数字图像处理在物体距离测量中的应用

《数字图像处理在物体距离测量中的应用》由会员分享，可在线阅读，更多相关《数字图像处理在物体距离测量中的应用（34页珍藏版）》请在装配图网上搜索。

1、0第一章第一章 绪论绪论 .1 11.11.1 数字图像处理的发展概述数字图像处理的发展概述.11.21.2 数字图像处理主要的研究内容数字图像处理主要的研究内容.21.31.3 数字图像处理的基本特点数字图像处理的基本特点.31.41.4 数字图像处理的优点数字图像处理的优点.4第二章第二章 数字图像的基本原理数字图像的基本原理 .5 52.12.1 数字图像的硬件原理数字图像的硬件原理 .52.1.1 CCD 原理.52.1.2 照明.52.1.3 镜头及其成像原理 .62.1.4 图像采集卡 .62.22.2 数字图像的软件原理数字图像的软件原理 .72.2.1 图像的数字化.72.2.

2、2 数字图像类型.72.2.3 数字图像格式简介.82.2.4 BMP 图像结构.9第三章第三章 图像处理的实际应用图像处理的实际应用 .12123.13.1 用图像处理对零件大小测量在实际中的意义用图像处理对零件大小测量在实际中的意义.123.23.2 实验内容实验内容 .123.33.3 实验目的实验目的 .133.43.4 实验器材实验器材 .133.53.5 实验思路实验思路 .163.63.6 具体处理过程具体处理过程 .163.6.1 预处理.163.6.2 计算中心点坐标 .263.6.3 图像位置间距离的测量 .273.6.4 换算为常用单位 .293.6.5 误差计算。 .2

3、93.6.6 误差分析 .303.6.7 实验总结 .30第四章第四章 结束语结束语 .3131参考文献参考文献 .3232致致 谢谢 .33331第一章第一章 绪论绪论1.1 数字图像处理的发展概述数字图像处理的发展概述1 数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理最早出现于 20 世纪 50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于 20 世纪 60 年代初期。早期的图像处理的目的是改善图像的质量，它

4、以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL） 。他们对航天探测器徘徊者 7 号在1964 年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科

5、的诞生。在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。 数字图像处理取得的另一个巨大成就是在医学上获得的成果。1972 年英国 EMI 公司工程师 Housfield 发明了用于头颅诊断的 X 射线计算机断层摄影装置，也就是我们通常所说的 CT（Computer Tomograph） 。CT 的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。1975 年 EMI 公司又成功研制出全身用的 CT 装置，获得了人体各个部位鲜明清晰的断层图像。1979 年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。 与

6、此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。 随着图像处理技术的深入发展，从 70 年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是 70 年代末 MIT 的 Marr 提出的

7、视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。21.2 数字图像处理主要的研究内容数字图像处理主要的研究内容2-4 数字图像处理主要研究的内容有以下几个方面： 1) 图像变换 由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变

8、换可在频域中进行数字滤波处理） 。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。 2) 图像编码压缩 图像编码压缩技术可减少描述图像的数据量（即比特数） ，以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。 3) 图像增强和复原 图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明

9、显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立降质模型，再采用某种滤波方法，恢复或重建原来的图像。 4) 图像分割 图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。 5) 图像描述 图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的

10、特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。 6) 图像分类（识别） 图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。31.3 数字图像处理的基本特点数字图像处理的基本特点5目前，数

11、字图像处理的信息大多是二维信息，处理信息量很大。如一幅 256256 低分辨率黑白图像，要求约 64kbit 的数据量；对高分辨率彩色 512512 图像，则要求 768kbit 数据量；如果要处理 30 帧/秒的电视图像序列，则每秒要求 500kbit22.5Mbit 数据量。因此对计算机的计算速度、存储容量等要求较高。 （2）数字图像处理占用的频带较宽。与语言信息相比，占用的频带要大几个数量级。如电视图像的带宽约 5.6MHz，而语音带宽仅为 4kHz左右。所以在成像、传输、存储、处理、显示等各个环节的实现上，技术难度较大，成本亦高，这就对频带压缩技术提出了更高的要求。 （3）数字图像中各

12、个像素是不独立的，其相关性大。在图像画面上，经常有很多像素有相同或接近的灰度。就电视画面而言，同一行中相邻两个像素或相邻两行间的像素，其相关系数可达 0.9 以上，而相邻两帧之间的相关性比帧内相关性一般说还要大些。因此，图像处理中信息压缩的潜力很大。 （4）由于图像是三维景物的二维投影，一幅图像本身不具备复现三维景物的全部几何信息的能力，很显然三维景物背后部分信息在二维图像画面上是反映不出来的。因此，要分析和理解三维景物必须作合适的假定或附加新的测量，例如双目图像或多视点图像。在理解三维景物时需要知识导引，这也是人工智能中正在致力解决的知识工程问题。 （5）数字图像处理后的图像一般是给人观察和

13、评价的，因此受人的因素影响较大。由于人的视觉系统很复杂，受环境条件、视觉性能、人的情绪爱好以及知识状况影响很大，作为图像质量的评价还有待进一步深入的研究。另一方面，计算机视觉是模仿人的视觉，人的感知机理必然影响着计算机视觉的研究。例如，什么是感知的初始基元，基元是如何组成的，局部与全局感知的关系，优先敏感的结构、属性和时间特征等，这些都是心理学和神经心理学正在着力研究的课题41.4 数字图像处理的优点数字图像处理的优点61.再现性好 数字图像处理与模拟图像处理的根本不同在于，它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，则数字图像处理过

14、程始终能保持图像的再现。 2处理精度高 按目前的技术，几乎可将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为 16 位甚至更高，这意味着图像的数字化精度可以达到满足任一应用需求。对计算机而言，不论数组大小，也不论每个像素的位数多少，其处理程序几乎是一样的。换言之，从原理上讲不论图像的精度有多高，处理总是能实现的，只要在处理时改变程序中的数组参数就可以了。回想一下图像的模拟处理，为了要把处理精度提高一个数量级，就要大幅度地改进处理装置，这在经济上是极不合算的。 3适用面宽 图像可以来自多种信息源，它们可以是可见光图像，也可以是不

15、可见的波谱图像（例如X 射线图像、 射线图像、超声波图像或红外图像等） 。从图像反映的客观实体尺度看，可以小到电子显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。这些来自不同信息源的图像只要被变换为数字编码形式后，均是用二维数组表示的灰度图像（彩色图像也是由灰度图像组合成的，例如 RGB 图像由红、绿、蓝三个灰度图像组合而成）组合而成，因而均可用计算机来处理。即只要针对不同的图像信息源，采取相应的图像信息采集措施，图像的数字处理方法适用于任何一种图像。4灵活性高 图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分，每一部分均包含丰富的内容。由于图像的光学处理从原理上讲只能进行

16、线性运算，这极大地限制了光学图像处理能实现的目标。而数字图像处理不仅能完成线性运算，而且能实现非线性处理，即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。5第二章第二章 数字图像的基本原理数字图像的基本原理2.1 数字图像的硬件原理数字图像的硬件原理782.1.1 CCD 原理CCD（Charge Coupled Device，电荷耦合器） ，用一个形象的比喻来说明，CCD 的结构就像一排排输送带上并列放置的小桶，光线就像雨滴撒入各个小桶中，每个小桶代表一个像素。快门开启到关闭的拍摄过程，其实就是按一定的顺序测量某一短暂的时间中，小桶中落进了多少“光滴” ，并形成相应的数

17、据文件。一般的 CCD 每原色的亮度用 8 位数据来记录，即其小桶上的刻度有 28 格，也有的是 10 位甚至 12 位，更高的色彩位数在记录色彩时可以更精确，尤其是在光线条件比较差时，能够记录下丰富的暗部细节层次。2.1.2 照明照明是影响机器视觉系统输入的重要因素，因为它直接影响输入数据的质量和至少 30%的应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。过去，许多工业用的机器视觉系统用可见光作为光源，这主要是因为可见光容易获得，价格低，并且便于操作。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。但是，这些光源的一个最大缺点

18、是光能不能保持稳定。以日光灯为例，在使用的第一个 100 小时内，光能将下降 15%，随着使用时间的增加，光能将不断下降。因此，如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。另一个方面，环境光将改变这些光源照射到物体上的总光能，使输出的图像数据存在噪声，一般采用加防护屏的方法，减少环境光的影响。由于存在上述问题，在现今的工业应用中，对于某些要求高的检测任务，常采用 X 射线、超声波等不可见光作为光源。但是不可见光不利于检测系统的操作，且价格较高，所以，目前在实际应用中，仍多用可见光作为光源。 照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照

19、明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。62.1.3 镜头及其成像原理镜头是摄像机最主要的组成部分，并被喻为人的眼睛。人眼之所以能看到宇宙万物，是由于凭眼球水晶体能在视网膜上结成影像的缘故；摄像机所以能摄影成像，也主要是靠镜头将被摄体结成影像投在摄像管或固体摄像器件的成像面上。因此说，镜头就是摄像机的眼睛。电视画面的清晰程度和影像层次是否丰富等表现能力，受光学

20、镜头的内在质量所制约。当今市场上常见的各种摄像机的镜头都是加膜镜头。加膜就是在镜头表面涂上一层带色彩的薄膜，用以消减镜片与镜片之间所产生的色散现象，还能减少逆光拍摄时所产生的眩光，保护光线顺利通过镜头，提高镜头透光的能力，使所摄的画面更清晰。摄像者在自学摄像的过程中，首先要熟知镜头的成像原理，它主要包括焦距、视角、视场和像场。 焦距是焦点距离的简称。例如，把放大镜的一面对着太阳，另一面对着纸片，上下移动到一定的距离时，纸片上就会聚成一个很亮的光点，而且一会儿就能把纸片烧焦成小孔，故称之为“焦点”。从透镜中心到纸片的距离，就是透镜的焦点距离。对摄像机来说，焦距相当于从镜头“中心”到摄像管或固体摄

21、像器件成像面的距离。焦距是标志着光学镜头性能的重要数据之一，因为镜头拍摄影像的大小是受焦距控制的。在电视摄像的过程中，摄像者经常变换焦距来进行造型和构图，以形成多样化的视觉效果。例如，在对同一距离的同一目标拍摄时，镜头的焦距越长，镜头的水平视角越窄，拍摄到景物的范围也就越小；镜头的焦距越短，镜头的水平视角越宽，拍摄到的景物范围也就越大。 一个摄像机镜头能涵盖多大范围的景物，通常以角度来表示，这个角度就叫镜头的视角。被摄对象透过镜头在焦点平面上结成可见影像所包括的面积，是镜头的视场。但是，视场上所呈现的影像，中心和边缘的清晰度和亮度不一样。中心部分及比较接近中心部分的影像清晰度较高，也较明亮；边

22、缘部分的影像清晰度差，也暗得多。这边缘部分的影像，对摄像来说是不能用的。所以，在设计摄像机的镜头时，只采用视场。需要重点指出，摄像机最终拍摄画面的尺寸并不完全取决于镜头的像场尺寸。也就是说，镜头成像尺寸必须与摄像管或固体摄像器件成像面的最佳尺寸一致。当摄像机镜头的成像尺寸被确定之后，对一个固定焦距的镜头来说则相对具有一个固定的视野，常用视场来表示视野的大小。它的规律是，焦距越短，视角和视场就越大。所以短焦距镜头又被称为广角镜头。2.1.4 图像采集卡虽然图像采集卡只是完整的图像数字处理系统的一个部件，但是它扮演一个非常重要的角色。图像采集卡直接决定了摄像头的接口：黑白、彩色、模拟、数字等等。使

23、用模拟输入的图像采集卡，目标是尽量不变地将摄像头采集的图像转换为数字数据。使用不正确的图像采集卡可能得到错误的数据。工业用的图像采集卡通常用于检测任务，多媒体采集卡由于它通过自动增益控制、边沿增强和颜色增强电路来更改图像数据，所以不用在这个领域里。使用数字输入的图像采集卡的目标是将摄像头输出的数字图像数据转换并输送到 PC 中作处7理。现在你能找到的比较典型的是 PCI 或 AGP 兼容的捕获卡，可以将图像迅速地传送到计算机存储器进行处理。有些捕获卡有内置的多路开关。例如，你可以连接 8 个不同的摄像机然后告诉捕获卡采用那一个摄像机抓拍到的信息。有些捕获卡有内置的数字输入口以触发捕获卡进行捕获

24、，当捕获卡正在抓拍图像时数字输出口触发闸门。2.2 数字图像的软件原理数字图像的软件原理2.2.1 图像的数字化9 数字图像实质上是一段能够被计算机还原显示和输出为一幅图像的数字码。在计算机中，图像是以数字方式来记录、处理和保存的，所以图像也可以说是数字化图像。2.2.2 数字图像类型10 数字化图像按照记录方式可以分为位图图像与矢量图像。 (1)矢量图像：矢量图像也可以说是向量式图像，用数学的矢量方式来记录图像内容，以线条和色块为主。例如一条线段的数据只需要记录两个端点的坐标、线段的粗细和色彩等，因此它的文件所占的容量较小，也可以很容易地进行放大、缩小或旋转等操作，并且不会失真，精确度较高并

25、可以制作 3D 图像。但这种图像有一个缺陷，不易制作色调丰富或色彩变化太多的图像，而且绘制出来的图形不是很逼真，无法像照片一样精确地描写自然界的景象，同时也不易在不同的软件间交换文件。矢量处理比较适合存储各种图表和工程设计图。 (2)位图图像：位图图像弥补了矢量式图像的缺陷，它能够制作出色彩和色调变化丰富的图像，可以逼真地表现自然界的景象，同时也可以很容易地在不同软件之间交换文件，这就是位图图像的优点；而其缺点则是它无法制作真正的 3D 图像，并且图像缩放和旋转时会产生失真的现象，同时文件较大，对内存和硬盘空间容量的需求也较高。位图方式就是将图像的每一像素点转换为一个数据。如果用 1 位数据来

26、记录，那么它只能代表 2 种颜色（21=2）；如果以 8 位来记录，便可以表现出 256 种颜色或色调(28=256)，因此使用的位元素越多所能表现的色彩也越多。通常我们使用的颜色有 16 色、256 色、增强 16 位和真彩色24 位。一般所说的真彩色是指 24 位(282828)的位图存储模式适合于内容复杂的图像和真实照片。但随着分辨率以及颜色数的提高，图像所占用的磁盘空间也就相当大；另外由于在放大图像的过程中，其图像势必要变得模糊而失真，放大后的图像像素点实际上变成了像素“方格”。 用数码相机和扫描仪获取的图像都属于位图。82.2.3 数字图像格式简介10-13要利用计算机对数字化图像进

27、行处理，首先要对图像的文件格式要有清楚的认识，因为我们前面说过，自然界的图像以模拟信号的形式存在，在用计算机进行处理以前，首先要数字化，比如摄像头（CCD）摄取的信号在送往计算机处理前，一般情况下要经过数模转换，这个任务常常由图像采集卡完成，它的输出一般为裸图的形式；如果用户想要生成目标图像文件，必须根据文件的格式做相应的处理。随着科技的发展，数码像机、数码摄像机已经进入寻常百姓家，我们可以利用这些设备作为图像处理系统的输入设备来为后续的图像处理提供信息源。无论是什么设备，它总是提供按一定的图像文件格式来提供信息，比较常用的有BMP 格式、JPEG 格式、GIF 格式等等，所以我们在进行图像处

28、理以前，首先要对图像的格式要有清晰的认识，只有在此基础上才可以进行进一步的开发处理。 在讲述图像文件格式前，先对图像作一个简单的分类。除了最简单的图像外，所有的图像都有颜色，而单色图像则是带有颜色的图像中比较简单的格式，它一般由黑色区域和白色区域组成，可以用一个比特表示一个像素， “1”表示黑色， “0”表示白色，当然也可以倒过来表示，这种图像称之为二值图像。我们也可以用 8 个比特（一个字节）表示一个像素，相当于把黑和白等分为 256 个级别， “0”表示为黑， “255”表示为白，该字节的数值表示相应像素值的灰度值或亮度值，数值越接近“0” ，对应像素点越黑，相反，则对应像素点越白，此种图

29、像我们一般称之为灰度图像。单色图像和灰度图像又统称为黑白图像，与之对应存在着彩色图像，这种图像要复杂一些，表示图像时，常用的图像彩色模式有 RGB 模式、CMYK 模式和 HIS 模式，一般情况下我们只使用 RGB 模式，R 对应红色，G 对应绿色，B对应蓝色，它们统称为三基色，这三中色彩的不同搭配，就可以搭配成各种现实中的色彩，此时彩色图像的每一个像素都需要 3 个样本组成的一组数据表示，其中每个样本用于表示该像素的一个基本颜色对于现存的所有的图像文件格式，我们在这里主要介绍 BMP 图像文件格式，并且文件里的图像数据是未压缩的，因为图像的数字化处理主要是对图像中的各个像素进行相应的处理，而

30、未压缩的 BMP 图像中的像素数值正好与实际要处理的数字图像相对应，这种格式的文件最合适我们对之进行数字化处理。 (1) BMP 格式：BMP 图像格式是 Windows Bit Map 的缩写，它是最普遍的点阵图格式之一，也是 WNDOWS 及 OS2 两种操作系统的标准格式。在 Windows 窗口系统中被广泛应用，在 Windows 环境中运行的图形图像软件都支持 BMP 图像格式，它也是最不容易出问题的图像格式。BMP 只能存储四种图像数据：单色、16 色、256 色和全彩色。BMP 图像数据有压缩或不压缩两种处理方式。其中压缩方式只有 RRLE4(16 色)和 RLE8(256 色)

31、两种，而由于 24 位BMP 格式的图像文件无法压缩，因而文件尺寸比较大。(2)PCX 格式：PCX 图像格式是 MSDOS 下常用的格式，它架起了 DOS 和 Windows 操作的桥梁。在 Windows 操作系统尚未普及时，在 MS?/FONTDOS 下图像的绘制、排版，多用 PCX格式，从最早的 16 色，发展至今已可达 1677 万色。9 (3)GIF 格式：GIF 是 Graphics Interchange Format（图形交换格式）的简写，是CompuServe 公司所制订的图像文件格式，由于 CompuServe 公司开放使用权限，所以广受应用。目前，GIF 图像文件已经成

32、为网络和 BBS 上图像传输的通用格式，经常用于动画、透明图像等。一个 GIF 文件能够储存多张图像，图像数据用一个字节存储一个像素点，采用 LZW压缩格式，尺寸较小。图像数据有两种排列方式：顺序排列和交叉排列，但 G1F 格式的图像最多只有 256 色。 (4)JPEG 格式：JPEG 是 Joint Photographic Experts Group 的缩写。JPEG 是一种高效率的压缩图像，在保存时能够将人眼无法分辨的资料删除，以节省储存空间，但这些被删除的资料无法在解压时还原，所以 JPEG 档案并不适合放大观看，输出成印刷品时其质量也会受到影响，这种类型的图像压缩方式，称为“失真压

33、缩”或“破坏性压缩”。 (5)TIF(F)格式：TIF(F)是 Tagged Image File Format 的缩写，它被用于在应用程序之间和计算机平台之间交换文件，几乎被所有绘画、图像编辑和页面排版应用程序所支持。而且几乎所有桌面扫描仪都可以生成 TIFF 图像。TIF 格式支持带 A1pha 通道的 CMYK、RGB和灰度文件，支持不带 A1pha 通道的 Lab、索引颜色和位图文件。TIF 也支持 LZW 压缩。TIF 常被用于彩色图像的扫瞄，它是以 RGB 的全彩模式储存。 (6)PSD 格式：PSD 图像是 Adobe Photoshop 的专用图像格式，可以储存成 RGB 或

34、CMYK模式，而且能自定义颜色数目储存，PSD 可以将不同的物件以层级(Layer)分离储存，以便于修改和制作各种特殊效果。2.2.4 BMP 图像结构10111、第一部分为位图文件头 BITMAPFILEHEADER，它是一个结构，其定义如下：typedef struc tagBITMAPFILEHEADER WORD bfType; WORD bfSize; WORD bfReserved1; WORD bfReserved2; WORD bfOffBits;BITMAPFILEHEADER, FAR *LPBITMAPFILEHEADER, *PBITMAPFILEHEADER;该结构的

35、长度是固定的，为 14 个字节，各个域的说明如下：bfType：指定文件类型，必须是 0 x4d42，即字符串“BM” 。bfSize：指定文件大小，包括这 14 个字节。bfReserved1，bfReserved2：保留字，为 0。bfOffBits：从文件头到实际的位图数据的偏移字节数，即图 1 中前三个部分的长度之和。102、第二部分为位图信息头 BITMAPINFOHEADER，它也是一个结构，其定义如下：typedef struc tagBITMAPINFOHEADER DWORD biSize; LONG biWidth; LONG biHeight; WORD biPlanes

36、; WORD biBitCount; DWORD biCompression; DWORD biSizeImage; LONG biXPelsPerMeter; LONG biYPelsPerMeter; DWORD biClrUsed; DWORD biClrImportant;BITMAPINFOHEADER, FAR *LPBITMAPINFOHEADER, *PBITMAPINFOHEADER;该结构的长度也是固定的，为 40 个字节，各个域的说明如下：biSize：指定这个结构的长度，为 40 个字节。biWidth：指定图像的宽度，单位是象素。biHeight：指定图像的高度，单位

37、是象素。biPlanes：必须是 1。biBitCount：指定表示颜色时用到的位数，常用的值为 1(黑白二色图)、4(16 色图)、8(256 色图)、24(真彩色图)。biCompression：指定位图是否压缩，有效值为BI_RGB，BI_RLE8，BI_RLE4，BI_BITFIELDS。Windows 位图可采用 RLE4 和 RLE8的压缩格式，BI_RGB 表示不压缩。biSizeImage：指定实际的位图数据占用的字节数，可用以下的公式计算出来： biSizeImage = biWidth biHeight 要注意的是：上述公式中的 biWidth必须是 4 的整数倍(不是 b

38、iWidth，而是大于或等于 biWidth 的离 4 最近的整数倍)。如果 biCompression 为 BI_RGB，则该项可能为 0。biXPelsPerMeter：指定目标设备的水平分辨率。biYPelsPerMeter：指定目标设备的垂直分辨率。biClrUsed：指定本图像实际用到的颜色数，如果该值为 0，则用到的颜色数为2 的 biBitCount 次幂。biClrImportant：指定本图像中重要的颜色数，如果该值为 0，则认为所有的颜色数都是重要的。3、 第三部分为调色板。有些位图需要调色板，有些位图，如真彩色图，不需要调色板，11它们的 BITMAPINFOHEADER

39、 后面直接是位图数据。调色板实际上是一个数组，共有 biClrUsed 个元素(如果该值为 0，则有 2 的biBitCount 次幂个元素)。数组中每个元素的类型是一个 RGBQUAD 结构，占 4 个字节，其定义如下：typedef struct tagRGBQUAD BYTE rgbBlue; BYTE rgbGreen; BYTE rgbRed; BYTE rgbReserved;RGBQUAD;其中：rgbBlue：该颜色的蓝色分量。rgbGreen：该颜色的绿色分量。rgbRed：该颜色的红色分量。rgbReserved：保留值。4、第四部分就是实际的图像数据。对于用到调色板的位图

40、，图像数据就是该象素颜色在调色板中的索引值，对于真彩色图，图像数据就是实际的 R、G、B 值。对于 2 色图，用 1 位就可以表示该象素的颜色，所以 1 个字节可以表示 8 个象素。对于 16 色图，用 4 位可以表示一个象素的颜色，所以 1 个字节可以表示 2 个象素。对于 256 色图，1 个字节刚好可以表示 1 个象素。对于真彩色图，3 个字节才能表示 1 个象素。12第三章第三章 图像处理的实际应用图像处理的实际应用3.1 用图像处理对零件大小测量在实际中的意义用图像处理对零件大小测量在实际中的意义 现代的工业生产，要求第一，精度要高，有些零件需要丝米级的精度，用肉眼已经难以判断，必须

41、借助工具，但是有些零件由于形状复杂，普通工具难以嵌入测量；第二，准确度高，由于现代的零件都是大批量的生产，如果只是由人判断质量，时间一长，大脑容易疲劳，出错率大大增加，准确度大大降低；第三，速度快，人要通过肉眼观察，用测量仪器测量才能判断出零件的好坏，这样费时很久，达不到速度快的要求；第四，安全性高，有些零件的好坏需要在一些危险的环境下判断，而人不能参与这项工作。因此传统的人手测量，肉眼判断，大脑分析已经远远达不到这些要求。由于现代计算机图像处理技术的大大发展，使精度高，准确度高，速度快，安全性高成为了可能。只要外部条件稳定，计算机通过摄像头采样得到的图片，用固化的程序处理图片并计算出尺寸，达

42、到非接触式测量的目的，使普通工具难以测量的零件被测量出来，而且精度高，速度快。在一些恶劣环境下，非接触测量大大地提高了安全性，测量员可以坐在安全的地方，看电脑得到零件的数据。因此，图像处理对零件大小测量满足工业要求，是现代工业必不可少的先进工具。3.2 实验内容实验内容任务：给出一幅 120120，灰度级为 256 的，8 比特的数字图像，物体为计算机硬盘底座两个螺丝孔的图像。如图 3.1：图 3.1 工件初图其灰度直方图为：1321513964433000000000000000000000000000000000000000000000532420192015152221171526211

43、415791212765648383641034422262101344561077231266116710137101021142378812129101710111218172222192922363129344462666551636153596565595856444640333528181714141317241320151911101313151011108151031381087512813858912126913102042882964947579115615254914143696694654515042882393282812735763433774123023773942

44、10126806336510000000000000000要求：用数字图像处理的方法求出两螺丝孔之间的距离，并写出具体实现程序。3.3 实验目的实验目的 通过对一件实物的距离测量，掌握数字图像处理的基本概念，以及数字图像处理的基本步骤和基本方法，并运用这些方法去解决实际中的一些问题，使理论与实际相结合，并提高动手能力和思考能力。3.4 实验器材实验器材1摄像头由于用图像法识别运动目标，其第一步必须将物体用成像头摄入，在闭路监控系统中，摄像机又称摄像头或 CCD（Charge Coupled Device）即电荷耦合器件。我们这次所用的14CCD 的型号如下表：表 4-1 摄像机参数成像器材So

45、ny 1/3CCD信号系统CCIR感光面积4.9mm3.7mm像素752（水平）582（垂直）扫描频率水平：15.625KHZ；垂直：50HZ水平清晰度600 电视线镜头安装方式C/CS 格式可选自动光圈镜头VIDEO/DC 伺服型可选电子快门1/50(1/60)-1/100,000 秒信噪比大于 48db最低照度F：1.2 时，01Lux背光补偿开启/关闭可选择电子快门控制EE/AI 可选择视频输出BNC 型 1.0VP-P752图像采集卡所用的图像采集卡型号是 V3A，是 MVPCI 系列。MVPCI 系列采集卡集实时采集、实时存储、实时单屏显示、以及多种视频图像处理功能(单帧及连续帧采集

46、、图形及文字的叠加等)于一体，具有画质清晰、功能完善、兼容性好、性能价格比高的特点。V3A 采集卡原理及其性能如下：1) V3A 采集卡原理结构图 复合视频输入 0复合视频输入 54 路 TTL 输入 V3C 采集卡 HREV:2.0 主机图 3.2 V3A 采集卡原理结构图视频解码外触发控制PCI 桥CPUVGA显存Host MemoryPCI 总线152) MVPCI-V3A 性能指标：六路(可组合 3 路 S 端子)视频输入，可以真彩、伪彩、黑白方式采集图像；实现视频图像通过计算机 PCI 总线实时传递至计算机内存；采集图像实时在 VGA 卡上显示，实现同屏显示工作方式；可由用户定义任意

47、采集方式，采集窗口大小；可实时采集单场、单帧、任意间隔以及连续帧的图像；标准视频输入(Video 信号 PAL 、NTSC)；硬件完成图像水平、垂直方向任意缩小及开窗；硬件完成图像实时镜像；硬件完成图像实时顶底倒置；色键功能(可实时图像叠加字符、图形、文字等)；图像采集显示分辨率最大 768576采样位数黑白方式 8Bit，彩色方式 RGB 各 8Bit；亮度、对比度、色度、饱和度，画面大小比例均软件调节；Plug&Play 方式，即插即用；可稳定接收录像机等视频信号；提供 DOS 、Win9x、Win 2000、WinNT 环境下函数库。 3计算机系统采用的是清华同方超越 2500M 系列台

48、式机，其主要配置如下：CPU：奔腾 III 1000MHz 中央处理器128M 内存、40G 硬盘、52 速光盘驱动器、1.44M 软盘驱动器显示器：15 寸数控显示器图形显示卡：NVIDIA Model 64 显示卡，32M 显存机箱：M-ATX 立式其它：主机板芯片组为 VIA 694X，主板配备 3PCI 插槽、1 个 ISA 插槽、2 个 COM、1个标准打印机接口及 PS2 键盘鼠标接口 4软件系统 本次实验使用的系统是 Windows 98 下的 MSDOS 环境。DOS 实际上是DiskOperationSystem（磁盘操作系统）的简称。顾名思义，这是一个基于磁盘管理的操作系统

49、。与我们现在使用的操作系统最大的区别在于，它是命令行形式的，靠输入命令来进行人机对话，并通过命令的形式把指令传给计算机，让计算机实现操作的。所以操作方式也非常简单，只需输入命令，然后回车，系统就会执行命令。用 C 语言为开发工具。C 语言是一种面向对象的高级语言，有高效、灵活、功能丰富、表达力强、移植性好等特点。由源程序经过编辑、编译、连接、执行四个步骤即可生成可执行文件。163.5 实验思路实验思路 首先，为了使计算出来的距离更加准确，我们必须对图像精确化，于是我们进行预处理，包括噪音消除和二值化。噪音消除是把一些孤立的、无连接的黑点去掉；二值化是把 256 级的灰度经过选取把与计算有关的部

50、分图像变成黑色，把其他与计算无关的背景变成白色，于是图像只剩下 0 和 255 两个灰度值的图像。然后，对二值化后的图像进行特征提取，并计算出两个黑色部分的中心点坐标。最后，用公式计算出两个中心距离，并根据图像属性换算出实际距离，得到最终结果。图像输入 换算结果 图 3.3 实验过程3.6 具体处理过程具体处理过程3.6.1 预处理3.6.1.1 噪声消除输入图像中包含着许多噪声，为了使特征提取等处理能稳定进行，应该将这些噪声消除掉。由于本文研究对象为二值图像，在此仅就二值图像的去噪声方法进行说明。图 3.4 噪声二值图像的噪声消除可采用述的方法：二值图像中噪声的特点如左图所示，它是背景（灰度

51、值为 0）中所存在的灰度值为 1 的孤立点和对象物（灰度值为 1）中所存在的灰度值为 0 的孤立点。消除这种噪声可采用下述方法：图像预处理分块中心坐标中心距离17当被注视像素的灰度值为 1 而其周围 4 个邻近点（上下左右）或者 8 个邻近点（上下左右和 4 个斜方向）上像素的灰度值都是 0 时，输出像素的灰度值取为 0。 被关注像素的灰度值为 0 而周围 4 个邻近点或 8 个邻近点上的像素的灰度值都是 1 时，输出像素的灰度值取为 1。 上述方法可以用逻辑运算来实现。4 相邻点情况下的运算公式为： g(i,j)= +f(i,j-1)+f(i-1,j)+f(i+1,j)+f(i,j+1) （

52、3.1）),(jif g(i,j)=&f(i,j-1)&f(i-1,j)&f(i+1,j)&f(i,j+1) （3.2）),(jif对于实际计算的 255 级灰度图像图 3.5图 3.5 摄像头输出图像 如图 3.5，实际拍摄的图像出现了一些零散的噪音点，于是采用滤波程序去掉噪音点。以下是滤波程序：/滤波lb()float eps=9;int i,j;float averg;for (i=1;i119;i+)for(j=1;jeps)outij=(int)averg;elseoutij=fiij; 18由于图片的噪音是一些孤立的点，这些点与它周围点的灰度相差很大，于是在图片显示出来的效果很突出

53、，于是以上的程序采样平均法滤波。原理是把图片上的点都与它周围的点的灰度平均值比较，如果这个点的灰度与平均值相差很大，就被认为是孤立点，于是用灰度平均值代替这个点的灰度；如果它们相差很少，就不认为是孤立点，不改变原来点的灰度。比如，一个点 A 的灰度值为 122，它周围点的灰度如下：142156135138122146135198231 于是 A 点周围的平均值为（142156135138135198231146135）8160.25取整后为 160，于是发现 160122=38。由于经过多次的实验和反复的尝试，我们发现平均值与中间点灰度相差 9 的时候，图片能去掉所有的孤立点，并且零件图像不会

54、损失，于是决定把相差值定为 9。而 389，于是上面 A 点的灰度应该是 160，而不是 122。滤波后的图像图 3.6 滤波后图像滤波后的图片孤立点已经去掉，而且零件图像没有失真，程序达到预期效果。3.6.1.2 二值化14-161. 影像灰度分割二值化又称为灰度分割(阈)，一般影像的灰度分割成只有两种灰度值，亦即设定一个灰度值，凡是影像本身灰度大于它的便令其为亮点而灰度值低于设定值的，便令其为暗点，这样就可得到一个二元的影像，凡是需要作文字识別或条纹辨认的影像，都可利用这个方式，先将一个复杂的图面简单化，分割法切割影像常用以侦测平滑表面工件的瑕疵、钢板表面瑕疵之机器视觉系统和印刷电路板的测

55、量等，这种方法称为固定阈值法，其中特殊的一种方法称为非 0 取 1 法，即设定的阈值刚好为零，灰度级非 0 的就取为 1。假设 m 为二值化阈值(阈价值)，例如设定影像灰度分割值 m 为19f：输入之影像f(x, y)：像素坐标 (x, y) 的灰度值凡是影像的灰度值低于分割值 m 的令为 0，影像的灰度值高于分割值 m 的令为 1，這種技巧稱之为二值阈值的提取 如图 3.7 在灰度为 8 阶的图像 n：所有像素之数目中，如欲將图像分成二個群集(物体与背景)，则选定适当的二值化阈值 m，令 f(x, y)m 则 f(x, y)设为 255 。f (x, y )? m 则 f(x, y) 设为

56、0(图 3.8)。图 3.7 一个 8-bit 之影像二值化分析图 3.8 一个 8-bit 之影像二值化后之结果大部分的二值化图像是以一個特定的阈值将不同的物体加以分割，在实际应用上欲就一图像找出其特定的阈值之大小的方法有很多。如果二元图像之灰階統計图具有双峰特性，那就可20以利用机率統計的原理来找出最佳的阈值以分割二元图像中两个群集的像素，以达到自动阈值撷取的目的，这种方法称为判断分析二值化，它能灵活适应于光线和环境变化的情况，所以最为实用而且有效。2二值化的方法1）全局阈值化,采用阈值确定边界的录简单做法是在整个图像中将灰度闲值的值设为常数。如果背景的灰度值在整个图像中可合理的看作为恒定

57、，而且所有物体与背景都具有几乎相同的对比度，那么，只要选择了正确的阈值，使用一个固定的全局阁值一般会有较好的效果. 2）自适应阈值在许多情况下，背景的灰度值并不是常数，物体和背景的对比度在图像中也有变化.这时，一个在图像中那一区域效果良好的阈值在其它区域却可能效果很差.这种情况下，把灰度阈值取成一个随图像中位置缓慢变化的函数值是适宜的. 3）最佳阈值选择除非图像中的物体有陡峭的边沿，否则灰度阈值的取值对所抽取物体边沿的定位和整体尺寸有很大的影响.这意味着后续尺寸(特别是面积)的测 1 对于灰度阈值的选择很敏感.由于这个原因，我们需要一个最佳的，或至少是具有一致性的方法确定阈值. 4）直方图技术

58、一幅含有一个与背景明显对比的物体的图像具有包含双峰的灰度直方图。两个尖峰对应于物体内部和外部较多数目的点.两峰间的谷对应于物体边缘附近相对较少数目的点，在类似这样的情况下，通常使用直方图来确定灰度阈值的值.如果图像或包含物体图像的区域面积不大且有噪声，那么直方图本身就会有噪声.除了凹谷特别尖锐的情况外，噪声会使谷的定位难以辫认，或至少是不同幅图像得到的结果不稳定，不可靠. 5) 判断分析二值化 自适应分割技术可用二次处理技术实现.在第一次处理前，先将图像划分成 100.100 的像素块.根据各个块的灰度直方图，阈值被确定为背景峰值与数据峰值的中点.直方图是单峰的块则不予考虑.在第一次处理中，物

59、体的边界在每块中用各自固定的阈值确定，但各块间阈值并不相同.如此做的目的并不是要把这样定义的物体从图像中抽取出来，而是计算每个物体内部的平均灰度值.在第二次处理中，每个物体使用各自的阈值，该值由内部灰度值和它的主块的背景灰度21值的中间值定义.3二值化的一些源程序17a.非 0 元素取 1 法ezh()int x,y;for(y=0;yrow;y+)for(x=0;xcol;x+)if (inyx!=0)outyx=1;elseoutyx=0;b.固定阈值法ezh(int thresh)int x,y;for(y=0;yrow;y+)for(x=0;x=thresh)?1:0;c.双固定阈值法

60、ezh(int thresh1,int thresh2)int x,y;for(y=0;yrow;y+)22for(x=0;x=thresh1&inyx=thresh2)outyx=1;elseoutyx=0;d.判断分析二值化（双峰直方图一分为二）ezh()int x,y;double bmax,bunsan256,mean1,mean2;long int noudo1=0,noudo2=0;long int gasosu1=0,gasosu2=0;int thresh,th,level=0;/求最高灰度级 levelfor(y=0;yrow;y+)for(x=0;xcol;x+)if (l

61、evelinyx)level=inyx;/th 循环开始，小于阈值 th 的像素归为第一类，大于 th 的像素归为第二类，th=0,1,2,.,levelfor(th=0;th=level;th+)noudu1=noudu2=0;gasosu1=gasosu2=0;for(y=0;yrow;y+)for(x=0;xcol;x+)23if (inyx0)mean1=(float) noudo1/gasosu1;/计算小类的平均灰度值elsemean1=0.0;if (gasosu20)mean2=(float) noudo2/gasosu2;/计算大类的平均灰度值elsemean2=0.0;/计

62、算两类之间的方差bunsanth=(float)gasosu1*gasosu2*(mean1-mean2)*(mean1-mean2);/求方差最大的阈值 threshbmax=bunsan0;thresh=0;forth=1;th=level;th+)if (bmaxbunsanth)bmax=bunsanth;thresh=th;return(thresh); 4二值化在实物测量中的应用 滤波后的图片孤立点已经去掉，而且零件图像没有失真，程序达到预期效果，于是进行二值化处理，以下是二值化的程序：/二值化ezh()int x,y;24for(y=0;y120;y+)for(x=0;x180)

63、outyx=0;elseoutyx=255; 由于图片的背景与圆孔的灰度相差很大，而且在实际工业生产中，使用的是内部光源，与外部光源没有关系，光源强度比较固定，所以使用单阈值二值化法。由图像分析，要计算两圆孔的距离，必须用特征提取把两圆孔的从图像中提取出来，而且发现两圆孔的灰度较大，于是只要二值化就可以把圆孔提取出来。经过多次的实验和反复的尝试，发现只要把灰度为180 以上的点都变为 0 级灰度，而低于 180 灰度的点都变为 255 级灰度，就可以把圆孔不失真的提取出来。 5.二值化后的图像图 3.9 二值化后的图像 3.6.1.3 分块 1.边缘检测 边缘检测是把一个图像的形状特征描绘出来

64、，以便为识别图像、计算图像距离位置、图像的变换做准备。由于这里的图像大致与规则图像相似，于是只需要用逐行检测的方法检测图像中黑洞的第一点。然后根据图像的放大后的特征，发觉第一点的规律是：a 灰度为 0 级。b 与其他点有连接，并且连接符合这样的规律，如图：255255255255第一点 于是通过分析并以图像的左上角为原点，水平向右为 x 轴正方向，垂直向下为 y 轴正方向，25写程序逐行扫描图像，检测到第一个 0 级灰度点坐标（x，y）后，读出（x-1,y） 、(x-1,y-1)、(x,y-1)、(x+1,(y-1)四个点的灰度是否是 255，如果是，则找到了第一点。 2.连接问题 1）4 连

65、接法 255A255BEC255D255 如图，假如 E 点为 0 级灰度，那么 A、B、C、D 如果其中一个点为 0 级灰度，那么证明 E 点同其他点有连接。 2）8 连接法ABCIEDHGF 如图，假如 E 点为 0 级灰度，那么 A、B、C、D、F、G、H、I 如果其中一个点为 0 级灰度，那么证明 E 点同其他点有连接。 根据上述原理，我们就可以找出每个黑洞的所有点，并且在找的过程中把两个黑洞分别标上号，就能把黑洞分开。以下是分块程序/分块fk()int kuai=1,h=1,k;for(y=1;y120;y+) for(x=1;x120;x+) if(inyx=0)&(inyx-1=

66、255)&(iny-1x-1=255)&(iny-1x=255)&(iny-1x+1=255) outyx=kuai; kuai+;h+; 26for(k=1;kh;kuai+)for(y=1;y120;y+) for(x=1;x120;x+) if(inyx=kuai)&(inyx-1=0)|(iny-1x-1=0)|(iny-1x=0)|(iny-1x+1=0) outyx=kuai; 由于两个黑块的灰度都是 255，计算中心时必须把两个黑块分开，于是就把两个黑块分别在付给两种不同的灰度值。首先，必须把块的第一点找出来，把第一块的第一点标记为1，然后找到第二块的第二点标记为 2。然后，把标记为 1 的点相连接的所有黑点都标记为1，把标记为 2 的点相连接的所有黑点都标记为 2。这样就把两个灰度一样的黑块分为一块标记为 1，一块标记为 2 的两块。3.6.2 计算中心点坐标 由于把黑洞都分好块，于是根据中心计算定律：一个平面物体的几何中心的 x 坐标等于物体上所有点的 x 坐标之和除以点的个数，几何中心的 y 坐标等于所有点的 y 坐标只和除以点的个数。 根据定律，写出下面的程序：/