对万寿菊缺水状态的机器视觉技术分析.docx
《对万寿菊缺水状态的机器视觉技术分析.docx》由会员分享，可在线阅读，更多相关《对万寿菊缺水状态的机器视觉技术分析.docx（27页珍藏版）》请在冰豆网上搜索。
对万寿菊缺水状态的机器视觉技术分析
对万寿菊缺水状态的机器视觉技术分析
西南大学工程技术学院，重庆400716
摘要：
本文采用MATLAB语言进行编程,构造了一个数字图像处理与识别系统.根据现代图像处理技术的特点,结合万寿菊的正常状态和缺水状态,编写了一种分析处理万寿菊缺水状态的软件.该软件数字图像处理部分能完成图像的输入输出、图像的缩放、图像文件格式转换、图像类型转换以及边缘检测等基本功能.图像分析部分通过对万寿菊不同水分状态特征的提取,得出纹理特征可作为万寿菊缺水状态判断的依据.
关键词：
图像分析MATLAB直方图均衡化视觉设计边缘检测
AnalysisoftheMachineSenseofVisiontoMarigoldWaterShortageAppearances
ZHANGJiaqi
CollegeofEngineeringandTechnology，SouthwestUniversity，Chongqing400716，China
Abstract：
ThepaperprogramingbyMATLABconstructadigitalsystemofimageprocessingandindentfying.Basingonthecharacteristicofmodernimageprocessing,combiningmarigold,snormalandwatershortingstates,thepaperwritesasoftwareaboutanalysisingandprocessingwatershortingstatesofmarigold.Thedegit-imageprocessingpartofthesoftwarecancompletethesebasicfunction:
in-out,zoom,documentformatconversionandtypeconversionoftheimageaswellasbrimexamining.Imageanalysisingpartobtaintheveinscharacteristicbydistillingdifferentwaterstatesofmarigold,whichcanbeconsideredasthejudgmentbasisofmarigold,swatershortingstates.
KeyWords：
imageanalysis；MATLAB；histogramequalization；visiondesign；edgingdetection
文献综述
机器视觉是指用计算机来实现人的视觉功能，也就是用计算机来实现对客观世界的识别。
机器视觉是一门涉及人工智能、图像处理、模式识别等多个领域的交叉学科[1]。
它不仅是人眼的延伸，更重要的是具有人脑的一部分功能。
近年来，随着计算机技术尤其是多媒体技术和数字图像处理及分析理论的成熟，以及大规模集成电路的迅书发展，机器视觉技术得到了广泛的应用研究，取得了巨大的经济与社会效益。
1.机器视觉设计在国内外的应用现状
在国外，机器视觉的应用普及主要体现在半导体及电子行业，其中大概40%-50%都集中在半导体行业[2]。
如PCB印刷电路；各类生产印刷电路板组装技术、设备；单、双面、多层线路板，覆铜板及所需的材料及辅料；辅助设施以及耗材、油墨、药水药剂、配件；电子封装技术与设备；丝网印刷设备及丝网周边材料等。
SMT表面贴装：
SMT工艺与设备、焊接设备、测试仪器、返修设备及各种辅助工具及配件、SMT材料、贴片剂、胶粘剂、焊剂、焊料及防氧化油、焊膏、清洗剂等；再流焊机、波峰焊机及自动化生产线设备。
电子生产加工设备：
电子元件制造设备、半导体及集成电路制造设备、元器件成型设备、电子工模具。
机器视觉系统还在质量检测的各个方面已经得到了广泛的应用，并且其产品在应用中占据着举足轻重的地位。
除此之外，机器视觉还用于其他各个领域。
而在中国，以上行业本身就属于新兴的领域，再加之机器视觉产品技术的普及不够，导致以上各行业的应用几乎空白，即便是有，也只是低端方面的应用。
目前在我国随着配套基础建设的完善，技术、资金的积累，各行各业对采用图像和机器视觉技术的工业自动化、智能化需求开始广泛出现，国内有关大专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思索和大胆的尝试，逐步开始了工业现场的应用。
其主要应用于农业、印刷、矿泉水瓶盖检测等领域。
这些应用大多集中在如农作物状态检测、印刷色彩检测等。
真正高端的应用还很少，因此，以上相关行业的应用空间还比较大。
当然，其他领域如农业质检等领域也有着很好的发展空间。
2.在动物产品品质检测中的应用研究
近年来，国内机器视觉设计技术应用迅猛发展，研究范围非常广，还应用到动物产品中。
黄丽华、杨卫中等（1999）用计算机自动检测羊绒细度是用图像采集获取经显微镜放大了的羊绒图像，对图像的背景污点过滤掉，并且把不规则的羊绒图像转变成规则图像，从而测量出羊绒的直径，即细度。
文友先等（2001）应用机器视觉技术，研究出鸭蛋大小与所成像的像素面积成正比，鸭蛋蛋壳颜色与蛋心区域颜色信息有关，可用光密度值进行模糊识别。
无论是青壳蛋还是百壳蛋，其蛋心颜色等级G与H、S（色饱和度）、I等3个变量间存在着显著的现行相关关系。
另外，此技术还被应用到对牡蛎肉的尺寸监测与分级、检测牛奶的品质及肉牛的脂肪厚度等。
3.视觉设计在农业中的应用与发展
农产品或农作物种子在其生产加工过程中由于受到人为和自然等多种因素的影响，品质差异很大，故在其品质监测与分析时要有足够的应变能力来适应情况的变化。
机器视觉具有科学、实用、快速及客观等优点。
它在农产品品质检测上的应用正是满足了应变的要求。
目前，我国对利用机器视觉技术进行农产品品质自动识别的研究比较广泛[3]。
3.1尺寸与面积检测[4]：
农产品的外形尺寸是农产品分级的重要依据。
王丰元和周一鸣（1995）设计了检测种子几何特征参数的平滑处理、灰度统计及二值化处理基本算法，对玉米种子的实测验证了其实用性。
宁素俭（1995）用四邻域链码进行了图形面积测量和形状分析。
陈晓光和于海业（1995）对蔬菜进行了图像平滑处理，用拉普拉斯算子生成轮廓线。
周云山和李强等（1995）用矢量链描述了蘑菇的边界，并计算了其周长、面积和中心坐标。
应义斌、景寒松等（1998）应用机器视觉设计技术识别黄花梨的果形，提出了在黄花梨的分级过程中采用傅立叶变换与傅立叶反变换来描述果形，开发了基于人工神经网络的果形识别软件。
同时，他们用机器视觉技术对黄花梨进行外形尺寸检测，通过确定图像处理窗口，利用Sobel算子和Hilditch细化边缘，确定形心点找出代表果径。
试验检测结果表明，预测果径值与实际尺寸的相关系数可达0.96。
3.2颜色识别：
农产品的表面颜色是反映农产品品质的一个重要特征。
黄星奕等（1999）提出了用机器视觉技术代替人眼对大米胚芽进行自动识别的方法。
通过对胚芽的颜色特征和彩色图像的分析研究，首次提出以饱和度S作为特征参数进行胚芽和胚乳的识别，从而实现了对大米留胚率的自动检测，用计算机视觉系统进行胚芽识别结果与人工检测吻合率达88%以上，留胚率的自动检测结果与人工检测结果高度吻合。
张书慧、陈晓光（1999）通过建立图像数据采集与分析系统及相关的农副产品图像数据库，实现对农副产品品质（表面颜色、形状、缺陷）的准确分级。
通过对100个富士苹果进行检测，准确率达95%以上。
3.3农产品表面缺陷及损伤[5]：
农产品表面缺陷和损伤自动检测一直是农产品分级中的难题。
许俐和钱敏娟（1996）结合图像处理技术与色度学理论，研究了染色后大米的胚乳、皮层及胚芽等呈现的不同颜色特征和区分方法，提出了大米加工精度有损监测方法。
应义斌、景寒松等（1998）利用机器视觉技术检测黄花梨果面缺陷，提出利用红（R）绿（G）色彩分量在坏损与非坏损交界处的突变，再经区域增长定出整个受损面。
试验表明，该算法是精确的。
张泰岭、邓继中等（1998）提出通过区域标记技术区别梨的多处碰压伤，建立了碰伤面积测量的数学类型。
实践表明，此法可使测量相对误差控制在10%以内。
4.在农业生产领域中的应用研究
于新文、沈佐锐（2001）以棉凌虫为例，利用数字图像技术对昆虫图像的分析进行了研究，提出了简单直方图分割算法。
最佳熵阀值分割算法、模糊集合熵阀值分割算法以及最小误差阀值分割算法。
这些算法对昆虫图像的特征提取、特征测量以及自动识别有很大帮助。
杨凌（2001）以计算机视觉检测小麦生长为目的，建立计算机视觉系统以获取小麦图像。
在分析小麦特征的技术上，用小麦叶片和茎秆之间的叉点数来测量叶片，用色相表示小麦叶片的颜色，对小麦叶片的色机值进行了检测。
纪寿文、王容本等人（2001）利用计算机图像技术分析了玉米田间杂草的特征量，识别出田间杂草的位置和生长状况。
研究中采用双峰法滤除了土壤背景，根据投影面积、叶长、叶宽识别出杂草，并且根据杂草投影面积确定出杂草的密度。
试验结果表明，此方法可有效的识别出玉米苗期田间细长的单子叶杂草。
5.中国机器视觉未来发展趋势
中国的发展，带来了对机器视觉需求的提升；也决定了机器视觉将由过去单纯的采集、分析、传递数据，判断动作，逐渐朝着开放性的方向发展，这一趋势也预示着机器视觉将与农业更进一步的融合。
同时，由于机器视觉是自动化的一部分，没有自动化就不会有机器视觉，机器视觉软、硬件产品正逐渐成为协作生产制造过程中不同阶段的核心系统，无论是用户还是硬件供应商都将机器视觉产品作为生产线上信息收集的工具，这就要求机器视觉产品大量采用“标准化技术”，直观的说就是要随着自动化的开放而逐渐开放，可以根据用户的需求进行二次开发。
当今，自动化企业正在倡导软硬一体化解决方案，机器视觉的厂商在未来5-6年内也应该不单纯是只提供产品的供应商，而是逐渐向一体化解决方案的系统集成商迈进[6]。
在未来的几年内，随着中国农业等领域的发展，对于机器视觉的需求也逐渐增多；随着机器视觉产品的增多，技术的提高，国内机器视觉的应用状况将由初期的低端转向高端。
由于机器视觉的介入，国内技术将朝着更智能、更快速的方向发展。
另外，由于用户的需求是多样化的，且要求程度也不相同。
那么，个性化方案和服务在竞争中将日益重要，即用特殊定制的产品来代替标准化的产品也是机器视觉未来发展的一个取向。
机器视觉的应用也将进一步促进我国农业技术向智能化发展。
1.引言
图像处理是机器视觉设计的一部分，要求计算机对人们的视觉图片做出正确的判断。
进行图像处理的软件很多，其中有3DMAX、PS、CD、ILLUST、FLASH、MATLAB。
而本文中的所有设计都由MATLAB软件编写，MATLAB语言是由美国MathWorks公司推出的计算机软件，将过多年的逐步发展与不断完善，现在已成为国际最优秀的科学计算与数学应用软件之一。
其内容涉及矩阵代数、微积分、应用数学、有限元法、科学计算、信号与系统、神经网络、小波分析及其应用、数字图像处理、计算机图形学、电子线路、电机学、自动控制与通信技术、物理、力学和机械振动等方面。
MATLAB的特点是语法结构简单，数值计算高效，图形功能完备，特别受到已完成数据处理与图形图像生成为主要目的的科研人员的青睐。
各国的高校学生（包括硕士生与博士生）也将MATLAB作为必须掌握的基本程序设计语言。
2.图像及图像处理
2.1.图像与视觉关系
人的视觉所感受到的图像可以看作是三维光辐射场对人眼的影响。
进行分析前，都得要建立物理模型，这个模型以照射、反射现象为基础，包括辐射传播、照射、反射和吸收等方面的内容。
若图像分析的结果或其中间过程需要人的干预或理解时，则还需要对人眼的视觉机理以及人眼的构造进行研究。
实际上，图像处理的全过程都需人去观看，例如摄入图像、传入计算机以及中间各环节都要人——机交互式处理，即使是中间环节不需观看的情况，如可见光谱以外的红外图像，其最终结果常需用可见光再现其图像以便观察。
只有对人眼的构造、视觉的物理建模、光谱分布和光的度量等进行研究，才能对图像进行科学的分析及深层次的理解[7]。
人的视觉系统对于图形、图像具有高度的识别能力。
在相同条件和时间内，与其他感觉形式相比，视觉图像信息给人的信息量特别大，即视觉要比其他感觉所感受到的信息多得多。
在信息量成爆炸性增长的信息时代，信息量显得尤为重要。
随着社会的进步和经济的发展，人类对信息的传递、交换、存储和处理提出了越来越高的要求。
尤其是近年来，“信息高速公路”正在全球飞速发展，图像通信占有特别重要的地位。
在语音、数据、图像三种主要的通信方式中，图像通信起着主要作用。
这是与人们获取信息方式相适应的。
听觉获取的是时间信息，视觉获取的是时空信息。
在相同条件下，常规的视频图像的数据量比语音的数据量大600-2500倍。
视觉信息是人类从外界获取信息的主要方式，视觉所观察到的现象比其他感宫要丰富得多，更适合人类活动的需要。
2.2.图像处理
图像处理是针对性很强的技术，根据不同应用、不同要求，需要采用不同的处理方法。
采用的方法是综合各学科较先进的成果而成的，如数学、物理学、心理学、生理学、医学、计算机科学、通信理论、信号分析学、控制论和系统工程等。
各学科互相补充、互相渗透使得数字图像处理技术飞速发展。
计算机图像处理的主要问题是算法原理和专用硬件，它们都反映了上述技术的综合性。
计算机图像处理主要采用两大类方法:
一类是空域中的处理，即在图像空间中对图像进行各种处理:
另一类是把空间与图像经过变换，变到频率域，在频率域中进行各种处理，然后再变回到图像的空间域，形成处理后的图像。
图像处理是“信息处理”的一个方面，这一观点现在己经为人所熟知。
它可以近一步细分为多个研究方向:
图片处理、图像处理、模式识别、景物分析、图像理解、光学处理等等。
当然还有其他的种种连接，但它们之间或多或少是交叉重叠在一起的。
人们试图依照某种统一和明确的准则对这些方向和领域进行规划分类。
Cohen和Feigenbaum把图像处理简单地分为“信号处理”、“分类”和“理解”[8]。
人们要对图像进行分析，首先应建立人眼的视觉模型，即建立一个符合客观实际的视觉模型是计算机图像分析的基础。
同样，图像系统中的各种接收器中的视觉传感器也需要建立模型，它不但便于分析，而且是构成计算机理解图像的基础。
通常一幅客观景物在人的视觉和机器视觉中形成为连续变化的图像。
进入数字化的计算机必须把这种连续变化的图像信号变换为计算机能接受的离散电信号，即通常讲的数字化图像，以便于计算机处理。
应该指出，计算机处理后，一般仍需要人去观看，所以评价一幅图像从连续模拟信号形式转换为数字化图像形式的转换技术的优劣，就是评价这种转换是否有不失真的可逆转换性。
换句话说，把数字图像形式再转换回连续模拟信号形式时必须不失真。
这种逆转换称为重建，重建技术是研究如何用尽可能小的失真恢复原模拟图像的方法。
数字化图像应能正确重建原图像，这是图像处理的最基本的要求。
2.2.1模拟图像处理[9]
图像处理中，图像的来源可看作是在空间光辐射能量连续分布的图像源。
连续的图像经传感器采集和数字化才能进入计算机，因此首先要对连续图像进行讨论。
最早曾进行并广泛应用的图像处理是光学图像处理，它是连续图像处理的典型代表，所以计算机图像处理中许多名词仍延用光学图像处理中已广泛应用的名词。
如密度率就是的亮度分辨率，也称灰度分辨率，又如光学图像处理中应用并发展了线性系统理论，计算机图像处理也是以三维空间域线性系统为基础，只不过计算机图像处理更灵活更精确，并且可采用许多高级技术如二维随机过程分析和谱分析等。
人类最早的图像处理是光学的处理，如放大、缩小、显微等，这些都是模拟图像处理。
这种处理本质上属于并行处理，最明显的特点是处理速度快。
光学处理过程采用光学器件如镜头、棱镜等，存在不灵活性，而且一个光学器件从设计到加工成成品需要很长时间，加工精度也难以保证。
但许多军用、宇航的处理仍采用光学模拟处理。
特别是近年来光学处理技术的发展，大大增强了模拟图像处理的实用性。
例如光学的频域处理（即傅立叶变换光学）系统既简单又实用。
虽然计算机图像处理己经占领图像处理的大部分领域，但光学图像处理由于本质上具有速度快和结构简单等优点，仍然大量被使用并迅速发展着。
但其处理精度差、灵活性差。
现在的光电混合处理方案受到极大重视，在系统上是光学处理而成，平面的滤波图案可由计算机控制，这种集光学、数字两种处理方法的新型系统正在发展中。
2.2.2数字图像处理[9]
数字图像是把需要处理的模拟图像数字化。
简单地讲是用一个网格把待处理的图像覆盖，然后把每一个方格中的模拟图像的各个亮度取平均值，作为该小方格中点的值;或者把方格的交叉点处的模拟图像的亮度值作为该方格点上的值。
这样，一幅模拟图像变化成只用小方格中的点的值来代表的离散值图像，或者只用方格交叉点的值表示的离散值图像。
这个网格称为抽样网格，其意义是以网格为基础，采用某种形式抽取模拟图像的代表点的值，即抽样。
抽样后形成的图像称为数字图像。
数字图像中有以下几个要领:
（1）空间分辨率
空间分辨率是指网格在水平方向和垂直方向上分为多少格，通常空间分辨率用水平方向M格、垂直方向N格表示，记为M×N[2]。
在计算机图像处理中用二进制即M和N都用2
幂来表示。
每一个离散像点称为像元或像素。
（2）密度分辨率
方格对模拟图像抽样的值是连续的，在计算机中舍入到符合2n幂的值。
n可大可小，n小亮度层次变化少，n大亮度层次变化多。
一幅图像亮度层次变化多，则图像看起来越柔和越逼真，这个亮度层次的多少称为密度分辨率，是由光学图像处理中的名称延续下来的。
在计算机中其指标用2n来表示。
例如n为2时，密度分辨率称为四级。
为8时密度分辨率称为256级。
密度分辨率在电视中常称为灰度级。
（3）空间频率
为把时间变量改为空间变量，即成为表示在空间距离上有周期性变化的信号。
当周期固定时，基周期的倒数就表示为空间频率。
在图像中这个周期性变量表示图像明暗变化的快慢，如图所示，水平方向三幅图都有明暗的变化。
右图空间频率高，左图空间频率低。
空间频率高的图像主要表征图像的细微变化或细节内容:
空间频率你的图像中大的物体轮廓或变化趋势。
这个概念是图像处理技术中的频域处理的基础。
从模拟图像形成数字图像的过程可看出，一幅图像的空间分辨率越高，密度分辨越高，则图像的质量越好越逼真。
但在计算机图像处理中这两项指标越高，则占用的存储空间越多，或称占用更多的内存量。
一般可接受的，类似于高档电视图像的质量，密度分辨率为2，即256级灰度，空间分辨率M
N为512
512，这样的数字图像占内存为512
512
8bit，相当于256kb。
在某些医学应用中N和M都在1024以上，密度分辨率为211，212，占用内存就更多了。
由于图像数据量大，在数字图像处理中需要更长运算时间，在图像传输中将占有更宽的频带。
但由于常见的像素之间的灰度相关性较大因而可以利用相关性、主观性使数据量减少，使处理简化。
使数据量减少而不丢失有用的信息称为图像的数据压缩。
对于连续图像，即空间分布和亮度取值均连续分布的图像，计算机无法接收和处理。
图像数字化就是将连续图像离散化，其工作包括两个方面:
采样和量化。
所谓采样，就是把一幅连续图像在空间上分割成M
N个网格，每个网格用一亮度值来表示。
由于结果是一个样点值阵列，故又叫点阵采样。
采样把连续图像变为离散的点状图像，这是图像进入计算机进行处理的重要步骤。
采样使连续图像在空间上离散化，但采样点上图像的亮度值还是某个幅度区间内的连续分布。
根据采样定义，每个网格上只能用一个确定的亮度值表示。
把采样点上对应的亮度连续变化区间转换为单个特定数码的过程，称之为量化产即样点亮度的离散化。
连续图像经过采样、分层、量化、编码等步骤变成数字图像才能进入计算机进行处理。
图像首先在印刷行业中采用，如报纸的钢版印刷图像和书籍中的照片。
它们的离散点很小，一般需放大镜才能分辨其点状结构，因此不存在重建问题，因为人眼不能分辨这样细的颗粒，所以经人的视觉重建必然成为模拟图像，这是一种图像重建的模型。
目前在计算机图像处理中所分的离散点远不如印刷钢版那样细，这种离散的图像对人的感觉来讲仍是颗粒状的。
如何使离散图像在人感觉中与模拟图像相同，需采取相应的处理技术，这就是从离散图像重建模拟图像的技术，简称为图像重建。
模拟图像若在X方向采M个点，Y方向采N个点，就可得到M
N个点的数字化图像的形式。
采样是图像进入计算机的第一个处理过程。
二维图像用二维冲击函数来采样、采样函数是沿X方向间隔为
x，沿y方向间隔为
y的函数阵列，形成以
x，
y为间距的矩阵形采样网格。
采样后的图像只是在空间上被离散化，成为样本的阵列，每个取样样本称为像素，用ple来表示。
但是由于原f（x，y）是连续图像，因此每个ple是可能取值为无穷多个值的量。
为了进行计算机处理，必须把无穷多个离散值约简为有限个离散值，即量化，这样才便于赋予每一个离散值互异的编码以进入计算机。
为了方便计算机进行数据处理，有限个离散值的个数常用2n来表示，这个过程是把每一个离散样本的连续灰度值只分成有限多的层次，称分层量化。
把原图像灰度层次从最暗至最亮均匀分为有限个层次称均匀量化，如果采用不均匀分层就称为非均匀量化。
用有限个离散灰度值表示无穷多个连续灰度的量必然引起误差，称为量化误差，有时也称为量化噪声。
量化分层越多，则量化误差越小;而分层越多则编码进入计算机所需比特数越多，相应地影响运算速度及处理过程。
另外量化分层的约束来自图像源的噪声，即最小的量化分层应远大于噪声，否则太细的分层将被噪声所淹没而无法体现分层的效果。
也就是说噪声大的图像，分层太细是没有意义的;反之要求很细分层的图像才强调极小的噪声。
如某些医用图像系统把减少噪声作为主要设计指标，是因为其分层数要求2000层以上，而一般电视图像的分层用200多层已级满足要求。
计算机图像处理和计算机、多媒体、智能机器人、专家系统等技术的发展密切相关。
近年来计算机识别、理解图像的技术发展很快，图像处理除了直接供人观看外，还发展了与计算机视觉有关的应用，包括邮件自动分拣、车辆自动驾驶等。
本文仅以万寿菊为例进行分析，实际应用远远超出以下的内容。
3.万寿菊图像预处理
3.1引言
图像特征信息提取之前要根据提取的特征信息情况对原始图像进行预处理，以突出要提取的特征。
图像的预处理包括图像的输入、输出、图像文件格式转换、图像类型转换、图像增强，图像分析等方面。
3.2图像的输入和输出
MATLAB为用户提供了专门的函数以从图像格式的文件中读写图像数据。
这种方法不像其他编程语言一样，需要编写复杂的代码，只需要简单的调用MATLAB提供的函数即可。
MATLAB支持的图像文件格式有*.cur、*.bmp、*.ico、*.jpg、*.pcx、*.png、*.tif、*.xwd和*.jpg[10]。
用于图像文件读入的函数是imread。
语法:
A=imread（filename.fnt）如果读入的真色彩图像，A为一个m
n
3的图像数据阵列。
读取一幅正常状态的万寿菊图像:
RGB=imread（’12.jpg’）;
读取一幅缺水状态的万寿菊图像:
RGB=imread（’06.jpg’）;
用于图像文件输出的函数是imwrite
语法:
imwrite（RGB，’filename.jpg’）
把处理后的万寿菊图像保存:
imwrite（RGB，'w12.jpg'）%以文件名w12保存一
升级会员 