计算机视觉实验数学形态学,基于计算机视觉测量技术的图像轮廓提取方法研究...

或仅仅是分小段连续的边缘。因此,需要进行细化处理,同时要设法将断续的边缘像素连接起来,这样才能完成轮廓提取。显然,这一处理过程过于复杂,提取的轮廓精度无法保证。在某些情况下,由于噪声的影响,甚至无法提取图像的轮廓。

针对传统边缘检测方法中存在的问题,结合计算机视觉测量技术的特点,本文提出了一种实用的轮廓提取方法,即采用灰度阈值法进行图像分割,并用数学形态学方法对二值图像进行缺陷修补,通过链码跟踪存储轮廓信息,实现了具有单像素边缘的图像轮廓提取。实验表明,与经典的边缘检测方法相比,此方法具有抗干扰性强、精度高等特点,能满足工程测量的实际需要。

2　轮廓提取的原理

从物体图像中得到目标物体的外形轮廓称为轮

廓提取,它是保证测量精度的关键环节。针对计算机视觉测量中的图像通常只包含目标(工件)和背景两类区域的特点,本文采用灰度阈值法进行图像分割;利用数学形态学的非线性滤波特性,消除二值图

像中的缺陷与噪声;采用掏空内部点的方法从二值图像中提取轮廓;通过链码跟踪的方法存储轮廓信息,使轮廓的处理与测量更可靠方便。其工作过程如图1所示,首先通过图像预处理滤除图像中的噪声,然后利用阈值法分割图像得到二值图像,经缺陷修补处理后进行轮廓提取得到图像的边界点(目标的轮廓),最后通过轮廓跟踪算法将轮廓存储为链码表示的格式。

图1　基于灰度阈值的轮廓提取过程

3　关键技术

3.1　图像预处理

由光学成像系统生成的二维图像通常包含噪

声,为提高计算机的视觉功能,增强计算机的分析和识别能力,需去除原始图像中的噪声。这种突出有用信息、抑制无用信息和改善图像质量的处理技术,称为图像的预处理。

图像预处理的过程就是对输入的图像进行某些变换,从而得到清晰图像的过程。比如,对含有噪声的图像,要除去噪声,滤去干扰,提高信噪比;对于对比度小的图像要进行灰度变换等增强处理;对于己经退化的模糊图像要进行各种复原的处理;对于失真的图像要进行几何校正等变换。基于计算机视觉的测量技术中图像预处理的目的是改善图像的质量,使图像便于处理,易于测量。常采用的图像预处理方法主要有:图像平滑、图像锐化、图像边缘增强

等方法[1]

。3.2　阈值分割

计算机视觉测量中的图像一般只包含目标(工件)和背景两类区域,因此,本文采用单阈值分割方法进行图像分割。其处理过程包括两个步骤:一是确定分割阈值,二是将分割阈值与像素的灰度值进行比较。

阈值分割的基本原理是:若图像f (x ,y )的灰度区间为[Z min ,Z max ],在该区间内设定一个阈值Z t ,且Z min f t (x ,y )=

1 f (x ,y )>Z t 0 f (x ,y )≤Z t

(1)

阈值分割的目标是在尽可能多地保留原图像特征的前提下舍弃冗余信息[2]

,因此,单阈值法中最关键的问题就是如何正确地确定灰度阈值Z t ,也就是确定灰度值的突变点。本文采用迭代法确定阈值Z t ,其原理是:基于逼近的思想,根据灰度直方图的统计结果确定初始阈值,利用该阈值将图像分割为目标和背景,并把两者的灰度平均值的均值作为新的阈值,通过循环迭代直到前后两次循环得到的阈值相差非常小时循环停止,得到灰度阈值Z t 。该方法具有算法简单,易于实现等优点,其具体步骤如

下:

(1)求出图像的最大灰度值Z max 和最小灰度值

Z min ,令阈值Z t 的初始值为(Z max +Z min )Π2;

(2)根据阈值Z t 将图像分割为目标和背景,分

别求出两者的平均灰度值Z O 和Z B ;

(3)求出新阈值Z t +1=(Z O +Z B )Π2;

(4)若Z t =Z t +1,则所得即为阈值;否则令Z t =

Z t +1转步骤(2)继续进行迭代计算。

3.3　缺陷修补

9

1第28卷　第1期吴凤和:基于计算机视觉测量技术的图像轮廓提取方法研究