基于Python的流水線計(jì)數(shù)計(jì)量應(yīng)用

呂暉，徐佳琪

（福建工程學(xué)院電子電氣與物理學(xué)院，福建福州，350118）

0 引言

隨著我國(guó)科學(xué)技術(shù)的不斷發(fā)展，以往人工進(jìn)行檢測(cè)計(jì)數(shù)，可能因?yàn)橹饔^原因?qū)е洛e(cuò)記或漏記，這也導(dǎo)致了工廠效率低下，因此工廠流水線設(shè)計(jì)也需要逐步趨于自動(dòng)化。由此，計(jì)數(shù)計(jì)量技術(shù)應(yīng)用而生，通過(guò)智能化的機(jī)器或簡(jiǎn)潔的程序語(yǔ)言，可以輕松實(shí)現(xiàn)計(jì)數(shù)，在自動(dòng)化程度高的工廠，可以利用多個(gè)攝像頭，進(jìn)行多條生產(chǎn)線出入口的計(jì)數(shù)，減少人工勞動(dòng)，提高效益。

為了使目標(biāo)與背景最大程度分離，文獻(xiàn)[1]中為了準(zhǔn)確識(shí)別煙草害蟲(chóng)圖像，將目標(biāo)圖像從背景圖像中分割出來(lái)，利用粒子群算法對(duì)常用于圖像分割的大津法，仿真結(jié)果表明，該方法能夠更快速；文獻(xiàn)[2]中，傳統(tǒng)的聚焦評(píng)價(jià)函數(shù)在實(shí)際使用時(shí)，會(huì)出現(xiàn)不穩(wěn)定，精確度低，而且很容易被噪聲等因素干擾，針對(duì)這么問(wèn)題，文章設(shè)計(jì)了一種在大津閾值分割法并在局部梯度最大時(shí)，可以自動(dòng)聚焦的算法，該算法在靈敏度，穩(wěn)定性等方面明顯有了提升，而且具有較好的抗噪聲能力；文獻(xiàn)[3]中，針對(duì)傳統(tǒng)二維大津分割算法的不足，例如：計(jì)算量大等，提出了將改進(jìn)后的的二維Otsu算法與人工魚(yú)群（隨機(jī)搜索優(yōu)化算法）算法相結(jié)合，使圖片分割效果明顯提高，并具有一定的實(shí)時(shí)性，提高了二維閾值查找速度和泡罩藥品缺陷檢測(cè)效率。該算法在泡罩藥品包裝缺陷檢測(cè)和圖像分割領(lǐng)域得到了應(yīng)用。

文獻(xiàn)[4]，文獻(xiàn)[5]介紹單片機(jī)為核心的流水線自動(dòng)計(jì)數(shù)系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)。

本文基于Python軟件工作環(huán)境，和單片機(jī)相比，編程語(yǔ)言更加簡(jiǎn)潔。為了使背景和前景（目標(biāo)）有效分離，利用大津法閾值分割原理，創(chuàng)建了可用于流水線的計(jì)數(shù)計(jì)量應(yīng)用的設(shè)計(jì)，可對(duì)視頻固定位置進(jìn)行目標(biāo)物體的計(jì)數(shù)計(jì)量，實(shí)現(xiàn)對(duì)均勻移動(dòng)物體的檢測(cè)計(jì)數(shù)計(jì)量，減少人工操作。并且通過(guò)檢測(cè)素材中目標(biāo)物體的數(shù)量，檢測(cè)本文設(shè)計(jì)的準(zhǔn)確性。

1 大津法閾值原理

該算法的主體思路是，將灰度后的直方圖，該直方圖包含圖像的灰度信息，在兩峰之間找一個(gè)閾值，可以將灰度像素分為兩類，然后再通過(guò)計(jì)算這兩類灰度像素的類間方差，多次迭代，使得類間方差達(dá)到極小值，最終可以得到一個(gè)最佳閾值。

在計(jì)算機(jī)視覺(jué)和圖像處理中，大津二值化法用來(lái)自動(dòng)對(duì)基于聚類的圖像進(jìn)行二值化，或者說(shuō)，將一個(gè)灰度圖像退化為二值圖像。算法假定該圖像根據(jù)雙模直方圖（前景像素和背景像素）包含兩類像素，于是它要計(jì)算能將兩類分開(kāi)的最佳閾值，使得它們的類內(nèi)方差最小；由于兩兩平方距離恒定，所以即它們的類間方差最大。

將圖像灰度化之后，根據(jù)灰度的特征，會(huì)將背景和目標(biāo)物體分開(kāi)。兩者之間的類間方差越大，說(shuō)明構(gòu)成背景和目標(biāo)的區(qū)別也越大。使用軟件進(jìn)行灰度，很容易將目標(biāo)物體當(dāng)成背景，將背景當(dāng)作目標(biāo)物體，這種情況也會(huì)導(dǎo)致兩者的區(qū)別縮小。而類間方差最大的分割意義就在于將使背景和目標(biāo)物體錯(cuò)分概率達(dá)到最小。對(duì)于圖像I(x,y)，用T來(lái)表示物體目標(biāo)和背景的分割閾值，在整個(gè)圖像中，將目標(biāo)物體的像素點(diǎn)數(shù)占整個(gè)圖像的像素點(diǎn)數(shù)的的比值記為 0ω，其平均灰度0μ；背景像素點(diǎn)數(shù)占整幅圖像的比例為 1ω，其平均灰度為1μ。圖像的總平均灰度記為μ，類間方差記為g。假設(shè)圖像的背景較暗,并且圖像的大小為MN× ，圖像中像素的灰度值小于閾值T的像素個(gè)數(shù)記作N0，像素灰度大于閾值T的像素個(gè)數(shù)記作N1，則有：

接著，對(duì)[0,255]個(gè)灰度級(jí)k進(jìn)行遍歷，得到使類間方差最大的閾值T，也就是求得最大灰度級(jí)k。

2 流水線計(jì)數(shù)計(jì)量

現(xiàn)以本文使用的其中一個(gè)素材為例，介紹設(shè)計(jì)的計(jì)數(shù)流程。計(jì)數(shù)的核心思想為：二值化后的視頻，視頻中只有黑白兩種顏色，其中被計(jì)數(shù)物體為黑色，白色為背景。當(dāng)提取的區(qū)域由全白到全黑再到全白時(shí)，計(jì)數(shù)一次。并在視頻中設(shè)置一條相對(duì)較窄的區(qū)域，在計(jì)數(shù)時(shí)，更加直觀，不會(huì)因?yàn)橹饔^原因影響檢測(cè)數(shù)量。

對(duì)于每一個(gè)流水線素材，被檢測(cè)的物體所處的位置不同，這個(gè)時(shí)候，可以分析觀察二值化的圖變化規(guī)律，提取部分區(qū)域，然后進(jìn)行經(jīng)驗(yàn)的觀察，最終確定物體的大致位置。

計(jì)數(shù)流程如圖1所示。

圖1

選取流水線素材，在視頻的第一幀時(shí)截取一張?jiān)瓐D，從原圖中確定物體所在位置，如圖2所示。

圖2 第一幀圖像

以物體為中心點(diǎn)，提取物體所在的區(qū)域，如圖3所示。

圖3 提取目標(biāo)物體位置

接著，將提取的區(qū)域進(jìn)行灰度化。平時(shí)生活中的照片基本都是彩色照片，彩色照片中有R，G，B三個(gè)通道信息，也就是說(shuō)有三個(gè)分量，而灰度化的作用就是對(duì)這三個(gè)通道的信息進(jìn)行處理，使得三個(gè)分量達(dá)到相同的效果，R=G=B。圖4是將區(qū)域灰度化后的圖像。

圖4 區(qū)域灰度化

最后對(duì)灰度后的視頻使用大津閾值法進(jìn)行二值化，根據(jù)直方圖，如圖5所示。

圖5 直方圖

通過(guò)不斷迭代，找出雙峰之間的最低值，將背景與前景進(jìn)行分割，達(dá)到二者可以分開(kāi)的最佳效果。圖像效果如圖6所示。

圖6 二值化圖像

通過(guò)設(shè)置的區(qū)域，觀察物體是否通過(guò)，然后進(jìn)行計(jì)數(shù)，如圖7所示。藍(lán)色區(qū)域?yàn)楸敬卧O(shè)置的區(qū)域，方便觀察物體的數(shù)量，直到視頻結(jié)束。

圖7 計(jì)數(shù)結(jié)果演示

為了驗(yàn)證本次設(shè)計(jì)的準(zhǔn)確性，對(duì)素材進(jìn)行多次計(jì)數(shù)，每次計(jì)數(shù)結(jié)果包含九組數(shù)據(jù)，并進(jìn)行多次驗(yàn)證，其中一次計(jì)數(shù)結(jié)果如圖8所示。

圖8

由折線圖可以看出，本文設(shè)計(jì)對(duì)目標(biāo)物體的計(jì)數(shù)比人工計(jì)數(shù)準(zhǔn)確性要高，人工由于主觀原因，導(dǎo)致計(jì)數(shù)容易出現(xiàn)失誤，且結(jié)果不穩(wěn)定，誤差較大；本文設(shè)計(jì)計(jì)數(shù)結(jié)果較為穩(wěn)定，波動(dòng)較小，計(jì)數(shù)結(jié)果接近準(zhǔn)確值，誤差小。根據(jù)實(shí)驗(yàn)結(jié)果，本次設(shè)計(jì)基本可以應(yīng)用于工廠流水線計(jì)數(shù)。

3 結(jié)語(yǔ)

大津法的優(yōu)點(diǎn)很明顯，與其他圖像分割算法相比之下，這種算法可以快速并且高效得找到類間分割閾值，對(duì)圖片分割有較好的效果。但該算法的不足也很突出，與局部分割算法相比，只能針對(duì)圖像中的某一目標(biāo)進(jìn)行分割，或者說(shuō)，當(dāng)感興趣的物體有相似的灰度時(shí)，可以進(jìn)行分割。除此之外，如要分割的區(qū)域，灰度范圍分布較大時(shí)，會(huì)將某一部分圖像信息丟失。

本文設(shè)計(jì)只能對(duì)特定視頻素材中的流水線進(jìn)行計(jì)數(shù)計(jì)量，不能應(yīng)用于其他素材， 如要應(yīng)用于其他素材，可以按本文設(shè)計(jì)的步驟，找到物體所在的位置，在代碼中進(jìn)行修改即可。

本文設(shè)計(jì)的基于Python的流水線計(jì)數(shù)，考慮到目標(biāo)物體可能不在同一條線上，所以是以目標(biāo)物體的中心點(diǎn)提取適當(dāng)區(qū)域，以提高計(jì)數(shù)的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明，本次設(shè)計(jì)計(jì)數(shù)平均準(zhǔn)確率為99.91%，人工平均準(zhǔn)確率為98.46%，可以明顯看出本次設(shè)計(jì)可以更好得實(shí)現(xiàn)流水線計(jì)數(shù)。