機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13第14章深度學習14目錄第9章 二值運算與參數(shù)測量思維導圖9.1基本理論通過計算機調(diào)查圖像特征，能夠?qū)ξ矬w進行自動判別，例如自動售貨機的錢幣判別、工廠內(nèi)通過攝像機自動判別產(chǎn)品質(zhì)量、通過判別郵政編碼自動分檢信件、基于指紋識別的電子鑰匙、以及最近出現(xiàn)的通過臉型識別來防范恐怖分子等等。其中，圖像的特征（feature）很大程度上是由圖像的幾何參數(shù)決定的。本章以二值圖像為對象，通過調(diào)查物體的形狀、大小等特征，介紹提取所需要的物體、除去不必要的噪聲的方法。所謂圖像的特征，換句話說就是圖像中包括具有何種特征的物體。如果想從圖9.1中提取香蕉，該怎么辦？對于計算機來說，它并不知道人們講的香蕉為何物。人們只能通過所要提取物體的特征來指示計算機，例如，香蕉是細長的物體。也就是說，必須告訴計算機圖像中物體的大小、形狀等特征，指出諸如大的東西、圓的東西、有棱角的東西等。當然，這種指示依靠的是描述物體形狀特征的參數(shù)。圖9.1原始圖像9.1基本理論9.1.1圖像的幾何參數(shù)每一幅圖像都具有能夠區(qū)別于其他類圖像的自身特征，有些是可以直觀地感受到的自然特征，如亮度、邊緣、紋理和色彩等；有些則是需要通過變換或處理才能得到的，如矩、直方圖以及主成份等。通常，目標區(qū)域的幾何形狀特征參數(shù)主要有：周長、面積、最長軸、方位角、邊界矩陣和形狀系數(shù)等等。以下，說明幾個有代表性的特征參數(shù)及計算方法。表9.1列出了幾個圖形以及相應的參數(shù)。

圖9.2像素間的距離(像素)9.1基本理論9.1.1圖像的幾何參數(shù)3.圓形度（compactness）圓形度是基于面積和周長而計算物體（或區(qū)域）的形狀復雜程度的特征量。例如，可以考察一下圓和五角星。如果五角星的面積和圓的面積相等，那么它的周長一定比圓長。因此，可以考慮以下參數(shù)：（9.1）

重心（centerofgravity或centroid）

重心就是求物體（或區(qū)域）中像素坐標的平均值。例如，某白色像素的坐標為(xi,yi)(i=0,1,2,…,n-1)，其重心坐標(x0,y0)可由下式求得：（9.2）除了上面的參數(shù)以外，還有長度、寬度、長寬比等許多特征參數(shù)，這里就不一一介紹。圖9.3是圖9.1的圖像經(jīng)過二值化處理的圖像。為了將香蕉提取出來，必須將每一個物體區(qū)分開來。為了區(qū)分每個物體，必須調(diào)查像素是否連接在一起，這樣的處理稱為區(qū)域標記（labeling）。圖9.3圖9.1的二值圖像9.1基本理論9.1.2區(qū)域標記區(qū)域標記是指給連接在一起的像素（稱為連接成分）附上相同的標記，不同的連接成分附上不同的標記的處理。區(qū)域標記在二值圖像處理中，占有非常重要的地位。圖9.4表示了區(qū)域標記后的圖像，通過該處理將各個連接成分區(qū)分開來，然后就可以調(diào)查各個連接成分的形狀特征。圖9.4區(qū)域標記后圖像

9.1基本理論9.1.3幾何參數(shù)檢測與提取通過以上處理，完成了從圖9.1中提取香蕉的準備工作。調(diào)查各個物體特征的步驟如圖9.5所示，處理結(jié)果表示在表9.2中。圖9.5調(diào)查物體特征的步驟由表9.2可知，圓形度小的物體有兩個，可能就是香蕉。如果要提取香蕉，按照圖9.5的步驟進行處理，然后再把具有某種圓形度的連接成份提取即可。9.2二值運算9.2.1基本運算理論與實踐對二值化圖像進行處理。在“3.2.2模態(tài)法自動分割”處理之后，關(guān)閉“圖像分割”窗口，點擊菜單：二值運算——基本運算，打開“二值圖像的基本運算”窗口，如圖9.6所示。圖9.6二值圖像的基本運算功能處理項目有：去噪聲、補洞、膨脹、腐蝕、排他膨脹、細線化、去毛刺、清除窗口和輪廓提取。選擇項目后，確認參數(shù)設置，點擊“運行”就可以處理?？梢杂檬髽嗽O定處理區(qū)域，默認是處理整個圖像。下面分別設定局部區(qū)域，對每個處理項目進行說明。9.2二值運算9.2.1基本運算理論與實踐1．去噪聲這里的去噪聲是指基于目標面積大小（像素數(shù)）的去噪聲處理，也就是認為面積較小的像素點為噪聲。在參數(shù)項設定一個像素數(shù)值，將其作為噪聲閾值，也就是像素個數(shù)小于該閾值的目標，認定為噪聲。選擇小于或大于該像素個數(shù)（閾值）的目標作為噪聲去除，閾值可以根據(jù)需要設定。圖9.7的（a）為二值圖像，（b）為對（a）圖像去除小于50像素噪聲后的結(jié)果圖像。2．補洞對目標上的空洞進行填補，空洞需要是封閉區(qū)間。對圖9.7（b）補洞處理的結(jié)果如圖9.7(c)。圖9.7去噪聲與補洞9.2二值運算9.2.1基本運算理論與實踐3．膨脹圖9.6上圖像的目標像素是黑色像素，非目標像素是白色像素。從上到下、從左到右順序掃描處理區(qū)域，遇到一個非目標像素后，調(diào)查該像素周圍8領域（或者4領域，一般選8領域），如果這其中有一個目標像素，就將該非目標像素變成目標像素，從上到下、從左到右遍歷整個圖像，直到對所有像素都這樣處理完，這個處理就叫膨脹處理，簡稱膨脹。圖9.8（a）是二值圖像，圖9.8（b）是對圖9.8（a）膨脹一次的結(jié)果圖像。4．腐蝕腐蝕與膨脹的邏輯相反。順序掃描處理區(qū)域，遇到一個目標像素，調(diào)查其周圍8領域，如果有一個非目標像素，就將該目標像素變成非目標像素，從上到下、從左到右遍歷整個圖像，直到對所有像素都這樣處理完，這個處理就叫腐蝕處理，簡稱腐蝕。圖9.8（c）是對圖9.8（a）二值圖像腐蝕一次的結(jié)果圖像。膨脹和腐蝕一般會聯(lián)動使用，就是連續(xù)執(zhí)行幾次膨脹，然后再對結(jié)果連續(xù)執(zhí)行幾次腐蝕，這樣可以達到去除小噪聲和修復目標邊緣的目的，膨脹和腐蝕的次數(shù)可以通過試驗找到合適的次數(shù)，處理圖像時可以靈活使用。另外，對白色像素的膨脹，就行當于對黑色像素的腐蝕，反之也成立。5．排他膨脹膨脹后目標區(qū)域的個數(shù)不變，可以用于修補圖像，而不改變對象物個數(shù)?！斑\行”一次，根據(jù)鄰域設定膨脹一次，靠近其他對象物的部位不膨脹，稱為排他膨脹。比如對圖9.8（a）二值圖像膨脹很多次，直到所有的黑色像素（目標）之間，不能再膨脹為止，一般需要膨脹多次才能達到這樣的效果。圖9.8（d）是圖9.8（a）經(jīng)過多次膨脹，直到不能再膨脹時的結(jié)果，黑色區(qū)域數(shù)量和圖9.8（a）一樣（9個）。圖9.8膨脹與腐蝕9.2二值運算9.2.1基本運算理論與實踐6．細線化如果對圖像中的目標（黑色像素），一個像素一個像素地縮小目標輪廓，直到縮小為一個像素寬（細線）的“骨架”為止，也可以理解為，當“細線化次數(shù)”為“0”時（默認的情況），表示執(zhí)行到細線為止，此時目標輪廓已經(jīng)只有一個像素的寬度了。圖9.9（a）是系統(tǒng)讀入的二值圖像，在二值化基本運算窗口選擇“細線化”處理，點擊“運行”，會彈出個提示窗口。點擊提示窗口上的“開始”后，開始細線化處理。對于完成處理后可在圖像窗口看到處理結(jié)果，點擊“確定”確定結(jié)果，點擊“取消”恢復二值圖。在細線化處理的過程當中，如果在處理途中點擊“停止”可中止處理，但是中止后，得到的不是最終一個像素寬度的結(jié)果。圖9.9（b）是圖9.9（a）細線化到一個像素寬的結(jié)果。7．去毛刺對細線化后圖像可能不僅包含表示目標主要輪廓的“骨架”，也包含不能反應“骨架”的毛刺，此時為了得到準確的目標輪廓“骨架”，就需要對圖像進行修正。一般毛刺都比較短，可以設定毛刺的長度（毛刺像素數(shù)）。圖9.9(c)是圖9.9(b)去掉小于50像素長度毛刺的結(jié)果。圖9.9細線化與去毛刺9.2二值運算9.2.1基本運算理論與實踐8．清除窗口壓線對象物對于多個目標的圖像，有時選取目標，不免會有目標落在窗口框上，為了準確獲取窗口內(nèi)目標的特性，需要清除窗口上壓線的對象物。可以設定清除方向為：上、下、左、右。圖9.10（b）是對圖9.10（a）清楚窗口上壓線對象物的結(jié)果。9．輪廓提取提取對象物的輪廓線。在圖9.10（b）中，目標像素是黑色像素，非目標像素是白色像素。從上到下、從左到右順序掃描處理區(qū)域，遇到一個目標像素時，跟蹤其輪廓線，然后繼續(xù)掃描，直到遍歷整個處理區(qū)域。圖9.10（c）是對圖9.10（b）提取目標輪廓線的結(jié)果。圖9.10清楚窗口與輪廓提取9.2二值運算9.2.2特殊提取實踐在“第3.2.2模態(tài)法自動分割”處理之后，關(guān)閉“圖像分割”窗口，點擊菜單：二值運算——特殊提取，打開“參數(shù)提取窗口”，如圖9.11所示。圖9.11特殊提取功能一、界面功能說明可選擇對象物的26項幾何數(shù)據(jù)，根據(jù)最多4個“與”或“或”的條件提取對象物。1．項目列表。最多可同時選擇４項：面積，周長，周長/面積，面積比，孔洞數(shù)，孔洞面積，圓形度，等價圓直徑，重心(X)，重心(Y)，水平投影徑，垂直投影徑，投影徑比，最大徑，長徑，短徑，長徑/短徑，投影徑起點X，投影徑起點Y，投影徑終點X，投影徑終點Y，圖形起點X－掃描初接觸點的x座標，圖形起點Y－掃描初接觸點的y座標，橢圓長軸，橢圓短軸，長軸/短軸。2．閾值。用于設定各項的提取范圍，可選擇“大于”、“小于”和“之間”，含義分別為：設定數(shù)據(jù)大于閾值作為提取范圍、設定數(shù)據(jù)小于閾值作為提取范圍和設定數(shù)據(jù)在兩閾值之間作為提取范圍。3．點擊顯示。點擊圖像上的對象物后，該對象物的參數(shù)，自動顯示在所選項目對應的方框里。4．邏輯。選擇兩個項目以上時有效。表示提取對象物時所選項目之間的邏輯關(guān)系，可選擇“與”或者“或”。5．對象物。選擇要提取的“對象物”的像素顏色為“黑色”或者“白色”。6．坐標。顯示在圖像上點擊鼠標的位置。7．設定信息文件?！氨４妗被颉按蜷_”設定的條件?？牲c擊“瀏覽”去參考保存文件的位置。9.2二值運算9.2.2特殊提取實踐二、使用方法1.

由“狀態(tài)窗”的“顯示幀”選擇要處理的二值圖像。2.如果利用以前設定的條件，可打開已有的文件（瀏覽,打開）。3.

由選擇“黑色”或“白色”，指定對象物顏色。4.

在項目列表中最多可選擇4項。5.

用鼠標點擊圖像上要提取的對象物，在“點擊顯示”窗口確認各項數(shù)據(jù)。6.

參考5項顯示數(shù)據(jù)，設定各項“閾值”。7.

選擇兩項以上時，設定“邏輯關(guān)系”。8.

運行。9.

如果需要，可保存設定的條件（瀏覽,保存）。10.

“關(guān)閉”窗口。三、實踐

圖9.12是對圖9.11二值圖像的處理案例。參數(shù)提取窗口上顯示，選取的項目：面積，周長；閾值：面積大于500，周長大于80；（鼠標）點擊（參考目標）顯示：面積531，周長85.35；邏輯關(guān)系：與；對象物：黑色。圖9.12特殊提取案例9.2二值運算9.2.3應用案例--插秧機器人導航目標去噪聲在“8.5應用案例——插秧機器人導航目標檢測”一節(jié)中，對插秧機器人導航目標的苗列、目標田埂、田端田埂和田端田埂，利用不同方向的微分算子進行了微分處理，并利用P參數(shù)法進行了二值化處理。本節(jié)對上述二值圖像進行去噪聲處理。一、苗列二值圖像的去噪聲圖9.13（a）是水田苗列的二值圖像，圖9.13（b）是對圖9.13（a）將閾值設定為50像素白色區(qū)域去噪后的結(jié)果圖像，從圖中可以看出，去噪后獲得了很好的效果，不僅減少了噪聲的干擾，也沒有影響苗列的主要走向趨勢。所以面積去噪與膨脹腐蝕相比，不會破壞區(qū)域間的連接性。圖9.13水田苗列的二值圖像的面積去噪聲處理

9.2二值運算9.2.3應用案例--插秧機器人導航目標去噪聲二、水泥田埂的去噪聲圖9.14是水泥田埂的二值圖像。其中（a）、（b）、（c）分別是目標田埂、田端田埂和側(cè)面田埂的二值圖像。為了減少處理量，對于目標田埂和田端田埂，分別設置處理窗口為圖像的中間1/3區(qū)域。圖9.14水泥田埂二值圖像從圖9.14可以看出，在田埂與水面的交界處，都有個長的白色區(qū)域（長連接成分），這是由于水泥邊緣成一條線，通過微分處理檢測出了長連接成分。通過檢測每個白色區(qū)域的幾何參數(shù)，將白色區(qū)域的像素值（255）變成區(qū)域長度數(shù)字。獲得圖像上最大長度的目標，如果最大長度大于50像素，則認為該圖像是水泥田埂，否則被看作土田埂。如果判斷是水泥田埂，將長連接成分的兩端分別延伸進行區(qū)域合并處理。所謂區(qū)域合并處理，就是將檢測范圍內(nèi)的其他不為0的像素值設定為長連接成分的像素值。然后，將長連接成分像素值的像素提取出來，即可將田埂線處的目標像素提取出來。圖9.15是圖9.14提取長連接成分的結(jié)果，其中（a）、（b）、（c）分別是目標田埂、田端田埂和側(cè)面田埂的結(jié)果。可以看出，水泥田埂與水面邊界處的白色像素被很好地提取了出來。圖9.15水泥田埂二值圖像去噪結(jié)果9.2二值運算9.2.3應用案例--插秧機器人導航目標去噪聲三、土田埂的去噪聲圖9.16是土田埂的二值圖像。其中（a）、（b）、（c）分別是目標田埂、田端田埂和側(cè)面田埂的二值圖像。為了減少處理量，對于目標田埂和田端田埂，分別設置處理窗口為圖像的中間1/3區(qū)域。圖9.16土田埂二值圖像判斷是土質(zhì)田?。ㄒ簿褪菦]有長連接成分）時，利用下述方法提取田埂線處的像素。從上到下、從田埂到水面掃描圖像，當遇到白像素時，以該像素為目標，在其前方設定9×40像素的區(qū)域（圖9.17），搜查該區(qū)域內(nèi)還有沒有其他白像素。如果有，將目標像素變?yōu)楹谙袼?；否則，保持目標像素不變。這樣可以消除田埂上的白像素，只留下田埂線處的白像素。圖9.17土田埂目標像素提取

圖9.18是圖9.17土田埂的二值圖像經(jīng)過上述處理后的結(jié)果，其中（a）、（b）、（c）分別是目標田埂、田端田埂和側(cè)面田埂的處理結(jié)果?？梢钥闯?，田埂上的白像素被去除了，只留下了田埂線處的像素，而且田端上的白像素也都被去除了，由此可以判斷出田端的位置。圖9.18土田埂二值圖像去噪結(jié)果提取出目標像素后，就可以用9.4.1節(jié)的哈夫變換檢測出目標直線，即識別出導航線。

9.3幾何參數(shù)測量

9.3.1幾何參數(shù)測量實踐在“3.2.2模態(tài)法自動分割”處理之后，打開“二值圖像的基本運算”窗口，進行像素數(shù)小于50的去噪聲處理。然后，點擊菜單：二值參數(shù)測量——幾何參數(shù)測量，打開“二值圖像測量”窗口，如圖9.19所示。圖9.19二值圖像測量功能一般自動參數(shù)測量共有49個項目；手動測量，可測量兩點間距離、連續(xù)距離、3點間角度、兩線間夾角等。

9.3幾何參數(shù)測量一、一般自動參數(shù)測量1.窗口項目說明（1）一般：選擇一般自動參數(shù)測量。（2）條件設定1）對象物：要測量的對象物的顏色，可選擇黑色或白色。2）鄰域：選擇像素的連接狀態(tài)，可選擇８鄰域（默認值）或４鄰域。3）島處理：選擇是否進行島處理。島處理時，“島”被作為單獨的一個對象物；非島處理時，“島”與其外測的對象物作為一體進行處理。4）標序號：選擇處理結(jié)果上是否標序號。（3）比例尺設定比例尺。點擊“刻度”后出現(xiàn)圖9.20標定窗。圖9.20標定窗1）在圖像上移動鼠標到刻度的起點，按下左鍵移動鼠標到刻度的終點后放開，鼠標移動的像素數(shù)自動表示在窗口（圖像）。2）輸入“實際”距離。3）選擇“單位”。4）點擊“確定”，比例尺設定完畢。（4）項目1）選擇：點擊后顯示圖9.21測量選項窗口。圖9.21測量選項窗口

9.3.1幾何參數(shù)測量實踐共有39個可選擇項目（實際測量項目為49個），點擊各個項目左側(cè)的方框，方框內(nèi)打上對號即表示該項目被選擇。窗口上各按鍵說明：默認：默認項目的選擇。全部選擇：所有項目的選擇。取消：關(guān)閉窗口，選擇的項目無效。確定：關(guān)閉窗口，選擇的項目有效。

9.3幾何參數(shù)測量一、一般自動參數(shù)測量

9.3.1幾何參數(shù)測量實踐2）圖表選擇一項測量項目后點擊該鍵，將自動顯示該項目的測量結(jié)果，并且自動做成數(shù)據(jù)文件（*.dgt）。（5）文件：分為測量數(shù)據(jù)文件和條件設定文件兩種。1）測量數(shù)據(jù)文件：可輸入文件名，可“瀏覽”文件名。測量數(shù)據(jù)文件同時保存有文字文件（*.MAA或*.maa）和二值文件（*.MAB或*.mab）兩種。文字文件可以用“寫字版”讀出，也可以用“MicrosoftExcel”讀出后作分布圖等。2）條件設定文件：保存或打開包括測量條件、比例尺、測量項目等的文件。（6）頻數(shù)分布表示測量結(jié)果的頻數(shù)分布情況。頻數(shù)分布的使用方法：1）選擇“項目”。2）選擇“表示形式”：分布圖：打開分布圖窗口的菜單“文件”后可以打印分布圖，打開菜單“編輯”后可以復制分布圖，復制的分布圖可以粘貼到其他文件上。分布表：打開分布表窗口的菜單“文件”后可以打開、保存或打印數(shù)據(jù)。3）設定“分割數(shù)”。4）可以選擇“指定區(qū)域”，然后設定“上限”和“下限”。5）“執(zhí)行分布”。（7）運行：開始參數(shù)測量。（8）顯示：顯示測量結(jié)果。（9）合并：對多個處理結(jié)果文件進行合并。（10）關(guān)閉：關(guān)閉測量窗口。

9.3幾何參數(shù)測量一、一般自動參數(shù)測量

9.3.1幾何參數(shù)測量實踐2.實踐對圖9.19的二值圖像，按“二值圖像測量”窗口的默認設定，點擊“運行”，執(zhí)行結(jié)果如圖9.22所示，圖像上處理目標變成了灰色，按掃描順序標注了處理目標的序號。圖9.22二值圖像參數(shù)測量結(jié)果圖點擊“顯示”，如圖9.23所示，彈出“表示測量結(jié)果”窗口，按目標序號顯示選擇項目的測量結(jié)果及統(tǒng)計數(shù)據(jù)，可以點擊“表示測量結(jié)果”窗口上的“文件”進行保存。圖9.23顯示測量結(jié)果

9.3幾何參數(shù)測量一、一般自動參數(shù)測量

9.3.1幾何參數(shù)測量實踐圖9.24是點擊“執(zhí)行分布”后，對項目“面積”的“頻率分布圖”，其左側(cè)下方顯示了統(tǒng)計數(shù)據(jù)：分20等分，最大值，最小值，平均值，標準偏差，總數(shù)；左側(cè)上方顯示了鼠標所指圖形位置的數(shù)據(jù)。圖表可以打印和復制。如果選擇“分布表”則顯示分布數(shù)據(jù)的文檔?？梢赃x擇其他項目，查看其分布圖或分布表。圖9.24查看項目（面積）的分布圖或分布表

9.3幾何參數(shù)測量

9.3.1幾何參數(shù)測量實踐二、手動測量

手動測量，用于測量鼠標指定的距離、角度等，不僅適用于二值圖像，也可以用于灰度圖像和彩色圖像，下面邊實踐邊說明。讀入灰度圖像，選擇“手動”，點擊“手動測量”，彈出圖9.25所示的“手動測量”窗口。圖9.25手動測量功能

窗口項目說明（1）文件打開、保存、打印測量結(jié)果。（2）取消刪除最后一項測量結(jié)果。（3）清除清除所有測量結(jié)果。（4）標記1）保留：選擇后，保留測量標記；否則，測量下個項目時，消除上個項目的痕跡。2）灰度：設定標記的灰度。（5）測量項目1）兩點間距離：在圖像上先后點擊兩點，將在兩點間自動畫出直線，在后一點處標出測量序號，測量結(jié)果表示在窗口上。2）連續(xù)測量兩點間距離：右擊鼠標，停止測量。3）3點間的角度：點擊3個點后，再點擊要測量的角度，自動表示角度和測量序號，測量結(jié)果表示在窗口上。4）兩線間的夾角：分別點擊兩條線的起點和終點，然后點擊要測量的角度，自動表示兩條線和測量序號，測量結(jié)果表示在窗口上。5）多點面積：點擊3個以上點，連續(xù)執(zhí)行“兩點間距離”功能，右擊鼠標停止選點，并計算包圍的面積。（6）結(jié)果表示窗口自動表示測量結(jié)果。測量角度時，括弧內(nèi)表示出弧度值?？梢渣c擊“取消”逐次消除測量結(jié)果，也可以點擊“清除”完全消除測量結(jié)果。注：測量時窗口上方表示有下一步操作的提示。

9.3幾何參數(shù)測量

9.3幾何參數(shù)測量

9.3.1幾何參數(shù)測量實踐二、手動測量2.實踐選擇測量項目，然后鼠標在圖像上點擊目標點，即可進行相應測量。在數(shù)據(jù)窗口上方提示下一步操作。例如，圖9.26上選擇項目是“兩線夾角”，數(shù)據(jù)窗口上方提示“點擊起點1”。

圖9.26圖像上的1，23，4，5數(shù)字及對應的白線，分別是測量項目“兩點間距離”、“連續(xù)測量兩點間距離”、“3點間的角度”、“兩線間的夾角”“多點面積”的測量痕跡。執(zhí)行“取消”，可以取消最新一個測量。執(zhí)行“清除”，可以清楚所有測量。圖9.26手動測量實例

9.3幾何參數(shù)測量9.3.2應用案例—排種試驗臺籽粒檢測及視頻演示排種器試驗臺項目，在“2.7.1排種器試驗臺視頻采集與保存”和“3.2.5應用案例--排種器試驗臺圖像拼接與分割”中介紹了試驗臺的前半部分內(nèi)容，本節(jié)介紹籽粒的參數(shù)測量內(nèi)容。一、籽粒計數(shù)籽粒計數(shù)是測量其他參數(shù)的基礎，對于沒有粘連的籽粒，通過區(qū)域標記，測量出圖像上有幾個區(qū)域，即獲得了籽粒數(shù)。但是，如果有粘連的情況，只通過區(qū)域標記獲得不了實際籽粒數(shù)。粘連物體的分離一直是圖像處理的熱門課題，根據(jù)不同的使用環(huán)境，研究者提出了各種各樣的分離方法。本研究假設在圖像上粘連的籽粒屬于少數(shù)，這個假設在排種器上是成立的，測量出各個區(qū)域的面積，然后將面積從小到大進行排序，取面積的中間值作為單個籽粒的面積。最后再將每個區(qū)域的面積除以單個籽粒的面積，對小數(shù)點部分進行四舍五入處理，累計以后即為處理區(qū)域里籽粒的總數(shù)。在實際處理時，使用了本章的面積測量、去噪聲等功能。二、種子分布區(qū)間檢測1、縱向分布檢測利用縱向投影的方法對圖像進行分析，獲取種子的縱向分布（播列）的坐標信息。圖9.27(a)是籽粒二值圖像的示意圖，從左到右、從上到下，縱向掃描二值圖像，將各列的像素值相加求和存入數(shù)組，可以獲得圖9.27(b)所示的縱向投影圖，通過分析數(shù)組內(nèi)數(shù)據(jù)，獲得籽粒的列數(shù)。一般是一列或者兩列。圖9.27投影圖2、橫向分布檢測得到各籽粒列的x坐標范圍后，對每個籽粒列分別進行橫向投影，獲得各籽粒列上的區(qū)間信息。從左到右、從上到下，橫向掃描二值圖像，將各行的像素值相加求和，分別存入數(shù)組。通過分析數(shù)組數(shù)據(jù)，分別得到每條籽粒列在縱坐標上的各籽粒區(qū)間和間隔區(qū)間。圖9.27(c)中的曲線表示圖9.27(a)第一條播列進行橫向投影后得到的曲線。根據(jù)圖9.27(c)中的投影結(jié)果，可以得到籽粒區(qū)間位置，以及各間隔區(qū)間的長度等。

9.3幾何參數(shù)測量9.3.2應用案例—排種試驗臺籽粒檢測及視頻演示3、條播參數(shù)計算條播時要計算的參數(shù)主要是目標區(qū)間的籽粒數(shù)和間斷區(qū)間的長度。目標區(qū)間籽粒數(shù)的計算，需要對每個目標區(qū)間分別進行計算，對于跨區(qū)間邊界的籽粒，將其歸入占比例較大的區(qū)間。如圖9.28是兩列條播片段的圖像檢測結(jié)果。其中，白色為籽粒，垂直線為檢測出的籽粒列邊界和中心線，橫線為設定的檢測條長（50mm），數(shù)字為各個區(qū)間內(nèi)檢測出的籽粒數(shù)?？梢钥闯?，檢測出的籽粒列邊界和中心線完全正確，籽粒數(shù)只是在個別粘連且跨區(qū)間邊界的區(qū)域有一點誤差，大多數(shù)都是正確的。圖9.28條播檢測結(jié)果

9.3幾何參數(shù)測量9.3.2應用案例—排種試驗臺籽粒檢測及視頻演示4、穴播與精播參數(shù)計算計算穴播參數(shù)的關(guān)鍵是要對籽粒進行正確的歸類，將距離較近的籽粒歸為同一穴。前面已經(jīng)得到了各播列在y軸方向上的籽粒區(qū)間以及間隔區(qū)間。按如下方法對其籽粒進行穴位歸類。第一步，進行初步分類。對于第一條籽粒列，計算其間隔區(qū)間長度的平均值和標準偏差，將位于同一籽粒區(qū)間內(nèi)的種子歸為一穴。第二步，進行精確歸類。設第i個籽粒區(qū)間與第i+1個籽粒區(qū)間之間的間斷區(qū)間長度為SDi,如果數(shù)據(jù)小于平均值減標準偏差，則將第i個籽粒區(qū)間和第i+1個籽粒區(qū)間中的籽粒歸為一穴。如果存在第二條籽粒列，按同樣方法對其進行籽粒歸類。第三步，統(tǒng)計歸類后各穴中目標區(qū)域內(nèi)籽粒數(shù)量，得到各穴中的籽粒粒數(shù)。計算各穴中白色像素坐標的平均值作為其穴心坐標。相鄰兩穴在y軸方向上的穴心坐標之差即為穴距在得到穴距、各穴中籽粒數(shù)的基礎上，結(jié)合試驗標準，可以進一步算出合格率、重播率、漏播率等參數(shù)。

精播可以看成是一個穴內(nèi)只有一粒籽粒的穴播。首先要將籽粒歸類到不同的穴中，然后再計算出各穴中的籽粒粒數(shù)、穴距等參數(shù)。計算方法與穴播相同。如果穴中的籽粒粒數(shù)大于1，則表明穴內(nèi)出現(xiàn)重播。將測量得到的穴距與理論穴距進行比較，可以判斷是否有空出穴（漏播）。圖9.29穴播和精播檢測結(jié)果排種試驗臺籽粒檢測三、視頻演示

9.4直線參數(shù)測量9.4.1哈夫變換

一、傳統(tǒng)哈夫變換的直線檢測

9.4直線參數(shù)測量9.4.1哈夫變換二、過已知點哈夫變換的直線檢測

9.4直線參數(shù)測量9.4.2最小二乘法最小二乘法(LeastSquaresMethod,LSE)又稱最小平方法是一種數(shù)學優(yōu)化技術(shù)，它通過最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配。最小二乘法也是常見的直線檢測、直線擬合的方法之一，利用最小二乘法可以簡便地求得未知的數(shù)據(jù)，并使得這些求得的數(shù)據(jù)與實際數(shù)據(jù)之間誤差的平方和為最小。最小二乘法還可用于曲線擬合。以直線檢測為例，最小二乘法就是對n個點進行擬合，使得所有點到這條擬合直線的歐式距離和最?。ㄈ鐖D9.31）。圖9.31最小二乘法直線檢測原理圖

9.4直線參數(shù)測量9.4.3直線檢測實踐在“3.2.2模態(tài)法自動分割”處理之后，點擊菜單：二值參數(shù)測量——直線參數(shù)測量，打開“直線檢測”窗口，如圖9.32所示。圖9.32直線檢測功能一、界面項目介紹1.目標1）白色：處理對象為白色象素。2）黑色：處理對象為黑色象素。2.運行選項1）一般哈夫變換：利用一般哈夫變換檢測圖像中的直線要素。2）過一點的哈夫變換：檢測過設定點的直線要素。3）過一條線的哈夫變換：檢測過基準線與目標像素群相交點的直線要素。4）最小二乘法：利用最小二乘法檢測圖像中的直線要素。注：選擇其中一種運行選項時，該選項對應的參數(shù)可用。3.點信息1）當前點：顯示鼠標對應點的坐標值。2）起點：顯示設定點的坐標和基準線的起點坐標。3）終點：顯示設定點的坐標和基準線的終點坐標。4.一般哈夫選項：選“一般哈夫變換”時，激活該參數(shù)選項。直線數(shù)：檢測到的直線要素數(shù)目，可以手動調(diào)節(jié)或者直接輸入，默認狀態(tài)下為1。5.消息提示：選擇不同的運行選項時，提示相應的操作。

6.線哈夫選項：選“過一條線的哈夫變換”時，激活該參數(shù)選項。1）每條：檢測過基準線與目標象素群每一個交點的直線要素。2）最長：檢測過基準線與目標象素群相交點中最長的直線要素。3）偏移量：目標象素與基準線之間的偏移量，可以手動調(diào)節(jié)或者直接輸入，默認狀態(tài)為5（像素）。7.結(jié)果表示：是否以圖像形式顯示檢測結(jié)果，默認狀態(tài)為顯示。8.運行：執(zhí)行程序。9.數(shù)據(jù)：查看檢測結(jié)果信息，點擊后打開數(shù)據(jù)窗口。打開窗口“文件”菜單，可以讀出以前保存的數(shù)據(jù)、保存當前數(shù)據(jù)、打印當前數(shù)據(jù)。保存的數(shù)據(jù)可以用MicrosoftExcel打開。10.取消：關(guān)閉窗口。11.處理時間：顯示程序運行時間。

9.4直線參數(shù)測量9.4.3直線檢測實踐二、實踐

對圖9.32的二值圖像，點擊菜單：幀編輯，將第1幀的二值圖像復制到后面多幀上。設定處理區(qū)域，目標像素選擇“黑色”，分別對4種直線檢測方法進行實踐。一般哈夫變換和過一條線的哈夫變換，都選擇檢測最長線，過一點的哈夫變換和最小二乘法只能檢測最長直線，這樣統(tǒng)一成檢測最長線，以便比較檢測效果。

檢測結(jié)果如圖9.33所示。其中，各個圖像的灰色直線是檢測出的直線；過一點哈夫變換的已知點設定在檢測出直線上畫圈的位置；過一條線哈夫變換的直線畫在檢測出直線上圓圈與其左側(cè)黑色區(qū)域的連線上，如圖（c）上的斜線所示。處理時間分別為一般哈夫變換8.5335ms、過一點哈夫變換0.5121ms、過一條線哈夫變換2.2749ms、最小二乘法0.6565ms。從圖9.33的檢測結(jié)果可以看出，用哪種檢測方法，需要根據(jù)二值圖像的情況以及檢測的實時性要求，進行選用。就圖9.33來說，過一點哈夫變換的處理時間最快，效果很好，但是需要設定好已知點；過一條線哈夫變換，處理時間較長，效果也很好，設定直線比設定一個點相對錯誤概率會小一些。圖9.33直線檢測效果

9.4直線參數(shù)測量9.4.4應用案例--農(nóng)田視覺導航線檢測及視頻演示一、插秧機器人視覺導航線檢測在第8章的“8.5應用案例--插秧機器人導航目標檢測”里分別介紹了苗列和各種田埂的微分檢測以及二值化方法，在本章的“9.2.2應用案例--插秧機器人導航目標去噪聲”里介紹了去噪聲處理。本節(jié)對去噪聲后的二值圖像，利用過一條線的哈夫變換（苗列）和過已知點的哈夫變換（田?。┻M行導航直線檢測。水泥田埂的已知點設在最長連接成分的中點，沒有長連接成分的土田埂，已知點設在像素點平均中心位置。圖9.34～圖9.37是分別展示了目標苗列線、目標田埂線、田端田埂線和側(cè)面田埂線的檢測結(jié)果實例。為了觀察方便，將檢測出的導航直線直接顯示在了原圖上。圖9.35目標田埂線檢測

圖9.36田端田埂線及陰影線的檢測結(jié)果圖9.37側(cè)面田埂線檢測結(jié)果

9.4直線參數(shù)測量9.4.4應用案例--農(nóng)田視覺導航線檢測及視頻演示二、小麥播種導航線檢測在第7章的“7.8.2小麥播種導航路徑檢測及視頻演示”中介紹了小麥播種導航路徑檢測的目標候補點檢測方法。檢測出每個掃描線的目標候補點后，用過已知點哈夫變換檢測導航直線。已知點設在目標候補點群中心位置。圖9.38是小麥播種導航線檢測結(jié)果。圖9.38候補點群及導航直線的檢測結(jié)果

9.4直線參數(shù)測量9.4.4應用案例--農(nóng)田視覺導航線檢測及視頻演示三、麥田多列目標線檢測在第4章的“4.7.1小麥苗列檢測”中，介紹了基于2G-R-B將不同時期的苗列進行了灰度化強調(diào)處理，采用第3章的“3.2.4大津法自動分割”就可以自動提取苗列的二值圖像。本節(jié)對麥苗二值圖像，利用過已知點哈夫變換進行苗列線檢測。本研究首先提取每個目標列上的目標點群，分別對每個目標列的目標點群進行過已知點哈夫變換處理，最終獲得各個目標列的直線，已知點設置在各個目標點群的中心點。圖9.39是苗列線檢測結(jié)果，每條苗列線上都顯示了檢測出黑色直線。

9.4直線參數(shù)測量9.4.4應用案例--農(nóng)田視覺導航線檢測及視頻演示四、其他農(nóng)田作業(yè)導航線的檢測利用小麥播種的導航線檢測方法分別對耕作、玉米播種、棉花播種、小麥收獲和棉花采摘的環(huán)境進行了行導航線檢測試驗。試驗表明，上述環(huán)境一般都可以檢測，只是小麥收獲環(huán)境和棉花采摘環(huán)境有些特殊。在收獲小麥時，有時會出現(xiàn)很大的灰塵，這些都會影響檢測效果。對于棉花采摘，導航線發(fā)白（白色棉花的邊緣），而不是發(fā)黑，需要進行特殊處理。圖9.40分別展示各種導航線檢測結(jié)果實例。五、視頻演示水田苗列線檢測水田田埂線檢測9.5圓形分離實踐圓形分離是用來分離圓形物體，并測量其直徑、面積和圓心坐標。對非圓形物體時，以其內(nèi)切圓的方式進行測量分離。在“3.2.2模態(tài)法自動分割”處理之后，打開“二值圖像的基本運算”窗口，進行像素數(shù)小于50的去噪聲處理。然后，點擊菜單：二值參數(shù)測量——圓形分離，打開“圓形分離”窗口。如圖9.41所示是在“圓形分離”窗口，執(zhí)行“測量”的結(jié)果圖。每個黑色測量目標都顯示了內(nèi)切圓和編號。點擊“文件顯示”后，彈出“圓形數(shù)據(jù)表示”窗口，顯示測量目標的數(shù)量、比例尺、單位，以及順序顯示每個測量目標的中心X坐標、中心Y坐標、直徑和面積數(shù)據(jù)?？梢宰x入、保存和打印數(shù)據(jù)。