关键字 |
边界框,程度,MATLAB,旋转补偿,形状和颜色识别。 |
介绍 |
在当今高度发达和自动化行业,高效的方法是用于各种生产和检验过程。曾经有一段时间,平凡的工作,质量检验、排序、组装、绘画、包装等,都是手工完成。但在机器人领域的迅速介入,自动化行业经历了一个完整的改造。 |
传感器中扮演重要角色呈现相关信息的参数在一个运行的进程。温度、光、组成百分比、湿度、结构形状、凹陷等传感器可以检测到的很多参数的例子。高精密传感器用于行业提供更好的反馈控制器。例如,传感器的精度越多,更多的是传感器来检测缺陷的能力。 |
数字图像处理领域的发现许多应用领域的自动化。传感器像摄像头获取直播视频或图像的物体移动的传送带上。然后使用视频或图像来识别对象,或在某些情况下,比较对象与一个预定义的,完美的和预期的对象和一个决定基于两图像之间的相似程度。一个控制器控制一个机器人手臂然后将允许合格的对象传递或挑选和地方不合格对象拒绝本。 |
本文试图证明使用一个基本的几何对象的识别算法,从手头的图像中提取信息(即第二种方法),使决策几个指标的基础上,将详细解释。 |
文献调查 |
许多在过去提出了形状识别算法。形状识别算法的详细调查可以发现在[1],[2]。对象识别可以通过两种方式:(1)比较图像中每个像素的像素数量的其他图像存储在处理器的内存[3],[4],和(2)从图像中提取信息,计算某些指标基于这个信息和比较这些指标的值与预定值[5]。第一个方法是常用的在大型数据库的应用,比如指纹识别指纹或面部图像样本图像形式的维护。这个过程是,正如所料,消耗大量的内存和时间原因显而易见。另一方面,第二种方法是有用的,当有限制内存以及处理数据所需的时间和产生的结果。 |
算法 |
答:读/捕获图像 |
首先从现场获得的图像视频提要或现有的图像可以从内存加载。我们应当考虑到获得的图像是RGB格式的真彩色格式图像[6],[7]。在MATLAB中,捕获或导入的RGB图像是三维的,每个像素都由一个元素表示一个矩阵的大小对应于图像的大小。 |
将RGB图像转换成黑白 |
这个过程是在两个步骤完成。RGB图像首先被转化为一个二维灰度图像。灰度图像只不过是一个矩阵保存图像的亮度值(Y) [8]。得到图像的亮度值结合RGB值使用NTSC标准方程(1)繁殖的三原色(红、绿、蓝)系数灵敏度的基础上我们的眼睛,这些颜色如图所示: |
(1) |
随后将亮度图像转换成黑白图像(二进制),这一过程被称为阈值[9],[10]。设置一个阈值和每个像素的亮度与阈值相比较。所有的值都大于这个阈值替换为一个逻辑(白色),低于这个阈值的值替换为一个逻辑0(黑色)。阈值可以通过计算确定像素点的亮度值,对应样本图像(即对象区域。,by machine training) and then averaging these values resulting in the threshold, or by using an algorithm that evaluates the histogram of the image and maximizes the variance of intensity between objects and backgrounds [11], [12], [13]. |
识别对象的边界 |
与二进制图像现在是一个二维数组元素。的边界识别的对象是首先设置一个像素object-background接口作为起点,朝着顺时针或逆时针方向和寻找其他对象像素。像素可能搜索对角(8-connected像素)或edge-adjacent像素(四连接像素)。通过寻找对象像素在一个固定的方向,对象的边界可以承认[14]。 |
d发现的领域对象和区域过滤 |
一旦对象边界已经承认,该对象的面积可以很容易地计算加法边界范围内的像素数量。 |
非常分钟对象对应于噪声像素,可能被视为对象像素阈值过程。有必要进一步处理之前移除这些像素。通过使用一个if - else条件,这些对象的领域低于一个阈值,可以转换为背景像素(即。,他们可以反向)。这样的图像过滤去除小,孤立的噪声像素。 |
e .寻找对象的倾向 |
算法必须能够识别物体的形状,不分对象的倾向在平面上垂直于相机的轴。这通常是由封闭对象的四个极端角落一个椭圆,然后测量主轴之间的逆时针方向角(?)和x轴,如图2所示。然后顺时针方向旋转对象相同的角度。 |
广场和圈子,主要和次要的轴是一样的。在MATLAB中,这个角的值是通过使用定位选项regionprops下命令。这个过程需要调整对象的边界框将建造在以后的步骤。 |
f .找到对象的边界框 |
对象的边界框是一个完全虚构的矩形包含给定对象及其双方总是平行于坐标轴。图3展示了一个边界框的概念。值得注意的是,由于一个物体的不同角度的倾斜,相应的边界框的尺寸变化。 |
然而,使形状识别独立于物体的旋转,边界框的尺寸必须是常数。这是因为边界框的面积是一个重要的参数,我们将使用对物体的形状进行分类。这正是为什么我们在相反的方向旋转对象的角度取向上一步所。因此,我们确保不分对象的定位,我们可以构造一个边界框的维度。这种方法很适合方形、圆形和矩形。然而,三角形需要一种不同类型的治疗很快会显示。 |
g .找到比给定对象的领域 |
下一步是找到一个对象的面积比的区域边界框(2)。在MATLAB中,这一比率被称为范围和是一个非常有用的参数: |
(2) |
0.7853圈,这个值是固定的,无论半径。长方形和正方形的对应值是1.0000,提供双方是平行的轴和边界框和侧面重叠。下面的图5显示的值范围(轴)策划与原始对象的倾向(轴)。 |
对象是第一次独立旋转的早些时候提到的方法。因此,一定程度上被视为常数的值。因此,当一个对象,程度的价值等于0.7853是一个圆。此外,每当遇到一个对象值的程度上等于1.0000,对象可能是一个正方形或长方形。广场和矩形之间的决定的基础上可以做的尺寸对象。等边的对象显然是一个广场。对象2不平等对双方显然是一个矩形。 |
三角形,很难找到正确的倾向,只有三个顶点的存在使得建设一个椭圆长轴(因此),不可能的。因此,该方法在这种情况下失败。然而,一个基本的几何规则告诉我们,一个三角形总是一个封闭矩形的面积分为两半。这样的值必须小于0.5000。如上面图5所示,三角形的程度值范围从0.5000到0.2500,对于给定的初始倾角值。因此,每当遇到一个对象价值的程度上等于在0.5000和0.2500之间,对象必须是一个三角形。 |
h .颜色识别 |
对象可能会进一步评估它们的颜色。这是通过平均RGB内容边界内的对象。例如一个对象与R的相对较高的平均价值在其表面,可能拥有一种红色。在MATLAB, impixel命令可以用来获得RGB信息1 X 3矩阵在整个物体表面,可以平均。使用添加剂混合的原则,大量的颜色可以因此得到认可。 |
结果 |
算法,当测试数据库十五图像/形状/颜色,被证明是准确的有99%正确的结果。的图像对象的数据库包含有四个形状和三种颜色不同的倾向。表1显示了算法运行时的结果分别在每个图像。 |
必须采取的图像在光照良好环境(自然或人工照明),必须注意避免阴影尽可能多的对象。这是因为阈值过程可能会考虑物体的阴影,作为结果,程度的价值可能是错误的。这显然会影响形状识别和结果会有所不同。 |
结论 |
本文所讨论的算法是一个简单,但有效的方法分析对象的形状和颜色。认识形状的概念的基础上,易得的指标已经被我们广泛使用识别研究乳腺癌细胞从一个给定的组织样本。在我们的研究中,该算法被用来识别所有细胞的形状和参数正常的健康细胞。癌症细胞不同于健康细胞的形状和颜色,其程度值以及RGB内容不匹配的健康细胞,因此可以很容易识别和量化。 |
应用程序并不局限于生物医学领域,但可以扩展到任何领域,需要分类基于外表的不同对象。这可能包括质量检验在装配线,人工智能机器人,计算机视觉,车辆在收费站交通信号的识别来确定交通状态,等等。 |
|
表乍一看 |
![Click Here 表的图标](//www.cheescube.com/articles-images/table-icon.gif) |
表1 |
|
|
数据乍一看 |
![Click Here 图1](//www.cheescube.com/articles-images/IJAREEIE-05-g001.gif) |
![Click Here 图2](//www.cheescube.com/articles-images/IJAREEIE-05-g002.gif) |
![Click Here 图3](//www.cheescube.com/articles-images/IJAREEIE-05-g003.gif) |
![Click Here 图4](//www.cheescube.com/articles-images/IJAREEIE-05-g004.gif) |
![Click Here 图5](//www.cheescube.com/articles-images/IJAREEIE-05-g005.gif) |
图1 |
图2 |
图3 |
图4 |
图5 |
|
![Click Here 图1](//www.cheescube.com/articles-images/IJAREEIE-05-g006.gif) |
![Click Here 图2](//www.cheescube.com/articles-images/IJAREEIE-05-g007.gif) |
![Click Here 图3](//www.cheescube.com/articles-images/IJAREEIE-05-g008.gif) |
![Click Here 图4](//www.cheescube.com/articles-images/IJAREEIE-05-g009.gif) |
![Click Here 图5](//www.cheescube.com/articles-images/IJAREEIE-05-g010.gif) |
图6 |
图7 |
图8 |
图9 |
图10 |
|
![Click Here 图1](//www.cheescube.com/articles-images/IJAREEIE-05-g011.gif) |
图11 |
|
|
引用 |
- m . Hagedoorn“模式匹配使用相似措施”,博士论文,项目乌得勒支,2000年。
- r . c . Veltkamp和m . Hagedoorn“形状匹配状态的艺术”,技术报告,乌特勒支,1999年。
- g·斯科特和h . Longuet-Higgins,算法将两个图像的特点,伦敦皇家学会学报》卷244,pp。1991年,第21到26。
- h·d·Sharvit j . Chan Tek, b . Kimia“Symmetry-Based索引图像数据库”,杂志的视觉沟通和ImageRepresentation, 9卷,没有。4,第380 - 366页,1998年12月。
- Pinal Trivedi Shalinee Patel, Vrundali甘地“2 d基本形状检测使用区域属性”,EngineeringResearch &技术的国际期刊,2卷,没有。5、2013年5月,页1147 - 1153。
- g . Wyszecki和w s风格“颜色科学:概念和方法,定量数据和公式”(第二版纽约:威利,1982)。
- r·s·伯恩斯认为,“色彩原理技术”(第3版纽约:威利,2000)。
- ”,j·l·文森特形态学灰度重建图像分析:应用程序和高效算法”,IEEE onImage处理,2卷,第201 - 176页,1993年。
- m . Sezgin和b . Sankur”调查在图像阈值技术和量化绩效评估”,ElectronicImaging学报,13卷,没有。1,第168 - 146页,2004年1月。
- n . r . Pal和d•班达里”对象背景分类”,国际期刊系统。没有科学、卷。23日。11日,页。1903 - 1920年,八五。立功
- n .首先从灰度直方图的阈值选择方法,IEEE系统,男人,控制论,SMC-9卷,没有。1,pp.62 - 66, 1979年1月。
- j .麻烦的和j·伊林沃思“最小误差阈值”,模式识别,19卷,不。1,41-47,1986页。
- 郭r和s·m·潘迪特,“自动阈值选择基于直方图模式和判别准则”,机器VisionApplications, 10卷,。5 - 6,第338 - 331页,1998年4月。
- f·梅耶,彩色图像分割,学报图像处理的第四次国际大会上,523 - 548年,1992页。
|