摘 要：本文以虛擬儀器開發(fā)平臺(tái)LabVIEW和圖像處理軟件IMAQ Vision為依托，利用計(jì)算機(jī)視覺技術(shù)，進(jìn)行水果邊緣檢測(cè)。通過軟件實(shí)現(xiàn)了中值濾波、閾值處理、圖像分割和形態(tài)過濾等圖像處理過程。從腐蝕與膨脹后的細(xì)化處理結(jié)果來看，達(dá)到了設(shè)計(jì)要求。研究表明，虛擬儀器計(jì)算機(jī)技術(shù)應(yīng)用于水果圖像處理是可行的，具有廣闊應(yīng)用前景。 關(guān)鍵詞：虛擬儀器;計(jì)算機(jī)視覺技術(shù);LabVIEW;IMAQ Vision;圖像處理 Abstract: This paper relies on the development platform of virtual instrument LabVIEW and the software of image processing IMAQ Vision tool. Using computer vision realizes edge detection of fruit. The designed image software can be used to median filtering, thresholding, Segmentalizing and morphologic filtering. According to thinning arithmetic of erosion method and dilation arithmetic, it is found that the image processing results are very ideal. These results indicate that vision system of virtual instrumentation application in image processing of fruit is feasible and promising. Keywords: virtual instrumentation, computer vision, Lab VIEW, IMAQ Vision, image processing 0 引言 　　隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，機(jī)器視覺技術(shù)在最近三十年中得到了迅猛的發(fā)展，其應(yīng)用遍及工業(yè)、農(nóng)業(yè)、科學(xué)研究、軍事等各個(gè)領(lǐng)域。而傳統(tǒng)的圖像處理軟件常采用面向過程的語言設(shè)計(jì)，為完成特定的任務(wù)，用戶需要花費(fèi)較大的精力去開發(fā)程序。因此,導(dǎo)致開發(fā)周期較長(zhǎng)，而且開發(fā)的程序也是面向硬件（圖像采集卡），程序的可移植性也較差。近年來PC機(jī)不斷發(fā)展，含增強(qiáng)媒體功能MMX技術(shù)的Pentium處理器、穩(wěn)定的操作系統(tǒng)、PCI局部總線以及具有友好用戶接口，為虛擬儀器逐步應(yīng)用于圖像處理和計(jì)算機(jī)視覺領(lǐng)域奠定了良好的硬件基礎(chǔ)[1]。 　　在計(jì)算機(jī)水果外部品質(zhì)檢測(cè)方面，國(guó)內(nèi)外一些研究院所利用圖像形態(tài)學(xué)及蘋果的邊界形狀特征，提出了果梗判別方法和果軸確定方法，根據(jù)果軸提取形狀特征參數(shù)，利用遺傳神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)果形的分級(jí);在顏色檢測(cè)方面，先對(duì)RGB顏色空間進(jìn)行Wigger變換，再根據(jù)色調(diào)對(duì)象素點(diǎn)累積求和得出著色面積;在缺陷檢測(cè)方面，利用顏色比特征進(jìn)行缺陷的分割后，先按顏色檢測(cè)碰壓傷（棕色）、日灼傷（白色），再對(duì)其余的缺陷可疑區(qū)抽取其特征參數(shù)，由遺傳神經(jīng)網(wǎng)絡(luò)對(duì)黑色或灰色可疑缺陷區(qū)進(jìn)行分類。本研究針對(duì)水果分級(jí)過程中的顏色、形狀，進(jìn)行處理，為水果輪廓邊緣檢測(cè)提供了一個(gè)方法論。 1 虛擬儀器的計(jì)算機(jī)視覺系統(tǒng)的構(gòu)成 1.1系統(tǒng)的硬件配置 　　虛擬儀器的計(jì)算機(jī)視覺系統(tǒng)由光源、CCD攝像頭、圖像采集卡和PC機(jī)組成。為了提高圖像采集精度和速度，本設(shè)計(jì)的配置為：松下的Panasonic WV-CP240/G彩色攝像機(jī)、NI公司的IMAQ PCI/PXI-1411高速靈活的圖像采集卡和PC機(jī)。 1.2計(jì)算機(jī)視覺系統(tǒng)的軟件配置 　　數(shù)字圖像處理是計(jì)算機(jī)視覺系統(tǒng)的核心，在虛擬儀器系統(tǒng)中這一切是通過軟件來實(shí)現(xiàn)的。所以軟件部分就是其核心，它由開發(fā)平臺(tái)、應(yīng)用軟件包和設(shè)備驅(qū)動(dòng)程序組成。本系統(tǒng)采用了LabVIEW7.1作為系統(tǒng)的開發(fā)平臺(tái)。一方面，因?yàn)镹I公司的IMAQ Vision軟件將機(jī)器視覺和圖像處理功能集成在LabVIEW之中;另一方面，充分利用它快速顯示、分析、處理的圖形界面功能，進(jìn)行數(shù)值分析、信號(hào)處理和設(shè)備驅(qū)動(dòng)，滿足系統(tǒng)的功能要求，提高工作效率。 　　IMAQ Vision為平臺(tái)提供了完整的圖像處理函數(shù)庫和功能模塊，包含一系列MMX優(yōu)化函數(shù)，提供了大量科研和工程中常用的圖像采集和處理功能，例如各類邊緣檢測(cè)算法、自動(dòng)閥值處理、各種形態(tài)學(xué)算法、濾波器、FFT等。 2 圖像采集及處理程序設(shè)計(jì) 　　本設(shè)計(jì)程序分成兩大模塊，一是圖像采集存儲(chǔ)模塊;二是圖像處理模塊。采集存儲(chǔ)模塊，將CCD采集的圖像信號(hào)，經(jīng)過A/D轉(zhuǎn)換后，輸入計(jì)算機(jī)存儲(chǔ)為所需格式;圖像處理模塊分為圖像預(yù)處理、圖像分割、特征提取、過濾處理等幾個(gè)部分。 2.1 數(shù)字圖像的采集 　　通過平臺(tái)LabVIEW 7.1和圖像采集卡PCI/PXI-1411的驅(qū)動(dòng)程序，設(shè)計(jì)了圖像采集及存儲(chǔ)模塊軟件，如圖1所示。圖像采集板對(duì)來自CCD的標(biāo)準(zhǔn)視頻信號(hào)（PAL或NTSC制式）進(jìn)行A/D轉(zhuǎn)換過程，經(jīng)量化后的數(shù)據(jù)通過PCI總線傳入計(jì)算機(jī)內(nèi)存RAM。利用NI-IMAQ提供的控制函數(shù)控制圖像采集卡對(duì)圖像的采集，并利用LabVIEW 7.1中快速VI的子VI，把圖像存儲(chǔ)為需要的多種文件格式：BMP、JPEG和PNG等[2]。 [align=center] 圖1系統(tǒng)圖像采集程序模塊[/align] 2.2 圖像處理過程 2.2.1中值濾波 　　由于采集過程中受到各種噪聲源影響，在圖像上常常會(huì)出現(xiàn)一些孤立的像素點(diǎn)。這些像素點(diǎn)與相鄰像素點(diǎn)有顯著不同，干擾了圖像采集效果。如不進(jìn)行濾波，將對(duì)以后的圖像區(qū)域分割、分析、處理帶來影響[3]。 　　非線性濾波器能夠較好的消除圖像采集中噪聲干擾問題。本設(shè)計(jì)采用了中值濾波方式，它有效地做到了噪聲抑制，濾除了脈沖干擾和圖像掃描噪聲，同時(shí)避免了線性濾波器帶來的圖像細(xì)節(jié)模糊，并保留了邊緣信息。中值定義為[4]：一組數(shù)X1 ，X2，X3，……Xn（X1 ≤X2≤X3……≤Xn），把這n個(gè)數(shù)按值大小順序排列如下： 　　（1） 　　y稱為序列X1 ，X2， X3，……Xn，的中值。 　　用中值濾波進(jìn)行圖像去噪聲處理需要以下幾個(gè)步驟：設(shè)定濾波器模塊大小，如取5×5模塊;將模塊在圖像中漫游，并將模塊中心與圖像中某一像素位置重合;讀取模塊下個(gè)對(duì)應(yīng)像素的灰度值;將這些灰度值從小到大排序;找出這些值中中間一個(gè)作為中介值;將中介值賦給對(duì)應(yīng)模板中心像素。這時(shí)就可以使周圍像素的灰度值差趨于零，從而消除孤立噪聲點(diǎn)。 　　利用IMAQ Vision可以將彩色圖像進(jìn)行中值濾波處理，方法為：從原始32位圖像中，抽取紅、綠、藍(lán)三色調(diào)色板，IMAQ Vision中彩色圖片R、G、B用一個(gè)32位整數(shù)表示。分別對(duì)RGB中，紅、綠、藍(lán)調(diào)色板（8位）進(jìn)行中值濾波處理，衰減隨機(jī)噪聲的同時(shí)保證邊界清楚，確保水果尺寸特征。處理后的RGB調(diào)色板再用相應(yīng)位運(yùn)算將原始圖像進(jìn)行轉(zhuǎn)換，生成去除噪聲的新的彩色圖像。處理前后圖像比較如圖2所示。 [align=center] 圖2中值濾波前后圖像比較[/align] 2.2.2 彩色圖像閾值算法 　　在IMAQ Vision中，采用RGB閾值處理算法，通過人工調(diào)整設(shè)定RGB的閾值，先將RGB圖像轉(zhuǎn)化為灰度圖，再利用灰度圖像直方圖進(jìn)行閾值處理獲得二值圖像。 　　在RGB顏色坐標(biāo)系統(tǒng)中，如果只對(duì)色度感興趣，則只要考慮R、G、B的相對(duì)值。相對(duì)值 r、g、b稱為色度坐標(biāo)，其計(jì)算公式如下： 　　式中的Rm、Gm、Bm分別是RGB顏色坐標(biāo)系中的最大分量值。 　　傳統(tǒng)算法對(duì)光照要求條件較高，要求背景與物體要有很大灰度差，而在IMAQ Vision中，分別將每一個(gè)RGB像素點(diǎn)分成8位進(jìn)行閾值處理，在光照條件較差的條件下，仍能獲得較高質(zhì)量的二值圖像。對(duì)圖2（b）處理原始圖像灰度直方圖見圖4（a）。 2.2.3 圖像分割 　　僅采用閾值處理難以獲得理想的圖像分割結(jié)果，所以仍需要利用形態(tài)學(xué)算法進(jìn)行圖像分割。圖像分割處理是將數(shù)字圖像劃分成互不相交（不重疊）區(qū)域的過程。為保證原有圖像在圖像分割前不受到損害，在進(jìn)行分割前先對(duì)圖像進(jìn)行邊緣檢測(cè)，以獲得完整邊界。首先進(jìn)行腐蝕，確定連通性準(zhǔn)則為和人感覺接近的8連通，取結(jié)構(gòu)元素為7×7矩陣模板，矩陣中間位置為結(jié)構(gòu)元素原點(diǎn)。如圖3所示,把結(jié)構(gòu)元素B平移a后得到Ba，若Ba包含于X，我們記下這個(gè)a點(diǎn)，所有滿足上述條件的a點(diǎn)組成的集合稱為X被B腐蝕（Erosion）的結(jié)果。用公式表示為：E（X）=｛a| Ba X｝=X B. [align=center] 圖3腐蝕算法、膨脹算法示意圖[/align] 　　圖3（a）X是被處理的對(duì)象，B是結(jié)構(gòu)元素。不難知道，對(duì)于任意一個(gè)在陰影部分的點(diǎn)a，Ba 包含于X，所以X被B腐蝕的結(jié)果就是那個(gè)陰影部分。陰影部分在X的范圍之內(nèi)，且比X小。依據(jù)邊緣檢測(cè)的完整結(jié)果，經(jīng)過IMAQ Vision可以進(jìn)行多次腐蝕處理。 　　把結(jié)構(gòu)元素B平移a后得到Ba，若Ba擊中X，我們記下這個(gè)a點(diǎn)。所有滿足上述條件的a點(diǎn)組成的集合稱做X被B膨脹的結(jié)果。用公式表示為：D（X）=｛a | Ba↑X｝=X B。圖3（b）中X是被處理的對(duì)象，B是結(jié)構(gòu)元素，不難知道，對(duì)于任意一個(gè)在陰影部分的點(diǎn)a，Ba擊中X，所以X被B膨脹的結(jié)果就是那個(gè)陰影部分。當(dāng)進(jìn)行多次腐蝕后，再進(jìn)行膨脹，膨脹至邊緣完成圖像分割[5]。相關(guān)處理結(jié)果如圖4（b）， [align=center] 圖4相關(guān)處理效果圖[/align] 2.2.4形態(tài)過濾處理 　　在應(yīng)用中，分割后邊緣和背景仍然可能出現(xiàn)大小的斑點(diǎn)，如圖4（b），它將對(duì)結(jié)果產(chǎn)生一定的影響，為此要進(jìn)行形態(tài)過濾處理[6]。利用數(shù)學(xué)形態(tài)學(xué)細(xì)化算法進(jìn)行過濾，從原來的圖中去掉一些點(diǎn)，但仍要保持原來的形狀。要根據(jù)與之相鄰的8個(gè)點(diǎn)的情況來判斷，如圖5所示。 [align=center] 圖5 根據(jù)某點(diǎn)的8個(gè)相鄰點(diǎn)的情況來判斷該點(diǎn)是否能刪除[/align] 　　圖中，（a）不可刪除部分，代表內(nèi)部點(diǎn)，要求保留骨架，內(nèi)部點(diǎn)不可刪除;（b） 不可刪除部分，代表邊界骨架;（c）可刪除部分，代表非骨架點(diǎn);（d）不可刪除部分，如果刪掉會(huì)造成與原來相連部分的斷裂;（e）可刪除部分，代表非骨架點(diǎn);（f） 不可刪除部分，代表直線的端點(diǎn)。 　　將細(xì)化過濾后的圖像保存如圖4（c） ，并保證其邊緣信息，再將結(jié)果恢復(fù)為腐蝕前原始形狀，最終處理結(jié)果，如圖4（d）。 3 結(jié)論 　　虛擬儀器計(jì)算機(jī)視覺系統(tǒng)，充分利用了其功能強(qiáng)大、擴(kuò)展性高的特點(diǎn)。實(shí)踐證明，在開發(fā)過程中，開發(fā)人員主要精力在圖像處理和分析過程開發(fā)，不必花費(fèi)大量時(shí)間編寫源文件、接口等管理程序和圖像底層處理函數(shù)。大大縮短了開發(fā)時(shí)間，提高了效率。隨著PC技術(shù)迅速發(fā)展，基于虛擬儀器的計(jì)算機(jī)視覺系統(tǒng)，具有廣闊的應(yīng)用發(fā)展前景。 參考文獻(xiàn): 　　[1] 金昊.基于虛擬儀器的計(jì)算機(jī)視覺系統(tǒng)的研究[J].子技術(shù)應(yīng)用，2000，（4）：10～12. 　　[2] 毛義梅.虛擬儀器視覺系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].儀器儀表學(xué)報(bào)，2002，23（3）：192～193. 　　[3] 王思華,陳立峰.計(jì)算機(jī)視覺新技術(shù)及其在IC標(biāo)記質(zhì)量檢驗(yàn)中的應(yīng)用[J].電子技術(shù)應(yīng)用，2000，（9）：25～27. 　　[4] 霍宏濤，林小竹，何薇等. 數(shù)字圖像處理[M]. 北京：北京理工大學(xué)出版社，2002. 　　[5] 徐貴力,毛罕平,胡永光.基于計(jì)算機(jī)視覺技術(shù)參考物法測(cè)量葉片面積[J].農(nóng)業(yè)工程學(xué)報(bào)，2002，18（1）：154～158. 　　[6] Rafael C.Gonzalez ,Richiard E.Wood.數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2003.