 腐蝕

腐蝕就是與膨脹相反的操作。求取區(qū)域的最小值賦值給該區(qū)域的像素值，以減小圖像里的高亮區(qū)域，消除其中的獨(dú)立點(diǎn)數(shù)，使得圖像向內(nèi)收縮。其表達(dá)式如下：

2.3.3 開運(yùn)算

在本文的實(shí)驗(yàn)中，為了使得液位輪廓變得更加光滑，消除試管上的光斑噪聲點(diǎn)，我們結(jié)合膨脹以及腐蝕兩種基本操作，來實(shí)現(xiàn)更高級(jí)的形態(tài)學(xué)變化——開運(yùn)算，其表達(dá)式如下:

式中：B——設(shè)置的掩碼，用其對(duì)圖像區(qū)域A 做開運(yùn)算。

式（4）代表先用B 對(duì)A 腐蝕后膨脹。

圖像分別經(jīng)過膨脹、腐蝕、開運(yùn)算之后，得到圖3 所示的圖像。在經(jīng)由開運(yùn)算形態(tài)學(xué)操作之后，試管上的光斑得到明顯優(yōu)化，邊緣學(xué)習(xí)更加突出。因此，本算法采用開運(yùn)算操作。

圖3 形態(tài)學(xué)操作結(jié)果Fig.3 Morphological operation results

2.4 圖像增強(qiáng)

圖像增強(qiáng)是圖像處理的重要組成部分。由于大部分試管都是玻璃制品，因此在運(yùn)用視覺檢測(cè)時(shí)，常常產(chǎn)生局部光斑，而導(dǎo)致需要檢測(cè)的液位邊緣信息的丟失、模糊等情況，為了減少對(duì)后續(xù)處理的干擾，通過對(duì)拍攝的圖像進(jìn)行增強(qiáng)操作。

Retinex 是一種建立在科學(xué)實(shí)驗(yàn)和科學(xué)分析基礎(chǔ)上的圖像增強(qiáng)算法，其認(rèn)為物體的顏色是由物體對(duì)不同光線的反射能力決定的，而不是由于外界光強(qiáng)的絕對(duì)值決定的。Retinex 算法經(jīng)歷不斷的發(fā)展，從單尺度、多尺度再到目前的彩色恢復(fù)多尺度，其具有增強(qiáng)色彩、高保真度以及顏色恒定等優(yōu)點(diǎn)。表達(dá)式如下：

式中：K——高斯中心環(huán)繞函數(shù)的個(gè)數(shù)；S（x，y）——原始圖像；Fk（x，y）——中心環(huán)繞函數(shù)；r（x，y）——輸出圖像；*——卷積符號(hào)。

對(duì)圖像進(jìn)行增強(qiáng)之后得到圖4 所示的效果圖，從圖4 可以明顯看出，試管輪廓以及液面位置得到了明顯的加強(qiáng)，大大減弱了因?yàn)椴ＡХ垂舛斐傻脑肼曔^多、干擾信息復(fù)雜的不利影響，其中圖4（c）、圖4（d）分別表示經(jīng)過處理后的灰度直方圖，其中可以看出，通過Retinex 算法改善了區(qū)域間灰度分布不均的現(xiàn)象，增加了灰度差異，強(qiáng)化了邊緣信息。

3 邊緣檢測(cè)算法

圖像邊緣是指圖像中像素變換突出的區(qū)域，其主要存在于提取目標(biāo)與背景、區(qū)域與區(qū)域、目標(biāo)與背景之間，是圖像分割、紋理特征提取的關(guān)鍵步驟，因此對(duì)于圖像中物體的邊緣檢測(cè)算法也是目前圖像處理算法研究的一門重要學(xué)科[6]。

圖4 圖像增強(qiáng)結(jié)果Fig.4 Image enhancement result

目前邊緣檢測(cè)的算法主要基于圖像強(qiáng)度的一階和二階導(dǎo)數(shù)，主要方法有Canny 算子、Sobel算子、Laplacian 算子以及Scharr 濾波器。

3.1 Laplacian 算子

傳統(tǒng)的Laplacian 算子數(shù)學(xué)表述如下：

其中f（x，y）在x，y 方向上的2 階微分離散表示形式是

用j-1 替換j 可得：

同理

3.2 LoG 邊緣檢測(cè)算法

二階算子具有旋轉(zhuǎn)不變性的優(yōu)點(diǎn)，因此對(duì)邊緣輪廓十分敏感。本次實(shí)驗(yàn)中，采用的是LoG（Laplacian-of-Gaussian）邊緣檢測(cè)算法。包含了以下步驟：

（1）濾波：由于導(dǎo)數(shù)通常對(duì)噪聲非常敏感，因此必須采用高斯濾波來改善與噪聲有關(guān)的邊緣檢測(cè)器的性能。

（2）增強(qiáng)：增強(qiáng)算法可以將圖像灰度點(diǎn)附近區(qū)域像素值有顯著變化的點(diǎn)顯示出來。在程序中，可以利用計(jì)算梯度幅值的變化強(qiáng)弱來確定。具體步驟如下：

其中，

（3）檢測(cè)：為了判斷第（2）步中選出的像素點(diǎn)是否是需要尋找的邊緣輪廓，該方法利用判斷其是否是2 階微分的零交叉點(diǎn)來檢測(cè)。

本實(shí)驗(yàn)采用4 種邊緣檢測(cè)算法分別對(duì)圖像進(jìn)行操作處理，對(duì)這4 種算法的檢測(cè)結(jié)果如圖5 所示。可以明顯看出LoG 邊緣檢測(cè)算法對(duì)圖像的去噪能力強(qiáng)，保真程度高，邊緣銳化明顯。

由表1 所示，通過運(yùn)行時(shí)間、噪聲去除效果以及細(xì)節(jié)保真程度三個(gè)方面對(duì)4 種邊緣檢測(cè)算法進(jìn)行比較，結(jié)果可以明顯看出LoG 檢測(cè)算法可以有效地得出試管與液位的輪廓，并排除圖像中的干擾因素，考慮到時(shí)效性與準(zhǔn)確性，選擇LoG 算法作為本文的邊緣檢測(cè)算法。

表1 邊緣檢測(cè)算法對(duì)比Tab.3 Edge detection algorithm comparison

5 液面高度檢測(cè)算法

上文算法對(duì)液面位置的精準(zhǔn)檢測(cè)，可以利用角點(diǎn)檢測(cè)算法來定位關(guān)鍵點(diǎn)，然后得出液面高度。本文中采用的是Harris 角點(diǎn)檢測(cè)算法，是直接基于灰度圖像的角點(diǎn)提取算法，穩(wěn)定性高，尤其對(duì)L 型角點(diǎn)檢測(cè)精度高[7]。Harris 角點(diǎn)檢測(cè)算法結(jié)果如圖6 所示。

圖6 角點(diǎn)檢測(cè)結(jié)果Fig.6 Corner detection result

上述的算法檢測(cè)到了液面位置與試管處的角點(diǎn)以及試管瓶底處的拐點(diǎn)，由于實(shí)驗(yàn)CCD 相機(jī)與目標(biāo)的試管位置固定，因此在得出那個(gè)關(guān)鍵點(diǎn)的像素坐標(biāo)之后，便可以通過計(jì)算得出實(shí)際液位高度。本實(shí)驗(yàn)選用的型號(hào)是BFLY-PGE-50H5MCS 型工業(yè)相機(jī)、LM12HC 鏡頭，該設(shè)備可以采集的最大圖像分辨率為2 448×2 448 pixels，設(shè)定的測(cè)量距離為300 mm，因此該檢測(cè)系統(tǒng)的測(cè)量換算為0.08 mm/pixel。

利用檢測(cè)算法得出關(guān)鍵點(diǎn)P1（x1，y1），P2（x2，y2）和P3（x3，y3），利用排除算法，選取y 方向上跨度大、x 方向差值小的兩個(gè)點(diǎn)，因此排除了P3，選擇了P1與P2兩個(gè)點(diǎn)。液位高度計(jì)算如式（13）所示：

5 結(jié)語(yǔ)

通過數(shù)學(xué)形態(tài)學(xué)處理過后，結(jié)合LoG 邊緣檢測(cè)算法可以有效地去除環(huán)境噪聲，提高檢測(cè)精度，更加準(zhǔn)確有效地找到關(guān)鍵點(diǎn)，達(dá)到了期望的效果?？梢詭椭鉀Q實(shí)驗(yàn)室內(nèi)試劑檢測(cè)麻煩困難的窘境，提高科研人員的研發(fā)效率，具有很高的市場(chǎng)價(jià)值與前景。

當(dāng)然本文算法也有一定的不足，在后面的角點(diǎn)檢測(cè)算法中，有角點(diǎn)檢測(cè)存在誤差以及運(yùn)算速度相對(duì)較慢的缺點(diǎn)，對(duì)試管內(nèi)有色試劑時(shí)的檢測(cè)效果也是接下來需要研究的問題。