Otsu算法的打捆钢筋计数方法研究

臧 晶,刘冠楠,杨慧英

(沈阳理工大学 a.信息科学与工程学院；b.自动化与电气工程学院，沈阳 110159)

Otsu算法的打捆钢筋计数方法研究

臧 晶a,刘冠楠a,杨慧英b

(沈阳理工大学 a.信息科学与工程学院；b.自动化与电气工程学院，沈阳 110159)

针对打捆钢筋端面识别与统计过程中存在的非均匀光照、噪声干扰等问题，提出将Otsu算法应用于钢筋数目统计的研究，利用基于连通区域标记的中心点提取算法完成计数。通过Matlab软件对图像进行处理，验证了Otsu算法具备优越的抗干扰能力和自适应性，钢筋端面图像识别与统计的正确率高达98.48%。

图像增强；Otsu；连通区域；钢筋计数

在钢筋线材厂家的生产及质量检验过程中，成捆的钢筋数目统计是物体识别层面上的典型问题，但在实际运作当中却因为周边复杂的生产环境加大了钢筋识别统计的困难程度[1]：成捆钢筋井字交错堆放的问题；采集的图像因为受光照不匀称而导致亮度不一的问题；由于钢筋间相互挤压而造成的边缘不清晰和粘连情况；一些钢筋的端面颜色由于氧化作用而发暗的情况[2]；大部分端面类圆形状存在的不规则问题。

对于上面叙述的几个问题，本文在对成捆钢筋端面图像进行图像增强后，再应用最大类间方差(Otsu)算法对所得的钢筋端面图像进行分割，使目标钢筋和背景之间达到良好的分离效果。最终利用所提出的基于连通区域标记的中心点提取算法对数目进行识别及统计。

1 图像预处理

在实际的钢筋端面图像分割中，Otsu算法尽管环境适应性好但仍存在不足：图像在传输和处理阶段受到来自图像内部及外部的噪声干扰，随机分布的噪声点增多；光照不均而导致钢筋图像亮度不均匀。上述两因素使得图像在某些方面有一定程度的降质，影响钢筋的识别及统计。选择组合双边滤波相关算法对钢筋端面图像在多重环境因素的限定下完成不均匀光照校正和噪声去除，并尽可能保留图像的边缘细节信息[3]。

考虑到钢筋的端面图像存在污染、噪声、氧化生锈、光源照射不均匀等现象，因此在图像的亮度提高预处理基础上，再选择组合双边滤波[4]相关算法对钢筋端面图像进行光照校正和噪声去除。具体步骤如下：

(1)非均匀光照校正。选取成捆钢筋端面灰度图像上的某个像素点作为起始点，然后把一个大小为(2n+1)×(2n+1)窗口的中心点与其放置重合。当邻域窗口中全部像素的平均值大于这个点的像素值(在求解边界区域的均值时，就选取窗口内部的像素值)的K倍时，此时将值置0，若是小于或等于就保留之前的像素值。对图像上所有像素点进行逐个循环来解决光源照射不均的问题。经过多次实验，本步骤的参数n=18，K=0.5。

(2)中值滤波去噪。对经过步骤(1)操作后的端面图像应用滤波窗口大小为3×3的中值滤波方法进行椒盐噪声的有效滤除。

(3)扩展钢筋端面图像的边界。把经过步骤(2)操作后的图像外围全部增添r个像素点，同时用图像四周最外边的r个像素的灰度值去替换这些像素点的值。

(4) 双边滤波保边去噪。对于进行过扩展边界的端面图像，应用双边滤波。各参数如下：滤波器半宽值是8；灰度测度扩散标准差取值0.2；几何测度扩散标准差取值1。算法对钢筋端面的信息及边缘保留，实现图像的增强，对后续分割钢筋的端面图像提供较好的基础。预处理结果如图1所示，其中图1a是原始打捆钢筋端面图像，图1b是经过双边滤波的图像。

图1 钢筋端面图像预处理图

2 Otsu算法

在各种自适应阈值确定的方法中，Otsu算法能够不受光照、噪声等因素的影响，利用图像灰度直方图的统计特性取得一个最佳阈值，进而将灰度图像里的目标分离，同时也区别背景部分[5]。当目标与背景的类间方差值越大时，则表示此时图像目标和背景差别越明显，分割效果越好。因此，其首要任务是在最小错分概率的限定下得到整个钢筋端面图像中的最佳阈值。根据改进Otsu算法[6]，在0≤t≤L-1条件下(L表示图像的灰度级数)，确定一个t，满足目标和背景的类间方差值最大类内方差最小，这个t为最佳阈值t*。

(1)

式中：w1、w2、u1、u2、δ1及δ2分别代表目标和图像背景的概率，均值和方差。经过预处理操作后，钢筋的端面图像有可观的信噪比；同时在灰度上，目标钢筋端面和图像的背景有较大区别。因而，研究改进Otsu算法并结合形态学处理[7]能够达到钢筋和背景的成功区分，同时获得钢筋端面的二值图像。Otsu算法运行结果如图2所示。此时得到的最大类间方差为1.67×1013，最佳阈值t*为114。

图2 Otsu算法运行结果图

3 钢筋计数算法

经过图像滤波、分割等一系列的前期处理，提出基于连通区域标记[8]的中心点提取算法对钢筋端面图像中的目标进行计数，具体算法步骤如下：

(1)连通区域标记。利用连通区域标记的方法处理所得二值图像img，并记下代表连通区域数目的num。

(2)单个连通区域提取。根据连通区域所对应的标号k去获得每块连通区域，表示为Rk。设置与img等尺寸的全0矩阵img1，把获取连通区域坐标位置对应的像素值替换到对应的img1中的坐标点上，除连通区域Rk以外，其它部分都作为背景处理，即可获得只含有标号是k的连通区域对应的二值图像img2，灰度值为f(x,y)。

(3)生成内部边界点。依照由上到下，从左及右的次序逐个扫描二值图像img2的像素点，若目标像素点P的八邻域像素点满足：

那么，若P的八邻域像素灰度值相加和是0，则表明像素点P作为一个孤立点存在；若P的八邻域像素灰度值相加以后和不是0，则表明像素点P是一个边界点。在上述扫描结束后，对于判别结果是孤立点的像素点，把该像素点对应的灰度值重新设置为0；对于判别结果是边界点的像素点，首先对其标记，然后记录其对应的坐标值。如此便可对下面求得中心点的坐标信息奠定基础。

(4)对内部的边界点存在进行检测，然后标记出中心点，求取半径值，能够得到对应的圆，进而可以确定图像的目标。在对边界点的存在检测和标记完成后，继续确定同一个连通部分的内部是否有非边界点，如果目标像素P的八邻域像素满足：

则表明这个像素点是内点。若有内点，就将其对应的边界点灰度值置0，同时对步骤(3)、(4)进行重复操作，以检测不出内点为终止。若检测不到内点的存在，就对最后一个标记点进行求均值，此时的位置即为最终中心点的坐标。

(5)识别与统计。对上述(2)、(3)、(4)步骤进行循环操作，以全部的连通区域部分被扫描作为结束标志，同时标明目标以达到可视化，最终识别的钢筋个数可由中心点总数目得到。

4 实验结果与分析

对一幅存在部分氧化生锈、含有噪声问题及光源照射不均匀的钢筋图像进行分析统计，以验证本研究提出的算法有效性。图3中共有130根钢筋，首先对于图像对比度的提升采用双重滤波，同时减弱噪声；然后对已增强图像运用Otsu算法达到二值化；针对存在轻度粘连情况的钢筋图像采用形态学方法中的开操作进行处理；最后利用连通区域标记的中心点提取算法达到钢筋数目统计的目的。图3a是经过形态学方法分离轻度粘连目标后的二值图像，图3b是采用基于连通区域标记中心点提取算法的钢筋统计结果图。

图3 打捆的钢筋端面图像处理及计数过程

图3表明，经过预处理操作的图像内部及边缘得到优化，并基本滤除侧面螺纹，既提升图像的整体质量，又突出生锈钢筋目标；经过Otsu分割并进行形态学操作后的图像边缘光滑，几乎不存在离散小点与毛刺的现象，清晰的分割出生锈钢筋部分，轻度粘连钢筋大部分被分离。对于存在的严重粘连问题，通过单根钢筋中心点的连通区域标记算法可以有效解决[9]。实验采集图像的打捆钢筋中存在严重粘连的情况，导致识别统计出的结果是132根，出现偏差。对于上述问题，如果能引进关于结果的优化模块，并选用手动进行选取等操作的方式，能够使统计结果的精确度得到更高的提升。

验证基于连通区域标记的钢筋端面图像中心点提取算法的准确性，另外选择9幅钢筋端面图像供实验分析，统计的数据如表1所示。

表1 基于连通区域标记的中心点提取算法计数结果统计

多个实验结果数据表明，本研究提出的算法可以不过度依赖目标图像本身的大小和形状，在多重限定条件下能够准确地识别并统计钢筋端面图像。算法的自适应性较强，既成功处理钢筋粘连的情况，又提高了统计结果准确率。

5 结束语

鉴于双边滤波和中值滤波的优势，提出一种两者结合的预处理方法，使图像的信噪比得到明显提升；对图像分割时采用改进后Otsu算法，并基于连通区域标记的中心点提取算法完成对钢筋的识别与统计。实验结果表明，本研究中的算法避免钢筋端面目标的过分割，对粘连问题依赖少；统计结果准确，可信度高；具备自适应性好和抗干扰能力较强的优势。

[1] 房新亮,陈树环.基于机器视觉技术的棒材自动计数系统的研究与应用[J].工业控制计算机,2011,24(7):44-46.

[2] 孙忠贵.数字图像光照不均匀校正及Matlab实现[J].微计算机信息,2008,24(4):313-314.

[3] 邱宇.基于双边滤波的图像去噪及锐化技术研究[D].重庆:重庆大学,2011.

[4] 李俊峰.双边滤波算法的快速实现及其在图像处理的应用[D].广州:南方医科大学,2013.

[5] 李媛媛,黄泉源,侯智新.基于霍夫变换的OSTU改进算法在路面裂缝检测中的研究[J].电子设计工程,2016,24 (5):43-46.

[6] 臧晶,郭倩倩,李成华,等.复杂条件下多玉米籽粒识别与统计方法研究[J].沈阳农业大学学报,2014,45 (5):633-636.

[7] 黄玲,齐保谦,胡波.基于图像连通区域面积的成捆棒材自动计数方法[J].工矿自动化,2012,34(5):77-79.

[8] 王凯,施隆照.基于FPGA的快速连通区域标记算法的设计与实现[J].计算机工程与应用 2016,52 (18):192-198.

[9] 马毅超,陶亚凡,吴龙胜,等.基于FPGA的二值图片连通区域标记算法[J].微电子学与计算机,2017,34 (1):119-122.

[10]初琦,郭军.利用 Hough 变换的棒线材位置检测方法的研究[J].现代制造工程,2012,44(10):58-60.

AMethodofCountingPackedSteelBarBasedonOtsuAlgorithm

ZANG Jing,LIU Guannan,YANG Huiying

(Shenyang Ligong University,Shenyang 110159,China)

For current issues about non-uniform illumination and noise disturbance which exists in the image of bundled steel bar under complicated condition,the Otsu algorithm is proposed and applied to the research of steel bar counting.Steel bars number is counted by using the extraction algorithm of center point based on connected regions labeling.Through the progress of the image in Matlab software,Experimental results show that the proposed algorithm has strong ability in anti-disturbance and adaptive force.The counting accuracy is up to 98.48%.

image enhancement;Otsu;connected regions;steel bar counting

2017-05-02

辽宁省教育厅一般项目(L2015468)；沈阳理工大学重点实验室开放基金项目(4771004kfx14)

臧晶(1975—)，女，副教授，研究方向：图像处理与模式识别。

1003-1251(2017)06-0047-04

TP391

A

王子君)