移动机器人视觉控制系统的目标提取
2012-07-04张贵英张先杰
张贵英,张先杰
(遵义医学院 医学信息工程系,遵义 563003)
0 引言
视觉系统是移动机器人及其重要的组成部分,就像人的眼睛一样,用来感知和识别外部环境,同时依此感知的环境信息实现对机器人的导航,而目标提取又是视觉系统的关键技术。移动机器人对目标物识别的正确性和实时性都与视觉信息是否正确、及时地处理息息相关。视觉信息处理技术是移动机器人研究中的关键技术[1],如果没有视觉控制系统,可以想象,移动机器人根本无法完成相应工作。
1 移动机器人目标标志物图像预处理
1.1 图像灰度化
一般而言,由移动机器人采集的目标标志物图像一般是彩色的。为了保证机器人高效作业,在对目标标志物图像进行预处理、分割等操作时要求快速准确。但是彩色图像数据量大,处理时耗费的时间较长,因此,为了使机器人能快速高效的工作,在对目标标志物进行处理时,首先将其转化为灰度图像。
1.2 空间滤波
移动机器人在获取目标标志物图像时,由于环境、光线、摄像头的抖动等因素,使得到的图像存在噪声。噪声的存在会给后续的图像处理带来不便,甚至产生不可用的结果,因此要去除噪声,为后续处理做准备。
线性空间滤波就是将邻域中每个像素与相对应的系数相乘,再将结果累加起来,从而得到点(x , y)处的响应g (x , y)。
大小为m×n的滤波器为大小为M×N的图像进行空间滤波,表示为:
1.3 二值化
为了获取目标标志物图像,需要从图像中分离出来,把图像视为具有不用灰度的两类区域的组合,根据一定的阈值,把小于阈值目标标志物的像素全部转换成白色,反之,将大于等于阈值的像素全部转换成黑色。图像二值化可根据下列的自适应阈值[2]来处理:
通过直方图,可求得最优阈值。
2 数学形态学处理
使用数学形态学处理图像符合人的思维方式,可以充分利用先验的几何特征(形态、大小等)来进行处理,因此处理后的图像效果较好。数学形态学图像处理方法对噪声不敏感,也可以尽可能的保留图像的内容和形态。二值化处理后的图像存在一些孤立点噪声和不连续图像,可以利用数学形态学中的腐蚀和膨胀来处理。
腐蚀“收缩”和“细化”二值图像中的对象[3],因此非常适合去除一些孤立点噪声。A被B腐蚀的定义为:
其中A为输入图像,B为结构元素。A被B腐蚀是所有结构元素的原点位置的集合,其中平移的B与A的背景并不叠加。
膨胀是在二值图像中“加长”或“变粗”对象[3]。一般来说,腐蚀后的图像要进行膨胀操作,从形状上看才能恢复到原来的大小。A被B膨胀定义为:
其中, 为空集,B为结构元素。A被B膨胀是所有元素原点位置组成的集合,其中映射并平移后的B至少与A的某些部分重叠。
3 目标提取
经过以上操作步骤后,接下来就要对图像进行分割,也就是目标标志物提取。图像分割的方法很多,本文采用基于标记的分水岭算法分割目标标志物图像。为了防止过分割,加入一个目标标志物标记集合和一个背景标记集合。
通过数学形态学处理后的二值图像的前景色为黑色,背景色为白色,其中前景色即为目标标志物。将该图像求反,便得到目标标志物图像。
图1 仿真实验结果
接着要获得背景标记图像。为得到背景的标记符图像,即得到确信为背景的像素,这些像素刚好位于目标标记的中间位置,也就是分水岭脊线。对原图像进行距离变换,然后再进行分水岭变换,即得到分水岭脊线,也就是背景标记图像。
有了目标标记图像和背景标记图像后,使用强制最小值来修改梯度图像。借助数学形态学极小值技术,把提取的目标标记图像当成梯度图像的局部最小值,从而过滤掉原有图像中的所有局部最小值。然后对修改后的梯度图像进行基于标记的分水岭变换,最终计算得到目标标志物分割边界,重叠显示在原图像上。
4 实验结果
为了验证目标标志物提取算法的可行性和有效性,在matlab环境下对目标标志物图像进行仿真实验。其结果如图1所示, 图1(a)为目标标志物原始图像,(b)转换后的灰度图像,(c)目标标志物的二值图像。从二值图像中可以看出,存在孤立点,且目标标志物图像有空洞,采用数学形态学对其进行腐蚀和膨胀操作,其结果如图(d)所示,去除了孤立点,图像连续。对图(d)求反,即为目标标志物图像,如图(e)所示。根据目标标志图像,利用基于标记的分水岭算法分割目标标志物图像,得到如图(f)所示的分割结果。
5 结论
从分割结果可以看到,该算法正确的分割了目标标志物图像,并很好的保护原图像的边缘信息,验证了该算法的有效性。
[1] 潘永利, 孙小雪.数字图像处理技术在移动机器人中的应用[J].青岛理工大学学报.2008, 29(5): 125.
[2] 关榆军, 等, 图像处理在X射线焊接检测机器人焊缝识别中的研究[J].制造业自动化.2010, 32(10): 15.
[3] Rafael C.Gonzalez etc.数字图像处理(M tlab版)[M].北京: 电子工业出版社.2008.
[4] 张贵英.骨髓淋巴细胞分割技术研究[D].贵阳: 贵州大学.2010: 25-26.