機(jī)器視覺圖像處理方法

陳金暉 刁亞鵬 張藍(lán)寧

摘要：圖像處理是機(jī)器視覺中的重要技術(shù)，且應(yīng)用范圍較廣，可滿足不同行業(yè)的需求。而在計(jì)算機(jī)的廣泛應(yīng)用下，機(jī)器視覺圖像處理方法發(fā)生了變化，所以本文就機(jī)器視覺圖像處理方法進(jìn)行深入探究，旨在將其效用最大限度發(fā)揮出來，更好地實(shí)現(xiàn)機(jī)器視覺。

關(guān)鍵詞：機(jī)器視覺;圖像處理;處理方法

1.圖像預(yù)處理

1.1灰度化

隨著時(shí)代的發(fā)展，照片由灰色變?yōu)榱瞬噬杉t色、綠色、藍(lán)色三種顏色組合而成。但在進(jìn)行視覺識別時(shí)，易受外界光源影響，使得物體顏色存在一定偏差。為了確保圖片識別的順利進(jìn)行，圖像特征工程將會將色彩信息去除，剩下形狀信息。倘若采用處理彩色圖像的方法，需要從三個(gè)通道入手，而進(jìn)行灰度化處理可減少計(jì)算量，提高系統(tǒng)處理速度。常見的灰度化處理方法有四種，即：最大值法、平均值法、分量法、加權(quán)平均法。最大值法簡單來說就是對圖像中的綠色、紅色、藍(lán)色的亮度進(jìn)行對比，將最大值當(dāng)做灰度值，進(jìn)行圖像的灰度化處理;平均值法簡單來說就是將紅色、綠色、藍(lán)色的亮度值相加，并利用總值除3，得到的數(shù)值設(shè)為灰度值;分量法簡單來說就是基于圖像顏色特征進(jìn)行顏色選取，將其分量的亮度值設(shè)置為灰度值;加權(quán)平均法簡單來說就是進(jìn)行權(quán)重分配，加權(quán)平均后得出的數(shù)字為灰度值。

1.2幾何變換

幾何變換又被叫做空間變換，簡單來說就是借助幾何變換進(jìn)行圖像處理，使圖像更加標(biāo)準(zhǔn)。常見的幾何變換方法有：縮放、旋轉(zhuǎn)、鏡像、轉(zhuǎn)置、平移等。比如，我們可以借助matisb中的交換矩陣進(jìn)行幾何變換。

1.3圖像增強(qiáng)

圖像增強(qiáng)可使圖像中有價(jià)值的區(qū)域突顯出來，使其與無價(jià)值區(qū)域形成明顯對比。一般情況下，圖像增強(qiáng)應(yīng)用于受采集條件限制拍攝效果不佳的圖像中，其方法有兩種，一為空域圖像增強(qiáng)，二為頻域圖像增強(qiáng)。

空域圖像增強(qiáng)簡單來說就是對圖像像素的灰度值進(jìn)行直接調(diào)整，使其灰度分布發(fā)生變化。常見的空域圖像增強(qiáng)方法為：直方圖增強(qiáng)法、中值濾波法、均值濾波法、高斯濾波法。直方圖增強(qiáng)后的圖像的灰度分布更加均勻，且其圖像反差可得到有效增強(qiáng)。均值濾波簡單來說就是將圖像空間中的原始點(diǎn)（x，y）附近有若干個(gè)灰度素，通過取其平均灰度值取代像素灰度值。中值濾波簡單來說就是將像素值及周圍的像素灰度值排序，運(yùn)用中間值取代原本的灰度值。高斯濾波簡單來說就是基于均值濾波進(jìn)行權(quán)重分配，并使其以高斯方式分布。

頻域圖像增強(qiáng)簡單來說就是借助傅立葉變換將圖像放置于頻率域中，借助濾波算子處理圖片，然后運(yùn)用傅立葉變換將處理過后的圖片轉(zhuǎn)換于空間域中，使圖像得到增強(qiáng)。一般情況下，頻域圖像增強(qiáng)包括三中，一為低通濾波，常被應(yīng)用于高頻集中的圖像中;二為高通濾波，其特點(diǎn)為：消除模糊、銳化圖像;三為同態(tài)濾波。

2.圖像分割

圖像分割簡單來說就是將圖像進(jìn)行分割，使其變?yōu)榛ゲ幌嘟坏淖訁^(qū)域。其作用為：提取圖像特征。常見的圖片分割法有三類，即：闕值分割法、邊緣分割法、區(qū)域分割法。

闕值分割法簡單來說就是在圖像中取一灰度值，并將其當(dāng)做分割標(biāo)準(zhǔn)，將圖像分為“高灰度值”“低灰度值”兩個(gè)區(qū)域。而在運(yùn)用闕值分割法進(jìn)行圖像分割時(shí)，需將闕值當(dāng)做重點(diǎn)，因?yàn)殛I值不同會使分割效果存在較大差異。確定闕值時(shí)，我們可以將迭代闕值法、大津闕值法、直方圖法等利用起來。迭代闕值法簡單來說就是根據(jù)全局闕值將初始估計(jì)值找出來，并借助初始估計(jì)值進(jìn)行圖像分割?；叶戎当瘸跏脊烙?jì)值大的區(qū)域?yàn)镼1，灰度值比初始估計(jì)值小的區(qū)域?yàn)镼2。在分好區(qū)域后，我們需要將區(qū)域內(nèi)的平均灰度值計(jì)算出來，然后將兩者相加除2，得到結(jié)果后記為P1，然后將其代替初始估計(jì)值，不斷重復(fù)上述步驟，直到兩者的差異足夠小。直方圖法具有較高的準(zhǔn)確性，但是其只可運(yùn)用于存在一個(gè)目標(biāo)、背景且差異較為明顯的圖像。通過直方圖法的應(yīng)用，我們可以快速找到波谷，并將其當(dāng)做分割依據(jù)進(jìn)行分割。大津闕值法隸屬于自動確定闕值法，其可進(jìn)行全局搜索，將各種闕值下的類間、類內(nèi)方差計(jì)算出來，并將最小的闕值當(dāng)做分割闕值。

邊緣分割法簡單來說就是根據(jù)對灰度值的一階求導(dǎo)得到原始數(shù)據(jù)灰度值梯度。進(jìn)行邊緣檢測時(shí)，我們通常會采用一階微分算子、二階微分算子進(jìn)行檢測。在得出相應(yīng)結(jié)果后，需要根據(jù)闕值進(jìn)行邊緣位置的確定。而闕值可對邊緣分割法的應(yīng)用效果造成直接影響。具體而言，倘若闕值較高，那么關(guān)鍵邊緣便可能被濾除;倘若闕值較低，那么結(jié)果就會受到圖片噪聲影響，使得我們無法在圖像中挑出相關(guān)特性。

區(qū)域分割法簡單來說就是根據(jù)從局部到整體的原則進(jìn)行圖像分割。其最大特征為：可將具有較強(qiáng)相似灰度特性的像素進(jìn)行合并，使各個(gè)區(qū)域分離開來。

結(jié)語：綜上所述，可以看出，圖像處理技術(shù)是機(jī)械視覺中的重要技術(shù)，但因其種類繁多，所以圖像處理方法并不統(tǒng)一。且隨著互聯(lián)網(wǎng)的不斷發(fā)展，圖像處理方法呈現(xiàn)出現(xiàn)代化趨勢，所以很多工作人員無法找到適合的物體圖像處理方案。因此，上述對其進(jìn)行深入探究，旨在為機(jī)械視覺的實(shí)現(xiàn)提供保障。但是，相關(guān)工作人員需注意，圖像處理方法會隨著時(shí)代的發(fā)展而變化，所以我們需要樹立終身學(xué)習(xí)的意識，不斷學(xué)習(xí)新的知識、技術(shù)，需結(jié)合實(shí)際進(jìn)行探索、實(shí)踐。如此，才可使圖像處理技術(shù)得到發(fā)展，才可真正實(shí)現(xiàn)機(jī)器視覺，才可使圖像處理方法的作用最大限度發(fā)揮出來。

參考文獻(xiàn)：

[1]王福斌， 李迎燕， 劉杰，等. 基于OpenCV的機(jī)器視覺圖像處理技術(shù)實(shí)現(xiàn)[J]. 機(jī)械與電子， 2010（6）：4.

[2]?？?， M.）， 赫拉瓦卡，等. 圖像處理，分析與機(jī)器視覺（第3版）[M]. 清華大學(xué)出版社， 2011.

[3]彭雄良， 湯磊. 機(jī)器視覺在線檢測圖像處理技術(shù)研究[J]. 電子制作， 2017（19）：3.