基于内唇轮廓标定的唇印提取算法

金媛媛++赵民

[摘 要]石材大板表面轮廓提取是石材加工生产过程中的重要步骤和关键工序。它对于实时优化切割不规则石材以及优化排版和下料具有决定性的作用，对于提高生产效率和石材利用率、节约石材资源具有重要意义。本文基于计算机视觉理论，研究了石材轮廓提取的算法。通过分析石材目标图像的灰度、颜色和纹理等特征，提出了石材轮廓提取算法，较准确的提取出石材目标轮廓。

[关键词]石材大板；轮廓提取；图像处理

中图分类号：TU521.2 文献标识码：A 文章编号：1009-914X（2016）21-0230-02

1、 引言

图像处理是在线测量系统中很重要的一部分，本文就是利用图像处理技术提取石材大板的轮廓信息，然后利用其目标点的间距最终求得石材大板尺寸。本文对图像处理的相关算法进行研究，提取石材大板的轮廓信息，最终计算其尺寸。提取过程主要包括图像预处理和图像分割两部分。图像处理过程如图1所示。

2、图像处理

2.1 图像预处理

通过CCD摄像机获取的石材大板图像在其传输、接收和处理的过程中，由于受多种因素的影响，如系统噪声、曝光不足或过量、传输过程中的误差以及人为因素等等，均会对石材大板图像产生一定的噪声干扰。噪声会恶化图像质量，有时会使提取的信息减少甚至淹没某些有用特征，给分析带来困难。因此，对图像进行预处理是非常必要的，这样可以去除噪声，使其更接近真实图像，更有利于对石材大板图像进行后续处理。图像预处理主要包括滤波和增强。

2.1.1 图像灰度化

图像的灰度化是图像增强处理技术中一种非常基本、直接的图像处理方法。图像的增强用于调整图像的对比度，为了获得对后续计算机处理、分析过程更有利的图像，需要对采集的原始图像进行图像增强，从而淡化背景，消除噪声干扰，提高对比度，突出图像中的重要细节[1]。

本文采用的是加权平均值法：R=G=B=aR+bG+cB。考虑到图像的合理性，取a=0.11，b=0.59，c=0.30，即采用公式（1）进行灰度转换：

其中：为转换后的灰度图像在点处的灰度值；、和分别为彩色图像在点处的红色分量值、绿色分量值和蓝色分量值。

在OpenCV函数库中，图像的灰度化可以通过cvCvtColor（const CvArr* src，CvArr* dst，int code）函数实现，其中src为原彩色图像，dst为处理后的图像，code为色彩空间转换方式，在这里code定义为CV_RGB2GRAY。彩色石材大板图像经过式（1）转换后，变成灰度图像。图2所示为4个彩色石材图像灰度化后的结果。

2.1.2 图像平滑

图像的平滑处理技术即图像的去噪声处理，它是将输入的图像进行滤波去除噪声。图像平滑一是平滑非边缘区域，二是使图像边缘得到保护。一个较好的平滑方法应该是既能消掉这些噪声效应又不使图像的边缘轮廓和线条模糊。在滤波方法中，最常用的有均值滤波和中值滤波两种，本文采用此两种方法分别对石材大板平滑处理，效果如图3所示。

这里仅选取了其中的一幅图像进行处理。从图中可以看出均值滤波和中值滤波对含有高斯噪声的图像都能够有效地抑制噪声的干扰，对含有椒盐噪声的图像也能抑制部分噪声。但通过比较明显可以看出，，中值滤波在椒盐噪声处理方面的能力是均值滤波无法比拟的，因此，本文采用中值滤波对图像进行滤波去噪。

2.2 图像分割与边缘检测

图像分割是图像处理和计算机视觉中基本而关键的技术之一，其目的就是将目标物体与背景分离开来，为后续的处理提供坚实的基础。图像分割的方法主要包括阈值法、边缘检测法、区域跟踪法等。本论文采用的是边缘检测法。

2.2.1 边缘检测

检测石材大板边缘是其轮廓提取的基础。边缘检测实现的难点在于边缘检测的精度和抗噪声的能力。边缘检测有很多算法，例如Roberts算子、Sobel算子、Prewitt算子、拉普拉斯算子等[2]。

（1）Roberts算子

Roberts算子采用的是对角方向相邻的两个像素之差。从图像处理的实际效果来看，边缘定位准，对噪声敏感。Roberts算子是一种利用局部差分算子寻找边缘的算子，该算子对具有陡峭边缘且含噪声少的图像效果较好。

（2）Sobel算子

Sobel边缘检测算子是先做加权平均，再微分，然后求梯度。以下两个卷积核形成了Sobel边缘检测算子，图中的每个点都用这两个核做卷积，其中一个对垂直边缘影响最大，而另一个对水平边缘影响最大。边缘检测算子的中心与中心像素相对应，进行卷积运算。两个卷积核的最大值作为该点的输出位。运算结果是一幅边缘幅度图像。在边沿检测中，Sobel算子对于像素的位置的影响做了加权，加权平均边宽2像素，因此效果更好。Sobel算子都对噪声具有很好的抑制能力，但仍然不能完全排除检测出来的边缘中存在虚假边缘的情况。

（3）Prewitt算子

Prewitt算子与Sobel算子基本相同，只是没有加权，所有系数全为1。Prewitt算子产生一幅边缘强度图像。

（4）拉普拉斯算子

拉普拉斯（Laplacian）算子是一种二阶导数算子，对一个连续函数， Laplacian算子是不依赖于边缘方向的二阶微分算子，对图像中的阶跃型边缘点定位准确。该算子对噪声非常敏感，它使噪声成分得到加强。这两个特性使得该算子容易丢失一部分边缘的方向信息，造成一些不连续的检测边缘，同时抗噪声能力比较差。

图4为不同边缘检测算子对石材大板边缘进行检测的结果。

从图4中可以看出，不同的边缘检测算法应用到石材大板图像上会有不同的检测效果，通过比较可以发现Sobel和Prewitt算子的处理效果相对较好。经多次试验比较，而且由于Sobel算子对于水平和垂直边缘的检测有更好的效果，因此效果相对较好。

2.2.2 图像二值化

图像的二值化处理就是将图像上每点的灰度值变为0或者255，也就是将整个图像呈现出明显的黑白效果。在数字图像处理中，二值化是一种简单有效的方法。设定某一阈值，可以用将图像的数据分成两部分：大于的像素群和小于的像素群。因此图像二值化可按公式（5）进行：

式中，是原始图像中位于处像素的灰度；是二值化后该处的像素值，它只能取0或1。

图5所示为用二值化方法提取的石材大板轮廓，通过这组图像处理过程我们可以发现，这类提取石材轮廓的方法适用于石材大板和图像背景图案有很大的区别的图像，而且我们也可以看出这种方法的提取效果很好。

2.2.3 数学形态学处理

数学形态学（Mathematical Morphology）是由一组形态学的代数运算子组成的，它的基本运算有4个：膨胀（或扩张）、腐蚀（或侵蚀）、开启和闭合，它们在二值图像和灰度图像中各有特点。数字图像处理中的形态学处理是指将数字形态学作为工具从图像中提取对于表达和描绘区域形状有用处的图像分量，比如边界、骨架以及凸壳，还包括用于预处理或后处理的形态学过滤、细化和修剪等[3]。

本文采用的是闭运算，先膨胀，反复膨胀后得到需要的状态，如图6（2）所示。很明显边界得到了扩张，于是逐步进行腐蚀，以恢复原始边界，如图6（3）所示。最后提取石材大板轮廓，如图6（4）所示。轮廓提取是接下来计算石材大板尺寸的基础，最终实现在线测量尺寸。

3、结论

本文介绍了石材大板在线测量系统的重要阶段，先后介绍了图像的灰度化处理、平滑处理、二值化、图像分割和数学形态学处理的相关原理及算法，提取了石材大板的边缘轮廓信息。本文的设计为石材领域的发展提供了一个创新点，将其应用到现有石材加工设备上可以实现石材加工自动化水平，解决了国内石材企业针对不规则外型的石材大板不能进行实时测量的困扰，提高了生产效率和经济效益。

课题来源：沈阳城市建设学院科研发展基金“基于计算机视觉技术的石材大板在线测量系统研究”，项目编号：XKJ2015001

参考文献

[1]Rafael C. Gonzalez， Richard E. Woods， Steven L. Eddins.Digital image processing[M]. 3rd ed. Englewood Cliffs， NJ： Pearson Prentice Hall， 2012.

[2]Milan Sonka，Vaclav Hlavac，Roger Boyle. 图像处理、分析与机器视觉[M]. 艾海舟， 武勃译. 北京： 人民邮电出版社， 2013.

[3]Chung R H Y， Yung N H C， Chetmg P Y S.An efficient parameteriess Quadrilateral-based image segmentation method[J]. IEEE transactions on pattern Analysis and machine intelligence， 2010， 27（9）： 1446-1458.