毕业设计-基于机器视觉的电线颜色识别系统软件- ＯｐｅｎＣＶ

本文链接：https://blog.csdn.net/qq_37340229/article/details/128536733

前言

📅大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学做准备,一边要为毕业设计耗费大量精力。近几年各个学校要求的毕设项目越来越难,有不少课题是研究生级别难度的,对本科同学来说是充满挑战。为帮助大家顺利通过和节省时间与精力投入到更重要的就业和考试中去,学长分享优质的选题经验和毕设项目与技术思路。

🚀对毕设有任何疑问都可以问学长哦!

选题指导: https://blog.csdn.net/qq_37340229/article/details/128243277

大家好,这里是海浪学长毕设专题,本次分享的课题是

🎯毕业设计-基于机器视觉的电线颜色识别系统软件- ＯｐｅｎＣＶ

课题背景和意义

当今经济发展迅速，人们的生活水平也不断地提高，随着用电设备增多，电线需求量也增大，因此电线制造业迅速发展起来。在制造三相电源线时，需要检测电线的颜色，根据电线颜色判断火线、零线、地线是否均具备，然后按规定封装成１条电源线，人工判断电线颜色需要耗费很多时间，生产效率低且容易出错。目前，研究颜色识别的方法理论有很多，不过每种方法都有其适用范围与局限性，现总结主要问题如下：１）能否根据现有技术精确地检测出目标物体的轮廓；２）相机的视角倾斜导致视角弯曲，可能使图像不同位置的像素点对应实际的空间大小不同。因此，有必要研究出一种可以快速识别电线颜色的方法，能够更方便地识别出电线的颜色，有效节约时间，为使用带来便利。通过背景差分法定位电线区域并截取出电线图像，对截取出来的电线图像进行特征提取，主要对颜色直方图和颜色矩这２个特征进行提取，将提取到的颜色直方图和颜色矩的特征数据结合，建立基于ＢＰ神经网络的电线颜色识别模型，最后用ＢＰ神经网络对电线颜色进行分类，输出电线颜色识别的实验。表明基于ＯｐｅｎＣＶ的电线颜色识别方法具有一定可靠性，且识别速度快、准确率高。

实现技术思路

一、图像预处理

视觉系统中，一般情况下拍摄的原始图像由于某些随机干扰和条件限制，不能直接使用，因此，需要对原始图像进行去噪、滤波、二值化等预处理，然后再对图像进行视觉信息处理。

图像去噪

图像去噪，即在对图像进行处理中，减少数字图像中噪声的过程。图像含噪的原因，可以追踪到图像在传输过程中受成像设备影响或者外部环境的噪声干扰影响。去除图像噪声的方法包括均值滤波器、中值滤波器等。

１）均值滤波：主要采用领域平均法的一种线性滤波。假设当前处理像素点的坐标为（ｘ，ｙ），把（ｘ，ｙ）和其附近的部分像素点当做一个整体，求这个整体中所有像素点的平均值，并用这个平均值来代替（ｘ，ｙ）。

２）中值滤波：计算出图像中当前处理点周围各点值的中值，用这个中值来代替当前处理点的值的方法。其数学表达式如下：

式中，Ｆ（ｘ，ｙ）为灰度值；Ｗ为周围区域；Ｍｅｄ（ｘ，ｙ）为周围点灰度值的中值。对电线图像进行中值滤波的效果如图：

通过对比滤波前后的图像，可以明显的看到经过中值滤波后的图像不仅能够更完整地保留原始细节信息，而且达到了图像去噪的目的。

二值化处理

图像二值化，即改变图像上像素点的灰度值，使图像上只出现黑白２种颜色效果的方法。通过对所有样本图像进行测试，发现背景差分后进行二值化不仅能够准确地分割出所有图像的电线区域的图像，且不会对其他区域进行误分割。

二、电线图像分割算法研究

背景差分法

背景差分法即将含有目标物体的图像与参考的背景图像做减法，从而得到只有目标物体的图像。设Ｎ（ｉ，ｊ）为当前帧图像，Ｂ（ｉ，ｊ）为背景图像，则差分图像Ｒ（ｉ，ｊ），算法为：

先在ＲＧＢ颜色空间对前景、背景图像分Ｒ、Ｇ、Ｂ３个通道分别进行背景差分，差分效果很不明显，实验效果如图所示。

为了减少光线等其他干扰因素，将前景、背景图像转化到ＨＳＶ颜色空间，分别分为Ｈ、Ｓ、Ｖ３个通道进行背景差分，差分效果如下图所示。

边缘提取

提取图像中目标物体的轮廓的方法称为边缘提取。边缘提取只留下目标物体的框架结构，减少图像中的数据量，从而使图像的处理工作变得简便。不过边缘处理有时也会出错误，比如丢失一些边缘线段，然后出现一些非目标物体的边缘。

边缘提取的经典算法之一为Ｃａｎｎｙ算子边缘检测，Ｃａｎｎｙ算子边缘检测基于１个多阶边缘算子，对图像进行边缘提取前需将图像灰度化，然后再进行高斯滤波。所选

的高斯函数为：

式中：σ为高斯曲线标准差，控制着平滑程度。用边缘提取技术提取到的电线边缘图像如图所示。

基于阈值的分割法

基于阈值的分割法的基本思想是在图像的灰度图上设置１个特定的阈值，并使用该阈值与图像中的每一个像素值做比较，比较公式如式所示：

使用ＯｐｅｎＣＶ的二值化函数对电线图像进行处理，在不同阈值下得到了不同的效果。采用阈值１２８，最大值为２５５，对电线图像进行二值化处理的效果如图：

通过改变阈值大小，观察二值化的效果，当阈值为１５０时，二值化处理效果如图：

当阈值为１００时，二值化处理的效果如图所示。

由于研究对象即电线的色彩分布均匀，为了提高效率，选择分割出电线的部分感兴趣区域用于电线的颜色识别。通过以上测试选择了１个适当的阈值（Ｔ＝１２８）对感兴趣区域（ｒｅｇｉｏｎｏｆｉｎｔｅｒｅｓｔ，ＲＯＩ）进行二值化处理，得到如图所示的结果：

三、电线颜色特征提取方法的研究

研究对象为彩色电线，通过对不同颜色空间下的电线进行研究，提取出电线的颜色特征。

颜色空间

颜色空间又名彩色空间，在对物体进行颜色识别时，选择合适的颜色空间很重要。常用的颜色空间模型有ＲＧＢ、ＹＵＶ、ＨＳＶ、ＣＭＹ和ＨＳＩ等，其中最基本而且最常见的颜色空间为ＲＧＢ颜色空间。该文主要使用ＲＧＢ和ＨＳＶ２个颜色空间模型来研究电线的颜色识别。ＲＧＢ分别代表光谱的三原色，即红、绿、蓝，ＲＧＢ颜色空间不仅易于映入其他颜色空间中，而且可以与它们相互转换，易受光线影响、不直观性、且３个颜色分量相互关联是ＲＧＢ颜色空间的缺点所在。