1、玻璃瓶瑕疵自動檢測系統本課題是研究玻璃瓶瑕疵自動檢測系統， 針對玻璃瓶檢測的高速度、高精度、實 時性的特點，本文主要利用數字圖像處理技術及其方法研究一套玻璃瓶瑕疵檢測 系統，利用該檢測系統提供的一些數字圖像處理方法可以決速準確的判斷出該圖 像是否為缺陷圖像。利用該檢測系統所應用的技術設計出來的系統不受主觀因素 的影響，能快速、準確地檢測產品，完成人工無法完成的檢測任務，是現代化生 產中不可缺少的工具。本文詳細地介紹了圖像處理技術，驗證了多種圖像檢測算法，我們提出了一種基 于混合濾波器缺陷檢測算法，并從理論和實驗兩方面對檢測效果做了評價。論文 分析了各種模式識別方法，提出了玻璃瓶缺陷檢測的具體方

2、案。方案利用聚類算 法來提取缺陷，通過對缺陷特征的分析來識別玻璃瓶的好壞。本系統的主要部分由CCDS像機、圖像采集卡和微型計算機組成。CCDS像機采集 玻璃瓶圖像，圖像采集卡把玻璃瓶圖像轉換成計算機能識別和處理的數字圖像， 再通過計算機上的軟件完成缺陷檢測功能。檢測系統在實驗階段的檢測精度已達 到設計要求，較成功地實現了玻璃瓶缺陷的檢測， 能用于檢測玻璃瓶的裂痕、氣 泡等缺陷。第一章緒論1.1本課題的提出隨著時代的發展，科技的進步，人們對工業產品的數量和質量要求越來越高， 傳 統意義上的檢測技術與飛速發展的工業要求之間的矛盾日益突出。玻璃瓶作為一種包裝用品，由于其具有氣密性好、光潔衛生、化學穩

3、定性高、價格低廉、可回 收利用等特點而普遍受到歡迎，已廣泛應用于食品、藥品、化妝品、飲料、化學 等產品的包裝。人們的日常生活離不開玻璃瓶 ，玻璃瓶的生產在國民經濟中占有 不可忽視的地位。藥品酒水等灌裝生產前必須對玻璃瓶進行檢測，剔除不合格產 品，才能進行封裝。玻璃瓶在生產過程中，會出現裂紋、缺損、氣泡等缺陷，要求精確區分各類缺陷，完成瓶頸裂紋和瓶口缺損的檢測，以便對產品的質量做出 判斷，剔除不合格品。由于玻璃瓶在線生產要求檢測精度高、 準確性好、速度快， 因此玻璃瓶生產工業流水線迫切需要在線自動檢測設備。以往的玻璃瓶檢測以人工檢測為主，但是人工檢測方法有許多缺點：（1）增加人工成本和管理成本，

4、檢 測數據的保存和查詢不太方便。（2）人工檢測速度比較慢，無法適應現代化大生 產的要求，且工人勞動強度較大，容易受人眼分辨能力和易疲勞等主觀因素的影 響，無法保質保量地完成生產任務。因此，必須尋求一種有效的自動化檢測方法。針對玻璃瓶檢測的高速度、高精度、實時性的特點，本文采用一種基于數字圖像 處理的檢測方法。利用CCDS像機對玻璃瓶進行攝像，通過數字圖像處理技術進 行分析，檢測出帶有缺陷的玻璃瓶，再由計算機發出控制信號將其剔除。隨著計 算機軟件和硬件的發展，對圖像處理速度的提高以及各種相關理論的完善，本文采用的檢測方法變得切實可行。按此方法制造的檢測設備具有代價低，靈活性高， 易于調試和工作環

5、境要求低等優點。因此本課題的研究對于玻璃制品裂紋的檢測 具有重要的經濟和技術意義。玻璃瓶缺陷檢測設備若研制成功后，將會產生巨大 的社會效益和經濟效益:1.利用基于數字圖像處理的檢測方法來檢測玻璃瓶缺 陷，取代人工檢測，將消除人的主觀性產生的錯誤，提高檢測的準確性。同時， 減輕工人繁重的勞動負擔，提高生產效率。2.玻璃瓶罐質量的提高可避免瓶罐包 裝的食品及物品變質帶來的經濟損失，也可避免瓶罐的爆裂所引起的事故，降低 賠款損失，同時增加消費者的安全感。3.生產商可以根據檢測設備提供的數據分 析該缺陷產生的原因和機理，再根據獲得的數據，設定相應的工藝條件和參數， 同時先進的檢測設備也能夠保障高質量的

6、玻璃產品，提高在市場中的競爭能力。1.2國內外研究的現狀國外公司憑借其雄厚的經濟實力和不斷成熟的技術為基礎，在九十年代初就開始 研制基于數字圖像處理的產品在線檢測設備，他們至今已經開發出多種玻璃瓶罐 的在線檢測機器。丹麥的一家公司自1991年開始著手研制，目前己經成功開發了 多種用于玻璃制品質量檢測的計算機視覺在線監測設備。檢測的內容主要包括產 品的內部缺陷檢測及外形尺寸檢測。美國 NI公司研制的基于PCI勺視覺檢測系統， 將機器視覺、運動控制功能與LabView虛擬儀器軟件相結合，取得了突出的成效。 法國SGC國際公司M型全自動多功能玻璃瓶罐在線檢測機1998年3月曾在北京國 際玻璃機械設備

7、展銷會展出，倍受國內玻璃制品生產廠家的青睞。德國Sieme ns公司推出的智能化工業視覺系統 SIMATICVS7104,提供了一體化的、分布式的 高檔圖像處理方案。它將CCD圖像處理器、I/O集成在一個小型機箱內，提供 PROFIBU的聯網方式或集成的I/O和RS23接口。具有集成數字化照相機和快速圖 像處理器，標準連線接口，ProVision組態軟件等優點。日本的AGRI際公司研制 生產了功能較齊全的玻璃瓶罐生產和用于飲料灌裝的在線自動檢測設備。美國工業動力機械有限公司開發了采用攝像技術的全方位空瓶檢測機。采用攝像技術的空瓶檢測機采用反射光學系統、高分辨率攝像技術和自動變焦鏡頭，對各個檢測

8、項目進行精確的檢測。對于直徑為95m的瓶子，精確度為98%,檢測速度可達700 瓶/分鐘。德國Lasor公司在線檢驗檢測設備采用先進的 CC攝像技術進行在線缺 陷檢測，將檢測的信號通過計算機進行處理，可區分氣泡、夾雜物等玻璃缺陷， 檢測最小尺寸為0.1mm在中國，機器視覺產品技術的普及不夠， 大部分是購買國外設備。而直接引進國 外的檢測系統有許多弊端，例如價格昂貴。國內在視覺檢測方面的研究也己經有 很多年了，不過以前主要都是做一些算法方面的研究。 對于玻璃瓶的自動檢測系 統的開發和研究剛剛于近年開始起步，目前也有少數幾個廠家在進行玻璃制品在 線檢測設備的研制，主要有北京賽騰動力有限公司研制生產

9、的 Saturn驗瓶機以及 廣州大元與北京四通電機利用日本的視覺系統聯合開發的 。穽瓶驗瓶機，它們均 采用了諸如計算機視覺、模式識別等先進技術。但是這些都未能滿足目前國內大 部分廠家的生產需要，比如速度就不能滿足要求。總體來說，國內基于機器視覺 的玻璃瓶檢測系統的研究與應用還是比較落后的。因此，目前在國內研制具有自主知識產權的玻璃瓶檢測系統具有重要的社會效益和經濟效益。1.3數字圖像處理研究現狀數字圖像處理技術是一門跨學科的前沿高科技。數字圖像處理是指將圖像信號轉 換成數字格式并利用計算機對其進行處理的過程。數字圖像處理最早出現于20世紀50年代，當時的電子計算機已經發展到一定水平， 人們開始

10、利用計算機來處 理圖像信息。而數字圖像處理作為一門學科大約形成于 20世紀60年代初期。隨著 計算機軟硬件技術的不斷提高,計算機圖像處理從20世紀80年代中期到90年代末 得到了迅速的發展，已廣泛地應用在工業、農業、交通、地理、氣象、生物醫學、 軍事、電子商務、目標跟蹤、印染工業、衛星遙感、機器人視覺、工業檢測和科 學研究等領域,取得了顯著的社會效益和經濟效益。近 20年來,科學工作者經過 不懈的努力，己取得了令人矚目的成就，圖像處理技術的發展更為深入、 廣泛和 迅速。數字圖像處理的特點主要有：1.圖像信息量大；2.圖像處理技術綜合性強。 現在人們已充分認識到數字圖像處理是認識世界、改造世界的

11、重要手段。目前數 字圖像處理技術已成為21世紀信息時代的一門重要的高新科學技術。1.4玻璃瓶缺陷檢測與圖像處理的可行性分析圖像處理就是為了某種目的對圖像的強度分布視為一連串整數值的集合，經由不斷的運算執行某些特定的加工和分析。圖像處理涵蓋的范圍十分廣泛，但是采用 的基本原理和方法是一致的。圖像處理所研究的主要內容包括了圖像數的模數轉 化、圖像的增強與復原、圖像編碼與壓縮、圖像分割、圖像的表示和描述、圖像 特征匹配等等。對含有噪聲的圖像，要除去噪聲、濾去干擾，提高信噪比；對失 真的圖像要進行幾何校正等變換；對已經退化的模糊圖像要進行各種復原的處 理；對信息微弱的圖像要進行灰度變換等增強處理。由此

12、可見，圖像處理就是為了達到改善圖像的質量，將圖像變換成便于人們觀察和適于機器識別的目的。在玻璃瓶缺陷的檢測系統中用到的數字圖像處理技術有以下幾個部分:(1) 圖像獲取圖像獲取采用攝像機，它能實時地攝取運動地圖像，把客觀的光學特性變成二維 信息的電信號，然后通過有A/D轉換功能的圖像采集卡轉換出數字圖像。(2) 圖像預處理圖像的預處理是指對圖像本身的缺陷和具體研究目的而采取的一些圖像增強、復原等運算。圖像復原指對一個退化的圖像進行處理，使它恢復到原始目標的狀態。 圖像增強指有目的地增強圖像中的有用信息， 改善圖像的視覺效果，將圖像轉變 為一種更適于人或機器分析的形式。例如噪聲抑制、邊緣提取和中值

13、濾波等。(3) 圖像分割圖像分割是把數字圖像分成互不重疊的若干區域， 檢測出圖像的各個物體或同一 物體的各個部分，并根據選定的特征將圖像劃分成幾個有意義的部分， 從而使圖 像在內容的表達上更簡單明了。(4) 模式識別利用模式識別技術來提取圖像的特征。特征抽取是在圖像分割的基礎上對物體的 一些重要特征的每個部分所具有的特征向量進行定量估計。第二章玻璃瓶檢測系統總體設計2.1玻璃瓶檢測系統的檢測項目玻璃瓶自動檢測系統主要完成的檢測項目如下(1) 瓶壁檢測瓶子在傳送過程中，不斷旋轉保證每個面都能被檢測到， 每個瓶采樣幾幅瓶壁圖 像，判斷是否有裂紋或瑕疵，以確保高質量的檢測結果。實際工業檢測過程中，

14、可以根據需要設置合理的檢測單元個數， 以滿足生產的需要。瓶口檢測瓶口檢測主要檢測瓶口是否有裂紋或缺 口，瓶口是否有蓋子或其他物體。照明用 圓環形LED光源，從不同方向照亮瓶口， CCD攝像頭從上方將圖像采進.檢測方法 如圖2.2。好瓶口影像為一個完整的圓環， 而有崩缺或先天缺陷的瓶口，影像就會出 現斷帶、變形，經過計算機與標準數據比 較，問題瓶被準確剔出。圖2.1瓶口檢測示意圖2.2玻璃瓶缺陷檢測系統的硬件構成根據課題的研究目的，該課題采用的計算機視覺圖像處理系統主要由以下四個部 分組成：成像單元；圖像采集卡；微型計算機；支持軟件。系統的結構如圖2.2所 示：圖2.2系統結構框圖以上四個部分，

15、是構成這個缺陷識別系統的核心， 它們有機地結合在一起，并通 過軟件的具體支持，達到整個系統設計的要求。本系統主要完成圖像采集、圖像處理、缺陷識別的工作，主要任務都是通過計算 機來實現的，采用圖像處理和模式識別算法，體現了計算機視覺系統的自動化、 智能化等優越性。在整個缺陷識別過程中，系統各個組成部分將協調工作，按照要求合理地運行，體現出自動控制的很多優越性，同時又克服了人工檢測的很多 弊端。以下介紹系統硬件的各個組成部分：A.成像單元成像質量對整個檢測的準確性及速度至關重要，即實現缺陷識別的基礎是獲取清 晰的玻璃瓶圖像。成像單元由CCD攝像機、LED光源構成，負責原始圖像數據 的采集，CCD攝

16、像機向圖像處理系統輸出模擬視頻信號。對于瓶口、瓶身等不 同的檢測項目，需要設置不同位置的 CCD攝像機與LED光源進行檢測。CCD是70年代發展起來的新型半導體器件，它是在 MOS集成電路技術的基礎 上發展起來的，是半導體技術的重大突破。由于它具有光電轉換、信息存儲和延 時等功能，而且功耗小，集成度高，故在固體圖像傳感、信息存儲和處理等方面 得到了廣泛應用。CCD攝像機是應用電荷耦合器件原理實現的，它把光信號轉 變成電信號，完成圖像的攝取。CCD攝像機的工作方式是被攝物體的圖像通過 鏡頭聚焦到CCD芯片上，CCD根據光的強弱積累相應比例的電荷，各個像素 積累的電荷在視頻時序的控制下，逐點外移，

17、經濾波、放大處理后，形成視頻信 號輸出。從工作方式來看，CCD攝像機特性當中，最關鍵的指標是像素、圖像 采集分辨率及照度（靈敏度）。CCD像素是CCD的主要性能指標。它決定了顯示圖像的清晰程度。分辨率越 高，圖像細節的表現越好。CCD是由面陣感光元素組成，每一個元素稱為像素， 像素越多，圖像越清晰。評估攝像機分辨率的指標是水平分辨率， 其單位為水平 電視線，即成像后可以分辨的黑白線對的數目。常用的黑白攝像機的分辨率一般 為380-480,其數值越大成像越清晰。一般的場合下，用 400線左右的黑白攝像機就可以滿足要求。而對于特殊要求的場合, 的圖像。照度又稱為靈敏度，是CCD對環境光線的敏感程度

18、，即 CCD攝像機正 常成像時所需要的最暗光線。攝像機照度 的單位是勒克斯，數值越小，攝像機越靈 敏。通常黑白攝像機的靈敏度多為 0.02-0.5Lux，普通照度的彩色攝像機多為 1Lux。本系統中選用大恒公司的 DH-HV1301UC 高分辨率數字攝像機，圖2.6為實物圖。 它是一款高性能工業檢測專用攝像機，圖 像質量好，分辨率高，色彩還原性好，標 準鏡頭接口，圖像穩定，體積小，安裝方 便，圖像窗口無級縮放，非常適合各種工 業檢測應用。用 600線的攝像機能得到更清晰圖 2.6 DH-HV1301UC 攝像機B 圖像采集卡圖像采集卡在圖像處理系統中具有重要作用，它需要完成圖像識別前的主要準備

19、 工作。在圖像信息轉換的過程中，CCD攝像機把按空間分布的光學圖像信息轉 換為按時間分布的視頻圖像信息，圖像采集卡又將CCD攝像機輸出的視頻圖像信息轉換為適合運算處理的數字圖像信息。由此可見，圖像采集卡在圖像信號轉換過程中起了關鍵作用。它對 CCD攝像機輸出的視頻圖像信號進行了高速采樣 與模數轉換，為計算處理系統提供了可識別的檢測數據。圖像采集卡的種類很多，根據檢測設備的需要，圖像采集卡的主要參數及設置如 下：（1）PAL標準制式視頻信號輸入；（2）視頻A/ D為8位，灰度分辨率為1/256;（3）采集分辨率為768.576；（4）對比度為128，亮度為115。根據需要，系統采用大恒公司的DH

20、-CG400彩色/黑白圖像采集卡14，圖2.7為實物圖照片。DH-CG400能實時傳送 數字視頻信號到存儲器，適用于需要多通 道全實時高速圖像處理的場合。DH-CG400可以同時完成實時圖像實施預 覽/采集功能，數據的傳送過程是由圖像卡 控制的，不需要CPU參與，瞬間的傳輸速 度可達到132MB/S。圖2.7 DH-CG400圖像采集卡C 微型計算機_本系統應用的計算機為cpu in tel Pen tium 4,主頻為1.7GHz,內存為512M、采用 的操作系統為 Windowsxp，采用Visual C+6.0作為Windows程序開發工具。 圖像采集卡通過擴展槽數據線與計算機相聯接，計

21、算機通過相應的程序來控制圖像采集卡完成圖像的采集、存貯、變換及分析處理。2.3玻璃瓶缺陷檢測系統的軟件構成目前，Windows環境下的軟件開發工具己經有不少了，例如微軟公司的VisualBasic, Visual C+，Borland C+等，都是極好的開發工具。這些開發工具都采用 面向對象的程序設計方法，它們各有利弊。對于一個具體軟件項目開發者來說， 選擇一個理想的開發工具是項目得以順利完成的前提。選擇得當，就會提高開發速度，縮短開發時間，能很容易地實現項目的各項要求，達到事半功倍的效果； 選擇不當，就會影響項目的開發進度和質量，甚至無法完成任務。在本系統中， 我們選擇了 Visual C+

22、6.0作為本項目的開發工具，主要原因如下：(1) VC是Windows應用程序開發工具，提供了方便、新穎的可視化設計工具， 使得設計變得更加簡單。(2) VC具有強大的數學計算能力和圖像處理功能，本身帶有標準數學函數，為大 系統的圖像數據處理提供了條件。(3) VC是一種圖形界面設計工具，開發者可以直接設計窗口界面、菜單等，不 需要再為此設計編寫過于冗長的程序。(4) VC相對于VB而言，開發出來的項目程序代碼小，且運行速度快。本系統是在 Windows xp中文版操作系統下，利用 Visual C+6.0進行玻璃瓶缺 陷檢測系統圖像處理的程序設計的。系統采用了模塊化的設計方法，使得程序設 計

23、思路清晰、靈活性強，便于今后其它功能模塊的擴充。系統界面簡潔明快，操 作方便，功能一目了然，保證了系統功能的順利實現。2.4圖像數字化由于計算機只能處理數字圖像，而自然界提供的圖像卻是其它形式的， 所以數字 圖像處理的一個先決條件就是將圖像轉化為數字形式。數字圖像就是把二維平面 上的灰度模擬信號變為計算機能夠處理的數字信號。像素就是離散的單元，量化的灰度就是數字量值。圖像數字化包括采集和量化兩種操作。一、采樣采樣就是把時間和空間上連續的圖像變換成離散點(采樣點即像素)的集合的一種操作。圖像是二維平面上分布的信息形式， 要把它輸入到計算機，首先要把二 維信號變成一維信號，因此要進行掃描。掃描是在

24、二維平面上按一定的間隔從上 方)!項序地沿水平移動而獲得灰度值的線掃描。由此得到的一維信號，通過求出 每一特定的值就得到了離散的信號。在抽樣時，如果設橫向的像素數是M，縱向的像素數是N，則圖像的大小可表示為 MxN個像素。二、量化經過采樣，圖像被分解為時間和空間離散的像素。但是像素的值(灰度值)還是連續的。把這樣連續的灰度值變換成離散值(整數值)的操作就是量化。如圖2 一 5(a)所示，對于存在21延z賓z:的濃淡值z,量化后成為整數值qi。這 樣得到的數值叫做灰度值和灰度級。圖2一 5(b)是用以表示白一灰一黑的連續變 化(灰度值)量化成為8bit，級0 255的256級時的情況，表現了數值

25、與灰度相 對應的濃淡程度，把表示對應于各個灰度值的濃淡程度叫做灰度等級或灰度標度。用0 255的值對應于圖像的白一黑的情況， 在表示方法上有以0為白，以 255為黑;也有以0為黑，以255為白的。(a)量化直化值整數值(b)把從白到黑的灰度值量化成8bit2552541I4128IIi10圖2 5量化第三章圖像預處理圖像處理技術發展至今，很多處理算法己趨于成熟，如圖像增強、邊緣檢測等， 相應算法種類很多，但是本系統需要根據實際情況選擇和設計適合特定系統的處 理算法，所以有必要對玻璃瓶圖像檢測算法進行研究。一個圖像處理系統通常包 括多種算法，算法設計是整個系統的核心，本文希望通過對各算法的比較研

26、究， 找出適合檢測藥用玻璃瓶的算法。整體過程包括四個部分：圖像預處理部分，圖像分割部分，特征提取部分，判斷決策部分。本章重點介紹玻璃瓶缺陷檢測系統中所涉及到的數字圖像預處理技術。圖像預處理是圖像分析的一個重要環節，對圖像進行適當的預處理過程，有利于圖像的分 割和識別。一般情況下，成像系統獲取的原始圖像由于受到種種條件的限制和隨 機干擾，往往不能在視覺系統中直接使用，必須在早期階段對原始圖像進行灰度 校正，噪聲過濾等圖像預處理。3.1灰度圖和灰度直方圖灰度圖是指只含亮度信息，不含色彩信息的圖像。灰度圖按照灰度等級的數目來 劃分，就像我們平時看到亮度由暗到明的黑白照片。 亮度的變化是連續的，因此，

27、 要表示灰度圖就需要把亮度值進行量化。通常把亮度劃分成0 255共256個級別，0為最暗（全黑），255為最亮（全白）。存儲灰度圖像只需要一個數據矩 陣，矩陣的每個元素表示對應位置的像素的灰度值。 將真彩色圖像轉換為灰度圖 可以大大減少存儲空間，加快圖像處理的速度。因此在本系統中，所采集的圖像 均是以灰度圖的形式儲存的。如果每個像素的像素值用一個字節表示， 灰度值級 數就等于256級，每個像素可以是0255之間的任何一個值，一幅640X 480的 灰度圖像需要占據300KB勺存儲空間。灰度直方圖是數字圖像處理中一個最簡單有用的工具，它描述了一幅圖像的灰度 級內容。任何一幅圖像的直方圖都包括了可

28、觀的信息。 某些類型的圖像還可由其 直方圖完全描述。灰度直方圖是灰度值的函數，描述的是圖像中具有該灰度值的 像素個數，其橫坐標表示像素的灰度級別，縱坐標是該灰度出現的頻率（像素個 數）。按照直方圖的定義可表示為：(2.1)P(rk )=式中N為一幅圖像的總像素數，nk是第k級灰度的像素數，r k表示第k個灰 度級，P（rk ）表示該灰度級出現的相對頻數。灰度直方圖有如下的性質：（1）在直方圖中，因為未考慮各像素的位置，所以失去了圖像具有的空間信息。因此必須注意，雖然知道具有某一灰度值的像素有多少， 但完全不清楚這些像素 在圖像中處于什么位置。4 A ( j, k 1), ( j 1, k),

29、( j, k 1), ( j 1, k)(2.3)(2) 對于一幅圖像，能決定一種含義的直方圖。但是，不同的圖像可能具有相同 的直方圖。(3) 直方圖是對具有相同灰度值的像素數計數，如果已知圖像被分成幾個區域和 各個區域的直方圖，把它們加起來，就可得到整個圖像的直方圖。對圖像進行數 字化時，利用直方圖可以檢查輸入圖像灰度值在可能利用的灰度值范圍內分配得 是否恰當。當發現直方圖分配不恰當時，可以進行直方圖均衡化，改善圖像的質 量。直方圖在圖像分割里也會被用到。3.2圖像增強圖像增強是數字圖像處理的基本內容之一。圖像增強的目的主要有兩個：一是改善圖像的視覺效果，提高圖像成的清晰度；二是將圖像轉換成

30、一種更適合于人眼 觀察和機器自動分析的形式。它為圖像的信息提取及其他圖像分析技術奠定了良 好的基礎。一般情況下，經過增強處理后圖像的視覺效果會發生變化，這種變化意味著圖像的視覺效果得到了改善，某些特定信息得到了增強。圖像增強技術可 分為空間域法和頻率域法兩大類。空間域法是在空間域內對圖像像素直接運算處 理，具有直觀、快速的特點。頻率域法是在圖像的某種變換域對圖像的變換值進 行運算，再對圖像的頻譜進行某種計算，最后將計算后的圖像逆變換到空間域。 這是一種間接增強的方法，計算較大。任何一幅未經處理的原始圖像，都存在著一定程度的噪聲干擾。噪聲惡化了圖像 質量，使圖像模糊甚至淹沒特征，給圖像分析處理帶

31、來困難。消除圖像噪聲的工 作稱之為圖像平滑或濾波。由于噪聲源眾多，噪聲種類復雜，所以平滑方法也多 種多樣。比較常用的圖像平滑方法是鄰域平均法和中值濾波法。3.2.1鄰域平均法所謂鄰域平均法，就是將圖像取出一個子區域，讓被干擾的像素位于區域中央， 然后求出其鄰域各像素灰度的平均值，最后以該平均值取代被干擾像素的灰度 值，從而提高該圖像的質量，此法稱為鄰域平均法。鄰域平均法是一種在空間域 上對圖像進行平滑處理的方法。它易于實現，而且效果也較好27。令被討論像素的灰度值為F( j, k)，以其為中心，窗口像素組成的點集以 A表示, 集內像素數以L表示。經鄰域平均法濾波后，像素F( j, k)對應的輸

32、出為(,)1( , ) ( , )x y AG j k F x yL(2.2)即為窗口像素的平均值，用它代替F( j, k)原來的灰度值。應用鄰域平均法平滑時，鄰域的選取一般有兩種方式：以單位距離為半徑或單位 距離的2倍為半徑。以3X 3的窗口為例，單位距離為半徑時，其鄰域為單位距離的2倍為半徑時，其鄰域為8 A ( j 1,k 1),( j 1,k),( j 1,k 1),( j,k 1),(j,k 1),( j 1,k 1),( j1,k),( j 1,k1)(2.4)前者稱為四點鄰域，后者稱為八點鄰域。四點鄰域時，L 4;八點鄰域L 8。鄰域平均法有力地抑制了噪聲，同時，也出現了因平均作

33、用而引起的模糊現象， 模糊程度與鄰域半徑成正比。為了盡可能減小模糊失真，有人提出了超限鄰域平 均法，公式如下：；其他(2.5)就是說當F( j, k)大于鄰域平均值一定值后，作噪聲處理，否則不改變。以下是對圖像3X3均值濾波的核心算法：int nOffsetY9=-1,-1,-1,0,0,0,1,1,1;像素點橫向的偏移int nOffsetX9=0,-1,1,0,1,1,0,-1,1;像素點縱向的偏移int nOffset9; 代表3x3窗口中9個像素點相對中心像素點的偏移量for(i nt m=0;m<9;m+) nO ffsetm=nO ffsetXm*m_nDibWidth+nO

34、 ffsetYm;for(i nt i=0;i<=m_nHeight-1;i+)/m_nHeight是圖像的高度for(i nt j=0;jv=m_nDibWidth-1;j+)/m_nDibWidth是圖像的寬度for(i nt m=0;m<9;m+)/mpDibData圖像數據指針data+=*(mpDibData+i*m_nDibWidth+j+nO ffsetm);data/=9;對瓶口裂紋圖像用3X3窗口進行均值濾波處理，原始圖像和處理后的效果圖像, 如圖3.3所示：(a)原始裂紋圖像(b) 3X 3模板均值濾波圖3.3裂紋圖像通過均值濾波器比較圖通過圖像的對比明顯看出，

35、均值濾波器對抑制裂紋圖像的噪聲沒有效果。 因為操 作的目的是為了消除圖像的孤立噪聲點(裂紋圖中的白點) ，但是均值濾波器只 能使圖像平滑，細節特征消失。4 A ( j, k 1), ( j 1, k), ( j, k 1), ( j 1, k)(2.3)322 中值濾波法中值濾波是一種最常用的非線性濾波，由于它在實際運算過程中并不需要圖像的 統計特性，因此比較方便。中值濾波首先是被應用在一維信號處理技術中，后來 被二維圖像信號處理技術所引用。 在一定條件下，可以克服線性濾波器所帶來的 圖像細節模糊，而且對圖像中的脈沖噪聲和掃描噪聲， 能有較好的濾除效果，在 一定程度上可以克服在線性低通濾波器消

36、除噪聲時將圖像細節模糊掉的缺點，但是對于含有過多細節的圖像，處理效果一般不會太好。其原理是將包含奇數個像素的滑動窗口W在圖像上移動，在每一個位置上對窗口內像素的灰度值由小到大排序，然后將位于中間的灰度值作為窗口正中那個像素 的輸出值，即f(x,y)=midf(1,1),f(1,2),f(n,n)n 1,N(3-2)設有一個一維序列fl f2L fn，取窗口長度為m(m為奇數)，對此序列進行中值濾波， 就是從輸入序列中相繼抽出m個數，i v i i i i i i v f f f f fLL，其中if為窗口的中心值，12mV，再將這m個點的值按其數值大小排列，取其序號為正中間的那個數作為濾波輸出

37、。用數學公式表示為i i v i i v Y Med f f fL L 1,2m i Z V (2.9)例如：有一個序列為10,3, 45, 0, 29 ，重新排序后為0, 3,10, 29, 45 則Med 10,3,45,0, 29，10。此例若用鄰域平均法濾波，窗口也是取 5,那么鄰域平均法濾波輸出為(10+3+45+0+29) /5=17.4。對二維序列隊對進行中值濾波時，濾波窗口也是二維的，但這種二維窗口可以有各種不同的形狀，如線狀、方形、圓形、十字形、圓環形等。二維數據的中值濾 波可以表示為ij a j YMed X (2.10)式中A為窗口。在圖像陣列進行中值濾波時，如窗口是以中

38、心點對稱的，并包含 中心點在內，則中值濾波能保持任意方向的跳變邊緣。圖像中的跳變邊緣是指圖像中不同灰度區域之間的灰度突變邊緣。在實際使用窗口時，窗口的尺寸一般先用3再取5逐點增大，直到其濾波效果滿意為止。對于有緩變的較長輪廓線物體 的圖像，采用方形或圓形窗口為宜，對于包含尖頂角物體的圖像，適宜用十字形 窗口。使用二維中值濾波最值得注意的是要保持圖像中有效的細線狀物體。中值濾波有以下幾個重要特性:(1) 對某些輸入信號中值濾波具有不變性。對某些特定的輸入信號，濾波輸出保持輸入信號值不變，如在窗口2n+1內單調增加或單調減少的序列，即i n i i n i n i i n X X X X X XL

39、 L(2.11)則i i y X (2.12)二維序列的中值濾波的不變性要復雜得多， 它不但與輸入信號有關，而且還與窗 口的形狀有關。一般講，與窗口對頂角線垂直的邊緣保持不變性。 利用這個特點， 可以使中值濾波既能去除圖像中的噪聲，又能保持圖像中一些物體的邊緣。(2) 中值濾波去噪聲性能。中值濾波可以用來減弱隨機干擾和脈沖干擾。 由于中值濾波是非線性的，因此對 隨機輸入信號數學分析比較復雜。 對于均值為零的正態分布的噪聲輸入，中值濾波輸出的噪聲方差為：22214 1 22Med mf m m (2.13)式中2i為輸入噪聲功率(方差)，m為中值濾波窗口長度，m為輸入噪聲均值；f m為輸入噪聲密

40、度函數。而平滑濾波的輸出噪聲方差2。為2 1 2o i m(2.14)比較式(2.佝和式(2.14)可看出，中值濾波的輸出與輸入噪聲的密度分布有關。而 平均值濾波的輸出與輸入分布無關。對隨機噪聲的抑制能力方面來看，中值濾 波性能要比平均值濾波差一些。而對脈沖干擾來講，特別是脈沖寬度小于m/ 2,相距較遠的窄脈沖干擾，中值濾波是很有效的。對瓶口裂紋圖像用3X 3窗口進行中值濾波，對比圖像如圖 3.4所示:(a)原始裂紋圖像(b) 3X3模板中值濾波圖圖3.4裂紋圖像、尺寸圖像通過中值濾波器比較圖從圖像中可以看出，3X 3窗口的中值濾波器可以克服均值濾波器所帶來的圖像細節模糊，同時又能有效消除或降

41、低裂紋圖像中的孤立噪聲點，調整尺寸圖像內 圓中的虛環。中值濾波器的作用確實比均值濾波器好。因此在課題中采取3X 3窗口的中值濾波器實現圖像預處理中的去噪。3.2.3玻璃瓶圖像增強的算法實現第四章圖像分割圖像分割是圖像分析的第一步，是圖像分析技術的重要組成部分，也是圖像處理 中最困難的問題之一。在對圖像的研究和應用中，人們往往僅對圖像中的某些部 分感興趣。這些部分常稱為目標（其他部分稱為背景），它們一般對應圖像中特定、 具有獨特性質的區域。為了辨識和分析圖像中的目標，需要將它們從圖像中分離 提取出來，在此基礎上才有可能進一步對目標進行測量和對圖像進行利用。圖像分割就是指把圖像分成各自具有特性的區

42、域并提取出感興趣的目標的技術和過 程。由于問題本身的重要性和困難性，從20世紀70年代起圖像分割問題就吸引了很多 研究人員為之付出了巨大的努力。 雖然到目前為止，還沒有唯一的、標準的圖像 分割的方法，但是對于圖像分割的一般性規律則基本上已經達成了共識，己經產生了相當多的研究結果和方法。對應不同的應用場合，我們可以采用各種各樣的 分割方法，只要能夠完成圖像分割的目的，有助于圖像的分析，就是合適的方法。 這里首先主要介紹這一領域中經典方法和近年來出現的新思路、新方法以及對原有方法的新的改進作個整體的介紹。4.1閾值分割方法閾值分割方法作為一種常見的區域并行技術，就是用一個或幾個閾值將圖像的灰 度直

43、方圖分成幾個類，認為圖像中灰度值在同一類中的像素屬于同一物體。由于是直接利用圖像的灰度特性，因此計算方便簡明、實用性強。顯然，閾值分割方 法的關鍵和難點是如何取得一個合適的閾值。 而實際應用中，閾值設定易受噪聲 和光亮度影響。閾值方法的缺陷主要在于它僅僅考慮了圖像的灰度信息，而忽略了圖像的空間信息。對于非此即彼的簡單圖像處理（如一些二值圖像的處理）是有效的，但是對于 圖像中不存在明顯的灰度差異或各物體的灰度值范圍有較大的重疊的圖像分割 問題難以得到準確的分割效果。近年來的方法有：用最大相關性原則選擇閾值的方法、基于圖像拓撲穩定狀態的 方法、Yager測度極小化方法、灰度共生矩陣方法、方差法、熵

44、法、峰值和谷值 分析法等，其中，自適應閾值法、最大熵法、模糊閾值法、類間閾值法是對傳統 閾值法改進較成功的幾種算法。更多的情況下，閾值的選擇會綜合運用2種或2種以上的方法，這也是圖像分割發展的一個趨勢。4.2邊緣檢測算子邊緣檢測是提取圖像中不連續部分的特征， 根據閉合的邊緣確定區域。由于邊緣 檢測方法不需要將圖像逐個像素地分割，因此更適合大圖像的分割。圖像邊緣對圖像識別和計算機分析十分有用。邊緣能勾劃出目標物體，使觀察者一目了然； 邊緣蘊含了豐富的內在信息，是圖像識別中抽取圖像特征的重要屬性。從本質上說，圖像邊緣是圖像局部特性不連續性的反映，它標志著一個區域的終結和另一個區域的開始34。邊緣的

45、特性是沿邊緣走向的像素變化平緩，而垂直于邊緣方 向的像素變化劇烈。所以，從這個意義上說，提取邊緣的算法就是檢出符合邊緣 特性的邊緣像素的數學算子。下面介紹幾種常用的邊緣檢測算子，用這些算子與 圖像卷積，可以找出圖像邊緣的位置和方向。 Roberts算子圖像f x, y 的梯度定義為：f x y f x yf x y i jx y(3.9)梯度的模為：(3.10)通常把梯度的模就叫做圖像的梯度。Roberts算子是用斜向上4個像素交叉差分 來表示梯度的，即f x, yf x, yf x1, y1f x1, yf x, y 1(3.11)上式也可以簡化為：f x, y f x, yf x1, y(

46、3.12)或f x, ymaxfx, yf x1, y(3.13)也可以表示成掩模的形式如圖3.1所示。 Sobel算子Sobel算子是一種簡單常用的算子，它是對數字圖像f x, y的每個像素，考查其相鄰點像素灰度的加權差，即S x, y|(3.14)Sobel算子可以寫成圖3.2的掩模形式。1 0 -12 0 -21 0 -11 00 -10 1-1 01 2 10 0 0-1 -2 -1圖3.1 Roberts 算子模板圖3.2 Sobel算子模板 Prewitt邊緣檢測算子如圖3.3所示的兩個卷積核形成了 Prewitt邊緣檢測算子。與使用SobeI算 子的方法一樣，圖像中的每個點都用這兩個核作卷積，取最大值作為輸出。Prewitt算子也能產生一幅邊緣圖像。 Kirsch算子Kirsch算子是由Ko : K?共8個方向的掩模組成，如圖3.4所示。將0 7 K : K的掩模算子分別與圖像中3 3的區域相乘，選擇最大的一個，將該最大值作為中央像素的邊緣強度，可以用下式表示x, y像點的強度。8 0 1 2 3 4 5 6 7g X, y max g , g , g , g , g , g , g , g(3.15)其中g x y K k I f x k y Ii 0,1,2,3, 4,5,