摘 要：本文以虛擬儀器開發平臺LabVIEW和圖像處理軟件IMAQ Vision為依托，利用計算機視覺技術，進行水果邊緣檢測。通過軟件實現了中值濾波、閾值處理、圖像分割和形態過濾等圖像處理過程。從腐蝕與膨脹后的細化處理結果來看，達到了設計要求。研究表明，虛擬儀器計算機技術應用于水果圖像處理是可行的，具有廣闊應用前景。 關鍵詞：虛擬儀器;計算機視覺技術;LabVIEW;IMAQ Vision;圖像處理 Abstract: This paper relies on the development platform of virtual instrument LabVIEW and the software of image processing IMAQ Vision tool. Using computer vision realizes edge detection of fruit. The designed image software can be used to median filtering, thresholding, Segmentalizing and morphologic filtering. According to thinning arithmetic of erosion method and dilation arithmetic, it is found that the image processing results are very ideal. These results indicate that vision system of virtual instrumentation application in image processing of fruit is feasible and promising. Keywords: virtual instrumentation, computer vision, Lab VIEW, IMAQ Vision, image processing 0 引言 　　隨著計算機技術的不斷發展，機器視覺技術在最近三十年中得到了迅猛的發展，其應用遍及工業、農業、科學研究、軍事等各個領域。而傳統的圖像處理軟件常采用面向過程的語言設計，為完成特定的任務，用戶需要花費較大的精力去開發程序。因此,導致開發周期較長，而且開發的程序也是面向硬件（圖像采集卡），程序的可移植性也較差。近年來PC機不斷發展，含增強媒體功能MMX技術的Pentium處理器、穩定的操作系統、PCI局部總線以及具有友好用戶接口，為虛擬儀器逐步應用于圖像處理和計算機視覺領域奠定了良好的硬件基礎[1]。 　　在計算機水果外部品質檢測方面，國內外一些研究院所利用圖像形態學及蘋果的邊界形狀特征，提出了果梗判別方法和果軸確定方法，根據果軸提取形狀特征參數，利用遺傳神經網絡實現果形的分級;在顏色檢測方面，先對RGB顏色空間進行Wigger變換，再根據色調對象素點累積求和得出著色面積;在缺陷檢測方面，利用顏色比特征進行缺陷的分割后，先按顏色檢測碰壓傷（棕色）、日灼傷（白色），再對其余的缺陷可疑區抽取其特征參數，由遺傳神經網絡對黑色或灰色可疑缺陷區進行分類。本研究針對水果分級過程中的顏色、形狀，進行處理，為水果輪廓邊緣檢測提供了一個方法論。 1 虛擬儀器的計算機視覺系統的構成 1.1系統的硬件配置 　　虛擬儀器的計算機視覺系統由光源、CCD攝像頭、圖像采集卡和PC機組成。為了提高圖像采集精度和速度，本設計的配置為：松下的Panasonic WV-CP240/G彩色攝像機、NI公司的IMAQ PCI/PXI-1411高速靈活的圖像采集卡和PC機。 1.2計算機視覺系統的軟件配置 　　數字圖像處理是計算機視覺系統的核心，在虛擬儀器系統中這一切是通過軟件來實現的。所以軟件部分就是其核心，它由開發平臺、應用軟件包和設備驅動程序組成。本系統采用了LabVIEW7.1作為系統的開發平臺。一方面，因為NI公司的IMAQ Vision軟件將機器視覺和圖像處理功能集成在LabVIEW之中;另一方面，充分利用它快速顯示、分析、處理的圖形界面功能，進行數值分析、信號處理和設備驅動，滿足系統的功能要求，提高工作效率。 　　IMAQ Vision為平臺提供了完整的圖像處理函數庫和功能模塊，包含一系列MMX優化函數，提供了大量科研和工程中常用的圖像采集和處理功能，例如各類邊緣檢測算法、自動閥值處理、各種形態學算法、濾波器、FFT等。 2 圖像采集及處理程序設計 　　本設計程序分成兩大模塊，一是圖像采集存儲模塊;二是圖像處理模塊。采集存儲模塊，將CCD采集的圖像信號，經過A/D轉換后，輸入計算機存儲為所需格式;圖像處理模塊分為圖像預處理、圖像分割、特征提取、過濾處理等幾個部分。 2.1 數字圖像的采集 　　通過平臺LabVIEW 7.1和圖像采集卡PCI/PXI-1411的驅動程序，設計了圖像采集及存儲模塊軟件，如圖1所示。圖像采集板對來自CCD的標準視頻信號（PAL或NTSC制式）進行A/D轉換過程，經量化后的數據通過PCI總線傳入計算機內存RAM。利用NI-IMAQ提供的控制函數控制圖像采集卡對圖像的采集，并利用LabVIEW 7.1中快速VI的子VI，把圖像存儲為需要的多種文件格式：BMP、JPEG和PNG等[2]。 [align=center] 圖1系統圖像采集程序模塊[/align] 2.2 圖像處理過程 2.2.1中值濾波 　　由于采集過程中受到各種噪聲源影響，在圖像上常常會出現一些孤立的像素點。這些像素點與相鄰像素點有顯著不同，干擾了圖像采集效果。如不進行濾波，將對以后的圖像區域分割、分析、處理帶來影響[3]。 　　非線性濾波器能夠較好的消除圖像采集中噪聲干擾問題。本設計采用了中值濾波方式，它有效地做到了噪聲抑制，濾除了脈沖干擾和圖像掃描噪聲，同時避免了線性濾波器帶來的圖像細節模糊，并保留了邊緣信息。中值定義為[4]：一組數X1 ，X2，X3，……Xn（X1 ≤X2≤X3……≤Xn），把這n個數按值大小順序排列如下： 　　（1） 　　y稱為序列X1 ，X2， X3，……Xn，的中值。 　　用中值濾波進行圖像去噪聲處理需要以下幾個步驟：設定濾波器模塊大小，如取5×5模塊;將模塊在圖像中漫游，并將模塊中心與圖像中某一像素位置重合;讀取模塊下個對應像素的灰度值;將這些灰度值從小到大排序;找出這些值中中間一個作為中介值;將中介值賦給對應模板中心像素。這時就可以使周圍像素的灰度值差趨于零，從而消除孤立噪聲點。 　　利用IMAQ Vision可以將彩色圖像進行中值濾波處理，方法為：從原始32位圖像中，抽取紅、綠、藍三色調色板，IMAQ Vision中彩色圖片R、G、B用一個32位整數表示。分別對RGB中，紅、綠、藍調色板（8位）進行中值濾波處理，衰減隨機噪聲的同時保證邊界清楚，確保水果尺寸特征。處理后的RGB調色板再用相應位運算將原始圖像進行轉換，生成去除噪聲的新的彩色圖像。處理前后圖像比較如圖2所示。 [align=center] 圖2中值濾波前后圖像比較[/align] 2.2.2 彩色圖像閾值算法 　　在IMAQ Vision中，采用RGB閾值處理算法，通過人工調整設定RGB的閾值，先將RGB圖像轉化為灰度圖，再利用灰度圖像直方圖進行閾值處理獲得二值圖像。 　　在RGB顏色坐標系統中，如果只對色度感興趣，則只要考慮R、G、B的相對值。相對值 r、g、b稱為色度坐標，其計算公式如下： 　　式中的Rm、Gm、Bm分別是RGB顏色坐標系中的最大分量值。 　　傳統算法對光照要求條件較高，要求背景與物體要有很大灰度差，而在IMAQ Vision中，分別將每一個RGB像素點分成8位進行閾值處理，在光照條件較差的條件下，仍能獲得較高質量的二值圖像。對圖2（b）處理原始圖像灰度直方圖見圖4（a）。 2.2.3 圖像分割 　　僅采用閾值處理難以獲得理想的圖像分割結果，所以仍需要利用形態學算法進行圖像分割。圖像分割處理是將數字圖像劃分成互不相交（不重疊）區域的過程。為保證原有圖像在圖像分割前不受到損害，在進行分割前先對圖像進行邊緣檢測，以獲得完整邊界。首先進行腐蝕，確定連通性準則為和人感覺接近的8連通，取結構元素為7×7矩陣模板，矩陣中間位置為結構元素原點。如圖3所示,把結構元素B平移a后得到Ba，若Ba包含于X，我們記下這個a點，所有滿足上述條件的a點組成的集合稱為X被B腐蝕（Erosion）的結果。用公式表示為：E（X）=｛a| Ba X｝=X B. [align=center] 圖3腐蝕算法、膨脹算法示意圖[/align] 　　圖3（a）X是被處理的對象，B是結構元素。不難知道，對于任意一個在陰影部分的點a，Ba 包含于X，所以X被B腐蝕的結果就是那個陰影部分。陰影部分在X的范圍之內，且比X小。依據邊緣檢測的完整結果，經過IMAQ Vision可以進行多次腐蝕處理。 　　把結構元素B平移a后得到Ba，若Ba擊中X，我們記下這個a點。所有滿足上述條件的a點組成的集合稱做X被B膨脹的結果。用公式表示為：D（X）=｛a | Ba↑X｝=X B。圖3（b）中X是被處理的對象，B是結構元素，不難知道，對于任意一個在陰影部分的點a，Ba擊中X，所以X被B膨脹的結果就是那個陰影部分。當進行多次腐蝕后，再進行膨脹，膨脹至邊緣完成圖像分割[5]。相關處理結果如圖4（b）， [align=center] 圖4相關處理效果圖[/align] 2.2.4形態過濾處理 　　在應用中，分割后邊緣和背景仍然可能出現大小的斑點，如圖4（b），它將對結果產生一定的影響，為此要進行形態過濾處理[6]。利用數學形態學細化算法進行過濾，從原來的圖中去掉一些點，但仍要保持原來的形狀。要根據與之相鄰的8個點的情況來判斷，如圖5所示。 [align=center] 圖5 根據某點的8個相鄰點的情況來判斷該點是否能刪除[/align] 　　圖中，（a）不可刪除部分，代表內部點，要求保留骨架，內部點不可刪除;（b） 不可刪除部分，代表邊界骨架;（c）可刪除部分，代表非骨架點;（d）不可刪除部分，如果刪掉會造成與原來相連部分的斷裂;（e）可刪除部分，代表非骨架點;（f） 不可刪除部分，代表直線的端點。 　　將細化過濾后的圖像保存如圖4（c） ，并保證其邊緣信息，再將結果恢復為腐蝕前原始形狀，最終處理結果，如圖4（d）。 3 結論 　　虛擬儀器計算機視覺系統，充分利用了其功能強大、擴展性高的特點。實踐證明，在開發過程中，開發人員主要精力在圖像處理和分析過程開發，不必花費大量時間編寫源文件、接口等管理程序和圖像底層處理函數。大大縮短了開發時間，提高了效率。隨著PC技術迅速發展，基于虛擬儀器的計算機視覺系統，具有廣闊的應用發展前景。 參考文獻: 　　[1] 金昊.基于虛擬儀器的計算機視覺系統的研究[J].子技術應用，2000，（4）：10～12. 　　[2] 毛義梅.虛擬儀器視覺系統設計與實現[J].儀器儀表學報，2002，23（3）：192～193. 　　[3] 王思華,陳立峰.計算機視覺新技術及其在IC標記質量檢驗中的應用[J].電子技術應用，2000，（9）：25～27. 　　[4] 霍宏濤，林小竹，何薇等. 數字圖像處理[M]. 北京：北京理工大學出版社，2002. 　　[5] 徐貴力,毛罕平,胡永光.基于計算機視覺技術參考物法測量葉片面積[J].農業工程學報，2002，18（1）：154～158. 　　[6] Rafael C.Gonzalez ,Richiard E.Wood.數字圖像處理[M].北京：電子工業出版社，2003.