关键词：虚拟仪器;计算机视觉技术;LabVIEW;IMAQ Vision;图像处理
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
随着计算机技术的不断发展，机器视觉技术在最近三十年中得到了迅猛的发展，其应用遍及工业、农业、科学研究、军事等各个领域。而传统的图像处理软件常采用面向过程的语言设计，为完成特定的任务，用户需要花费较大的精力去开发程序。因此,导致开发周期较长，而且开发的程序也是面向硬件（图像采集卡），程序的可移植性也较差。近年来PC机不断发展，含增强媒体功能MMX技术的Pentium处理器、稳定的操作系统、PCI局部总线以及具有友好用户接口，为虚拟仪器逐步应用于图像处理和计算机视觉领域奠定了良好的硬件基础[1]。
在计算机水果外部品质检测方面，国内外一些研究院所利用图像形态学及苹果的边界形状特征，提出了果梗判别方法和果轴确定方法，根据果轴提取形状特征参数，利用遗传神经网络实现果形的分级;在颜色检测方面，先对RGB颜色空间进行Wigger变换，再根据色调对象素点累积求和得出着色面积;在缺陷检测方面，利用颜色比特征进行缺陷的分割后，先按颜色检测碰压伤（棕色）、日灼伤（白色），再对其余的缺陷可疑区抽取其特征参数，由遗传神经网络对黑色或灰色可疑缺陷区进行分类。本研究针对水果分级过程中的颜色、形状，进行处理，为水果轮廓边缘检测提供了一个方法论。
1 虚拟仪器的计算机视觉系统的构成
1.1系统的硬件配置
虚拟仪器的计算机视觉系统由光源、CCD摄像头、图像采集卡和PC机组成。为了提高图像采集精度和速度，本设计的配置为：松下的Panasonic WV-CP240/G彩色摄像机、NI公司的IMAQ PCI/PXI-1411高速灵活的图像采集卡和PC机。
1.2计算机视觉系统的软件配置
数字图像处理是计算机视觉系统的核心，在虚拟仪器系统中这一切是通过软件来实现的。所以软件部分就是其核心，它由开发平台、应用软件包和设备驱动程序组成。本系统采用了LabVIEW7.1作为系统的开发平台。一方面，因为NI公司的IMAQ Vision软件将机器视觉和图像处理功能集成在LabVIEW之中;另一方面，充分利用它快速显示、分析、处理的图形界面功能，进行数值分析、信号处理和设备驱动，满足系统的功能要求，提高工作效率。
IMAQ Vision为平台提供了完整的图像处理函数库和功能模块，包含一系列MMX优化函数，提供了大量科研和工程中常用的图像采集和处理功能，例如各类边缘检测算法、自动阀值处理、各种形态学算法、滤波器、FFT等。
2 图像采集及处理程序设计
本设计程序分成两大模块，一是图像采集存储模块;二是图像处理模块。采集存储模块，将CCD采集的图像信号，经过A/D转换后，输入计算机存储为所需格式;图像处理模块分为图像预处理、图像分割、特征提取、过滤处理等几个部分。
2.1 数字图像的采集
通过平台LabVIEW 7.1和图像采集卡PCI/PXI-1411的驱动程序，设计了图像采集及存储模块软件，如图1所示。图像采集板对来自CCD的标准视频信号（PAL或NTSC制式）进行A/D转换过程，经量化后的数据通过PCI总线传入计算机内存RAM。利用NI-IMAQ提供的控制函数控制图像采集卡对图像的采集，并利用LabVIEW 7.1中快速VI的子VI，把图像存储为需要的多种文件格式：BMP、JPEG和PNG等[2]。
图1系统图像采集程序模块
2.2 图像处理过程
2.2.1中值滤波
由于采集过程中受到各种噪声源影响，在图像上常常会出现一些孤立的像素点。这些像素点与相邻像素点有显著不同，干扰了图像采集效果。如不进行滤波，将对以后的图像区域分割、分析、处理带来影响[3]。
非线性滤波器能够较好的消除图像采集中噪声干扰问题。本设计采用了中值滤波方式，它有效地做到了噪声抑制，滤除了脉冲干扰和图像扫描噪声，同时避免了线性滤波器带来的图像细节模糊，并保留了边缘信息。中值定义为[4]：一组数X1 ，X2，X3，……Xn（X1 ≤X2≤X3……≤Xn），把这n个数按值大小顺序排列如下：
（1）
y称为序列X1 ，X2， X3，……Xn，的中值。
用中值滤波进行图像去噪声处理需要以下几个步骤：设定滤波器模块大小，如取5×5模块;将模块在图像中漫游，并将模块中心与图像中某一像素位置重合;读取模块下个对应像素的灰度值;将这些灰度值从小到大排序;找出这些值中中间一个作为中介值;将中介值赋给对应模板中心像素。这时就可以使周围像素的灰度值差趋于零，从而消除孤立噪声点。
利用IMAQ Vision可以将彩色图像进行中值滤波处理，方法为：从原始32位图像中，抽取红、绿、蓝三色调色板，IMAQ Vision中彩色图片R、G、B用一个32位整数表示。分别对RGB中，红、绿、蓝调色板（8位）进行中值滤波处理，衰减随机噪声的同时保证边界清楚，确保水果尺寸特征。处理后的RGB调色板再用相应位运算将原始图像进行转换，生成去除噪声的新的彩色图像。处理前后图像比较如图2所示。
图2中值滤波前后图像比较
2.2.2 彩色图像阈值算法
在IMAQ Vision中，采用RGB阈值处理算法，通过人工调整设定RGB的阈值，先将RGB图像转化为灰度图，再利用灰度图像直方图进行阈值处理获得二值图像。
在RGB颜色坐标系统中，如果只对色度感兴趣，则只要考虑R、G、B的相对值。相对值 r、g、b称为色度坐标，其计算公式如下：
式中的Rm、Gm、Bm分别是RGB颜色坐标系中的最大分量值。
传统算法对光照要求条件较高，要求背景与物体要有很大灰度差，而在IMAQ Vision中，分别将每一个RGB像素点分成8位进行阈值处理，在光照条件较差的条件下，仍能获得较高质量的二值图像。对图2（b）处理原始图像灰度直方图见图4（a）。
2.2.3 图像分割
仅采用阈值处理难以获得理想的图像分割结果，所以仍需要利用形态学算法进行图像分割。图像分割处理是将数字图像划分成互不相交（不重叠）区域的过程。为保证原有图像在图像分割前不受到损害，在进行分割前先对图像进行边缘检测，以获得完整边界。首先进行腐蚀，确定连通性准则为和人感觉接近的8连通，取结构元素为7×7矩阵模板，矩阵中间位置为结构元素原点。如图3所示,把结构元素B平移a后得到Ba，若Ba包含于X，我们记下这个a点，所有满足上述条件的a点组成的集合称为X被B腐蚀（Erosion）的结果。用公式表示为：E（X）=｛a| Ba X｝=X B.
图3腐蚀算法、膨胀算法示意图
图3（a）X是被处理的对象，B是结构元素。不难知道，对于任意一个在阴影部分的点a，Ba 包含于X，所以X被B腐蚀的结果就是那个阴影部分。阴影部分在X的范围之内，且比X小。依据边缘检测的完整结果，经过IMAQ Vision可以进行多次腐蚀处理。
把结构元素B平移a后得到Ba，若Ba击中X，我们记下这个a点。所有满足上述条件的a点组成的集合称做X被B膨胀的结果。用公式表示为：D（X）=｛a | Ba↑X｝=X B。图3（b）中X是被处理的对象，B是结构元素，不难知道，对于任意一个在阴影部分的点a，Ba击中X，所以X被B膨胀的结果就是那个阴影部分。当进行多次腐蚀后，再进行膨胀，膨胀至边缘完成图像分割[5]。相关处理结果如图4（b），
图4相关处理效果图
2.2.4形态过滤处理
在应用中，分割后边缘和背景仍然可能出现大小的斑点，如图4（b），它将对结果产生一定的影响，为此要进行形态过滤处理[6]。利用数学形态学细化算法进行过滤，从原来的图中去掉一些点，但仍要保持原来的形状。要根据与之相邻的8个点的情况来判断，如图5所示。
图5 根据某点的8个相邻点的情况来判断该点是否能删除
图中，（a）不可删除部分，代表内部点，要求保留骨架，内部点不可删除;（b） 不可删除部分，代表边界骨架;（c）可删除部分，代表非骨架点;（d）不可删除部分，如果删掉会造成与原来相连部分的断裂;（e）可删除部分，代表非骨架点;（f） 不可删除部分，代表直线的端点。
将细化过滤后的图像保存如图4（c） ，并保证其边缘信息，再将结果恢复为腐蚀前原始形状，最终处理结果，如图4（d）。
3 结论
虚拟仪器计算机视觉系统，充分利用了其功能强大、扩展性高的特点。实践证明，在开发过程中，开发人员主要精力在图像处理和分析过程开发，不必花费大量时间编写源文件、接口等管理程序和图像底层处理函数。大大缩短了开发时间，提高了效率。随着PC技术迅速发展，基于虚拟仪器的计算机视觉系统，具有广阔的应用发展前景。
参考文献:
[1] 金昊.基于虚拟仪器的计算机视觉系统的研究[J].子技术应用，2000，（4）：10～12.
[2] 毛义梅.虚拟仪器视觉系统设计与实现[J].仪器仪表学报，2002，23（3）：192～193.
[3] 王思华,陈立峰.计算机视觉新技术及其在IC标记质量检验中的应用[J].电子技术应用，2000，（9）：25～27.
[4] 霍宏涛，林小竹，何薇等. 数字图像处理[M]. 北京：北京理工大学出版社，2002.
[5] 徐贵力,毛罕平,胡永光.基于计算机视觉技术参考物法测量叶片面积[J].农业工程学报，2002，18（1）：154～158.
[6] Rafael C.Gonzalez ,Richiard E.Wood.数字图像处理[M].北京：电子工业出版社，2003.
