基于OpenCV精準對靶施藥系統視覺模塊設計
2016-07-20 01:16:44李梅竹王勝
計算技術與自動化 2016年2期
李梅竹 王勝
摘 要：針對葡萄種植中切根蟲的危害，采用基于OpenCV的圖像處理方法設計葡萄樹干精準對靶施藥系統的視覺模塊。通過圖像處理實驗，得出基于mean shift 的圖像分割結果，邊緣檢測結果以及直線檢測結果。實驗結果證明該模塊設計可有效的區別出葡萄園中彎曲的葡萄樹干和筆直的樹樁。
關鍵詞：OpenCV；視覺模塊；圖像處理
中圖分類號：TP23 文獻標識碼：A
1 引 言
對于世界葡萄種植來說，切根蟲（一種夜蛾的幼蟲）是危害葡萄樹生長的主要害蟲之一。精準對靶施藥系統可在葡萄樹干上施加一個均勻的、寬度大于等于20cm的“障礙藥帶”，可有效的阻止切根蟲夜晚從樹根爬到樹冠啃食新芽。由于在實際葡萄園中，每隔幾棵葡萄樹就會立一根樹樁拉著鐵絲牽引葡萄藤，所以在施藥時需要區分筆直的樹樁和彎曲的葡萄樹干，避免不必要的施藥。因此本文基于OpenCV的圖像處理方法進行精準對靶施藥系統視覺模塊設計。
2 基于OpenCV的圖像處理
OpenCV軟件由C函數以及C++函數組成，可以進行例如特征檢測、目標分割、三維重建等圖像分析。在圖像處理、計算機視覺等方面，OpenCV起到了無可取代的重要作用。在不遠的將來，OpenCV對工業、航天、軍事、人機對話等領域都起到了及其關鍵的作用。隨著圖像分析、視覺技術的發展，OpenCV將逐漸適用于更多的場合[1]。本文研究中采用計算機視覺技術，通過CCD攝像頭采集圖片，使用OpenCV來檢測采集到的葡萄樹干和木樁圖片的外輪廓線，從而判斷噴藥設備前方的物體是彎曲的葡萄樹干還是筆直的木樁，若判定為彎曲的葡萄樹干則噴藥，若判定為筆直的木樁，則發出信號，讓拖車繼續前行。
2.1 圖像預處理
在進行輪廓檢測前，首先要對采集到的葡萄樹干和木樁的圖片進行預處理，主要是進行形態學去噪以及圖像平滑處理[2]。
2.1.1 形態學去噪
數學形態學，其本質是通過一些方法實現圖像處理，比如：利用結構元素提取圖像形狀等。數學形態學的基本操作有兩種：膨脹和腐蝕。膨脹使圖像區域變大，可以實現小空間和縫隙的填充。腐蝕使圖像區域變小，可以用來去掉圖像菱角。膨脹和腐蝕兩者沒有互為逆運算，可以結合使用，對圖像先膨脹再腐蝕，或者先腐蝕再膨脹。前一種運算稱為閉運算，后一種稱為開運算。兩種運算在數學形態學中都很重要。閉運算可以彌補裂縫、填補孔洞，開運算可以去除毛刺和孤立小點，兩種運算對物體的形狀和位置不造成改變。本文中先用CCD相機拍攝照片，然后對照片進行閉運算和開運算，使輪廓平滑，沒有毛刺和缺口。
2.1.2 利用中值濾波進行圖像平滑處理
圖像平滑處理多用于減少圖像噪聲，是數字圖像處理技術的一種。對于在葡萄種植園中采集到的葡萄樹干或者木樁的圖片，由于場地等的原因，不可避免的存在許多噪聲，進行平滑處理時最重要的是要保持葡萄樹干或者木樁輪廓的清晰，還可以去除高頻噪聲，綜合考慮，我們選擇中值濾波。
中值濾波屬于非線性濾波，它可以抑制圖像噪聲和脈沖干擾，保護圖像，使圖像的邊緣不變模糊。也可以將圖像的灰度信息保留的更多，提高對圖像輪廓檢測的質量[3]。
2.2 基于mean shift 的圖像分割
mean shift 是通過迭代，運用非參數進行概率密度估算的方法。基于原理簡單、參數少、不需要預處理等特點，mean shift 主要被運用在追蹤目標、分割圖像等方向[4]。使用mean shift 進行圖像分割可以被當作特征空間聚類問題處理，因為被選取的空間的色彩、灰度、梯度不同，概率密度函數將會梯度上升，mean shift 沿著該方向找到局部最大值，可是將具特征類似的向量分割開來，歸為一類。
2.3 邊緣檢測
邊緣檢測多是指檢測圖像中灰度或者亮度變化最大的部位，一般是指前景、背景的交界處，這些部位會導致數學算法模型中的一階導數不連續，所以需要利用圖像的階梯函數，以此來求圖像的邊緣[5]。用的最多的方法有：Roberts 算子、Sobel 算子、Prewitt 算子和Canny 算子。
由于Canny 算子既用到了一階導數，也用到了二階導數，所以它的結果更加精確，因此本文運用Canny 算子對圖像邊緣進行檢測。對于圖像處理，先對原圖進行灰度處理，然后通過Canny 算子就可以將圖片中的物體輪廓較為精準的找出。
運用Canny 算子進行邊緣檢測，需要符合2個要求：①信噪比；②單位邊緣響應。計算算子的零交叉點的平均距離，若該距離滿足式①，則單位邊緣只存在一個響應[6]。
3 圖像處理試驗及結果
本文利用OpenCV 提供的圖像處理函數來對獲得的靶標圖像進行處理，先基于mean shift 進行圖像分割，然后通過Canny 算子進行邊緣檢測，得到靶標外輪廓線，最后運用直線檢測的方式來分析靶標的曲直，其工作流程如圖1所示。
圖1 工作流程圖
計算技術與自動化2016年6月
第35卷第2期李梅竹等：基于OpenCV精準對靶施藥系統視覺模塊設計
3.1 基于mean shift 的圖像結果
一般而言一副圖像的特征點至少可以提取出5 維，即（x，y，r，g，b），眾所周知，mean shift 經常用來尋找模態點，即密度最大的點。所以這里同樣可以用它來尋找這5 維空間的模態點，由于不同的點最終會收斂到不同的峰值，所以這些點就形成了一類，這樣就完成了圖像分割的目的，有點聚類的意思在里面。
需要注意的是圖像像素的變化范圍和坐標的變化范圍是不同的，所以在使用窗口對這些數據點進行模態檢測時，需要使用不同的窗口半徑。因此在OpenCV自帶的mean shift分割函數pyrMeanShiftFiltering（ ）函數中，就專門有2個參數供選擇空間搜索窗口半徑和顏色窗口搜索半徑的。 由函數名pyrMeanShiftFiltering可知，這里是將mean shift算法和圖像金字塔相結合用來分割的，所以其參數列表中就有一個專門定義所需金字塔層數的變量。本次試驗的主要過程是，首先設置好參數，然后用函數pyrMeanShiftFiltering（ ）對輸入的圖像進行分割。分割后的結果保存在該函數的第二個參數即輸出圖像中，最后根據該分割圖像的特點用floodFill（ ）函數對其分割的結果用不同的顏色進行填充。試驗中選取的樹干原圖如圖2（a）、1（b）所示，圖像分割后的結果如圖3（a）、2（b）所示。endprint
3.2 邊緣檢測結果
對圖像基于mean shift的圖像分割后，采用Canny算子進行邊緣檢測。Canny算法的步驟是①降噪，任何邊緣檢測算法不可能在未經處理的原始數據上工作，第一步是對原始數據與高斯mask作卷積，得到的圖像與原始圖像相比有些輕微的模糊。②尋找圖像中的亮度梯度。圖像中的邊緣可能會指向不同的方向，所以Canny算法使用了4個mask檢測水平、數值以及對角線方向的邊緣。③在圖像中跟蹤邊緣。較高的亮度梯度比較有可能是邊緣，但是沒有一個確定的值來限定多大的亮度梯度是邊緣，所以Canny使用了滯后閾值。上述過程完成可得到一個二值圖像。通過Canny算子就可以將圖片中樹干的輪廓找出，其試驗結果如圖4所示。從圖中可以看出采用OpenCV的Canny算子進行邊緣檢測可以較為完整的將前景區從背景區域中分離出來，得到比較理想的樹干輪廓線，為進一步判斷輪廓線的曲直打下基礎。3.3 直線檢測結果
OpenCV使用霍夫變換函數來進行直線檢測。該變換利用點與線的對偶性，通過曲線表達形式，將空間中的曲線轉變為一個點，于是，對于原圖的曲線檢測問題變為在參數空間內尋找峰值的問題。 具體的說，利用直線的參數方程ρ=xcosθ+ysinθ將（x，y）空間中的一個點變成了一條正弦曲線，如果若干個點在一條直線上，那么它們對應的正弦曲線也會交于同一個點。所以檢測直線的問題，就轉化為了判斷交點峰值的問題。設置一個峰值，大于這個值，就判為直線。
需要注意以下幾點：首先，HoughLines檢測出來的不是線段，而是（ρ，θ）對，使用std vector
4 結束語
由于在實際葡萄園中，每隔幾棵葡萄樹就會立一根樹樁拉著鐵絲牽引葡萄藤，所以在施藥時需要區分筆直的樹樁和彎曲的葡萄樹干。本文主要介紹了基于OpenCV的圖像處理方法，并給出了對一棵彎曲的樹和一棵筆直的樹的基于mean shift的圖像分割結果、邊緣檢測結果以及直線檢測結果。實驗結果證明該模塊設計可有效的區別出葡萄園中彎曲的葡萄樹干和筆直的樹樁。
參考文獻
[1] 于仕琪，劉瑞禎.OpenCV教程（基礎篇）[M].北京：北京航空航天出版社，2007.
[2] 景曉軍.圖像處理技術及其應用[M].北京：國防工業出版社，2005.
[3] 劉慧英，王小波.基于OpenCV的車輛輪廓檢測[J].科學技術與工程，2010（12）： 2987-2991.
[4] SONG N， GU I Y H， CAO Z， et al. Enhanced spatial-range mean shift color image segmentation by using convergence frequency and position[C]//Prof. of 14th European Signal Processing Conference （EUSIPCO 2006）， Florence， Italy. 2006.
[5] 陰國富.基于閾值法的圖像分割技術[J].現代電子技術，2008，30（23）：107-108.
[6] 馬頌德，張正友.計算機視覺：計算理論與算法基礎[M].北京：科學出版社，1998.
