机器视觉测量技术3图像分析_精品文档.ppt

机器视觉测量技术3图像分析_精品文档.ppt

《机器视觉测量技术3图像分析_精品文档.ppt》由会员分享，可在线阅读，更多相关《机器视觉测量技术3图像分析_精品文档.ppt（36页珍藏版）》请在冰豆网上搜索。

11/1/2022机器视觉机器视觉测量技术测量技术第三章图像分析11/1/2022机器视觉机器视觉测量技术测量技术3.1二值图象二值图象

（1）二值图象二值图象（binaryimage）与灰度图象或亮度图与灰度图象或亮度图象象.11/1/2022机器视觉机器视觉测量技术测量技术

（2）二值图象的特点二值图象的特点a.二值图像为二值图像为mn,其中物体像素值为其中物体像素值为1,背景为背景为0.b.二值图像的算法简单二值图像的算法简单,易理解和实现易理解和实现,计算速度快计算速度快.c.二值视觉所需的内存小二值视觉所需的内存小,对计算设备要求低对计算设备要求低.d.二值视觉系统技术可用于灰度图像视觉系统二值视觉系统技术可用于灰度图像视觉系统.11/1/2022机器视觉机器视觉测量技术测量技术a.图象阈值图象阈值b.硬件实现硬件实现敏感元二值输出或逻辑输出，敏感元模拟值敏感元二值输出或逻辑输出，敏感元模拟值输出，通过硬件电路二值化。

输出，通过硬件电路二值化。

c.软件实现软件实现灰度图象通过可编程逻辑电路或高速灰度图象通过可编程逻辑电路或高速DSP进进行二值化处理，高级编程。

行二值化处理，高级编程。

（3）二值图象的获取二值图象的获取11/1/2022机器视觉机器视觉测量技术测量技术（4）亮度图象的二值化亮度图象的二值化图象分割图象分割把图像划分成区域，使得每一个区域对应一个候选的目把图像划分成区域，使得每一个区域对应一个候选的目标，这种划分称为图象分割标，这种划分称为图象分割图象二值化图象二值化设一幅灰度图像中物体的灰度分布在某一区间内，设一幅灰度图像中物体的灰度分布在某一区间内，经过阈值运算后的图像为二值图像经过阈值运算后的图像为二值图像.如果物体灰度值分布在几个不相邻区间内时，阈值化？

如果物体灰度值分布在几个不相邻区间内时，阈值化？

11/1/2022机器视觉机器视觉测量技术测量技术一幅灰度图像和使用不同阈值得到的二值图一幅灰度图像和使用不同阈值得到的二值图像结果像结果1：

原始灰度图像，：

原始灰度图像，2：

阈值：

阈值T=100；3：

T=1284：

T1=100|T2=12811/1/2022机器视觉机器视觉测量技术测量技术3.2几何特性几何特性通过阈值化方法检测出物体后，下一步就要通过阈值化方法检测出物体后，下一步就要对物体进行识别和定位对物体进行识别和定位在大多数工业应用中，摄像机的位置和环境在大多数工业应用中，摄像机的位置和环境是已知的，因此通过简单的几何知识就可以从物是已知的，因此通过简单的几何知识就可以从物体的二维图像确定出物体的三维位置体的二维图像确定出物体的三维位置利用尺度和形状特征即可进行识别：

如大小、利用尺度和形状特征即可进行识别：

如大小、位置和方向位置和方向.11/1/2022机器视觉机器视觉测量技术测量技术

（1）尺寸和位置尺寸和位置一一幅幅二二值值图图像像区区域域的的面面积积（或或零零阶阶矩矩）由由下下式式给出：

给出：

11/1/2022机器视觉机器视觉测量技术测量技术物体的中心位置：

物体的中心位置：

（与质心相同与质心相同）其中其中xx和和yy是相对于图像左上角的中心坐标是相对于图像左上角的中心坐标物体的位置为：

物体的位置为：

这是一阶矩这是一阶矩注意，因约定注意，因约定yy轴轴向上故有负号向上故有负号11/1/2022机器视觉机器视觉测量技术测量技术

（2）方向方向图图像像中中物物体体的的二二阶阶矩矩轴轴是是这这样样一一条条线线，物物体体上上的的全全部部点点到到该线的距离平方和最小该线的距离平方和最小该惯性轴为：

该惯性轴为：

对对求导求导代入代入11/1/2022机器视觉机器视觉测量技术测量技术X2微分位零求的微分位零求的惯性轴的方向惯性轴的方向：

变换为变换为：

11/1/2022机器视觉机器视觉测量技术测量技术（3）密集度密集度区域的密集度区域的密集度:

其中，其中，p和和A分别为图形的周长和面积分别为图形的周长和面积根据此标准，圆是最密集的图形根据此标准，圆是最密集的图形密集度的另一意义：

周长在给定后，密集度越高、所密集度的另一意义：

周长在给定后，密集度越高、所围面积越大围面积越大11/1/2022机器视觉机器视觉测量技术测量技术（4）体态比体态比区域的最小外接矩形的长与宽之比特性：

区域的最小外接矩形的长与宽之比特性：

11）正方形和圆的体态比等于）正方形和圆的体态比等于1122）细长形物体的体态比大于）细长形物体的体态比大于11下图是几种形状的外接矩形：

下图是几种形状的外接矩形：

11/1/2022机器视觉机器视觉测量技术测量技术3.3投影投影投影能表现图像的某种特征信息投影能表现图像的某种特征信息给定一条直线，用垂直该直线的一簇等间距直线将一幅二给定一条直线，用垂直该直线的一簇等间距直线将一幅二值图像分割成若干条，每一条内像素值为值图像分割成若干条，每一条内像素值为11的像素个数为该条的像素个数为该条二值图像在给定直线上的投影二值图像在给定直线上的投影定义给定直线为水平或垂直直线时，二值图像列或行上定义给定直线为水平或垂直直线时，二值图像列或行上像素值为像素值为11的像素的像素数量之和为该图像数量之和为该图像的水平或垂直投影的水平或垂直投影11/1/2022机器视觉机器视觉测量技术测量技术对角线投影对角线投影设设行行和和列列的的标标号号分分别别用用i和和j表表示示若若图图像像矩矩阵阵为为n行行m列列，则则i和和j的的范范围围分分别别为为0到到n-1和和0到到m-1假假设设对对角角线线的的标标号号d用用行行和和列列的的仿仿射射变变换换（线线性性组组合加上常数）计算，即：

合加上常数）计算，即：

d=ai+bj+c对对角角线线投投影影共共对对应应n+m-1个个条条，其其中中仿仿射射变变换换把把右右上上角角像像素素映映射射成成对对角角线线投投影影的的第第一一个个位位置置，把把左左下下角角像像素素映映射射成成最最后后一一个个位位置置，如如图图所所示示，则则当当前前行列对应的标号行列对应的标号d的公式为：

的公式为：

d=i-j+m-111/1/2022机器视觉机器视觉测量技术测量技术二值图像及其对角线上的投影图11/1/2022机器视觉机器视觉测量技术测量技术数字字符的垂直投影和上边缘投影对比数字字符的垂直投影和上边缘投影对比11/1/2022机器视觉机器视觉测量技术测量技术11/1/2022机器视觉机器视觉测量技术测量技术3.4游程长度编码游程长度编码用图像像素值连续为用图像像素值连续为1的个数来描述图像的个数来描述图像,有两种方法有两种方法:

（1）用）用1的起始位置和的起始位置和1的游程长度；的游程长度；

（2）用游程长度，从）用游程长度，从1的游程长度开始描述。

的游程长度开始描述。

例：

例：

1的游程：

（的游程：

（2,2）（）（6,3）（）（13,6）（）（20,1）（4,6）（）（11,10）（1,5）（）（11,1）（）（17,4）1和和0的游程长度：

的游程长度：

0，1,2，2，3，4，6，1，1；0，3，6，1，10；5，5，1，5，411/1/2022机器视觉机器视觉测量技术测量技术3.5二值二值图像基本概念图像基本概念

（1）近邻：

）近邻：

4邻点邻点（4-neighbors）:

有公共边关系的两个像素有公共边关系的两个像素8邻邻点点（8-neighbors）:

两两个个像像素素至至少少共共享享一一个个顶顶角角，4连通连通（4-connected）:

一个像素与其一个像素与其4邻点的关系邻点的关系8连通连通（4-connected）:

一个像素与其一个像素与其8邻点的关系邻点的关系11/1/2022机器视觉机器视觉测量技术测量技术

（2）路径路径路径路径:

从像素到像素的一个像素序列从像素到像素的一个像素序列4路径路径:

像素与其近邻像素是像素与其近邻像素是4连通关系连通关系8路径路径:

像素与其近邻像素是像素与其近邻像素是8连通关系连通关系（3）前景前景图像中值为图像中值为1的全部像素的集合，用的全部像素的集合，用S表示表示（4）连通性连通性像像素素p、q属属于于区区域域S，存存在在一一条条从从p到到q的的路路径径，且且路路径上的全部像素都包含在径上的全部像素都包含在S中，称中，称p与与q是连通的是连通的11/1/2022机器视觉机器视觉测量技术测量技术（5）连通成份连通成份一个像素集合一个像素集合S，如果如果S内的每一个像素与集内的每一个像素与集合内其它像素连通，则称该集合为一个连通成份合内其它像素连通，则称该集合为一个连通成份（6）背景背景S（S的补集）中包含图像边界点的所有的补集）中包含图像边界点的所有连通成份的集合连通成份的集合洞洞:

S中所有非背景其它元中所有非背景其它元对物体和背景应使用不同的连通对物体和背景应使用不同的连通.如果对如果对S使用使用8连通连通,则对则对S应使用应使用4连通连通SS洞洞洞洞11/1/2022机器视觉机器视觉测量技术测量技术（7）边界边界S的边界是的边界是S中与中与S中有中有4连通关系的像素集合连通关系的像素集合S（8）内部内部S中不属于它的边界的像素集合中不属于它的边界的像素集合.S的内部等于的内部等于S-S（9）包围包围如果从如果从S中任意一点到图像边界的中任意一点到图像边界的4路径必须与区域路径必须与区域T相交，相交，则区域则区域T包围区域包围区域S（或（或S在在T内）内）内部内部包围包围边界边界SSSS图像图像边界边界11/1/2022机器视觉机器视觉测量技术测量技术3.6连通成分标记算法连通成分标记算法视觉中常见的运算是找连通成分视觉中常见的运算是找连通成分应用？

应用？

（1）递归算法递归算法递归算法在串行处理器上的计算效率低，主要用于并行机递归算法在串行处理器上的计算效率低，主要用于并行机连通成份递归算法连通成份递归算法1.扫描图像扫描图像2.找到无标记的找到无标记的1点，给它分配一个标记点，给它分配一个标记L3.递归分配标记递归分配标记L给给1点的邻点点的邻点4.如果不存在没标记的点，则停止如果不存在没标记的点，则停止5.返回第一步。

返回第一步。

11/1/2022机器视觉机器视觉测量技术测量技术

（2）序贯算法序贯算法4-连通成份序贯法连通成份序贯法1从左至右、从上到下扫描图像从左至右、从上到下扫描图像2如果像素点为如果像素点为1，则：

，则：

（a）如果上面点和左面点有一个标记，则复制这一标记如果上面点和左面点有一个标记，则复制这一标记（b）如果两点有相同的标记，复制这一标记如果两点有相同的标记，复制这一标记（c）如果两点有不同的标记，则复制上点的标记且将两个如果两点有不同的标记，则复制上点的标记且将两个标记输入等价表中作为等价标记标记输入等价表中作为等价标记（d）否则给这一个像素点分配一新的标记并将这一标记输否则给这一个像素点分配一新的标记并将这一标记输入等价表入等价表3如考虑更多的点，则回到第二步如考虑更多的点，则回到第二步4在等价表的每一等价集中找到最低的标记在等价表的每一等价集中找到最低的标记5扫描图像，用等价表中的最低标记取代每一标记扫描图像，用等价表中的最低标记取代每一标记11/1/2022机器视觉机器视觉测量技术测量技术3.7欧拉数欧拉数在视觉应用中，欧拉数或亏格数可作为识别物体的特征在视觉应用中，欧拉数或亏格数可作为识别物体的特征1.定义：

连通成份数减去空洞数定义：

连通成份数减去空洞数E=C-H其中其中:

C、H为连通成份数、空洞数为连通成份数、空洞数前景：

前景：

8连通连通背景：

背景：

4连通连通E=0E=-1E=23.特性特性具有平移具有平移、旋转和比例不变特性的拓扑特征旋转和比例不变特性的拓扑特征2.举例举例11/1/2022机器视觉机器视觉测量技术测量技术3.8区域边界区域边界通过简单的局部运算找边界点是视觉应用中的基本任务，通过简单的局部运算找边界点是视觉应用中的