機(jī)器視覺陳兵旗陳思瑤王僑第1章緒論01第2章圖像數(shù)據(jù)及存儲與采集02第3章像素分布與圖像分割03第4章顏色空間及測量與變換04第5章幾何變換及單目測量05第6章傅里葉變換06第7章小波變換07第8章濾波增強(qiáng)08第9章二值運算與參數(shù)測量09第10章雙目視覺測量10第11章二維三維運動圖像測量實踐11第12章模式識別12第13章神經(jīng)網(wǎng)絡(luò)13第14章深度學(xué)習(xí)14目錄第4章 顏色空間及測量與變換思維導(dǎo)圖4.1顏色空間一、RGB顏色RGB（Red，Green，Blue）是數(shù)字圖像處理中最常用的顏色模型，它通過紅（R）、綠(G)、藍(lán)(B)三原色的組合來產(chǎn)生其他顏色。在視覺上，任何顏色都可以通過將紅綠藍(lán)三原色按照一定比例混合得到。該顏色空間基于顏色的加法混色原理而構(gòu)建，我們看到的任何顏色，都是由這三原色通過不同比例混合而成，在RGB顏色空間中，每一個像素都需要三個分量的疊加（即需要三個通道的信號）。當(dāng)三原色分量都為0（最小）時混合為黑色，基于黑色不斷疊加R、G、B顏色分量，當(dāng)三原色都為最大值時混合為白色。RGB顏色空間和其他顏色空間可以相互轉(zhuǎn)換。二、YUV顏色YUV是用于模擬電視傳輸?shù)臉?biāo)準(zhǔn)顏色空間，也被稱為YCrCb顏色空間，是被歐洲電視系統(tǒng)所采用的一種顏色編碼方法。其中“Y”表示明亮度（Luminance或Luma），也就是灰階值；而“U”和“V”則表示的是色度（Chrominance或Chroma），作用是描述影像色彩及飽和度，用于指定像素的顏色。YUV顏色空間是彩色電視興起后，對黑白電視兼容的產(chǎn)物。因為在RGB顏色空間中，即便是表示黑白像素，也需要三個通道，而在YUV顏色空間中，Y直接就能表示灰度信息（黑白圖像）。數(shù)碼攝像機(jī)可以直接采集YUV信號數(shù)據(jù)，然后轉(zhuǎn)換為RGB圖像保存。4.1顏色空間三、HSI顏色HSI反應(yīng)人的視覺系統(tǒng)感知彩色的方式，是一種使用色調(diào)（Hue,H）、飽和度（Saturation,S）、亮度（Intensity,I）來描述物體顏色所使用的顏色空間。H也稱為色相，表示顏色的種類，即平常所說的顏色名稱，如紅色、黃色等；S表示顏色的深淺程度，數(shù)字由高到低，表示色彩由濃重到灰淡；I表示顏色的明亮程度，相當(dāng)于YUV中的Y。四、L*a*b顏色L*a*b顏色空間是由CIE（國際照明委員會）制定的一種色彩模式，以明度L*和色度坐標(biāo)a*、b*來表示顏色在色空間中的位置。L*表示顏色的明度，a*正值表示偏紅，負(fù)值表示偏綠；b*正值表示偏黃，負(fù)值表示偏藍(lán)。由于該顏色空間是基于人眼生理特征構(gòu)建的顏色系統(tǒng)，采用數(shù)字化的方法來描述人的視覺感應(yīng)，與設(shè)備無關(guān)，所以自然界中任何一種顏色都可以在L*a*b空間中表達(dá)出來。五、XYZ顏色XYZ顏色空間的提出是為了更精確地定義色彩，鑒于不同設(shè)備顯示的RGB都不太一樣，并且不同人眼看同一個顏色的感知也不同，所以XYZ色彩空間是國際照明委員會設(shè)計的一個“標(biāo)準(zhǔn)觀察者”。XYZ顏色空間是一種數(shù)學(xué)模型，由三種刺激值X（紅色）、Y（綠色）和Z（藍(lán)色）構(gòu)成的。在該模型中，所有顏色都可以被一個“標(biāo)準(zhǔn)”觀察者看到。4.2顏色測量打開ImageSys軟件，讀入需要測量顏色的圖像，點擊菜單：顏色測量，彈出圖4.1顏色測量界面。顏色測量是基于R、G、B亮度值以及國際照明委員會（CIE）倡導(dǎo)的［XYZ顏色系統(tǒng)］、[HSI顏色系統(tǒng)]進(jìn)行坐標(biāo)變換、色差測量等。界面右下方的區(qū)域是CIE-xy色度圖。所有的色彩，均為R、G、B三種顏色調(diào)和而成。為了能夠?qū)⑦@些色彩統(tǒng)計并展示出來，1931年CIE讓科學(xué)家們制作了CIE-xy色度圖，也就是色彩空間。圖4.1顏色測量4.2顏色測量界面功能1.色差：表示基準(zhǔn)色與測定色的色差。1）NBS：色差的一種表示方法。NBS=

E*_ab×0.92

2）

L*：亮度色差，L0、L1分別表示基準(zhǔn)亮度和測量亮度。

L*=|L0–L1

|3）

E*_ab：CIEL*a*b*顏色空間的色差，

a*，

b*分別表示a*和b*的差值。

E*_ab=(

L*2+

a*2+

b*2)1/24）

C*_ab：CIEL*a*b*顏色空間色度的色差。

C*_ab=(

a*2+

b*2)1/25）

E*_uv：CIEUCS顏色空間的色差，

u*、

v*分別表示u*和v*的差值。

E*_uv=(

L*2+

u*2+

v*2)1/26）

C*_uv：CIEUCS顏色空間色度的色差。

C*_uv=(

u*2+

v*2)1/22.基準(zhǔn)值：表示基準(zhǔn)點的顏色測量結(jié)果。選擇“基準(zhǔn)”后，將鼠標(biāo)移至基準(zhǔn)點，雙擊鼠標(biāo)左鍵即可完成基準(zhǔn)值的測量。1）R、G、B：表示測定點的R、G、B亮度值。2）H、S、I：表示將測定點的R、G、B亮度值變換到HSI顏色系統(tǒng)下的取值。3）X、Y、Z：表示將測定點的RGB顏色系統(tǒng)變換到CIEXYZ顏色系統(tǒng)時的3刺激值。4）x、y：表示3刺激值在［XYZ顏色系統(tǒng)的色度圖］上的色度坐標(biāo)。計算方法如下：x=X/(X+Y+Z)。y=Y/(X+Y+Z)。5)L*、a*、b*：在CIE的L*a*b*色空間，L*表示亮度值，a*、b*表示色度值。各值的計算方法如下：L*=116(Y/Yn)1/3–16，當(dāng)Y/Yn>0.008856時。

L*=903.29(Y/Yn)，當(dāng)Y/Yn<=0.008856時。a*=500(XX–YY)。b*=200(YY–ZZ)。XX=(X/Xn)1/3

，當(dāng)X/Xn>0.008856時。XX=7.787(X/Xn)+16/116，當(dāng)X/Xn<=0.008856時。YY=(Y/Yn)1/3

，當(dāng)Y/Yn>0.008856時。YY=7.787(Y/Yn)+16/116，當(dāng)Y/Yn<=0.008856時。ZZ=(Z/Zn)1/3，當(dāng)Z/Zn>0.008856時。ZZ=7.787(Z/Zn)+16/116，當(dāng)Z/Zn<=0.008856時。注：關(guān)于Xn、Yn、Zn參考表4.1。6）u*.v*：表示變換成CIEUCS顏色空間時的坐標(biāo)。各值的計算方法如下：u*=13L*(u’–un’);v*=13L*(v’–vn’);u’=4X/(X+15Y+3Z);v’=9Y/(X+15Y+3Z);un’=4Xn/(Xn+15Yn+3Zn);vn’=9Yn/(Xn+15Yn+3Zn);

注：關(guān)于Xn、Yn、Zn參考表4.1。4.2顏色測量界面功能3.測量值：表示測量點的顏色測量結(jié)果。各個測量值的計算方法與基準(zhǔn)值中的各項相同。完成基準(zhǔn)點測量后，選擇“測量”，將鼠標(biāo)移至測量點，雙擊鼠標(biāo)左鍵即可完成測量。4.視野：選擇攝影時的視野。5.光源：選擇攝影時的光源。1）A光源：相關(guān)色溫度為2856K左右的鎢絲燈。2）B光源：可視波長域的直射太陽光。3）C光源：可視波長域的平均光。4）D65光源：包含紫外域的平均自然光。6.基準(zhǔn)：選擇基準(zhǔn)值的測量。7.測量：選擇測量值的測量。8.矩陣大?。哼x擇以設(shè)定位置為中心的測量對象領(lǐng)域的大小。9.查看數(shù)值：查看測量結(jié)果。在查看數(shù)值窗口內(nèi)可以保存、讀入、打印結(jié)果。10.CIE的XYZ顏色系統(tǒng)：橫坐標(biāo)為x坐標(biāo)，縱坐標(biāo)為y坐標(biāo)。4.2顏色測量二、使用方法：1.拍攝或讀入彩色圖像。2.設(shè)定拍攝時的視野（界面功能4）和光源（界面功能5）。4.選擇測量領(lǐng)域范圍（界面功能8）。4.選擇基準(zhǔn)值（界面功能6）。移動鼠標(biāo)至圖像窗口上設(shè)定的基準(zhǔn)位置，雙擊鼠標(biāo)左鍵，基準(zhǔn)值測量結(jié)果將自動顯示在顏色測量對話框中，并同步顯示在CIE-xy色度圖的對應(yīng)位置處。5.選擇測量值（界面功能7）。移動鼠標(biāo)至圖像窗口上的測量位置（即需與基準(zhǔn)點進(jìn)行顏色比較的位置），雙擊鼠標(biāo)左鍵，測量位置處的測量值及其與基準(zhǔn)點之間的色差將自動顯示在顏色測量對話框中，且測量位置處的測量值同步顯示在CIE-xy色度圖的對應(yīng)位置處。6.點擊“查看數(shù)據(jù)”（界面功能9），將彈出測量結(jié)果窗口顯示測定結(jié)果。打開測量結(jié)果窗口的“文件”菜單，可以保存、讀入、打印測定結(jié)果。7.關(guān)閉窗口（點擊窗口右上角的“×”）。4.3顏色亮度變換打開ImageSys軟件，讀入一幅彩色或灰度圖像，點擊菜單：顏色變換——顏色亮度變換，打開圖4.2亮度變換窗口。下面將通過該窗口介紹相關(guān)變換功能及其操作方法。圖4.2亮度變換窗口4.3.1基礎(chǔ)變換1.線性恢復(fù)：將亮度變換窗口中的變換圖形恢復(fù)至原始的斜對角直線狀態(tài)，圖像隨之恢復(fù)至原圖狀態(tài)。2.像素提?。禾崛∷O(shè)定的灰度范圍內(nèi)的像素，把灰度范圍外的像素變?yōu)楸尘吧Ｈ鐖D4.3所示，通過操作界面右下方的左右滑動手柄，來調(diào)整灰度范圍實現(xiàn)本功能。圖4.3灰度提取功能3.范圍移動：整個圖像中像素的灰度值加上或減去某一常數(shù)，使圖像變亮或變暗。如圖4.4所示，通過修改設(shè)置界面左下方的“位移量Y”和“位移量X”，來實現(xiàn)本功能。圖4.4灰度范圍移動功能4.3顏色亮度變換4.3.1基礎(chǔ)變換4.3顏色亮度變換4.3.1基礎(chǔ)變換4.Ｎ值化：將設(shè)定的亮度范圍Ｎ等分，使圖像變?yōu)椋渭壛炼葓D像。如圖4.5所示，當(dāng)設(shè)定界面左下角的N值為2時，獲得二值圖像。圖4.5N值化功能圖4.6是圖4.5執(zhí)行“運行”、“關(guān)閉”后，打開像素值查看和線剖圖查看對話框，根據(jù)所顯示的像素值可以看出，R、G、B均成了僅含127和255像素值的二值圖像。4.6RGB二值圖像

4.3顏色亮度變換4.3.1基礎(chǔ)變換5.自定義：選擇自定義后，可以在“變換圖形”窗口內(nèi)點擊鼠標(biāo)左鍵拉動圖形線，圖像亮度會隨動變化，如圖4.7所示。右擊鼠標(biāo)，停止本功能。圖4.7自定義功能6.反色：執(zhí)行“反色”按鈕，圖像的R、G、B值都會變成255減當(dāng)前值。圖4.8為圖4.7執(zhí)行反色處理后的結(jié)果圖。圖4.8反色功能4.3顏色亮度變換4.3.2L(朗格)變換一、變換原理朗格變換也稱對數(shù)變換，由于對數(shù)曲線在像素值較低的區(qū)域斜率大，而在像素值較高的區(qū)域斜率較小，所以圖像進(jìn)行朗格變換后，較暗區(qū)域的對比度將有所提升，增強(qiáng)圖像的暗部細(xì)節(jié)。朗格變換可以對圖像像素值較低的部分進(jìn)行對比度擴(kuò)展，強(qiáng)調(diào)顯示低灰度部分更多的細(xì)節(jié)，同時壓縮高灰度值部分，減少其細(xì)節(jié)層次，從而達(dá)到強(qiáng)調(diào)圖像低灰度部分的目的。二、變換實踐

如圖4.9所示，選擇“L(朗格)變換”后，通過操作界面右下方的左右滑動手柄，來實現(xiàn)本功能。圖4.9L(朗格)變換功能4.3顏色亮度變換4.3.3γ(伽馬)變換一、變換原理伽馬變換是對圖像進(jìn)行非線性色調(diào)編輯的方法，通過檢出圖像信號中的深色部分和淺色部分，并使兩者比例增大，從而提高圖像對比度效果。伽馬變換可以對圖像進(jìn)行對比度調(diào)節(jié)，常用于處理過曝或者曝光不足（過暗）的圖像，即通過非線性變換，讓圖像中較暗區(qū)域的灰度值得到增強(qiáng)，圖像中過亮區(qū)域的灰度值得到降低。經(jīng)過伽馬變換，圖像整體的細(xì)節(jié)表現(xiàn)會得到增強(qiáng)。二、變換實踐如圖4.10所示，選擇“γ(伽馬)變換”后，通過操作界面右下方的左右滑動手柄，來實現(xiàn)本功能。另外，可以在界面左下方設(shè)定γ系數(shù)（0～1.0），默認(rèn)為0.5。圖4.10γ(伽馬)變換功能4.3顏色亮度變換4.3.4去霧處理一、圖像去霧原理霧霾天氣會對數(shù)字圖像的畫質(zhì)產(chǎn)生影響，主要是因為光線在懸浮粒子作用下出現(xiàn)散射現(xiàn)象，使得目標(biāo)對象反射的光線發(fā)生衰減。針對不同應(yīng)用環(huán)境的去霧技術(shù)有很多，從基本原理的角度來進(jìn)行分類，可以劃分為圖像增強(qiáng)式去霧和反演式去霧。圖像增強(qiáng)式去霧是針對現(xiàn)有被霧化圖像，進(jìn)行畫質(zhì)增強(qiáng)處理。高斯模糊方法和直方圖均衡化方法等目前非常成熟的圖像增強(qiáng)算法，現(xiàn)已廣泛用于霧化圖像的清晰化處理。反演式去霧是根據(jù)霧化圖像退化的物理原理建立數(shù)學(xué)模型，用數(shù)學(xué)推導(dǎo)的方式還原出未霧化的圖像，下述的暗通道先驗（DarkChannelPrior，簡稱DCP）去霧算法便屬于這種類型。1．霧化圖像的退化模型如果用I表示霧霾天氣下視覺系統(tǒng)獲得的圖像，J表示期望的圖像（即沒有霧霾的清晰圖像），那么兩者之間的差值便是退化圖像。退化圖像與大氣光以及空氣（或者直接可以理解為霧霾）的透射率有關(guān)。記大氣光系數(shù)為A、空氣的透射率系數(shù)為t，則可以得到如下的數(shù)學(xué)模型：

2.圖像暗通道先驗去霧方法暗通道先驗是一種基于戶外大量無霧霾圖像的統(tǒng)計結(jié)果，即除去天空區(qū)域外，絕大多數(shù)局部的圖像區(qū)域，都能找到至少一個具有很小像素值（即暗像素）的顏色通道，擁有該暗像素的通道叫暗通道，大多數(shù)的無霧圖像，其暗通道的強(qiáng)度值都非常小，甚至趨近于零。該統(tǒng)計規(guī)律稱之為暗通道先驗。像素值代表傳感器感光的強(qiáng)度，若定義像素在RGB三個通道中的最小值為J（x），則J（x）可以表述為：

去霧的目標(biāo)是從I中復(fù)原J，根據(jù)公式（4.1）變換得到下式：如上所述，該方程中I表示待去霧的原圖像，J表示要恢復(fù)的無霧圖像。該方程有t和A兩個未知量，如果缺乏進(jìn)一步的信息輸入，此方程將無法解出。但是，如果將暗通道先驗知識加入進(jìn)來就可將其演變?yōu)榭山獾姆匠?。先假定A為已知，在方程（4.1）的基礎(chǔ)上分別除以A,得到：將顏色通道表示并代入公式（4.4）中，得到下式：式中，上標(biāo)C表示R、G、B三個通道的意思。t(x)為每一個窗口內(nèi)的透射率系數(shù)。4.3顏色亮度變換4.3.4去霧處理一、圖像去霧原理對式（4.5）兩邊求兩次最小值運算，得到下式：

公式（4.6）為公式（4.4）加上通道和窗口后的特例，其中Ω(x)表示以x為中心的小塊窗口區(qū)域，這里窗口大小設(shè)置為15*15像素。結(jié)合公式（4.2），得到下式：

將式（4.7）代入式（4.6）中，得到：以上推導(dǎo)假設(shè)大氣光系數(shù)A值已知，實際運算時，A的取得方法是從暗通道圖中找到像素值最高、占總像素數(shù)0.1%的像素點位置，根據(jù)這些像素點在原始有霧圖像I中的像素值，確定數(shù)量最多的對應(yīng)像素值，將其作為A值。將A值代入公式（4.8）得到t值，最后再根據(jù)公式（4.3）獲得期望圖像J。4.3顏色亮度變換4.3.4去霧處理二、去霧實踐關(guān)閉“亮度變換窗口”，讀入要變換的有霧圖像，然后重新打開“亮度變換窗口”，如圖4.11所示。圖4.11去霧功能執(zhí)行“去霧”變換后的結(jié)果，如圖4.12所示。4.12去霧結(jié)果圖像4.3.5直方圖平滑化一、變換原理直方圖平滑化，也稱直方圖均衡化（histogramequalization），是采取壓縮原始圖像中像素數(shù)較少部分、拉伸像素數(shù)較多部分的處理方法。如果圖像在某一灰度范圍內(nèi)像素比較集中，可采取直方圖平滑化方法，增強(qiáng)整個圖像的對比度，使圖像變得清晰。下面列舉一個簡單的例子來說明直方圖均衡化算法。灰度為0～7的各個灰度級（graylevel）所對應(yīng)的像素數(shù)如圖4.13所示。均衡化后，每個灰度級所分配的像素數(shù)等于總像素數(shù)除以總灰度級，即40÷8=5。從原始圖像中灰度值大的像素開始，每次取5個像素，按灰度級由大到小重新予以分配。如圖4.13所示，將原始圖像中灰度級7、6的全部像素和灰度級5的9個像素中的1個像素分配給灰度級7。其中，從灰度級5中選取1個像素的算法，有如下兩種：1．隨機(jī)選??；2．從其周圍像素平均灰度較大的像素中順次選取。算法2比算法1稍微復(fù)雜一些，但是算法2所得結(jié)果的噪音比算法1少。在此選用算法2。接下來，按照該選取方法，從原始圖像中灰度級5剩余的8個像素中，選取5個像素分配給灰度級6。依此類推，對所有灰度級進(jìn)行像素的重新分配。圖4.13灰度直方圖均衡化4.3.5直方圖平滑化二、變換實踐針對圖4.11所示的霧霾蘋果圖像，執(zhí)行“直方圖平滑化”，處理結(jié)果如圖4.14所示。圖4.14直方圖平滑化功能在圖4.14亮度變換窗口中，執(zhí)行“運行”—“關(guān)閉”，然后點擊主界面中的菜單“像素分布處理”，選擇并打開直方圖界面，如圖4.15所示，可以觀察到，R、G、B像素直方圖均被較好地平滑處理了。圖4.15直方圖平滑化效果4.4HSI變換一、變換原理1.色調(diào)H(Hue)：與光波的波長有關(guān)，用以表示人的感官對不同顏色的感受，亦即顏色的種類，如紅色、綠色、藍(lán)色等，也可表示一定范圍的顏色，如暖色、冷色等。2.飽和度S(Saturation)：表示顏色的純度，純光譜色是完全飽和的，加入白光會稀釋飽和度。飽和度越大，顏色看起來越鮮艷，反之亦然。3.亮度I(Intensity)：對應(yīng)成像亮度和圖像灰度，表示顏色的明亮程度。上述三個基本屬性定義了一個三維顏色空間，三者之間的關(guān)系如圖4.16所示，與三通道二維矩陣表示的RGB顏色空間大不相同，HSI更貼近人眼判斷顏色模式，RGB更便于計算機(jī)存儲和讀取。圖4.16HSI顏色模型關(guān)系圖實際在制作彩色電視信號時，通常將R、G、B信號變換至亮度信號Y和顏色信號Cr（表示紅色的濃度偏移量）、Cb（表示藍(lán)色的濃度偏移量）進(jìn)行發(fā)射，接收時再還原成RGB三基色信號。其轉(zhuǎn)換關(guān)系式如下：色調(diào)H表示離開色差信號B-Y（即Cr）基準(zhǔn)軸的旋轉(zhuǎn)角度，飽和度表示離開原點的距離，如圖4.17所示。用公式表示其與色差的關(guān)系，表示如下：圖4.17色調(diào)、飽和度與色差信號之間的關(guān)系4.4HSI變換二、變換實踐圖4.18HSI變換功能界面打開ImageSys軟件，讀入一幅彩色圖像，依次點擊菜單：顏色變換——HSI表示變換，打開如圖4.18所示界面。1.界面功能1）

基準(zhǔn)色選擇：選擇色相圖像的基準(zhǔn)顏色。2）

分量圖像：H、S、I，將圖像由ＲＧＢ顏色系統(tǒng)轉(zhuǎn)換至HSI顏色系統(tǒng)后各個分量的圖像表示。H表示色相；S表示飽和度；I表示亮度。3）色差圖像：色差數(shù)據(jù)R–I（Cr）和B–I（Cb）的圖像表示。4）變換圖像（加變化量）:在原圖的HSI各個分量上分別增加一定量值后獲得的變換圖像。H的變化量范圍為-180°至180°，S與I的變化量范圍均為-100%至100%。5）

輸出：將變換后的圖像放置至系統(tǒng)某幀。系統(tǒng)默認(rèn)設(shè)置為放至原圖的下一幀。6）原圖：顯示原圖像。7）確認(rèn)：將對話框中所示的結(jié)果圖像顯示至主界面窗口上，同時“狀態(tài)窗”上的顯示幀更新為當(dāng)前窗口圖像所在的系統(tǒng)幀號。8）關(guān)閉：關(guān)閉窗口。注意：關(guān)閉窗口前，不能執(zhí)行該窗口以外的命令。2.使用方法1）

讀入要變換的圖像。2）

打開HSI表示變換窗口（菜單：圖像變換–HSI表示變換）。3）選擇變換項目。4）選擇“輸出幀”。5）

“確認(rèn)”變換。6）“關(guān)閉”窗口。4.5RGB色差變換一、變換原理對于目標(biāo)和背景顏色差別較大的圖像，為了分割提取目標(biāo)，通過分析目標(biāo)和背景的R、G、B值差異性，針對圖像R、G、B值進(jìn)行加權(quán)求和或作差等運算，以此增加目標(biāo)和背景之間的亮度差，達(dá)到強(qiáng)調(diào)目標(biāo)的目的。運算后的圖像為灰度圖。二、變換實踐打開ImageSys軟件，讀入一幅彩色圖像，依次點擊菜單：顏色變換——RGB色差變換，打開圖4.19所示界面。圖4.19RGB色差變換功能1.界面功能1）RGB值計算公式：采用數(shù)學(xué)公式形式形象地表示圖像R、G、B分量值間的運算。將所需加權(quán)值填寫在相應(yīng)空格中，選擇運算符號并執(zhí)行后，可方便地得到變換后的圖像并顯示在預(yù)覽窗口中。默認(rèn)灰度值計算公式為:0.299×R+0.578×G+0.114×B。2）執(zhí)行（=）:確認(rèn)并執(zhí)行運算變換，在預(yù)覽窗口中顯示計算結(jié)果圖像。圖4.19所示為2×R-G-B運算結(jié)果，由圖可知，桃子的紅色分量得到了強(qiáng)化。3）RGB范圍設(shè)定：設(shè)置R、G、B的最小值和最大值，默認(rèn)值為0和255，在設(shè)置范圍內(nèi)的像素執(zhí)行公式計算，范圍外的像素值置為0。4）幀模式：該項與“狀態(tài)窗”同步顯示，用于改變當(dāng)前所顯示的幀號，以及設(shè)置是否保留原幀。默認(rèn)原幀不保留，顯示第一幀。5）確認(rèn)：將預(yù)覽窗口中的圖像顯示至主界面圖像顯示窗口中。6）關(guān)閉：關(guān)閉當(dāng)前變換窗口。2.使用方法1）“狀態(tài)窗”中選中彩色后，從文件菜單讀入要變換的彩色圖像。2）打開“顏色變換”下的“RGB色差變換”。3）填入變換參數(shù)，設(shè)定像素值范圍，點擊“執(zhí)行”，預(yù)覽變換結(jié)果圖像。4）“確認(rèn)”變換。5)“關(guān)閉”窗口。4.6自由變換

打開ImageSys軟件，讀入一幅圖像，依次點擊菜單：顏色變換——自由變換，打開自由變換界面。圖4.20為滾動平移效果圖，下面詳細(xì)介紹具體功能。圖4.20自由變換功能1．平移：滾動或平移圖像。可選擇滾動或移位，可以設(shè)定ｘ、ｙ方向移動量。2．90度旋轉(zhuǎn)：執(zhí)行后，圖像旋轉(zhuǎn)90度。3．亮度輪廓線：畫出各個亮度范圍的輪廓線。最小值、最大值，用于設(shè)定亮度范圍；除數(shù)，即等份數(shù)，設(shè)定將亮度范圍分割成數(shù)等份；輪廓線亮度，用于設(shè)定輪廓線的亮度值，設(shè)定為-1時，以各組分割的亮度值作為輪廓線的亮度值；背景亮度，用于設(shè)定輪廓線以外的背景的亮度。4．馬賽克：計算設(shè)定范圍內(nèi)像素的亮度平均值，畫出馬賽克圖像。水平像素點，用于設(shè)定水平方向像素范圍；垂直像素點，用于設(shè)定垂直方向像素范圍；文件存儲，選擇后，運行時出現(xiàn)保存窗口，設(shè)定文件名后自動保存數(shù)據(jù)，也可在點擊“查看”后所顯示的窗口內(nèi)進(jìn)行數(shù)據(jù)保存；查看，用于查看計算的數(shù)據(jù)，打開查看窗口的“文件”菜單，可以保存、讀入或打印數(shù)據(jù)等。5．窗口涂抹：以任意的亮度涂抹處理窗口內(nèi)或處理窗口外。窗口內(nèi)，表示涂抹處理窗口的內(nèi)部區(qū)域；窗口外，表示涂抹處理窗口的外部區(qū)域；幀平均，表示涂抹亮度為處理窗口周圍像素的平均亮度；區(qū)域平均，表示涂抹亮度為處理窗口內(nèi)像素的平均亮度；指定；表示涂抹亮度為指定亮度。6．積分平均：設(shè)定多幀圖像，計算出平均圖像，用于除去隨機(jī)雜質(zhì)，改善圖像。起始幀，設(shè)定多幀圖像中的開始幀；終止幀，設(shè)定多幀圖像中的結(jié)束幀；輸出幀，設(shè)定多幀圖像平均后的輸出幀。4.7應(yīng)用實例4.7.1小麥苗區(qū)域檢測對于自然界的目標(biāo)提取，可以根據(jù)目標(biāo)的顏色特征，使用R、G、B分量及其之間的差分組合，有效避免自然光照變化的影響，快速提取目標(biāo)。下述案例采取基于顏色分量差分的方法提取綠色麥苗目標(biāo)。

小麥從出苗到灌漿，需要進(jìn)行許多田間管理作業(yè)，其中包括松土、施肥、除草、噴藥、灌溉、生長檢測等。不同的管理作業(yè)環(huán)節(jié)又具有不同的作業(yè)對象。例如，在噴藥、噴灌、生長檢測等作業(yè)環(huán)節(jié)中，作業(yè)對象為小麥列（苗列）；在松土、除草等作業(yè)環(huán)節(jié)中，作業(yè)對象為小麥列之間的區(qū)域（列間）。無論何種作業(yè)，首先都需要把小麥苗提取出來。雖然在不同季節(jié)小麥苗的顏色有所不同，但總體都呈綠色。如圖4.21所示，其中（a）為11月（秋季）小麥生長初期陰天的圖像，土壤比較濕潤；（b）為2月（冬季）晴天的圖像，土壤干旱，發(fā)生干裂；（c）為3月（春季）小麥返青時節(jié)陰天的圖像，土壤比較松軟；（d）、（e）、（f）分別為小麥后續(xù)不同生長階段不同天氣狀況下的圖像。由于麥苗的綠色成分大于其他兩個顏色成分，為了提取綠色的麥苗，可以通過強(qiáng)調(diào)綠色成分、抑制其他成分的方法把麥田彩色圖像變化為灰度圖像。具體方法如式（4.11）所示。

其中，G、R、B表示點（x,y）在彩色圖像中的綠、紅、藍(lán)顏色值，pixel(x,y)表示像素點(x,y)經(jīng)處理后的灰度值。4.7應(yīng)用實例4.7.1小麥苗區(qū)域檢測圖4.22為經(jīng)過上述處理獲得的麥苗區(qū)域加強(qiáng)后的灰度圖像。圖4.23是對圖4.22進(jìn)行大津法自動二值化處理后，所獲得的麥苗區(qū)域二值化圖像。4.7應(yīng)用實例4.7.2果樹上紅色桃子檢測一、試驗設(shè)備與圖像樣本在北京市通州區(qū)西集鎮(zhèn)桃園，通過數(shù)碼相機(jī)實地采集獲得試驗用桃子圖像樣本。數(shù)碼相機(jī)型號為DigimaxS500，拍攝圖像的分辨率為640×480像素。圖像處理的PC機(jī)配置為：IntelPentium4處理器，主頻為2.4GHz，內(nèi)存為256MB。利用MicrosoftVisualC++進(jìn)行了算法的研究開發(fā)。圖4.24為現(xiàn)場采集的果樹桃子彩色原圖像，分別示意了單個果實、多個果實成簇、果實相互分離或相互接觸等生長狀態(tài)以及不同光照條件和不同背景下的圖像樣本。圖4.24（a）為順光拍攝，光照強(qiáng)，果實單個生長，有樹葉遮擋，背景主要為樹葉。圖4.24（b）為強(qiáng)光照拍攝，果實相互接觸，有樹葉遮擋，背景主要為枝葉。圖4.24（c）為逆光拍攝，圖像中既有單個果實，又存在果實相互接觸，且存在部分果實被樹葉遮擋的情況，背景主要為枝葉和直射陽光。圖4.24（d）為弱光照、相機(jī)自動補(bǔ)光拍攝，果實相互接觸，無遮擋，背景主要為樹葉。圖4.24（e）為順光拍攝，既有單個果實，又存在果實相互接觸及枝干干擾。圖4.24（f）為強(qiáng)光照拍攝，既有單果實，又存在果實間相互遮擋，并含有枝干干擾及樹葉遮擋。圖4.24彩色原圖像4.7應(yīng)用實例4.7.2果樹上紅色桃子檢測二、桃子紅色區(qū)域提取由于成熟桃子一般帶紅色，因此對原彩色圖像，首先利用紅、綠色差信息提取圖像中桃子的紅色區(qū)域，然后再采用與原圖進(jìn)行匹配膨脹的方法來獲得桃子的完整區(qū)域。圖4.25為圖4.24采用上述方法提取的桃子紅色區(qū)域二值圖像。從圖4.25的提取結(jié)果可以看出，該方法對圖4.24中的各種光照條件和不同背景情況，都能較好地提取出桃子的紅色區(qū)域。

4.7應(yīng)用實例4.7.2果樹上紅色桃子檢測三、匹配膨脹處理

圖4.25與彩色原圖像圖4.24進(jìn)行匹配膨脹后的二值圖像，如圖4.26所示。鑒于同一個桃子上相鄰像素的R分量值通常不會發(fā)生劇烈變化，而桃子邊緣相鄰像素的R分量值則會出現(xiàn)較大變化，據(jù)此將目標(biāo)像素24鄰域內(nèi)桃子像素點的R分量值的最大、最小值作為不發(fā)生劇烈變化的閾值范圍。該方法可以自動確定閾值，快速、準(zhǔn)確地將本屬于桃子的像素重新找回。從圖4.26的結(jié)果可以看出，無論屬于圖4.24中的哪種情況，圖像中沒有被枝葉遮擋的桃子部分，都被很好地匹配膨脹成了白色目標(biāo)像素。圖4.25和圖4.26的結(jié)果表明，本案例提出的分割提取算法能夠適應(yīng)桃子顏色的非均一性和圖像光照的復(fù)雜性，很好地去除了天空、枝葉等復(fù)雜背景，而且?guī)缀跬旰玫乇４媪宋幢恢θ~遮擋的桃子區(qū)域，并且對光線的強(qiáng)弱、順光、逆光、直射光等都有很好的適應(yīng)性，取得了較好的分割效果。桃子圓心定位和半徑擬合檢測，將在“9.7應(yīng)用案例--果樹上桃子檢測及視頻演示”中介紹。4.7應(yīng)用實例4.7.3玉米粒在穗計數(shù)及視頻演示一、目標(biāo)與技術(shù)要點本案例旨在不破壞玉米果穗的前提下，使用機(jī)器視覺提取玉米果穗行并統(tǒng)計籽粒數(shù)。技術(shù)要點如下：1.圖像上玉米果穗?yún)^(qū)域的提取；2.玉米果穗行的分割與提?。?.玉米果穗行上玉米粒的分割計數(shù)。二、主要設(shè)備及軟件環(huán)境如圖4.27所示，主要實驗設(shè)備包括：計算機(jī)、數(shù)據(jù)采集與控制模塊、玉米果穗旋轉(zhuǎn)裝置和圖像采集裝置。計算機(jī)配置為：CPUU5400，主頻1.2GHz,內(nèi)存2G。圖像采集攝像頭使用Intel公司生產(chǎn)的CS630，分辨率設(shè)定為640×480像素。軟件開發(fā)利用Microsoft的VisualC++6.0，在ImageSys的開發(fā)平臺上完成。圖4.27實驗裝置示意圖4.7應(yīng)用實例4.7.3玉米粒在穗計數(shù)及視頻演示三、玉米果穗?yún)^(qū)域的確定對G分量圖像采用大津法進(jìn)行二值化處理，之后對二值圖像進(jìn)行去噪和補(bǔ)洞處理，得到用于后續(xù)處理的二值圖像。采用ImageSys開發(fā)平臺提供的Measure_outline函數(shù)對二值圖像進(jìn)行輪廓跟蹤處理（參考9.1.3節(jié)），獲得最長輪廓線的外接矩形坐標(biāo)，作為玉米果穗圖像處理區(qū)域。圖4.28是玉米果穗外接矩形提取過程示例圖。圖4.28玉米果穗外接矩形提取過程四、提取玉米果穗行根據(jù)玉米果穗行間灰度值較小，籽?；叶戎递^大的特點，利用玉米果穗圖像的橫向累計分布圖進(jìn)行果穗行邊緣追蹤，從而完成果穗行的提取。由于該部分并非本章節(jié)重點，此處不做詳述。五、測量果穗行粒數(shù)由于玉米果穗行上相鄰籽粒間縫隙的灰度值相對籽粒的灰度值較小，使用縱向灰度值累計分布圖，獲得玉米粒之間的縫隙，進(jìn)而測量出果穗行上的玉米粒數(shù)量。圖4.29是玉米果穗行的Y方向累計分布示意圖。圖4.29玉米果穗行的縱向累計分布示意圖在采集第一幀圖像并提取出第一個中心果穗行后，一邊逆時針旋轉(zhuǎn)玉米穗，一邊采集玉米穗圖像，同時判斷當(dāng)前是否到達(dá)下一果穗行。當(dāng)判斷已旋轉(zhuǎn)至下一果穗行后，果穗行計數(shù)值加1，同時提取該果穗行并統(tǒng)計其籽粒數(shù)。4.7應(yīng)用實例4.7.3玉米粒在穗計數(shù)及視頻演示七、果穗行提取結(jié)束的判斷及整穗粒數(shù)統(tǒng)計在果穗行的連續(xù)提取過程中，需要判斷是否所有果穗行已提取完畢。以連續(xù)提取的果穗行上邊緣與首次提取的果穗行上邊緣的擬合程度，來判斷當(dāng)前果穗行與首次提取的果穗行是否相同，從而判斷是否完成果穗行提取。如果斷定所有果穗行已提取完畢，則通過果穗行計數(shù)值可獲得該玉米果穗的果穗行總數(shù)，同時根據(jù)所統(tǒng)計的每個果穗行的籽粒數(shù)量，可獲得該玉米果穗的總籽粒數(shù)。圖4.30為整個玉米果穗的全部穗行提取和所有籽粒分割結(jié)果案例。圖4.30果穗行提取和籽粒分割結(jié)果案例八、視頻演示

玉米穗籽粒計數(shù)4.7應(yīng)用實例4.7.4玉米種粒圖像精選與定向定位及視頻演示本案例旨在根據(jù)定向播種對玉米種粒的要求，檢測并剔除霉變、破損、蟲蝕等發(fā)芽率低的種粒以及小型、圓形等不符合定向播種要求的畸形種粒。針對正常種粒，判斷胚芽正反面和尖端朝向，并實施分開放置。1.儲種箱2.輸種管3.排種器4.臺架5.導(dǎo)向定位管6.置位氣缸7.輸送帶8.豎直導(dǎo)軌柱9.橫向?qū)к壛?0.精選圖像采集單元111.氣吹嘴12.線性導(dǎo)軌滑塊13.擋向曲滑槽14.定向定位圖像采集單元215.回收箱16.凹型定位槽17.調(diào)向分面擺放機(jī)構(gòu)（虛線圓形框所圍部分）圖4.31玉米種粒圖像精選及定向定位裝置結(jié)構(gòu)簡圖一、玉米種粒圖像精選裝置及工作原理1．精選裝置主體結(jié)構(gòu)本裝置按功能主要分為喂料裝置、輸送裝置、圖像采集處理裝置以及吹除裝置，結(jié)構(gòu)如圖4.31所示。2．工作原理

裝置啟動后，儲種箱內(nèi)的玉米種粒經(jīng)過排種器排入輸送帶上。輸送帶間歇運行，依次將種粒送入后續(xù)工作區(qū)。輸送至精選區(qū)時，計算機(jī)控制相機(jī)1采集圖像并判斷種粒是否合格。輸送至吹除工位時，不合格種粒被吹除，合格種粒繼續(xù)前行。輸送至定向定位工位時，相機(jī)2采集圖像，判斷種粒胚芽方向（胚芽正反面和尖端朝向）。隨后，吸取種粒，旋轉(zhuǎn)調(diào)整尖端朝向，完成定向，并將胚芽面不同的種粒分放于輸送帶左右兩側(cè)的擺放工位上。3．圖像采集處理部件

本系統(tǒng)所使用計算機(jī)配置為Intel（R）Core（TM）i3-3240CPU，主頻3.40GHz，內(nèi)存8GB。相機(jī)選用BaslerA602fc型高速彩色工業(yè)數(shù)字?jǐn)z像機(jī)，圖像大小設(shè)定為640×480像素。利用MicrosoftVisualStudio2010軟件開發(fā)工具，基于ImageSys開發(fā)平臺完成圖像檢測算法的開發(fā)。4.7應(yīng)用實例4.7.4玉米種粒圖像精選與定向定位及視頻演示二、基于RGB特征的種粒區(qū)域分割與變色種粒檢測1.背景及種粒顏色分布種粒樣本圖像如圖4.32所示，主要包括常見型、尖端附著深色紅衣的合格種粒以及小型、圓形、尖端輕度蟲蝕、破損或嚴(yán)重蟲蝕、輕度暗黃色霉變、中度紅色霉變和深度灰黑色霉變的不合格種粒。圖4.32種粒樣本圖4.7應(yīng)用實例4.7.4玉米種粒圖像精選與定向定位及視頻演示二、基于RGB特征的種粒區(qū)域分割與判斷基于ImageSys系統(tǒng)分析不同種粒圖像的顏色特征，如圖4.32（a）~（h）所示，左側(cè)為種粒彩色圖像，各圖像上均標(biāo)有一段通過不同顏色特征區(qū)域的剖線軌跡，右側(cè)為原圖像在剖線位置的RGB像素值分布情況，縱坐標(biāo)表示像素值，橫坐標(biāo)表示剖線上的坐標(biāo)位置，其中剖線上部端點為坐標(biāo)起點。圖4.33不同種粒顏色特征區(qū)域在剖線上的RGB像素分布圖4.7應(yīng)用實例4.7.4玉米種粒圖像精選與定向定位及視頻演示2．種粒區(qū)域提取觀察圖4.33（a）、（c）、（e）~（h）可知，背景區(qū)域的R、G、B分量分布較平坦，取值均較小，種粒區(qū)域相對背景區(qū)域，R值變化最明顯，故選取R幀灰度圖像獲取種粒區(qū)域，另外，相對種粒其他區(qū)域，深色紅衣區(qū)域、霉變區(qū)域R值偏小，但略大于背景區(qū)域，而輕度蟲蝕破孔區(qū)域的R值雖也偏小，但由于位于種粒內(nèi)部，并不影響種粒區(qū)域的邊緣提取。因此，設(shè)背景區(qū)域的R幀像素最大值為Ram，則以閾值Ram分割種粒R幀灰度圖像，補(bǔ)洞填充蟲蝕破孔區(qū)域后，再進(jìn)行腐蝕膨脹、200像素去噪等處理，可獲得種