駱東松 梁俊衛

（蘭州理工大學電氣工程與信息工程學院 蘭州 730050）

1 引言

在化學化工領域中，對有色溶液濃度的檢測一般是基于比爾-郎伯定律［1］，采用分光光度法。該方法是根據溶液中的顯色物質對光的吸收度來對溶液溶度進行檢測，此方法受自然光的影響較大，且分光光度計的造價昂貴。隨著機器視覺技術［2］與計算機技術的快速發展，作為一種非接觸式的檢測測量方式，引起了國內外廣大學者的研究興趣。Tominaga［3］利用光的反射原理通過彩色圖像識別不同材質的物質；Nayar［4］提出了圖像中像素亮度的表示方法。目前，機器視覺廣泛應用于物體的表面缺陷檢測、醫學影像分析、材料識別等領域［5］。本文利用工業相機拍攝有色溶液的彩色圖像，在自己編寫的軟件中對圖像進行處理、特征提取，最后識別匹配得到溶液濃度。

2 檢測系統

機器視覺系統主要有兩部分組成，一部分為硬件系統。利用光學成像原理，通過圖像傳感器采集被測物體的圖像；另一部分為軟件系統。主要是對采集的圖像預處理，然后提取圖像信息，并對其數據進行分析得到所需結果。

2.1 硬件系統

本文是對有色溶液進行濃度檢測，采用的硬件系統是由華?？萍嫉墓I相機，型號為A5201CG50；光源采用LED白色環形光源，在密閉容器中采用白色背景板對其中的溶液進行拍攝，采集圖像。具體的實現硬件系統示意圖如圖1所示。

圖1 硬件系統實驗裝置示意圖

2.2 軟件系統

本文的軟件系統是基于OpenCVSharp［6］在VS 2012 下編寫的軟件系統。主要是對采集的圖像進行預處理、特征提取、圖像識別與匹配，最后將匹配的圖像與檢測溶液的濃度顯示。系統的處理過程流程圖如圖2所示。

圖2 系統處理過程流程圖

3 圖像預處理

圖像的預處理就是在對圖像信息未提取之前對圖像的一系列必要處理，目的是提高圖像質量，讓圖像更加清晰，為提取圖像信息做好前提準備。圖像預處理結果的好壞將直接影響圖像識別匹配的準確度［7］。

3.1 顏色空間［8］選擇

對于計算機而言，一種顏色可以有不同的表達方式，也就形成了不同的顏色空間。沒有一種顏色空間可以適用所有的領域，就需要我們選擇合適的顏色空間來處理相應的事件。常用的顏色空間有RGB、Yab、HSV、HSI 等顏色空間，本文選擇HSI 顏色空間來對溶液圖像進行處理。HSI 顏色空間是更好的數字化處理提出來的，其中H 表示色度，S表示飽和度，I表示亮度，在對圖像的顏色特征提取和圖像識別時，只需要關注色度與飽和度，亮度與顏色信息無關，可以減少計算量［9］。

對于工業相機來說，所拍攝的圖像都是RGB顏色空間，在提取圖像信息之前需要將RGB 值轉到HIS的值。相互轉換公式［10］如下所示：

RGB轉到HIS：

式中，R、G、B、H、S、I分別為一像素點中三通道的像素值。

對溶液圖像轉換顏色空間后的效果圖如圖3所示。

圖3 RGB顏色空間轉到HIS顏色空間效果圖

3.2 圖像濾波處理

在圖像的拍攝過程中會存在或多或少的干擾，其中椒鹽噪聲就是最為典型的一種，這些噪聲會對之后的顏色特征的提取造成很大的干擾，對圖像的濾波處理就是去除圖像中的噪聲讓圖像變的更加平滑。

典型的圖像濾波方法有均值濾波、中值濾波、高斯濾波等濾波處理［11～12］。本文采用濾波方法是高斯濾波，是用圖像每一像素值與高斯內核卷積，將卷積作為圖像的輸出像素。該濾波方法是利用高斯函數的權值進行濾波的線性低通濾波，其濾波效果較為柔和。二維高斯函數數學表達式如下：

式中，G(x,y)表示像素值，σ表示像素的標準差。溶液圖像濾波處理結果如圖4所示。

圖4 溶液圖像濾波效果圖

4 圖像特征提取

本文是針對品紅溶液，在對其拍攝圖像處理后顯示的是紅色的近純色圖像，提取的圖像特征為圖像的顏色特征。

顏色特征［13］的描述方法有顏色直方圖、顏色矩、顏色集等。本文提取圖像的顏色矩特征來對圖像進行描述，該方法不需要對顏色空間進行量化，且向量維數低，可以減少計算量。由于圖像的顏色信息主要分布在低階矩陣中，故用圖像的一階矩、二階矩和三階矩便足以表達圖像的顏色信息。圖像顏色矩的數學表達式［14］如下所示：

式中，Pi,j為圖像i通道第j像素的像素值，N為像素個數，μi為i通道的一階矩，σi為i通道的二階矩，si為i通道的三階矩。在HSI 顏色空間中圖像的顏色矩特征的表示為一個9 維向量，表達方式如下：）

為解決利用顏色矩特征進行圖像識別匹配時效率過慢的問題，可以將樣本的顏色矩特征提前提取并保存到數據庫中，以提高圖像的檢索效率。數據庫中的顏色矩特征如圖5所示。

圖5 數據庫中的顏色矩特征

5 圖像識別匹配

5.1 相似性度量［15］

圖像的識別匹配就是通過提取的圖像特征計算兩張圖像的相似度，比較樣本庫中的圖像與采集圖像的相似度，相似度最高的則為最相似的圖像。

本文中提取的是顏色矩特征，可以通過計算兩張圖像的歐式距離［16］來判斷圖像的相似度，歐式距離越小，圖像越相似。在m維空間中歐式距離的數學表達式如下：

式中：(x1，x2，x3，…，xm)和(y1，y2，y3，…，ym)為點X和點Y的坐標。本文中則是目標圖像與樣本圖像提取的顏色矩的9維向量。

在HSI 顏色空間中I 為亮度，與顏色信息無關。在顏色矩中的一階矩、二階矩和三階矩所擁有的顏色信息也不同，為能更準確的計算圖像的相似度，其在計算時所占的權重是不同的。在HIS 顏色空間中的權值使用情況如表1所示。

表1 HIS顏色空間中顏色矩的權值選擇

5.2 實驗測試及結果

配制濃度分別為1mg/ml，2mg/ml，…，20mg/ml的20 組品紅溶液作為樣本，并將其圖像處理后提取顏色矩特征，然后將顏色矩特征儲存到Access數據庫中，用作識別特征。

重新配制溶液，濃度分別為1mg/ml，2.5mg/ml，5mg/ml，7.5mg/ml，10mg/ml，12.5mg/ml，15mg/ml，17.5mg/ml，20mg/ml 的9 組溶液作為測試樣本。其結果如表2所示。

表2 試驗測試結果

6 結語

從上述結果可以看出，對于樣本中已有的溶液濃度，識別匹配的結果可以達到100%，對于樣本中沒有的溶液濃度，識別匹配的結果誤差在±5%，此誤差實在可允許范圍之內。

目前，機器視覺技術在各行業中具有很大的發展潛力，也是研究熱點。本文將其運用到有色溶液濃度的檢測上，實驗了對樣本的非接觸式的檢測，同時利用OpenCVSharp 與數據庫技術將檢測結果快速的顯示。而且該系統更具普遍性，可以適用于大多數的有色溶液的檢測。