專(zhuān)利名稱(chēng)：基于機(jī)器視覺(jué)的比色法色彩特征向量自動(dòng)提取方法
技術(shù)領(lǐng)域：
本發(fā)明屬于分光光度法水質(zhì)檢測(cè)方法領(lǐng)域，尤其是一種實(shí)現(xiàn)廣譜水質(zhì)測(cè)試、同時(shí) 大幅降低系統(tǒng)造價(jià)的基于機(jī)器視覺(jué)的比色法色彩特征向量自動(dòng)提取方法。
背景技術(shù)：
目前的分光光度法水質(zhì)檢測(cè)技術(shù)基于單一光譜光源，如激光光源，同時(shí)光源檢測(cè) 器也具有較窄小的感應(yīng)窗口。這就限制了此類(lèi)技術(shù)僅僅對(duì)于檢測(cè)某類(lèi)物質(zhì)有效，不具有廣 譜特性。由于目前的分光光度法水質(zhì)檢測(cè)技術(shù)采用激光光源，其制造比較復(fù)雜，成本相對(duì) 昂貴，同時(shí)添加檢測(cè)參數(shù)要相對(duì)應(yīng)的添加激光光源，造成系統(tǒng)復(fù)雜的缺點(diǎn)。本系統(tǒng)采用高強(qiáng) LED光源和CMOS彩色攝像頭，配合使用化學(xué)檢測(cè)試劑比色法，形成了廣譜測(cè)試功能，降低了 造價(jià)。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種實(shí)現(xiàn)廣譜水質(zhì)測(cè)試、同時(shí)大幅降低系統(tǒng)造價(jià)的基于機(jī)器 視覺(jué)的比色法色彩特征向量自動(dòng)提取方法。本發(fā)明的技術(shù)方案是基于機(jī)器視覺(jué)的比色法色彩特征向量自動(dòng)提取方法，其特 征是包括下列步驟步驟1 對(duì)水質(zhì)檢測(cè)試紙樣板條上攝取數(shù)字圖像，并在此圖像上確定四個(gè)相關(guān)的 定位點(diǎn)；步驟2 以步驟1中的定位點(diǎn)為基礎(chǔ)，建立4個(gè)矢量直線方程，并以此矢量方程為 邊界設(shè)定搜索區(qū)域，為采用機(jī)器視覺(jué)技術(shù)在此搜索區(qū)域上找出“興趣區(qū)域”界定范圍做準(zhǔn) 備；步驟3 采用 DDA(Digital Differential Algorithm)數(shù)字差分算法，將 4 個(gè)矢量 直線方程，轉(zhuǎn)換為4個(gè)以像素(Pixel)為基礎(chǔ)的搜索區(qū)域邊界方程；步驟4 設(shè)定門(mén)檻值1~ 以四個(gè)像素邊界方程為界，將搜索區(qū)域內(nèi)的圖像轉(zhuǎn)換為 二值圖像(Binary Image)；步驟5 對(duì)二值圖像進(jìn)行區(qū)域標(biāo)記(Region labeling)，并對(duì)標(biāo)記后的二值圖像在 設(shè)定的門(mén)檻值Tfiuek下，進(jìn)行噪聲濾波預(yù)處理，從而得到K個(gè)“興趣區(qū)域”在二值圖像上的位 置；步驟6 以二值圖像的K個(gè)“興趣區(qū)域”作為模板向初始數(shù)字圖像進(jìn)行一一對(duì)應(yīng)的 映射，獲得在初始數(shù)字圖像上的K個(gè)“興趣區(qū)域”；步驟7 在對(duì)應(yīng)的初始數(shù)字圖像的K個(gè)“興趣區(qū)域”上分別處理每個(gè)區(qū)域，即在每個(gè) 區(qū)域上計(jì)算相關(guān)的M個(gè)特征向量。如此在K個(gè)“興趣區(qū)域”上，建立含有KxM個(gè)特征向量的 集合，從而完成色彩特征向量自動(dòng)提取。所述步驟1中相關(guān)定位點(diǎn)位置的確定方法包括下列步驟
(1)生成二值圖像 B(x，y)定義的四個(gè)鄰域 BIeegion(x, y)，B2EEGI0N(x, y)，B3EEGI0N(x, y)禾口 B4EEGI0N(x, y)。在試紙樣板條的安裝模具上有一個(gè)淺槽，其大小與試紙樣板條的大小相當(dāng)，可以 使試紙樣板條順利地插入和拔出，如圖ι ？所示。在此淺槽的邊緣處分別裝有4個(gè)光學(xué)反射 點(diǎn)，這些點(diǎn)在光源的照射下，在攝取的數(shù)字圖像上形成4個(gè)明亮的圖像點(diǎn)，使用門(mén)檻值Τ4_ρτ 將數(shù)字圖像I(x，y)轉(zhuǎn)換位二值圖像B(x，y)，其轉(zhuǎn)換方法為當(dāng)I(x，y) <T4_PT 時(shí)，B(x，y) =0;......(1)當(dāng)I (χ, y) > Τ4_ρτ 時(shí)，B(x，y) = 255 ； ......(2)這樣此二值圖像B(x，y) = 255的全部點(diǎn)，形成了 4個(gè)四個(gè)鄰域BlKEeiQN(X，y), jjIregion (χ, y)， jjoREGION (χ, y)和 jj^region (χ, y)。(2)計(jì)算4個(gè)定位點(diǎn)81(11，71)，82(12，72)，83(13，又3)和 B4(x4，y4)；在四個(gè)鄰域BIeegion (x, y)，B2EEGI0N(x, y)，B3EEGI0N(x, y)和 B4EEGI0N(x, y)上分別計(jì)算 定位點(diǎn) Bl (xl，yl) = (Xl，Yl)，B2(X2，y2)，B3(X3，y3)，B4(X4，y4)；具體方法是首先對(duì)四個(gè) 鄰域進(jìn)行標(biāo)記，即BIeegion (x, y)標(biāo)記為1，即令BIeegion (x, y) = 1 ；B2EEGI0N(x, y)標(biāo)記為2，即 B2EEGI0N(x, y) = 2,B3EEGI0N(x,y)標(biāo)記為 3,艮口 B3KEGI0N(x, y) = 3,禾口 B4KEGI0N (χ, y)標(biāo)記為 4,艮口 B4KEGI0N(x, y) = 4 ；其次對(duì)于標(biāo)記的各個(gè)區(qū)域分別計(jì)算位置中值(Xi，Yi), for i = 1，2，3，4，公式如 下 這里i = 1，2，3，和 4。于是這些中值分別為定位點(diǎn):Bl(xl,yl) = (XI，Yl)，B2(x2, y2) = (X2，Y2)， B3(x3，y3) = (X3, Y3)和 B4(x4，y4) = (X4，Y4).。所述步驟2中建立四個(gè)矢量直線方程，四個(gè)矢量直線方程如下Pl (x, y) = Bl (xl, yl)+ul* (B2 (x2, y2) Bl (xl, yl)). . . (6)P2(x，y) = B2(xl，yl)+u2*(B3(x3，y3) B2 (x2，y2)). . . (7)P3(x，y) = B3(xl，yl)+u3*(B4(x4，y4) B3 (x3，y3)). . . (8)
P4(x, y) = B4(xl, yl) +u4*(Bi (xl，y 1) B4(x4, y4)). . . (9)這里ui是標(biāo)量加權(quán)值，i = 1,2,3,40所述步驟4中具體運(yùn)算包括下列步驟
(1)以從左到右，從上到下的方式掃描數(shù)字圖像I (x，y)，假若沒(méi)有與4個(gè)邊界方程 的任意一個(gè)產(chǎn)生交匯點(diǎn)時(shí)，則另令該點(diǎn)圖像值為零，即I (X，y) = 0 ；(2)在從左到右，從上到下的方式掃描數(shù)字圖像I (X，y)，與4個(gè)邊界方程的任意兩 個(gè)產(chǎn)生交匯點(diǎn)時(shí)，在兩個(gè)交匯點(diǎn)中間將各點(diǎn)的數(shù)字圖像I (χ，y)兩值化，即當(dāng)I (χ, y) < Tteegion 時(shí)，B (x，y) = 0 ； 。。。(10)當(dāng)I(x，y) > Ttkegiw 時(shí)，B (χ, y) = 255 ；。。。(11) 所述步驟5具體包括下列步驟(1)對(duì)二值圖像進(jìn)行區(qū)域標(biāo)記(Region labeling)，具體運(yùn)算如下(1. 1)以從左到右，從上到下的方式掃描二值圖像，當(dāng)該點(diǎn)二值圖像為0時(shí)，或者 該點(diǎn)已經(jīng)被標(biāo)記為i值時(shí)，i = 1,2,...，繼續(xù)下一圖像點(diǎn)的掃描；(1. 2)當(dāng)該點(diǎn)二值圖像為255時(shí)，則將該點(diǎn)設(shè)定為“種子點(diǎn)”，然后采用“淹沒(méi)區(qū)域 標(biāo)記算法” (Flood Region Filling Algorithm)標(biāo)記該區(qū)域?yàn)閕，這里i = 1，2，· · ·；在標(biāo) 記同時(shí)，對(duì)該區(qū)域計(jì)算面積值A(chǔ)i ；(1. 3)當(dāng)一個(gè)區(qū)域標(biāo)記完畢后，回到步驟1. 1繼續(xù)掃描，直至完成整個(gè)圖像的處理。(2)對(duì)標(biāo)記后的二值圖像在設(shè)定的門(mén)檻值Tfiuek下，進(jìn)行噪聲濾波預(yù)處理，即任何 以上標(biāo)記的區(qū)域Ai < Tfiltee時(shí)，其各個(gè)像素點(diǎn)的標(biāo)記值都被設(shè)置為0。具體運(yùn)算如下(2. 1)以從左到右，從上到下的方式掃描二值圖像，當(dāng)該點(diǎn)二值圖像被標(biāo)記為i值 時(shí)，i = 1，2，...，根據(jù)Ai < Tfiltee是否成立，假若成立，則設(shè)置該點(diǎn)為0，從而消除了該點(diǎn)； 小面積噪聲區(qū)域；(2. 2)繼續(xù)按照2. 1方式掃描，直至完成整個(gè)圖像的處理。從而達(dá)到留下的區(qū)域關(guān) 聯(lián)K個(gè)“興趣區(qū)域”的目的。所述步驟6具體包括下列步驟(1)獲得已經(jīng)標(biāo)志每個(gè)“興趣區(qū)域”的(X，y)坐標(biāo)集合，具體運(yùn)算如下(1. 1)初始設(shè)置掃描變量參數(shù)i =0，以從左到右，從上到下的方式掃描二值圖像， 當(dāng)該點(diǎn)二值圖像為0時(shí)，或該點(diǎn)標(biāo)記為i值時(shí)，i = 1，2，...，且此i值“興趣區(qū)域”已經(jīng)被 記錄了其(χ，y)位置信息，則繼續(xù)下一圖像點(diǎn)的掃描；(1. 2)當(dāng)該點(diǎn)二值圖像為i+Ι時(shí)，則該點(diǎn)屬于“興趣區(qū)域” i+1，記錄位置信息(X， y)i ；然后繼續(xù)掃描下一個(gè)位置點(diǎn)，直至整個(gè)圖像掃描結(jié)束；(1. 3)當(dāng)一個(gè)區(qū)域“興趣區(qū)域” i+Ι掃描完畢后，將i增加為i+Ι，回到步驟1. 1繼 續(xù)掃描，直至完成對(duì)所有“興趣區(qū)域”K的處理。于是獲得以下K個(gè)“興趣區(qū)域”的坐標(biāo)集 合0_1 {(X，y) χ from II, y from Jl}. . . (12-1)0_2 {(X，y) | χ from 12，y from J2} · · · (12-2)......0_k {(x，y) I χ from Ik, y from Jk} · · . (12_k)(2)以k個(gè)“興趣區(qū)域”的坐標(biāo)集合0_1，0_2，。。。，0_k,映射到初始數(shù)字圖像I (X， y)，獲得在初始數(shù)字圖像上的K個(gè)“興趣區(qū)域” I1 (X，y)，I2 (X，y)，... Ik(x, y)，即I^x, y) = {(χ, y) χ from II, y from Jl}. . . (13-1)
I2 (x，y) = {(χ, y) χ from 12，y from J2} · · . (13-2)......Ik (χ, y) = {(χ, y) χ from Ik, y from Jk}. . . (13_k)所述步驟7具體包括下列步驟對(duì)每個(gè)“興趣區(qū)域” IjU, y)采用圖像處理算法，計(jì)算總數(shù)目為M個(gè)的種子特征向量，表示為 Vj1 = (Vej1, Vgj1, Vbj1)，Vegbj2 = (Vej2, Vbj2, Vbj2)，· · · Vegbjm = (Vejm, Vgjm, Vbjm)；記 為IvKWiIi = 1，2，...1}，這里」為“興趣區(qū)域”1」0^，7)標(biāo)記，j = 1，2，...，K;綜上所述， 對(duì)于K個(gè)“興趣區(qū)域”，有KxM個(gè)特征向量的集合如下(Vegbi1 |i = 1,2, . . .Mjfor I^x, y). . . (14-1)(Vegb21 i = 1,2, . . .Mjfor I2 (x, y). . . (14-2)......[Ymm1Ii = 1,2, . . .Mjfor Ik (χ, y). . . (14-1)本發(fā)明的效果是基于機(jī)器視覺(jué)的比色法色彩特征向量自動(dòng)提取方法，在CMOS彩 色攝像頭獲取用于比色法的水質(zhì)檢測(cè)試紙的數(shù)字圖像的基礎(chǔ)上，經(jīng)機(jī)器視覺(jué)處理算法，確 定試紙樣板條數(shù)字圖像的K個(gè)“興趣區(qū)域”(Region oflnterests)，并對(duì)每個(gè)區(qū)域分別計(jì)算 M個(gè)色彩特征向量，從而獲得KxM個(gè)特征向量集合，用于水質(zhì)檢測(cè)分光光度法的自動(dòng)化。與 采用激光光源的分光光度法技術(shù)，本發(fā)明以試劑紙比色條自動(dòng)化為基礎(chǔ)，實(shí)現(xiàn)了廣譜水質(zhì) 測(cè)試功能，同時(shí)大幅降低了系統(tǒng)造價(jià)。下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明做進(jìn)一步的說(shuō)明。


圖1是本發(fā)明的結(jié)構(gòu)示意圖；圖2是圖1中試紙樣板條的安裝模具的結(jié)構(gòu)示意圖；圖3是本發(fā)明工作流程圖。
具體實(shí)施例方式本發(fā)明為基于機(jī)器視覺(jué)的比色法色彩特征向量自動(dòng)提取技術(shù)，該技術(shù)在CMOS彩 色攝像頭獲取用于比色法的水質(zhì)檢測(cè)試紙的數(shù)字圖像的基礎(chǔ)上，經(jīng)機(jī)器視覺(jué)處理算法，確 定試紙樣板條數(shù)字圖像的K個(gè)“興趣區(qū)域”(Region oflnterests)，并對(duì)每個(gè)區(qū)域分別計(jì)算 M個(gè)色彩特征向量，從而獲得KxM個(gè)特征向量集合，用于水質(zhì)檢測(cè)分光光度法的自動(dòng)化。本發(fā)明的主要功能為1、對(duì)用于比色法的水質(zhì)檢測(cè)試紙樣板條使用CMOS攝像頭攝取數(shù)字圖像；2、在數(shù)字圖像上進(jìn)行模式識(shí)別，選取“興趣區(qū)域”，經(jīng)過(guò)數(shù)字圖像前處理，提取色彩 特征向量。圖3中，基于機(jī)器視覺(jué)的試紙色彩特征向量自動(dòng)提取技術(shù)含有七個(gè)主要運(yùn)算步 驟步驟1 對(duì)水質(zhì)檢測(cè)試紙樣板條上攝取數(shù)字圖像，并在此圖像上確定四個(gè)相關(guān)的 定位點(diǎn)；步驟2 以定位點(diǎn)為基礎(chǔ)，建立4個(gè)矢量直線方程，并以此矢量方程為邊界設(shè)定搜索區(qū)域，為采用機(jī)器視覺(jué)技術(shù)在此搜索區(qū)域上找出“興趣區(qū)域”界定范圍做準(zhǔn)備；步驟3 采用 DDA(Digital Differential Algorithm)數(shù)字差分算法，將 4 個(gè)矢量 直線方程，轉(zhuǎn)換為4個(gè)以像素(Pixel)為基礎(chǔ)的搜索區(qū)域邊界方程；步驟4 設(shè)定門(mén)檻值1~ 以四個(gè)像素邊界方程為界，將搜索區(qū)域內(nèi)的圖像轉(zhuǎn)換為 二值圖像(Binary Image)；步驟5 對(duì)二值圖像進(jìn)行區(qū)域標(biāo)記(Region labeling)，并對(duì)標(biāo)記后的二值圖像在 設(shè)定的門(mén)檻值Tfiuek下，進(jìn)行噪聲濾波預(yù)處理，從而得到K個(gè)“興趣區(qū)域”在二值圖像上的位 置；步驟6 以二值圖像的K個(gè)“興趣區(qū)域”作為模板向初始數(shù)字圖像進(jìn)行一一對(duì)應(yīng)的 映射，獲得在初始數(shù)字圖像上的K個(gè)“興趣區(qū)域”；步驟7 在對(duì)應(yīng)的初始數(shù)字圖像的K個(gè)“興趣區(qū)域”上分別處理每個(gè)區(qū)域，即在每個(gè) 區(qū)域上計(jì)算相關(guān)的M個(gè)特征向量。如此在K個(gè)“興趣區(qū)域”上，建立含有KxM個(gè)特征向量的 集合。從而完成色彩特征向量自動(dòng)提取。基于機(jī)器視覺(jué)的試紙色彩特征向量自動(dòng)提取方法，具體包括下列步驟步驟1 對(duì)置放于取樣單元上的水質(zhì)檢測(cè)試紙樣板條攝取數(shù)字圖像，如圖1所示， 并在此數(shù)字圖像上確定相關(guān)定位點(diǎn)位置；相關(guān)定位點(diǎn)位置的確定方法為(1)生成二值圖像 B (X，y)定義的四個(gè)鄰域 BIeegion(x, y)，B2EEGI0N(x, y)，B3EEGI0N(x, y)禾口 B4EEGI0N(x, y)。在試管1中設(shè)置有試紙樣板條的安裝模具2，在試紙樣板條的安裝模具2上有一個(gè) 淺槽，其大小與試紙樣板條的大小相當(dāng)，可以使試紙樣板條3順利地插入和拔出，在此淺槽 的邊緣處分別裝有四個(gè)光學(xué)反射點(diǎn)4(參見(jiàn)圖1、圖2)，這些點(diǎn)在光源的照射下，在攝取的數(shù) 字圖像上形成4個(gè)明亮的圖像點(diǎn)。根據(jù)此特點(diǎn)，使用門(mén)檻值Τ4_ρτ將數(shù)字圖像I(x，y)轉(zhuǎn)換 位二值圖像B (x, y)，其轉(zhuǎn)換方法為當(dāng)I (χ, y) < Τ4_ρτ 時(shí)，B (x，y) = 0 ； 。。。(1)當(dāng) I (χ, y) > Τ4_ρτ 時(shí)，B (x，y) = 255 ；。。。(2)這樣此二值圖像B(x，y) = 255的全部點(diǎn)，形成了 4個(gè)四個(gè)鄰域BlKEeOT(X，y), jjIregion (χ, y)， jjoREGION (χ, y)和 jj^region (χ, y)。(2)計(jì)算4個(gè)定位點(diǎn)81(11，71)，82(12，72)，83(1 3, y 3)和 B4 (x4，y4)。在四個(gè)鄰域BIeegion (x, y)，B2EEGI0N(x, y)，B3EEGI0N(x, y)和 B4EEGI0N(x, y)上分別計(jì)算 定位點(diǎn) Bl (xl，yl) = (Xl，Yl)，B2(X2，y2)，B3(X3，y3)，B4(X4，y4)。具體方法是首先對(duì)四 個(gè)鄰域進(jìn)行標(biāo)記，即BIeegion (x, y)標(biāo)記為1，即令BIeegion(x, y) = 1 ；B2EEGI0N(x, y)標(biāo)記為2， 即 B2EEGI0N(x,y) = 2,B3EEGI0N(x,y)標(biāo)記為 3,即 B3EEGI0N(x, y) = 3,禾口 B4EEGI0N(x, y)標(biāo)記為 4, 即 B4KEGIQN(x，y) = 4。其次對(duì)于標(biāo)記的各個(gè)區(qū)域分別計(jì)算位置中值(Xi，Yi), for i = 1，2，3，4，公式如 下
N-I M-IΑ' = Σ Σ BiRimoN(χ, y) ； ... (3)
X=O y=0N-I M-Ixi = Σ Σ X BiKHX1OK(XjY)A1 ； ... (4)
X=O y二O N-I M-IYi = Σ Σ y BiRKCll0N(χ, y)/A1 ； …(5)
X=O y=0這里i = 1，2，3，和 4。于是這些中值分別為定位點(diǎn):Bl(xl,yl) = (XI，Yl)，B2(x2, y 2) = (X2，Y2)， B3(x3，y3) = (X3, Y3)和 B4(x4，y4) = (X4，Y4).步驟2 以定位點(diǎn)為基礎(chǔ)，建立4個(gè)矢量直線方程；四個(gè)矢量直線方程如下Pl (x, y) = Bl(xl, yl)+ul*(B2(x2, y2) Bl (xl，yl)) · · · (6)P2(x，y) = B2(xl，yl)+u2*(B3(x3，y3) B2 (x2，y2)). . . (7)P3(x，y) = B3(xl，yl)+u3*(B4(x4，y4) B3 (x3，y3)). . . (8)P4(x，y) = B4(xl，yl)+u4*(Bl(xl，yl) B4 (x4，y4)). . . (9)這里ui，是標(biāo)量加權(quán)值，i = 1,2,3,40步驟3 采用 DDA(Digital Differential Algorithm)數(shù)字差分算法，將 4 個(gè)矢量 直線方程，轉(zhuǎn)換為4個(gè)以像素(Pixel)為基礎(chǔ)的搜索區(qū)域邊界方程。從而保證了邊界方程 將圖像分割為搜索區(qū)域和非搜索區(qū)域兩個(gè)互不連接的區(qū)域。步驟4 設(shè)定門(mén)檻值Ttkeciqn，將搜索區(qū)域內(nèi)的圖像轉(zhuǎn)換為二值圖像(Binarylmage)， 獲得K個(gè)“興趣區(qū)域”，具體運(yùn)算如下，(1)以從左到右，從上到下的方式掃描數(shù)字圖像I (x，y)，假若沒(méi)有與4個(gè)邊界方程 的任意一個(gè)產(chǎn)生交匯點(diǎn)時(shí)，則另令該點(diǎn)圖像值為零，即I (X，y) = 0 ；(2)在從左到右，從上到下的方式掃描數(shù)字圖像I (x，y)，與4個(gè)邊界方程的任意兩 個(gè)產(chǎn)生交匯點(diǎn)時(shí)，在兩個(gè)交匯點(diǎn)中間將各點(diǎn)的數(shù)字圖像I (χ，y)兩值化，即當(dāng)I(x，y) < Ttkegot 時(shí)，B(x，y) = 0 ； 。。。(10)當(dāng)I(x，y) > Ttkegot 時(shí)，B(x，y) = 255 ；。。。(11)步驟5 對(duì)二值圖像進(jìn)行區(qū)域標(biāo)記(Region labeling)，并對(duì)標(biāo)記后的二值圖像在 設(shè)定的門(mén)檻值Tfiuek下，進(jìn)行噪聲濾波預(yù)處理，從而得到K個(gè)“興趣區(qū)域”在二值圖像上的位 置。具體運(yùn)算如下(1)對(duì)二值圖像進(jìn)行區(qū)域標(biāo)記(Region labeling)，具體運(yùn)算如下(1. 1)以從左到右，從上到下的方式掃描二值圖像，當(dāng)該點(diǎn)二值圖像為0時(shí)，或者 該點(diǎn)已經(jīng)被標(biāo)記為i值時(shí)，i = 1,2,...，繼續(xù)下一圖像點(diǎn)的掃描；(1. 2)當(dāng)該點(diǎn)二值圖像為255時(shí)，則將該點(diǎn)設(shè)定為“種子點(diǎn)”，然后采用“淹沒(méi)區(qū)域 標(biāo)記算法” (Flood Region Filling Algorithm)標(biāo)記該區(qū)域?yàn)閕，這里i = 1，2，· · ·；在標(biāo) 記同時(shí)，對(duì)該區(qū)域計(jì)算面積值A(chǔ)i ；(1. 3)當(dāng)一個(gè)區(qū)域標(biāo)記完畢后，回到步驟1. 1繼續(xù)掃描，直至完成整個(gè)圖像的處理。
(2)對(duì)標(biāo)記后的二值圖像在設(shè)定的門(mén)檻值Tfiuek下，進(jìn)行噪聲濾波預(yù)處理，即任何以上標(biāo)記的區(qū)域Ai < Tfiltee時(shí)，其各個(gè)像素點(diǎn)的標(biāo)記值都被設(shè)置為0。具體運(yùn)算如下(2. 1)以從左到右，從上到下的方式掃描二值圖像，當(dāng)該點(diǎn)二值圖像被標(biāo)記為i值 時(shí)，i = 1，2，...，根據(jù)Ai < Tfiltee是否成立，假若成立，則設(shè)置該點(diǎn)為0，從而消除了該點(diǎn)； 小面積噪聲區(qū)域；(2. 2)繼續(xù)按照2. 1方式掃描，直至完成整個(gè)圖像的處理。從而達(dá)到留下的區(qū)域關(guān) 聯(lián)K個(gè)“興趣區(qū)域”的目的。步驟6 以二值圖像的K個(gè)“興趣區(qū)域”作為模板向初始數(shù)字圖像進(jìn)行一一對(duì)應(yīng)的 映射，獲得在初始數(shù)字圖像上的K個(gè)“興趣區(qū)域”，具體方法如下。(1)獲得已經(jīng)標(biāo)志每個(gè)“興趣區(qū)域”的(X，y)坐標(biāo)集合，具體運(yùn)算如下(1. 1)初始設(shè)置掃描變量參數(shù)i =0，以從左到右，從上到下的方式掃描二值圖像， 當(dāng)該點(diǎn)二值圖像為0時(shí)，或該點(diǎn)標(biāo)記為i值時(shí)，i = 1，2，...，且此i值“興趣區(qū)域”已經(jīng)被 記錄了其(χ，y)位置信息，則繼續(xù)下一圖像點(diǎn)的掃描；(1. 2)當(dāng)該點(diǎn)二值圖像為i+Ι時(shí)，則該點(diǎn)屬于“興趣區(qū)域” i+1，記錄位置信息(X， y)i ；然后繼續(xù)掃描下一個(gè)位置點(diǎn)，直至整個(gè)圖像掃描結(jié)束；(1. 3)當(dāng)一個(gè)區(qū)域“興趣區(qū)域” i+Ι掃描完畢后，將i增加為i+Ι，回到步驟1. 1繼 續(xù)掃描，直至完成對(duì)所有“興趣區(qū)域”K的處理。于是獲得以下K個(gè)“興趣區(qū)域”的坐標(biāo)集 合0_1 {(X，y) χ from II, y from Jl}. . . (12-1)0_2 {(χ, y) |x from 12, y from J2}. . . (12-2)......0_k {(x，y) I χ from Ik, y from Jk} · · . (12_k)(2)以k個(gè)“興趣區(qū)域”的坐標(biāo)集合0_1，0_2，。。。，0_k,映射到初始數(shù)字圖像I (X， y)，獲得在初始數(shù)字圖像上的K個(gè)“興趣區(qū)域” I1 (X，y)，I2 (X，y)，... Ik(x, y)，即I1Oc, y) = {(x, y) χ from II, y from Jl}. . . (13-1)I2 (x，y) = {(χ, y) χ from 12，y from J2} · · . (13-2)......Ik (x，y) = {(x，y) χ from Ik, y from Jk}. . . (13_k)步驟7 在對(duì)應(yīng)的初始數(shù)字圖像的K個(gè)“興趣區(qū)域”上計(jì)算K個(gè)特征向量集合群， 即在每個(gè)“興趣區(qū)域”上計(jì)算一個(gè)相對(duì)應(yīng)的特征向量集合。通常這一個(gè)特征向量集合含有 M個(gè)特征向量，結(jié)果如下對(duì)每個(gè)“興趣區(qū)域” I」(x，y)采用圖像處理算法，計(jì)算總數(shù)目為M個(gè)的種子特征向 量，表示為 Vj1 = (Vej1, Vgj1, Vbj1)，Vegbj2 = (Vej2, Vbj2, Vbj2)，· · · Vegbjm = (Vejm, Vgjm, Vbjm)；記 為IvKWiIi = 1，2，...1}，這里」為“興趣區(qū)域”1」0^，7)標(biāo)記，j = 1，2，...，K;綜上所述， 對(duì)于K個(gè)“興趣區(qū)域”，有KxM個(gè)特征向量的集合如下(Vegbi1 |i = 1,2, . . .Mjfor I^x, y). . . (14-1)(Vegb21 |i = 1,2, . . .Mjfor I2 (x，y) · · · (14—2)......[Ymm1Ii = 1,2, . . .Mjfor Ik (x，y) · · · (14—1)。
權(quán)利要求
基于機(jī)器視覺(jué)的比色法色彩特征向量自動(dòng)提取方法，其特征是包括下列步驟步驟1對(duì)水質(zhì)檢測(cè)試紙樣板條上攝取數(shù)字圖像，并在此圖像上確定四個(gè)相關(guān)的定位點(diǎn)；步驟2以步驟1中的定位點(diǎn)為基礎(chǔ)，建立4個(gè)矢量直線方程，并以此矢量方程為邊界設(shè)定搜索區(qū)域；步驟3采用DDA(Digital Differential Algorithm)數(shù)字差分算法，將4個(gè)矢量直線方程，轉(zhuǎn)換為4個(gè)以像素(Pixel)為基礎(chǔ)的搜索區(qū)域邊界方程；步驟4設(shè)定門(mén)檻值TREGION，以四個(gè)像素邊界方程為界，將搜索區(qū)域內(nèi)的圖像轉(zhuǎn)換為二值圖像(Binary Image)；步驟5對(duì)二值圖像進(jìn)行區(qū)域標(biāo)記(Region labeling)，并對(duì)標(biāo)記后的二值圖像在設(shè)定的門(mén)檻值TFILTER下，進(jìn)行噪聲濾波預(yù)處理，從而得到K個(gè)“興趣區(qū)域”在二值圖像上的位置；步驟6以二值圖像的K個(gè)“興趣區(qū)域”作為模板向初始數(shù)字圖像進(jìn)行一一對(duì)應(yīng)的映射，獲得在初始數(shù)字圖像上的K個(gè)“興趣區(qū)域”；步驟7在對(duì)應(yīng)的初始數(shù)字圖像的K個(gè)“興趣區(qū)域”上分別處理每個(gè)區(qū)域，即在每個(gè)區(qū)域上計(jì)算相關(guān)的M個(gè)特征向量，在K個(gè)“興趣區(qū)域”上，建立含有KxM個(gè)特征向量的集合，從而完成色彩特征向量自動(dòng)提取。
2.根據(jù)權(quán)利要求1所述的基于機(jī)器視覺(jué)的比色法色彩特征向量自動(dòng)提取方法，其特征 是所述步驟1中相關(guān)定位點(diǎn)位置的確定方法包括下列步驟(1)生成二值圖像B(x，y)定義的四個(gè)鄰域81燃通(1，又)，82腿。1^，又)，83腿。1^，又)和 B4EEGI0N(x, y)；在試紙樣板條的安裝模具上有一個(gè)淺槽，其大小與試紙樣板條的大小相當(dāng)，可以使試 紙樣板條順利地插入和拔出，在此淺槽的邊緣處分別裝有4個(gè)光學(xué)反射點(diǎn)，這些點(diǎn)在光源 的照射下，在攝取的數(shù)字圖像上形成4個(gè)明亮的圖像點(diǎn)，使用門(mén)檻值T4_pt將數(shù)字圖像I (x， y)轉(zhuǎn)換位二值圖像B(x，y)，其轉(zhuǎn)換方法為當(dāng) I(x，y) < T4_pt 時(shí)，B(x，y) = 0 ； ......(1)當(dāng) I (X，y) > T4_pt 時(shí)，B (x，y) = 255 ；......(2)這樣此二值圖像B (x，y) = 255的全部點(diǎn)，形成了 4個(gè)四個(gè)鄰域B1KEHQN (x,y), B2EEGI0N (x, y)，B3EEGI0N(x, y)禾口uiREGION (X，y)；(2)計(jì)算4個(gè)定位點(diǎn)81(11，71)，82(12，72)，83(13，又3)和B4(x4，y4)；在四個(gè)鄰域 B1腿QN(x，y), B2EEGI0N(x, y), B3EEGI0N(x, y)和 B4腿QN(x，y)上分別計(jì)算定 位點(diǎn) Bl(xl，yl) = (XI, Yl), B2(x2, y2), B3(x3, y3), B4(x4, y4)；具體方法是首先對(duì)四個(gè) 鄰域進(jìn)行標(biāo)記，即B1EEGI0N(x, y)標(biāo)記為1，即令B1EEGI0N(x, y) = 1 ；B2EEGI0N(x, y)標(biāo)記為2，即 B2EEGI0N(x, y) = 2,B3EEGI0N(x,y)標(biāo)記為 3,艮口 B3KEGI0N(x, y) = 3,禾口 B4KEGI0N (x, y)標(biāo)記為 4,艮口 B4EEGI0N(x, y) = 4 ；其次對(duì)于標(biāo)記的各個(gè)區(qū)域分別計(jì)算位置中值(Xi，Yi)，for i = 1，2，3，4，公式如下這里 i = 1，2，3，和 4 ;于是這些中值分別為定位點(diǎn):Bl(xl, yl) = (XI，Yl)，B2(x2，y2) = (X2，Y2)，B3(x3， y3) = (X3，Y3)和 B4(x4，y4) = (X4，Y4)。
3.根據(jù)權(quán)利要求1所述的基于機(jī)器視覺(jué)的比色法色彩特征向量自動(dòng)提取方法，其特征 是所述步驟2中建立四個(gè)矢量直線方程，四個(gè)矢量直線方程如下Pl(x, y) = Bl(xl, yl)+ul*(B2(x2，y2) Bl(xl, yl)). . . (6) P2(x, y) = B2(xl, yl)+u2*(B3(x3，y3) B2(x2, y2)). . . (7) P3(x, y) = B3(xl, yl)+u3*(B4(x4，y4) B3(x3, y3)). . . (8) P4(x, y) = B4(xl, yl) +u4*(Bl(xl, yl) B4(x4, y4)). . . (9) 其中，ui是標(biāo)量加權(quán)值，i = 1，2，3，4。
4.根據(jù)權(quán)利要求1所述的基于機(jī)器視覺(jué)的比色法色彩特征向量自動(dòng)提取方法，其特征 是所述步驟4中具體運(yùn)算包括下列步驟(1)以從左到右，從上到下的方式掃描數(shù)字圖像I(x，y)，假若沒(méi)有與4個(gè)邊界方程的任 意一個(gè)產(chǎn)生交匯點(diǎn)時(shí)，則另令該點(diǎn)圖像值為零，即I (x，y) = 0 ；(2)在從左到右，從上到下的方式掃描數(shù)字圖像I(x，y)，與4個(gè)邊界方程的任意兩個(gè)產(chǎn) 生交匯點(diǎn)時(shí)，在兩個(gè)交匯點(diǎn)中間將各點(diǎn)的數(shù)字圖像I (x，y)兩值化，即當(dāng) I(x，y) < Ttkeg通時(shí)，B(x，y) = 0 ； 。。。(10) 當(dāng) I (X，y) > Tteegion 時(shí)，B(x, y) = 255 ；。。。 (11)。
5.根據(jù)權(quán)利要求1所述的基于機(jī)器視覺(jué)的比色法色彩特征向量自動(dòng)提取方法，其特征 是所述步驟5具體包括下列步驟(1)對(duì)二值圖像進(jìn)行區(qū)域標(biāo)記(Regionlabeling)，具體運(yùn)算如下(1.1)以從左到右，從上到下的方式掃描二值圖像，當(dāng)該點(diǎn)二值圖像為0時(shí)，或者該點(diǎn) 已經(jīng)被標(biāo)記為i值時(shí)，i = 1,2,...，繼續(xù)下一圖像點(diǎn)的掃描；(1. 2)當(dāng)該點(diǎn)二值圖像為255時(shí)，則將該點(diǎn)設(shè)定為“種子點(diǎn)”，然后采用“淹沒(méi)區(qū)域標(biāo)記 算法” (Flood Region Filling Algorithm)標(biāo)記該區(qū)域?yàn)閕，這里i = 1，2， ；在標(biāo)記同 時(shí)，對(duì)該區(qū)域計(jì)算面積值A(chǔ)i ；(1. 3)當(dāng)一個(gè)區(qū)域標(biāo)記完畢后，回到步驟1. 1繼續(xù)掃描，直至完成整個(gè)圖像的處理；(2)對(duì)標(biāo)記后的二值圖像在設(shè)定的門(mén)檻值Tfiuek下，進(jìn)行噪聲濾波預(yù)處理，即任何以上 標(biāo)記的區(qū)域Ai < Tfiltee時(shí)，其各個(gè)像素點(diǎn)的標(biāo)記值都被設(shè)置為0，具體運(yùn)算如下(2. 1)以從左到右，從上到下的方式掃描二值圖像，當(dāng)該點(diǎn)二值圖像被標(biāo)記為i值時(shí)，i=1,2,，根據(jù)Ai <TFI■是否成立，假若成立，則設(shè)置該點(diǎn)為0，從而消除了該點(diǎn)；小面積噪聲區(qū)域；(2. 2)繼續(xù)按照2. 1方式掃描，直至完成整個(gè)圖像的處理。
6.根據(jù)權(quán)利要求1所述的基于機(jī)器視覺(jué)的比色法色彩特征向量自動(dòng)提取方法，其特征 是所述步驟6具體包括下列步驟(1)獲得已經(jīng)標(biāo)志每個(gè)“興趣區(qū)域”的(x，y)坐標(biāo)集合，具體運(yùn)算如下 (1. 1)初始設(shè)置掃描變量參數(shù)i = 0，以從左到右，從上到下的方式掃描二值圖像，當(dāng)該 點(diǎn)二值圖像為0時(shí)，或該點(diǎn)標(biāo)記為i值時(shí)，i = 1，2，...，且此i值“興趣區(qū)域”已經(jīng)被記錄 了其(x，y)位置信息，則繼續(xù)下一圖像點(diǎn)的掃描；(1.2)當(dāng)該點(diǎn)二值圖像為i+1時(shí)，則該點(diǎn)屬于“興趣區(qū)域” i+1，記錄位置信息(x，y)i ； 然后繼續(xù)掃描下一個(gè)位置點(diǎn)，直至整個(gè)圖像掃描結(jié)束；(1. 3)當(dāng)一個(gè)區(qū)域“興趣區(qū)域” i+1掃描完畢后，將i增加為i+1，回到步驟1. 1繼續(xù)掃 描，直至完成對(duì)所有“興趣區(qū)域”K的處理；于是獲得以下K個(gè)“興趣區(qū)域”的坐標(biāo)集合 0_1 :{(x, y) x from II, y from Jl}. . . (12-1)； 0_2 {(x，y) | x from 12，y from J2} (12-2)；0_k {(x，y)|x from Ik, y from Jk} . (12_k)；(2)以k個(gè)“興趣區(qū)域”的坐標(biāo)集合0_1，0_2，。。。，0_k,映射到初始數(shù)字圖像I (x，y)，獲 得在初始數(shù)字圖像上的K個(gè)“興趣區(qū)域” L (x，y)，I2 (x，y)，. . . Ik(x, y)，即 Ii (x, y) = {(x, y) |x from II, y from Jl}. . . (13-1)； I2(x, y) = {(x，y) x from 12，y from J2} (13-2)；Ik (x, y) = {(x, y) | x from Ik, y from Jk}. . . (13_k)。
7.根據(jù)權(quán)利要求1所述的基于機(jī)器視覺(jué)的比色法色彩特征向量自動(dòng)提取方法，其特征 是所述步驟7具體包括下列步驟對(duì)每個(gè)“興趣區(qū)域” Ij(x，y)采用圖像處理算法，計(jì)算總數(shù)目為M個(gè)的種子特征向量， 表示為 = ，滬\，VB\)，Vegbj2 = (Vej2, Vbj2)，…Vegbjm = (Vejm, Vgjm, Vbjm)；記為 I i = 1，2，..』}，這里」為“興趣區(qū)域”1>，7)標(biāo)記，j = 1，2，...，K;對(duì)于K個(gè)“興 趣區(qū)域”，有KxM個(gè)特征向量的集合如下{Nrgb\ | i = 1,2, . . ,M}for I^x, y). . . (14-1)； I i = 1,2, . . ,M}for I2(x, y). . . (14-2)；{V^^i | i = 1,2, . . ,M}for Ik(x, y). . . (14-1)
全文摘要
一種實(shí)現(xiàn)廣譜水質(zhì)測(cè)試、同時(shí)大幅降低系統(tǒng)造價(jià)的基于機(jī)器視覺(jué)的比色法色彩特征向量自動(dòng)提取方法。技術(shù)方案是基于機(jī)器視覺(jué)的比色法色彩特征向，量自動(dòng)提取方法，其特征是包括下列步驟對(duì)水質(zhì)檢測(cè)試紙樣板條上攝取數(shù)字圖像，并在此圖像上確定四個(gè)相關(guān)的定位點(diǎn)；以步驟1中的定位點(diǎn)為基礎(chǔ)，建立4個(gè)矢量直線方程；將4個(gè)矢量直線方程，轉(zhuǎn)換為4個(gè)以像素為基礎(chǔ)的搜索區(qū)域邊界方程；將搜索區(qū)域內(nèi)的圖像轉(zhuǎn)換為二值圖像；對(duì)二值圖像進(jìn)行區(qū)域標(biāo)記，得到K個(gè)“興趣區(qū)域”在二值圖像上的位置；獲得在初始數(shù)字圖像上的K個(gè)“興趣區(qū)域”；即在每個(gè)區(qū)域上計(jì)算相關(guān)的M個(gè)特征向量。
文檔編號(hào)G06K9/46GK101872421SQ20101019798
公開(kāi)日2010年10月27日 申請(qǐng)日期2010年6月3日 優(yōu)先權(quán)日2010年6月3日
發(fā)明者李華 申請(qǐng)人:李華