光电图像处理运用计算机数字图像处理技术，通过光电成像系统将自然界的模糊图像转变为计算机中的数字图像，进而对图像进行处理和分析。光电图像处理光电成像技术、光显示技术以及光度学、度学方面的知识为基础，以计算机数字图像处理技术为主体，主要讲述计算机系统如何通过光电成像系统将自然界的模拟图像转变为计算机中的数字图像，进而对图像进行处理和分析。光电图像处理涉及到广泛的图像处理知识，包括光电成像器件、颜产生的机理与人类视觉效应、计算机图像处理工具、多种图像处理算法、大量的图像处理效果实例以及典型的光电图像处理系统介绍。 光电图像处理主要由光电成像技术和图像处理技术组成。光电成像技术可以弥补人类视觉缺陷，扩展人类自身的视觉功能；图像处理技术可以改善图像视觉效果，使计算机具有与人一样的视觉功能。光电成像技术为人类有效的扩展了自身的视觉能力：
(1)可以扩展人眼对微弱光图像的探测能力；
(2)可以讲超快速现象存储下来；
(3)可以开拓人眼对不可见辐射的接受能力；
(4)可以扑捉人眼无法分辨的细节；
光电图像处理设备的处理结果与设备采集的图像质量密切相关，而图像质量在很大程度上依赖于设备对于光学信号的分辨力，其分辨力是图像处理设备质量评估的重要技术保证。
光电图像处理设备的分辨力，主要包括空间分辨力、时间分辨力、像元分辨力、系统分辨力、对比度分辨力等。一般空间分辨力测试方法为给定具有固定几何图形的分辨力板，在设定对比度情况下，进行设备的空间分辨力测量。 光学器件分辨力测量是利用分辨力板作为器件的像源输入，然后，比较像源通过器件后的成像像差，测定器件的MTF(空间传递函数)，确定器件的空间分辨力。例如，从图像采集、转换直到处理的一般图像处理设备，其整个采集、转换、处理过程不仅仅是光学器件的分辨力对系统整体分辨力有影响，而且，后端的电子线路对于成像系统的影响更大，它们具有非线性时变特点，使得实际设备的分辨不能仅仅需要考虑设备光学器件的影响问题，而是应该从整个的光电信号传输通道
考虑，直接进行设备的系统分辨力测试。
机器人视觉技术简介
随着计算机科学和自动控制技术的发展，越来越多的不同种类的智能机器人出现在生产生活中，视觉系统作为智能机器人系统中一个重要的子系统，也越来越受到人们的重视。
视觉系统是一个非常复杂的系统，它既要做到图像的准确采集还要做到对外界变化反应的实时性，同时还需要对外界运动的目标进行实时跟踪。因此，视觉系统对硬件和软件系统都提出了较高的要求。目前比较流行的足球机器人技术，它的视觉系统属于比较典型的快速识别和反应类型。
机器视觉系统是指用计算机来实现人的视觉功能，也就是用计算机来实现对客观的三维世界的识别。人类视觉系统的感受部分是视网膜，它是一个三维采样系统。三维物体的可见部分投影到网膜上，人们按照投影到视网膜上的二维的像来对该物体进行三维理解（对被观察对象的形状、尺寸、离开观察点的距离、质地和运动特征等的理解）。
图像识别机器视觉系统的输入装置可以是摄像机、转鼓等，它们都把三维的影像作为输入源，即输入计算机的就是三维管观世界的二维投影。如果把三维客观世界到二维投影像看作是一种正变换的话，则机器视觉系统所要做的是从这种二维投影图像到三维客观世界的逆变换，也就是根据这种二维投影图像去重建三维的客观世界。
机器视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示。图像的获取实际上是将被测物体的可视化图像和内在特征转换成能被计算机处理的一系列数据，它主要由三部分组成：照明，图像聚焦形成，图像确定和形成摄像机输出信号。视觉信息的处理技术主要依赖于图像处理方法，它包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。
经过这些处理后，输出图像的质量得到相当程度的改善，既改善了图像的视觉效果，又便于计算机对图像进行分析、处理和识别。
机器人视觉系统主要是利用颜、形状等信息来识别环境目标。以机器人对颜的识别为例：当摄像头获得彩图像以后，机器人上的嵌入计算机系统将模拟视频信号数字化，将像素根据颜分成两部分：感兴趣的像素（搜索的目标颜）和不感
兴趣的像素（背景颜）。然后，对这些感兴趣的像素进行RGB 颜分量的匹配。为了减少环境光强度的影响，可把RGB颜域空间转化到HIS颜空间。
在足球机器人的彩视觉系统中，程序是根据贴在机器人小车顶上的标来识别机器人是属于哪一队，以及是几号队员的。由于在每个机器人小车顶上有两种颜的标，分别是队标和队员标。因此，识别工作的第一步是把图像中的
每一个像素，根据颜分类到一组离散的彩类中。
颜分类常用的方法有线性彩阈值法、最近邻域法和阈值向量法等。
其中，线性彩阈值法是用线性平面把彩空间分割开来，其阈值的确定可采用直接取阈值和通过自动训练来获取目标颜范围等方法，也可以采用神经网络和多参数决策树方法来进行自学习，以获得
合适的阈值；而用最近邻域分类法分割图像时，则利用隶属度函数，即根据最大的隶属度来判断这个颜属于哪个类；阈值向量法是先使用一组事先确定的阈值向量来把彩值在彩空间中的位置来判断其属于哪种颜。在彩分类之后，必须对各个颜类的点进行处理，最终辨识出场上的各个敌我队员和球在场上的位置和方向角。识别时，通常的做法是对分类后的像素进行一次扫描，即将相邻的同种颜的像素连成块。
基于阈值向量的颜识别
一、彩空间选择
对于采用基于彩图像分割的方法识别目标时，首先要选择合适的颜空间，常用的颜空间有RGB、YUV、HSV、CMY等。颜空间的选择直接影响到图像分割和目标识别的效果。
RGB——最常用的颜空间，其中亮度等于R、G、B3个分量和。RGB颜空间是不均匀的颜空间，两个颜之间的知觉差异与空间中两点间的欧氏距离不成线性比例，而且R、G、B值之间的相关性很高，对同一颜属性，在不同条件(光源种类、强度和物体反射特性)下，RGB值很分散，对于识别某种特定颜，很难确定其阈值和其在颜空间中的分布范围。因此通常会选择能从中分离出亮度分量的颜空间，其中最常见的是YUV和HSV颜空间。
HSV——接近人眼感知彩的方式，H为调(Hue)，S为饱和度，V为亮度(Value)。调H能准确地反映颜种类，对外界光照条件变化敏感度低，但是H和S均为R、G、B的非线性变换，存在奇异点，在奇异点附近即使R、G、B
的值有很小变化也引起变换值有很大的跳动。
YUV——RGB颜空间线性变化为亮度彩空间。是为了解决彩电视机与黑白电视机的兼容问题而提出的。Y表示亮度(Luminance)，UV用来表示差。YUV 表示法的重要性是它的亮度信号(Y)和度信号(U、V)是相互独立的。所谓差是指基信号中的3个分量信号(即R、G、B)与亮度信号之差。
二、阈值确定和彩判断
在确定阈值时，首先通过采集样本进行训练，从而得到预定的几种颜在YUV空间的分量的上下阈值，如图所示。
当一个待判定的像素在彩空间中的位置落在这个长方体中时，就认为该像素属于要的颜，从而完成对图像颜的识别。在Y空间中，Y值表示亮度，因它的变化很大，所以只考虑了U和V的值，在进行颜判断时，首先分别建立U、V的阈值向量。
在颜识别后进行图像分割，在图像分割中采用了种子填充算法，其整个种子的填充是和像素点的颜同时进行的，一开始不是对所有的像素进行处理，而是分块进行的。当中心点是所要识别的颜时，就以这个点为种子向四周扩散，并判定周围像素点的颜，直到填满整个块。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议