畢業(yè)論文--基于圖像處理的鑄坯拉速測(cè)量方法研究

1、<p>　　基于圖像處理的鑄坯拉速測(cè)量方法研究</p><p><b>　　作 者 姓 名： </b></p><p>　　指 導(dǎo) 教 師： </p><p>　　單 位 名 稱： 信息科學(xué)與工程學(xué)院</p><p>　　專 業(yè) 名 稱： 測(cè)控技術(shù)與儀器</p><p>　　2013

2、 年 6 月</p><p>　　Research on Billet Casting Speed Measurement Using Image Processing</p><p><b>　　June 2013</b></p><p>　　畢業(yè)設(shè)計(jì)(論文)任務(wù)書</p><p>　　基于圖像處理的鑄坯拉速測(cè)量方法研

3、究</p><p><b>　　摘要</b></p><p>　　連鑄二冷配水與鑄坯質(zhì)量密切相關(guān)，而鑄坯拉速是影響二冷配水的一個(gè)主要因素，因此能否準(zhǔn)確測(cè)量出鑄坯拉速，對(duì)于提高鑄坯質(zhì)量具有重要的意義。由于最常用的方法在實(shí)際的拉速測(cè)量中誤差較大，本文研究了一種基于圖像處理的鑄坯拉速測(cè)量方法。</p><p>　　本文主要的工作內(nèi)容如下：對(duì)圖像測(cè)速理

4、論以及相關(guān)實(shí)驗(yàn)加以分析；設(shè)計(jì)實(shí)現(xiàn)了鑄坯表面氧化鐵皮與背景分割中閾值自適應(yīng)算法；利用二值化分割，提取出鑄坯表面的氧化鐵皮；尋找圖像中面積最大的氧化鐵皮；對(duì)相鄰兩幀圖像中同一氧化鐵皮進(jìn)行識(shí)別并匹配；研究了相關(guān)測(cè)速理論對(duì)本設(shè)計(jì)進(jìn)行補(bǔ)充；并設(shè)計(jì)了GUI界面，實(shí)現(xiàn)打開文件并連續(xù)運(yùn)行、程序的暫停及恢復(fù)、數(shù)據(jù)的實(shí)時(shí)存儲(chǔ)、兩幀圖像識(shí)別過程的實(shí)時(shí)顯示等功能。</p><p>　　通過對(duì)實(shí)驗(yàn)測(cè)得的數(shù)據(jù)進(jìn)行分析處理，與實(shí)際速度相比較，

5、誤差在±5個(gè)像素范圍內(nèi)的測(cè)量結(jié)果占到了86%。</p><p>　　本課題的主要?jiǎng)?chuàng)新點(diǎn)是提出了基于圖像處理的鑄坯拉速測(cè)量方法，實(shí)現(xiàn)了不同圖像閾值分割的自適應(yīng)以及將相關(guān)測(cè)速理論與圖像處理相結(jié)合。</p><p>　　關(guān)鍵詞：鑄坯拉速；目標(biāo)分割；氧化鐵皮；目標(biāo)匹配</p><p>　　Research on Billet Casting Speed Meas

6、urement Using Image Processing</p><p><b>　　Abstract</b></p><p>　　The secondary cooling water distribution is closely linked with the quality of casting billet, while the casting spee

7、d is the major factor of secondary cooling water distribution. Therefore, it is important that weather we can measure the casting billet speed accurately. However, nowadays the most common ways of measuring have large er

8、rors in practice measuring. We research a new method on measuring casting billet speed using image processing.</p><p>　　The main work context is as following：analyzing the theory and the related applying of

9、image speed measuring; computing the same iron oxide scale of the adjacent frames and recognizing and matching them; studying the related theory of speed measuring which can replenish my design; designed GUI interface wh

10、ich can open a image and make it run continuously, make the suspension recovered, store the program, data, and two images displayed in real time.</p><p>　　Through the analysis of experimental measured data,

11、I compared it to the actual speed and found the error which the measurements are in the range ± 5 pixels is taken up per cent of 86%.</p><p>　　The main innovation of this project is to propose a new way

12、 of he pulling rate of casting blank measuring method based on image processing, and I combine relevant theory and image with different Adaptive image threshold segmentation.</p><p>　　Keywords：Billet casting

13、 speed; Image Processing; Iron oxide; Match</p><p><b>　　目 錄</b></p><p>　　畢業(yè)設(shè)計(jì)(論文)任務(wù)書I</p><p><b>　　摘要II</b></p><p>　　ABSTRACTIII</p>&l

14、t;p><b>　　第一章 緒論1</b></p><p>　　1.1課題研究的意義1</p><p>　　1.2測(cè)速技術(shù)的發(fā)展概況1</p><p>　　1.2.1接觸式測(cè)速1</p><p>　　1.2.2非接觸式測(cè)速2</p><p>　　1.3國(guó)內(nèi)外圖像測(cè)速研究狀況3&l

15、t;/p><p>　　1.4課題研究的內(nèi)容6</p><p>　　第二章 圖像測(cè)速理論基礎(chǔ)7</p><p>　　2.1圖像處理基礎(chǔ)7</p><p>　　2.2圖像預(yù)處理9</p><p>　　2.3氧化鐵皮的提取15</p><p>　　2.4相鄰圖像氧化鐵皮的匹配22</p&

16、gt;<p>　　第三章 GUI平臺(tái)的搭建27</p><p>　　3.1基本功能27</p><p>　　3.2按鈕控件27</p><p>　　3.2文本控件29</p><p>　　3.3顯示控件30</p><p>　　3.4數(shù)據(jù)存儲(chǔ)31</p><p>　　第

17、四章 鑄坯拉速測(cè)量實(shí)驗(yàn)及結(jié)果分析33</p><p>　　4.1拉速測(cè)量的實(shí)驗(yàn)步驟33</p><p>　　4.2實(shí)驗(yàn)過程中遇到的問題33</p><p>　　4.3解決方案33</p><p>　　4.4實(shí)驗(yàn)結(jié)果分析37</p><p>　　第五章 總結(jié)與展望39</p><p>

18、<b>　　5.1總結(jié)39</b></p><p><b>　　5.2展望39</b></p><p><b>　　參考文獻(xiàn)41</b></p><p><b>　　致 謝 43</b></p><p><b>　　第一章 緒論

19、</b></p><p>　　1.1課題研究的意義</p><p>　　連鑄鑄坯拉速對(duì)鋼鐵產(chǎn)品的質(zhì)量及產(chǎn)量影響很大，要提高產(chǎn)品的產(chǎn)量并降低廢品率，必須在生產(chǎn)過程中實(shí)時(shí)測(cè)量并嚴(yán)格控制鑄坯的拉速，使其有一個(gè)適當(dāng)、穩(wěn)定的速度。若能實(shí)現(xiàn)鑄坯拉速的準(zhǔn)確測(cè)量，不僅為二冷配水的準(zhǔn)確控制以及液位的自動(dòng)控制提供了保障，而且對(duì)提高鑄坯質(zhì)量、產(chǎn)量、節(jié)能降耗、安全生產(chǎn)等有直接影響。</p>

20、<p>　　目前，測(cè)量連鑄坯速度的方法主要為接觸法。在接觸測(cè)速中，測(cè)量傳動(dòng)輪轉(zhuǎn)速的方法應(yīng)用十分廣泛，現(xiàn)如今國(guó)內(nèi)90%的鋼廠都在使用此種方法。該方法的優(yōu)點(diǎn)是設(shè)備的制作簡(jiǎn)單和操作方便，但其缺點(diǎn)也是不可忽視的，由于傳動(dòng)輪和鑄坯之間時(shí)常會(huì)發(fā)生打滑現(xiàn)象，故僅僅通過測(cè)量傳動(dòng)輪的轉(zhuǎn)速并不能十分準(zhǔn)確的得到鑄坯的拉速。非接觸法是進(jìn)幾十年來新出現(xiàn)的測(cè)速放法，而激光測(cè)速和圖像測(cè)速是非接觸測(cè)速方面應(yīng)用較多的兩個(gè)方法，次兩種方法都能較為準(zhǔn)確的得出目

21、標(biāo)物體的速度，但激光測(cè)速的設(shè)備相對(duì)來說價(jià)格較高，而圖像測(cè)速僅僅需要在工作現(xiàn)場(chǎng)架設(shè)一CCD攝像機(jī)，操作也更為簡(jiǎn)便，故圖像測(cè)速越來越受到人們的重視。</p><p>　　如何設(shè)計(jì)一套準(zhǔn)確、可靠、穩(wěn)定的方法，將圖像測(cè)速更好的應(yīng)用到鑄坯拉速的檢測(cè)中來對(duì)于提高鑄坯的質(zhì)量、產(chǎn)量、降低成本有著重要意義。</p><p>　　1.2測(cè)速技術(shù)的發(fā)展概況</p><p>　　在實(shí)際的測(cè)

22、速應(yīng)用中，測(cè)速方法一般分為兩大類，即接觸式測(cè)速和非接觸式測(cè)速。</p><p>　　1.2.1接觸式測(cè)速</p><p>　　接觸式測(cè)速這類測(cè)速方法是將測(cè)速儀表的敏感組件與被測(cè)對(duì)象接觸來完成速度測(cè)量的，因此，這種測(cè)試方法比較直觀、可靠。相匹配的測(cè)試儀表也相對(duì)比較簡(jiǎn)單。但是，接觸式測(cè)速存在兩個(gè)缺點(diǎn)，其一，若工業(yè)現(xiàn)場(chǎng)環(huán)境比較惡劣，則對(duì)測(cè)速設(shè)備的材料要求就會(huì)比較高；其二，若測(cè)速設(shè)備直接接觸被測(cè)目

23、標(biāo)，則可能會(huì)影響到目標(biāo)的速度，若測(cè)速設(shè)備通過接觸其他部件間接測(cè)速，則目標(biāo)與部件之間可能會(huì)由于滑動(dòng)等原因使得檢測(cè)出的速度存在較大誤差。而且接觸測(cè)速所用到的測(cè)速設(shè)備由于接觸磨損會(huì)產(chǎn)生消耗消耗，所以必須定期更換。</p><p>　　1.2.2非接觸式測(cè)速</p><p>　　非接觸式測(cè)速就是將被測(cè)物體的速度轉(zhuǎn)化為電信號(hào)、光信號(hào)等其他信號(hào)，之后通過檢測(cè)這些信號(hào)的變化來確定被測(cè)物體的速度值。<

24、;/p><p>　　非接觸式測(cè)溫由于轉(zhuǎn)化的信號(hào)不同，最常用的可大致分為以下幾種方法：</p><p><b>　　多普勒雷達(dá)測(cè)速；</b></p><p>　　所謂多普勒雷達(dá)就是利用多普勒效應(yīng)獲取目標(biāo)物的速度。奧地利科學(xué)家多普勒最早發(fā)現(xiàn)，當(dāng)聲音，光和無線電波等振動(dòng)源與觀測(cè)者以相對(duì)速度V相對(duì)運(yùn)動(dòng)時(shí)，觀測(cè)者所收到的振動(dòng)頻率與振動(dòng)源所發(fā)出的頻率有所不同，

25、稱之為多普勒效應(yīng)。 脈沖多普勒雷達(dá)的工作原理可表述如下:當(dāng)雷達(dá)發(fā)射一固定頻率的脈沖波對(duì)空掃描時(shí)，如遇到活動(dòng)目標(biāo)，回波的頻率與發(fā)射波的頻率出現(xiàn)頻率差，稱為多普勒頻率。根據(jù)多普頻率的大小，可測(cè)出目標(biāo)時(shí)雷達(dá)的徑向相對(duì)運(yùn)動(dòng)速度;根據(jù)發(fā)射脈沖和接收的時(shí)間差，可以測(cè)出目標(biāo)的距離。同時(shí)用頻率過濾方法檢測(cè)目標(biāo)的多普勒頻率講線，濾除干擾雜波的譜線，可使雷達(dá)從強(qiáng)雜波中分辨出目標(biāo)信號(hào)。所以脈沖多普勒雷達(dá)比普通雷達(dá)的抗雜波干擾能力強(qiáng)，能探測(cè)出隱蔽在背景中的活動(dòng)

26、目標(biāo)。</p><p><b>　　激光測(cè)速；</b></p><p>　　激光測(cè)速就是能通過激光對(duì)物體運(yùn)行速度的測(cè)量，它是對(duì)被測(cè)物體進(jìn)行兩次有特定時(shí)間間隔的激光測(cè)距，取得在該一時(shí)段內(nèi)被測(cè)物體的移動(dòng)距離，從而得到該被測(cè)物體的移動(dòng)速度。同時(shí)它也是一種新型的測(cè)速測(cè)量技術(shù)。隨著科技的發(fā)展，傳統(tǒng)的測(cè)量設(shè)備已不能滿足現(xiàn)狀的需求，已漸漸地被淘汰，而激光測(cè)速傳感器已被廣泛使用，它在

27、很多領(lǐng)域中測(cè)量有著重要意義。ZLS.C50激光測(cè)速傳感器和ZLS.Px激光測(cè)速傳感器是特別定制高精度的兩款激光測(cè)速傳感器，同時(shí)也是目前國(guó)內(nèi)常用的兩款高精度激光測(cè)速傳感器。并且它們通過與計(jì)算機(jī)連接，可對(duì)被測(cè)物進(jìn)行自動(dòng)化、智能化的測(cè)量控制，這也是現(xiàn)在測(cè)量技術(shù)與計(jì)算機(jī)技術(shù)相結(jié)合的產(chǎn)物。</p><p><b>　　圖像測(cè)速；</b></p><p>　　由于誤差較小、操作方

28、便且成本較低，圖像測(cè)速是近些年來比較受重視的一種測(cè)速方法。它的主要工作是對(duì)CCD攝像機(jī)所采集的目標(biāo)圖像進(jìn)行一系列的分析和處理。通過對(duì)兩幀圖像的處理、對(duì)比及計(jì)算，能夠比較準(zhǔn)確的得出目標(biāo)在固定時(shí)間內(nèi)所移動(dòng)的距離，由此可估算出被測(cè)目標(biāo)的速度。</p><p>　　由于計(jì)算機(jī)行業(yè)的飛速發(fā)展，基于圖像處理的測(cè)速方法在測(cè)速領(lǐng)域中所扮演的角色也變得越來越重</p><p>　　1.3國(guó)內(nèi)外圖像測(cè)速研究狀

29、況</p><p>　　圖像測(cè)速主要應(yīng)用與交通監(jiān)控和粒子測(cè)速兩方面。</p><p>　　圖像測(cè)速在交通監(jiān)控中的應(yīng)用十分廣泛，世界各國(guó)的大學(xué)、科研院所都紛紛進(jìn)行了大量的研究，學(xué)者們提出了多種解決方案。在各國(guó)政府的支持和推動(dòng)下，這些研究成果也大多轉(zhuǎn)變成了商業(yè)產(chǎn)品，其中著名的有基于Minnesota大學(xué)研究成果的Autoscope系統(tǒng)，以及由法國(guó)國(guó)家運(yùn)輸與安全研究院的研究成果轉(zhuǎn)化的Citilo

30、g系統(tǒng)[1]。</p><p>　　在國(guó)內(nèi)，上海交通大學(xué)的毛燕芬[2]、北京交通大學(xué)的馬增強(qiáng)[3]、中國(guó)科學(xué)技術(shù)大學(xué)的劉勃[4]、嚴(yán)捷豐[5]等也陸續(xù)開展了這方面的研究工作。相比國(guó)外而言，國(guó)內(nèi)這方面的研究雖然起步較晚，但是發(fā)展迅速。</p><p>　　運(yùn)動(dòng)車輛視頻檢測(cè)的目的是從序列圖像中將運(yùn)動(dòng)車輛分割出來，國(guó)內(nèi)外的學(xué)者們提出了大量的理論和方法，其中以閾值化圖像分割法、柵格法、空間差分法、

31、空間標(biāo)志法、幀差法、時(shí)間標(biāo)志法、背景差分法等方法較為有代表性。</p><p>　　（1）閾值化圖像分割法</p><p>　　閾值法是在靜止圖像中進(jìn)行對(duì)象檢測(cè)所采用的最簡(jiǎn)單、同時(shí)也是最行之有效的方法。應(yīng)用閾值化圖像分割方法實(shí)現(xiàn)車輛檢測(cè)的過程可以分為兩個(gè)步驟:首先是確定合適的或者最佳的閾值，然后是將圖像中所有像素的灰度跟閾值進(jìn)行比較，進(jìn)而將圖像劃分為運(yùn)動(dòng)車輛和背景。顯然，兩個(gè)步驟中的難點(diǎn)和

32、關(guān)鍵就是合適閾值的確定。閾值化分割中的各種各樣的算法就是圍繞著閾值的選取方法展開的。閾值化分割算法中幾類主要的、有較大影響的算法包括：直方圖方法和直方圖變換法[6,7]；最大類間方差法[8.10]；最小誤差法與均勻化誤差法；最大熵方法；模糊集方法；局部閾值分割與動(dòng)態(tài)閾值分割；二維閾值化方法。</p><p>　　盡管閾值化分割的文獻(xiàn)很多，分割方法相對(duì)也簡(jiǎn)單，然而閾值化方法依據(jù)的僅僅是像素的灰度值或者二維灰度值，對(duì)

33、像素的空間位置和其它如邊緣信息等并未考慮，使得這類方法只對(duì)一些分割質(zhì)量要求不高而且只簡(jiǎn)單地將圖像分為運(yùn)動(dòng)車輛目標(biāo)和背景兩類的應(yīng)用比較有效，對(duì)于那些有噪聲的、由多個(gè)分支組成的圖像是無效的，或者說效果很不好。此外該方法的另一缺點(diǎn)是對(duì)光線條件變化較為敏感。</p><p><b>　?。?）柵格法</b></p><p>　　該方法首先在不同的分辨率水平下建立圖像的層次結(jié)構(gòu)

34、。其后，可以依照層次結(jié)構(gòu)自上而下的順序?qū)^(qū)域進(jìn)行搜索(即從低質(zhì)到精細(xì))。在低分辨率圖像中，人們能夠從背景中清晰地分辨實(shí)體對(duì)象，同時(shí)其中的噪聲和微小的密度擾動(dòng)也會(huì)消失。</p><p>　　（3）基于邊緣的對(duì)象檢測(cè)方法</p><p>　　該方法主要利用檢測(cè)對(duì)象的邊緣特征，常用于在單幅圖像中檢測(cè)靜止車輛的邊緣結(jié)構(gòu)?；谛螒B(tài)學(xué)的邊緣檢測(cè)方法由于具有較好的性能而被廣泛應(yīng)用于對(duì)象檢測(cè)中。在實(shí)際交通

35、場(chǎng)景中，該方法的檢測(cè)結(jié)果通常是將機(jī)動(dòng)車輛突出顯示為一組復(fù)雜的邊緣信息，相比之下，路面區(qū)域則包含較少的邊緣信息。機(jī)動(dòng)車輛或障礙物的檢測(cè)可以簡(jiǎn)化為在圖像空間中尋找由主線段和鄰近線段圍成的矩形。由于在外界光線條件變化時(shí)，檢測(cè)對(duì)象的邊緣信息仍然能夠很顯著的呈現(xiàn)在圖像中，因此基于邊緣信息的對(duì)象檢測(cè)方法相比閾值法和后述的背景差分法具有更好的性能。</p><p><b>　　（4）空間標(biāo)志法</b>&l

36、t;/p><p>　　在這種檢測(cè)方法中，檢測(cè)對(duì)象是通過它們的特征(包括:外形、維度、亮度建</p><p>　　立模板進(jìn)行匹配，從而被識(shí)別出來的。但是由于模版匹配方法的靈活性較差，必須針對(duì)每一種待檢測(cè)的機(jī)動(dòng)車輛都建立一個(gè)特定的模版。然而在實(shí)際情況中，外界光線、陰影、遮擋、以及車身表面嚴(yán)重的反光現(xiàn)象都會(huì)使同類型機(jī)動(dòng)車的空間標(biāo)志產(chǎn)生很大的差別，因此該方法的主要不足之處在于:模板不具有通用性，因此需

37、要用戶提供大量的模板樣本。盡管空間標(biāo)志方法具有很多不足，但是基于標(biāo)志模式的對(duì)象監(jiān)側(cè)方法其最大優(yōu)勢(shì)在于它不需要很強(qiáng)的計(jì)算能力。此外，該系統(tǒng)能夠通過實(shí)時(shí)感知檢測(cè)對(duì)象的標(biāo)志模式實(shí)現(xiàn)對(duì)象跟蹤。</p><p><b>　?。?）幀差法</b></p><p>　　該方法能夠在兩個(gè)連續(xù)圖像幀中僅保留運(yùn)動(dòng)對(duì)象的軌跡，并同時(shí)去除不穩(wěn)定對(duì)象的干擾，其最大的局限在于無法檢測(cè)到靜態(tài)和緩慢

38、移動(dòng)的對(duì)象。因此，當(dāng)檢測(cè)對(duì)象在不同時(shí)刻發(fā)生較大變化時(shí)，幀差法具有較好的適用性。但是，當(dāng)運(yùn)動(dòng)對(duì)象的紋理不夠清晰，或者它總存在于背景中的同一個(gè)區(qū)域中時(shí)，該方法就會(huì)失效。</p><p><b>　?。?）時(shí)間標(biāo)志法</b></p><p>　　這種方法將運(yùn)動(dòng)車輛的密度特征定義為時(shí)間的函數(shù)，其密度特征值是以路面上不同測(cè)量點(diǎn)處一塊區(qū)域內(nèi)的像素密度取平均值得到的。通過分析在這些

39、測(cè)量點(diǎn)處采集得到的時(shí)間標(biāo)志，可以檢測(cè)判斷車輛是否存在于前一幀圖像中。</p><p><b>　?。?）背景差分法</b></p><p>　　背景差分法的核心思想是需要提取一個(gè)準(zhǔn)確的背景圖像，并利用該背景圖像達(dá)到從輸入圖像中分離運(yùn)動(dòng)對(duì)象的目的。背景圖像可以通過人工定義，即捕獲一幅不包含機(jī)動(dòng)車輛的圖像;或通過對(duì)圖像序列建立數(shù)學(xué)或?qū)?shù)平均值進(jìn)行實(shí)時(shí)提取。在此基礎(chǔ)上，人們

40、就能夠通過從前一幀圖像中取出參考背景的方法實(shí)現(xiàn)對(duì)象檢測(cè)。此外，還需要設(shè)定閾值，從而獲取運(yùn)動(dòng)對(duì)象在前一幀圖像中的存在狀態(tài)。</p><p>　　上面對(duì)國(guó)外主流的運(yùn)動(dòng)車輛檢測(cè)方法進(jìn)行了綜述。而相對(duì)于視頻交通流數(shù)據(jù)采集系統(tǒng)的其它功能模塊而言，國(guó)內(nèi)在運(yùn)動(dòng)車輛檢測(cè)領(lǐng)域的研究較為成熟，采用的理論與方法也與國(guó)際前沿緊密接軌。其中，朱江等利用視頻檢測(cè)線上的灰度變化識(shí)別車輛，從而完成對(duì)車輛的檢測(cè);肖旺新等把基于小波變換的多尺度自適

41、應(yīng)閾值圖像邊緣檢測(cè)的新方法應(yīng)用于交通圖像的邊緣檢測(cè);龔文凌等利用序列輪廓差分方法對(duì)運(yùn)動(dòng)物體進(jìn)行邊緣檢測(cè)，利用提取到運(yùn)動(dòng)物體的邊緣信息進(jìn)行機(jī)動(dòng)車輛的檢測(cè);而計(jì)文平等用光流法對(duì)檢測(cè)區(qū)域進(jìn)行處理以求得視頻場(chǎng)景中的光流場(chǎng)，再根據(jù)光流場(chǎng)的信息來判斷檢測(cè)區(qū)域內(nèi)機(jī)動(dòng)車輛的通過信息;潘秦華劉勃采用背景差分的方法對(duì)交通場(chǎng)景中的機(jī)動(dòng)車對(duì)象進(jìn)行了有效的檢測(cè)，證實(shí)背景差分方法在運(yùn)動(dòng)車輛檢測(cè)時(shí)具有很好的適用性。 </p><p>　　PI

42、V 技術(shù)源于七十年代中期發(fā)展起來的激光散斑測(cè)速技術(shù)(Laser Speckle Velocimetry)。PIV技術(shù)的基本原理是:在流場(chǎng)中均勻布撤密度與跟隨性接近于流場(chǎng)</p><p>　　媒質(zhì)的示蹤粒子，使每個(gè)最小分辨容積內(nèi)含有4.20個(gè)粒子。用脈沖激光器的片光照明流場(chǎng)的測(cè)試段，通過兩次或多次曝光，使用相機(jī)拍攝記錄照明的流場(chǎng)測(cè)試段圖像，用光學(xué)楊氏條紋法或圖像相關(guān)法逐點(diǎn)計(jì)算每個(gè)判讀小區(qū)內(nèi)粒子的統(tǒng)計(jì)平均位移，從而根

43、據(jù)激光器曝光時(shí)間間隔計(jì)算得到流場(chǎng)切面中的二維和三維速度場(chǎng)分布。從80年代中期粒子位移自動(dòng)判讀技術(shù)有所突破至今，觀測(cè)功能上已實(shí)現(xiàn)從一個(gè)切面發(fā)展到一個(gè)容積空間、從面內(nèi)二維速度矢量到二維切片內(nèi)三維速度矢量、從瞬間速度場(chǎng)測(cè)量到一個(gè)連續(xù)時(shí)間過程的速度場(chǎng)測(cè)量。即所謂2D.2C，2Dt.2C，2Dt.3C，3D.3C，3Dt.3C的各種方法和技術(shù)在原理上也基本上實(shí)現(xiàn)。其中有關(guān)切面的觀測(cè)已基本做到實(shí)時(shí)現(xiàn)場(chǎng)、商用儀器水平，并已廣泛被人們接受和應(yīng)用于各種流

44、動(dòng)觀測(cè)中。</p><p>　　盡管粒子圖像測(cè)速技術(shù)本身和應(yīng)用有如此重大的進(jìn)展，其成熟技術(shù)和手段仍限于流場(chǎng)切面及其時(shí)間歷程的測(cè)速，或限于周期性(輔以鎖相同步和三維重建技術(shù))的三維空間時(shí)間歷程的流場(chǎng)測(cè)量。對(duì)于非定常(非周期性的)三維空間復(fù)雜流動(dòng)及其時(shí)間歷程的觀測(cè)仍然面臨嚴(yán)峻的挑戰(zhàn)。就全流場(chǎng)觀測(cè)方法和技術(shù)本身而言，三維空間三維速度場(chǎng)時(shí)間歷程(3Dt.3C)技術(shù)仍是尚未攻克的難關(guān)，也是最具挑戰(zhàn)性的前沿課題。</p

45、><p>　　至今關(guān)于攻克3Dt.3C的技術(shù)途徑的主流仍然是粒子圖像測(cè)速技術(shù)的延伸和發(fā)展。其技術(shù)方案目前有高速掃描PIV、散焦PIV(De.focus PIV)、多相機(jī)PTV(particle tracing velocimetry, PIV中的一種)以及全息PIV(HPIV)等。其中第1種方法基于切面的速度場(chǎng)測(cè)量，需要高速的切面掃描才可能接近流場(chǎng)的瞬時(shí)凍結(jié)，除存在本質(zhì)上不是直接的瞬時(shí)空間場(chǎng)信息記錄缺點(diǎn)外，技術(shù)上也難

46、以實(shí)現(xiàn)；散焦PIV實(shí)質(zhì)上也是一種PTV，和多相機(jī)PTV一樣均采用粒子跟蹤判讀技術(shù)(一個(gè)粒子、一個(gè)粒子的判讀測(cè)速，不同于PIV是一個(gè)小區(qū)、一個(gè)小區(qū)的粒子的判讀測(cè)速)，其優(yōu)點(diǎn)是硬件結(jié)構(gòu)比較簡(jiǎn)單，定位比較確定，但缺點(diǎn)是該方法難以用于粒子濃度比較高的情況，其空間分辨率有限，也存在遮擋問題。多相機(jī)PTV方法也是目前采用較多的途徑，優(yōu)點(diǎn)是所需的設(shè)備比較容易組建，體光源不一定要用昂貴的激光器，對(duì)于空間分辨力要求不高的觀測(cè)流動(dòng)，也可以用分辨力不高的數(shù)字

47、相機(jī)，但同樣存在粒子遮擋和空間分辨力有限等問題。</p><p>　　縱觀國(guó)內(nèi)外圖像測(cè)速的研究現(xiàn)狀，及基本技術(shù)問題，將圖像測(cè)速方法延伸至測(cè)量鑄坯拉速方面也具有一定的可行性，利用圖像測(cè)速在車輛測(cè)速中的一些原理，設(shè)計(jì)一款能夠準(zhǔn)確測(cè)量鑄坯拉速的軟件，對(duì)鋼材產(chǎn)量的增長(zhǎng)及質(zhì)量的提高都有很大的作用。</p><p>　　1.4課題研究的內(nèi)容</p><p>　　鑄坯表面的氧化鐵

48、皮形狀多不規(guī)則，不易提取和識(shí)別。實(shí)驗(yàn)通過對(duì)多組連鑄現(xiàn)場(chǎng)照片進(jìn)行處理、計(jì)算和分析，研究不同類型照片的處理方式，并對(duì)影響實(shí)驗(yàn)精度的因素進(jìn)行分析，提出解決方案。主要內(nèi)容如下：</p><p>　　設(shè)計(jì)測(cè)速目標(biāo)的識(shí)別方法并對(duì)測(cè)速目標(biāo)進(jìn)行描述；</p><p>　　從鑄坯背景中分離出氧化鐵皮；</p><p>　　實(shí)現(xiàn)相鄰幀圖像之間測(cè)速目標(biāo)的匹配并計(jì)算出目標(biāo)的運(yùn)動(dòng)速度；<

49、;/p><p>　　設(shè)計(jì)實(shí)驗(yàn)對(duì)程序進(jìn)行測(cè)試；</p><p>　　實(shí)現(xiàn)能夠?qū)崟r(shí)監(jiān)控的GUI。</p><p>　　第二章 圖像測(cè)速理論基礎(chǔ)</p><p><b>　　2.1圖像處理基礎(chǔ)</b></p><p>　　1.2.1圖像的數(shù)學(xué)表達(dá)式</p><p>　　視頻圖像，也是

50、動(dòng)態(tài)圖像或序列圖像，是隨時(shí)間變化的靜態(tài)圖像序列。在靜態(tài)圖像中，信息密度隨空間分布，且相對(duì)于時(shí)間為常量，而動(dòng)態(tài)圖像的空間信息密度特征隨時(shí)間變化。 視頻圖像數(shù)學(xué)表達(dá)式的一般形式可以寫成 。x、y 為空間變量，t為時(shí)間變量，而 S 為對(duì)應(yīng)于時(shí)空點(diǎn)(x,y,t)的光度學(xué)物理量。如果采用 RGB</p><p>　　體系來描述的話，完整地視頻圖像數(shù)學(xué)表達(dá)式可寫為[11]：</p><p><b

51、>　　(2.1)</b></p><p>　　當(dāng) RGB 為模擬信號(hào)時(shí)，稱為模擬視頻。如果對(duì) RGB 進(jìn)行數(shù)字化就稱為數(shù)字視頻，這與模擬靜態(tài)圖像與數(shù)字圖像的概念基本一致，但是動(dòng)態(tài)圖像要比靜態(tài)圖像的關(guān)系差別復(fù)雜的多。基于圖像處理的剛爬拉速測(cè)量是基于視頻處理基礎(chǔ)上的，而我們所要研究的視頻處理都是基于數(shù)字的數(shù)字視頻，數(shù)字視頻是由模擬視頻經(jīng)過采樣而來的。要想進(jìn)行相應(yīng)的處理，需要對(duì)獲取的視頻圖像進(jìn)行數(shù)字化

52、。</p><p>　　2.1.2 視頻圖像的獲取與數(shù)字化</p><p>　　視頻圖像主要是通過各種攝像機(jī)獲取。攝像機(jī)一般為真空光導(dǎo)CCD/CMOS 攝像頭，盡管攝像頭的材料和形式不同，但工作原理都是將外界的光信號(hào)轉(zhuǎn)變成電信號(hào)[12]。模擬視頻信號(hào)是涉及到一維時(shí)間變量的電信號(hào)，它是通過對(duì)在時(shí)間坐標(biāo) t 和垂直分量y上采樣得到的。周期性的采樣過程叫做掃描，最常用的掃描方法為逐行掃描和隔行掃

53、描，逐行掃描時(shí)在每一個(gè)Δt時(shí)間內(nèi)對(duì)一個(gè)完整的圖像進(jìn)行掃描，他被稱為一幀。隔行掃描是依次對(duì)被稱為奇數(shù)場(chǎng)和偶數(shù)場(chǎng)的奇數(shù)行和偶數(shù)行進(jìn)行掃描，一幀圖像由奇數(shù)場(chǎng)和偶數(shù)場(chǎng)組成。圖2.1表示一個(gè)2:1隔行掃描光柵：其中，實(shí)線和虛線分別表示奇數(shù)場(chǎng)和偶數(shù)場(chǎng)。從D到E，從F到A，稱之為垂直回歸。視頻信號(hào)的幾個(gè)重要參數(shù)是：垂直清晰度高度比以及幀/場(chǎng)率。其中幀率就是每秒更新的圖像畫面數(shù)，是最重要的參數(shù)之一。</p><p>　　圖2.1

54、 掃描光柵圖示</p><p>　　當(dāng)幀率達(dá)到15幀/秒以上時(shí)，人眼感覺為基本連續(xù)的運(yùn)動(dòng)，當(dāng)幀率達(dá)到24幀/秒以上時(shí)，人眼感覺為連續(xù)的運(yùn)動(dòng)。由攝像機(jī)的工作原理我們可以知道，模擬視頻由于它自身的特性，僅能提供有限的交互能力。甚至有些問題無法處理。如果將模擬視頻數(shù)字化，將模擬視頻轉(zhuǎn)化為數(shù)字視頻，那么會(huì)有很多好處：</p><p>　　(1) 開放結(jié)構(gòu)視頻系統(tǒng)意味著視頻可能存在于多個(gè)空間點(diǎn)上，

55、而且信噪比(SNR)分辨率在單一標(biāo)稱的比特流范圍內(nèi)； </p><p>　　(2) 可交互性，允許中斷以便通往視頻數(shù)據(jù)庫的路徑，并獲取視頻； </p><p>　　(3) 按命令進(jìn)行可變速率的傳輸； </p><p>　　(4) 從一個(gè)標(biāo)準(zhǔn)向另一個(gè)標(biāo)準(zhǔn)變換的簡(jiǎn)單軟件； </p><p>　　(5) 在公共多媒體平臺(tái)上集成各種視頻應(yīng)用； <

56、;/p><p>　　(6) 編輯能力。如：放大、縮小、粘貼、去噪聲和去模糊等； </p><p>　　(7) 抵御信道噪聲的能力和易于加密。 </p><p>　　數(shù)字視頻是由模擬視頻通過圖像轉(zhuǎn)換卡進(jìn)行模數(shù)轉(zhuǎn)換，而獲取數(shù)字視頻信號(hào)的圖像轉(zhuǎn)換卡的功能是：逐幀捕捉圖像，并將其數(shù)字化，且傳輸?shù)接?jì)算機(jī)上予以保存。本文開發(fā)的系統(tǒng)就是通過?？狄曨l采集卡來采集數(shù)字視頻。</p&

57、gt;<p>　　2.1.3 圖像處理的特點(diǎn)</p><p>　　與處理靜態(tài)圖像相比，處理視頻圖像有以下幾個(gè)特點(diǎn)： </p><p>　　(1) 與靜態(tài)圖像相比，視頻圖像的信息是以時(shí)間為基線的。它不僅包含了二維空間信息，而且記錄了事件的全過程。因此視頻圖像的時(shí)間順序是不能混淆的，幀率參數(shù)也直接反應(yīng)了時(shí)間變化過程的信息； </p><p>　　(2) 由

58、于視頻圖像以較短的時(shí)間間隔記錄空間二維圖像信息，因此相鄰幀圖像很相似甚至相同。也就是說相鄰幀圖像的相關(guān)系數(shù)很大，基本上所有的視頻圖像處理都以該特性為基礎(chǔ)； </p><p>　　(3) 以模式識(shí)別為主要目的視頻圖像處理，許多參數(shù)并不同時(shí)要求高指標(biāo)，沒有必要要求過高的分辨率，在不影響檢測(cè)的基礎(chǔ)之上盡量減少運(yùn)算量； </p><p>　　(4) 圖像的數(shù)據(jù)量很大。這一直是視頻圖像處理和應(yīng)用的主

59、要問題之一。對(duì)于640480標(biāo)準(zhǔn)的VGA畫面，真彩色24位圖像，每幀的數(shù)據(jù)量為6404803=921600字節(jié)，按30幀/秒計(jì)算，數(shù)據(jù)量為27.684MB/S，一張650MB光盤，只能存儲(chǔ)24秒的數(shù)據(jù)圖像，我們只能采用壓縮的方式達(dá)到實(shí)際應(yīng)用的要求； </p><p>　　(5) 數(shù)字視頻處理不同于靜止圖像的地方是視頻包含了很多幀間瞬時(shí)相關(guān)因素(冗余度)。有些人可能想把視頻作為一個(gè)靜止圖像序列來處理，其中幀間的處理

60、是相對(duì)獨(dú)立的。但是，借助于多幀處理技術(shù)所產(chǎn)生的瞬時(shí)冗余度就使得我們?nèi)ラ_發(fā)更有效的算法。比如運(yùn)動(dòng)濾波，運(yùn)動(dòng)補(bǔ)償預(yù)測(cè)。此外，如運(yùn)動(dòng)估計(jì)，或?qū)σ环N時(shí)變的場(chǎng)景分析，顯然不能在一幅單獨(dú)的圖像上執(zhí)行。 </p><p>　　總之，視頻處理即可看作靜止圖像處理的高層處理，又可以看作靜止圖像的繼續(xù)。首先他要用靜止圖像處理的所有技術(shù)，因?yàn)橐曨l圖像是時(shí)間上系列化的靜止圖像。其次，它包含了許多靜止圖像處理沒有的或可能的解決的新問題。第

61、三，視頻圖像處理同時(shí)與圖形學(xué)、人工智能、模式識(shí)別等多個(gè)學(xué)科有交叉的內(nèi)容，各自相關(guān)但側(cè)重不同。</p><p><b>　　2.2圖像預(yù)處理</b></p><p>　　CCD攝像機(jī)在現(xiàn)場(chǎng)拍攝的圖像如圖2.2所示，由于拍攝角度、傳輸失真等一些不可避免的干擾，使得該圖像在后續(xù)的一系列處理會(huì)中受到一些影響。</p><p>　　為了減小這些干擾對(duì)后續(xù)

62、處理中造成的影響，必須經(jīng)過一些必要的處理后才能為測(cè)量所用。</p><p>　　本設(shè)計(jì)所采用的與處理方式為圖像的旋轉(zhuǎn)及裁減、灰度圖像的轉(zhuǎn)換以及噪聲的去除。</p><p>　　圖2.2 CCD拍攝原圖</p><p>　　2.2.1圖像的旋轉(zhuǎn)及裁剪</p><p>　　由于鑄坯表面氧化鐵皮較多，對(duì)整幅圖像進(jìn)行氧化鐵皮的分割時(shí)，其他區(qū)域會(huì)影響

63、到整幅圖像的灰度值變化，又因?yàn)閿z像機(jī)受到現(xiàn)場(chǎng)環(huán)境影響，在拍攝鑄坯的邊緣時(shí)出現(xiàn)了衍射現(xiàn)象，對(duì)于鑄坯和背景的分離也造成了一些困難。由于上述原因，在原圖中提取出一塊特定區(qū)域來進(jìn)行檢測(cè)是非常必要的。</p><p>　　提取特定區(qū)域首先需要對(duì)圖像進(jìn)行一定角度的旋轉(zhuǎn)。在CCD攝像機(jī)所拍攝的原圖上建立直角坐標(biāo)系，經(jīng)過測(cè)量得出原圖中的鑄坯邊緣相對(duì)于X軸逆時(shí)針旋轉(zhuǎn)了21度，故為了使其能達(dá)到水平，須將原圖順時(shí)針旋轉(zhuǎn)21度。<

64、/p><p>　　圖2.3 旋轉(zhuǎn)后的圖像</p><p>　　在MATLAB中，實(shí)現(xiàn)圖像的旋轉(zhuǎn)需要用到imrotate函數(shù)。imrotate函數(shù)的一般調(diào)用格式為B=imrotate（A,angle,method），其中A、B分別為輸入、輸出圖像，angle為旋轉(zhuǎn)的角度，當(dāng)angle為正時(shí)，表示逆時(shí)針旋轉(zhuǎn)，相反，則為順時(shí)針。method是旋轉(zhuǎn)過程中使用的插值方法，可以是“nearest”（最近

65、鄰插值）、“bilinear”（雙線性插值）或“bicubic”（雙立方插值），如果method為空，則默認(rèn)為最鄰近插值。imrotate在旋轉(zhuǎn)圖像時(shí)會(huì)使圖像的尺寸變大，但卻不會(huì)改變?cè)瓐D像的比例，原圖像邊界之外的像素用0填充，顯示的是黑色背景，圖2.3為旋轉(zhuǎn)后圖像。</p><p>　　本程序?qū)崿F(xiàn)圖像旋轉(zhuǎn)的程序如下：</p><p>　　I1=imrotate(rgb,.21);</

66、p><p>　　在圖像的旋轉(zhuǎn)操作完成后，提取特定區(qū)域需要對(duì)旋轉(zhuǎn)后的圖像進(jìn)行裁剪，去掉不相關(guān)的部分。經(jīng)過測(cè)量和分析比較之后，確定提取該圖像中的一塊矩形區(qū)域，該矩形左上角坐標(biāo)為（294,350），長(zhǎng)為350個(gè)像素，寬為45個(gè)像素。</p><p>　　在MATLAB中，實(shí)現(xiàn)圖像的裁剪需要用到imcrop函數(shù)。imcrop函數(shù)的一般調(diào)用格式為B=imcrop(X,Y,length,wide)，其中B

67、為輸出圖像，X、Y為所裁剪矩形左上角的起始坐標(biāo)，length、wide為矩形的長(zhǎng)度和寬度，圖2.4為裁剪后的圖像，即所提取的特定區(qū)域。</p><p>　　本程序?qū)崿F(xiàn)圖像裁剪的程序如下：</p><p>　　I1=imcrop(I1,[294,375,350,45]);</p><p>　　圖2.4 提取的特定區(qū)域</p><p>　　2.

68、2.2灰度圖像的獲取</p><p>　　從連鑄現(xiàn)場(chǎng)傳來的實(shí)時(shí)交通圖一般是通過彩色CCD攝像機(jī)采集的數(shù)字彩色圖像，通常需要將彩色圖像轉(zhuǎn)換成灰度圖像。彩色圖像由紅、綠、藍(lán)三種基本色調(diào)組成，彩色圖像的每個(gè)像素由三種基本顏色按不同比例組合而成，為了得到灰度圖像需要對(duì) RGB 圖像進(jìn)行灰度化處理。公式(2.2)給出了彩色圖像轉(zhuǎn)換為灰度圖像的轉(zhuǎn)換公式，即： </p><p><b>　　(

69、2.2) </b></p><p>　　式中 R——像素點(diǎn)中紅色調(diào)值； </p><p>　　G ——像素點(diǎn)中綠色調(diào)值； </p><p>　　B ——像素點(diǎn)中藍(lán)色調(diào)值。 </p><p>　　灰度圖像只有256級(jí)灰度值，減少了存儲(chǔ)空間，運(yùn)算量也得到了大大減少，提高了交通圖像處理的快速性和實(shí)時(shí)性。但是灰度圖像喪失了顏色信息，所以

70、在某些需要圖像顏色信息作分析的情況下，就需要所使用RGB圖像。</p><p>　　在本程序中，由于用到二值化的方法對(duì)目標(biāo)進(jìn)行分割提取，且二值化圖像時(shí)必須保證輸入圖像為灰度圖像，所以需要將采集到的圖像先轉(zhuǎn)化為灰度圖像。</p><p>　　在MATLAB中，將RGB圖像轉(zhuǎn)化為灰度圖像需要用到graythresh函數(shù)，該函數(shù)的用法為BW=graythresh(I)，其中BW與I分別為輸出和輸

71、入圖像，圖2.5為原圖像與灰度圖像的對(duì)比。</p><p>　　本程序?qū)崿F(xiàn)將采集圖像轉(zhuǎn)化為灰度圖像的程序如下：</p><p>　　level1=graythresh(I2)</p><p>　　圖2.5 圖和灰度圖</p><p>　　2.2.3噪聲的處理</p><p>　　圖像信號(hào)在產(chǎn)生、傳輸和記錄過程中，經(jīng)常

72、會(huì)受到各種噪聲的十?dāng)_，噪聲可以理解為妨礙人的視覺器官或系統(tǒng)傳感器對(duì)所接收?qǐng)D像源信息進(jìn)行理解或分析的各種因素。噪聲一般為不可預(yù)測(cè)的隨機(jī)信號(hào)，只能用概率統(tǒng)計(jì)的方法去認(rèn)識(shí)噪聲對(duì)圖像的輸入、采集、處理的各個(gè)環(huán)節(jié)以及最終的輸出結(jié)果都會(huì)產(chǎn)生一定的影響，特別是在圖像的輸入、采集過程中，噪聲是個(gè)十分關(guān)鍵的問題，若輸入伴有較大噪聲，必然影響之后的處理以及最終的處理效果。任何一個(gè)良好的圖像處理系統(tǒng)，均把減少最前一級(jí)的噪聲作為主攻目標(biāo)，去噪處理已成為圖像處理

73、中極其重要的步驟。因此，圖像去噪算法研究是一切圖像處理的前提，具有重要的意義。現(xiàn)如今常用的濾波方法分為均值濾波和中指濾波兩大類[13]：</p><p><b>　　均值濾波：</b></p><p>　　均值濾波算法又叫鄰域平均法。這種方法的基本思想是用幾個(gè)鄰域像素灰度的平均值來代替每個(gè)像素的灰度值，其鄰域的選取通常為以單位距離為半徑r構(gòu)成的4鄰域和以個(gè)單位距離為半

74、徑r構(gòu)成的8鄰域(如圖2.6圓形區(qū)所示)。</p><p>　　(a) 4鄰域r = (b) 8鄰域 r = </p><p>　　圖2.6 均值濾波鄰域選取示意圖</p><p>　　均值濾波主要有算術(shù)均值濾波、諧波均值濾波、逆諧波均值濾波、加權(quán)均值濾波四類。</p><p><b>　　2、中值濾波

75、：</b></p><p>　　中值濾波的原理是把序列(Sequence)或數(shù)字圖像(digital image)中一點(diǎn)的值，用該點(diǎn)鄰域中各點(diǎn)值的中值來替代。對(duì)序列而言中值的定義是這樣的：</p><p>　　若為一組序列先把其按人小排列為</p><p>　　則該序列的中值y為：</p><p><b>　　(2.3)

76、</b></p><p>　　式(2.12)中，若把一個(gè)點(diǎn)的特定長(zhǎng)度或形狀的鄰域作為窗口，在一維情況下，中值濾波器是一個(gè)含有奇數(shù)個(gè)像素的滑動(dòng)窗口。窗口正中問那個(gè)像素的值用窗口各像素值的中值來代替，設(shè)輸入序列為，I為自然數(shù)集合或子集.窗口長(zhǎng)度為n，且令，則濾波器的輸出為</p><p><b>　　(2.4)</b></p><p>

77、　　式(2.13)表明，點(diǎn)的中值僅與窗口前后各點(diǎn)的中值有關(guān)，yi為序列xi二的中值。</p><p>　　若把式(2.13)中.中值濾波的概念推廣到二維.并利用某種形式的二維窗口。則可對(duì)二維中值濾波做如下定義：</p><p>　　設(shè)表示數(shù)字圖像各點(diǎn)的灰度值，濾波窗口為A，yij為窗口是A在xij點(diǎn)的中值，則</p><p><b>　　(2.5)<

78、/b></p><p>　　式(2.14)為窗口是A的點(diǎn)的中值表達(dá)式，二維中值濾波的窗口可以取方形.也可以取近似圓形或十字形。</p><p><b>　　中值濾波過程</b></p><p>　　針對(duì)圖像的中值濾波的過程為，首先將模板內(nèi)(窗口)所涵盂的像素按灰度值由小到大排列。再取序列中問點(diǎn)的值作為中值，并以此值作為濾波器的輸出值。在有

79、很強(qiáng)的胡椒粉式(或脈沖)干擾的情況下，因?yàn)檫@些灰度值的干擾值與其鄰近像素的灰度值有很大的差異，因此經(jīng)排序后取中值的結(jié)果是強(qiáng)迫將此干擾點(diǎn)變成與其鄰近的某些像素的灰度值一樣，從而達(dá)到去除十?dāng)_的效果。應(yīng)當(dāng)注意的是中值濾波的過程是一個(gè)非線性的操作過程，它即能保持圖像的輪廓，又能消除強(qiáng)十?dāng)_脈沖噪聲。中值濾波除直接采用圖像像素作中值外，還可采用其它的力一法，例如平滑銳化濾波就含有取中值和樣點(diǎn)計(jì)算的過程。另一種方法是先計(jì)算周邊像素灰度的平均值，若所考

80、慮像素的灰度與此平均值的差異超過一定臨界值時(shí)，則判定此像素為干擾，該點(diǎn)的值應(yīng)采用先前計(jì)算所得的平均值來替代，若不超出臨界則用該點(diǎn)實(shí)際像素的灰度值作為濾波器的輸出.此種力一法史接近于人眼的實(shí)際感覺。</p><p>　　利用中值濾波法消除圖像噪聲要經(jīng)過如下過程：</p><p><b>　　輸入圖像；</b></p><p><b>　

81、　加入模擬噪聲；</b></p><p><b>　　中值濾波。</b></p><p>　　中值濾波對(duì)于消除高斯白噪聲效果不是特別理想，但對(duì)消除隨機(jī)干擾噪聲效果卻非常好。因此，中值濾波在圖像處理中是比較理想的的濾波方式。</p><p>　　由于椒鹽噪聲對(duì)氧化鐵皮的識(shí)別和提取有一定的影響，故在此處我們使用中值濾波的方式對(duì)圖像中可能

82、出現(xiàn)的椒鹽噪聲進(jìn)行處理，而其他的噪聲干擾對(duì)本程序的影響不大，故可以忽略。</p><p>　　2.3氧化鐵皮的提取</p><p>　　在預(yù)處理完成之后，就得到了清晰程度較高、對(duì)比度較強(qiáng)的圖像，接下來對(duì)其進(jìn)行下一步處理，從中提取出運(yùn)動(dòng)目標(biāo)。提取目標(biāo)物的過程就是將前景同背景分離的過程。運(yùn)動(dòng)目標(biāo)的提取效果是決定ITS的性能優(yōu)劣的關(guān)鍵所在。一個(gè)好的提取算法應(yīng)該具有的特征包括:</p>

83、<p>　?。?）提取到的信息量足夠豐富;</p><p>　　（2）提取信息時(shí)可以抑制其中的干擾和噪聲成分;</p><p>　?。?）在出現(xiàn)較強(qiáng)干擾時(shí)可以容錯(cuò)和主動(dòng)排錯(cuò);</p><p>　　（4）不依賴攝像頭的安裝位置、安裝高度或仰俯角度。</p><p>　　然而，完全達(dá)到上述條件的方法是不存在的。在實(shí)際應(yīng)用中，通常只要

84、算</p><p>　　法可以滿足識(shí)別要求并能抑制較大十?dāng)_即可。本文設(shè)計(jì)的是實(shí)時(shí)的鑄坯拉速測(cè)量方法，和其他系統(tǒng)相比，有以下特點(diǎn):</p><p>　　（1）鑄坯拉速較低且速度相對(duì)穩(wěn)定；</p><p>　?。?）現(xiàn)場(chǎng)環(huán)境較穩(wěn)定，沒有太大變化；</p><p>　?。?）氧化鐵皮與鑄坯對(duì)比度較大。</p><p>　　根

85、據(jù)以上三個(gè)特點(diǎn)，本設(shè)計(jì)采用二值化分割的方法來進(jìn)行氧化鐵皮的提取。</p><p>　　2.3.1二值化分割</p><p>　　二值化分割就是將圖像上的點(diǎn)的灰度置為0或255，也就是講整個(gè)圖像呈現(xiàn)出明顯的黑白效果。即將256個(gè)亮度等級(jí)的灰度圖像通過適當(dāng)?shù)拈撝颠x取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，特別是在實(shí)用的圖像處理中，以二值圖

86、像處理實(shí)現(xiàn)而構(gòu)成的系統(tǒng)是很多的，要進(jìn)行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像，這樣子有利于再對(duì)圖像做進(jìn)一步處理時(shí)，圖像的集合性質(zhì)只與像素值為0或255的點(diǎn)的位置有關(guān)，不再涉及像素的多級(jí)值，使處理變得簡(jiǎn)單，而且數(shù)據(jù)的處理和壓縮量小。為了得到理想的二值圖像，一般采用封閉、連通的邊界定義不交疊的區(qū)域。所有灰度大于或等于閾值的像素被判定為屬于特定物體，其灰度值為255表示，否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為0，表

87、示背景或者例外的物體區(qū)域。如果某特定物體在內(nèi)部有均勻一致的灰度值，并且其處在一個(gè)具有其他等級(jí)灰度值的均勻背景下，使用閾值法就可以得到比較的分割效果。如果物體同背景的差別表現(xiàn)不在灰度值上，可以將這個(gè)差別特征轉(zhuǎn)換為灰度的差別，然后利用閾值選取技術(shù)來分割該圖像[14.15]。</p><p>　　二值化分割時(shí)的閾值是整個(gè)分割過程中最重要的部分，閾值的選擇往往決定了圖像是否能夠?qū)⒈尘芭c目標(biāo)完全分離。常用的幾種閾值選擇方法

88、有如下幾種[16]：</p><p>　　雙峰法：在一些簡(jiǎn)單的圖像中，物體的灰度分步比較有規(guī)律，背景與各個(gè)目標(biāo)在圖像的直方圖中各自形成一個(gè)波峰，即區(qū)域與波峰一一對(duì)應(yīng)，每?jī)蓚€(gè)波峰之間形成一個(gè)波谷。那么選擇雙峰之間的波谷所代表的灰度值T作為閾值，即可實(shí)現(xiàn)兩個(gè)區(qū)域的分割。如圖2.7所示。</p><p>　　圖2.7雙峰法計(jì)算閾值示意圖</p><p><b>

89、　　(2.6)</b></p><p>　　式（2.15）為雙峰法選取閾值的公式，式中f(x,y)為圖像的灰度值，T為閾值，g(x,y)為二值化后的灰度圖像。</p><p>　　此種方法對(duì)于有明顯雙峰分布的圖像來說分割效果非常好，但當(dāng)圖像沒有雙峰分布時(shí)則無法準(zhǔn)確分割。</p><p>　　P參數(shù)法：如果預(yù)先知道每個(gè)目標(biāo)占整個(gè)圖像的比例P，則可以采用P參

90、數(shù)法進(jìn)行分割。首先計(jì)算出圖像的直方圖分步，然后從最低的灰度值開始，計(jì)算圖像的累計(jì)分步直方圖，最后可得出與P最為接近的累計(jì)分步函數(shù)所對(duì)應(yīng)的灰度值，此值便為所求閾值。</p><p>　　最大熵值法：根據(jù)熵的概念，對(duì)于灰度范圍為0至M.1的圖像，其直方圖的熵定義為</p><p><b>　　(2.7)</b></p><p>　　其中為灰度值為i

91、的像素在整體圖像中的概述。設(shè)閾值t將圖像劃分為O、B兩類，他們的概率分布O區(qū)為B區(qū)為。</p><p>　　經(jīng)計(jì)算，可得到目標(biāo)O與背景B的熵值分別為：</p><p><b>　　(2.8)</b></p><p>　　由公式（2.17）可得，圖像的總熵為：</p><p><b>　　(2.9)</b&

92、gt;</p><p>　　最大閾值T為使得圖像的總熵去的最大值時(shí)的閾值。</p><p>　　此種方法運(yùn)算速度較慢，不適合實(shí)時(shí)處理，其僅僅考慮了像素點(diǎn)的灰度信息，沒有考慮到像素點(diǎn)的空間信息，所以當(dāng)圖像的信噪比降低時(shí)，分割效果不理想。</p><p>　　最大類間方差法：其最大類間方差法是由Otus與1979年提出的，是抑郁整幅圖像的統(tǒng)計(jì)特性實(shí)現(xiàn)閾值的自動(dòng)選取的，是

93、全局二值化最杰出的代表?；舅枷胧怯媚骋患俣ǖ幕叶戎祎，將圖像的灰度分為兩組，當(dāng)兩組的類間方差最大時(shí)，此時(shí)灰度值t便是圖像二值化的最佳閾值[17.18]。</p><p>　　設(shè)圖像有M個(gè)灰度值，取值范圍在0到M.1，在此范圍內(nèi)選取灰度值t，將圖像分成兩組，第一組包含的像素的灰度值在0到t，第二組的灰度值在t+1到M.1，用N表示圖像像素總數(shù)，表示灰度值為i的像素個(gè)數(shù)。已知每一個(gè)灰度值出現(xiàn)的概率為，假設(shè)兩組像素的

94、個(gè)數(shù)在整體圖像中所占百分比為和，兩組平均灰度值為和，可間間類方差為：</p><p><b>　　(2.10)</b></p><p>　　使得（2.19）類間方差最大時(shí)所對(duì)應(yīng)的t值便為最佳閾值。</p><p>　　此種算法可以這樣理解：閾值T將整幅圖像分成前景和背景兩部分，當(dāng)兩類的類間方差最大時(shí)，此時(shí)前景和背景的差別最大，二值化效果最好。因

95、為方差是灰度分步均勻性的一種度量，方差越大，說明構(gòu)成圖像的兩部分差別越大，當(dāng)部分目標(biāo)錯(cuò)分為背景或部分背景錯(cuò)分為目標(biāo)都會(huì)導(dǎo)致兩部分差別變小，因此使類間方差最大的分割閾值意味著錯(cuò)分概率最小。</p><p>　　經(jīng)過以上四種方法的嘗試與比較，最大類間方差法為最優(yōu)方法，其分割圖像如圖2.8所示。 </p><p>　　圖2.8 分割后圖像</p><p>　　2

96、.3.2形態(tài)學(xué)處理</p><p>　　數(shù)學(xué)形態(tài)學(xué)的基本思想是用具有一定形態(tài)結(jié)構(gòu)的結(jié)構(gòu)元素( stmcturing element)去探測(cè)一個(gè)圖象中的形態(tài)，以解決圖象的理解分析問題。數(shù)學(xué)形態(tài)學(xué)的四個(gè)運(yùn)算是膨脹(dilation )、腐蝕(erosion )、開(opening)和閉(closing)[19]。所有的形態(tài)學(xué)處理都基于填放結(jié)構(gòu)元素的概念。計(jì)算機(jī)圖象在獲取和傳輸過程中，會(huì)受到各種噪聲的污染恢復(fù)噪聲污染圖

97、象是計(jì)算機(jī)圖象處理的研究課題之一。</p><p><b>　　1、膨脹與腐蝕</b></p><p>　　膨脹(dilation)和腐蝕(erosion)變換是建立在集合的Minkowski和與差基礎(chǔ)上的，是所有復(fù)合形態(tài)變換或形態(tài)分析的基礎(chǔ)，以后所有的形態(tài)學(xué)變換都可以由膨脹和腐蝕變換的復(fù)合來實(shí)現(xiàn)。如果把它應(yīng)用于二值圖像，則分別給出其膨脹(dilation)和腐蝕(e

98、rosion) 的抽象定義和直觀定義，其中A表示一幅二值圖像，B為結(jié)構(gòu)元素?？梢钥闯鰞烧叩闹庇^定義，即：膨脹的直觀解釋是：將結(jié)構(gòu)元素B做映像后，在圖像A上移動(dòng)，當(dāng)A與B的映像有交集的時(shí)候，B的映像的原點(diǎn)所經(jīng)過的所有的點(diǎn)構(gòu)成的集合就B膨脹A的結(jié)果；而腐蝕的直觀解釋是：當(dāng)集合B完全包含在集合A中時(shí)，B的原點(diǎn)位置的集合就是用B腐蝕A的結(jié)果[20]。</p><p>　　(a) 二值圖像A (b) 結(jié)構(gòu)元素

99、B (c) B的映像</p><p>　　(d) B膨脹A后 (e) B腐蝕A后</p><p>　　圖2.9 二值膨脹與腐蝕運(yùn)算</p><p>　　形態(tài)膨脹、腐蝕對(duì)原始圖像的作用：</p><p>　　(1)形態(tài)膨脹能擴(kuò)展圖像，使線條變粗，顆粒變大，縫隙和孔變小或消失；</

100、p><p>　　(2)形態(tài)腐蝕能收縮圖像，使線條變細(xì)，顆粒變小，縫隙和孔變大；</p><p>　　本文對(duì)要測(cè)試的原始圖像如圖2.10分別用3x3的圓形結(jié)構(gòu)元素進(jìn)行了腐蝕運(yùn)算和膨脹運(yùn)算，得到的結(jié)果如圖2.11，2.12所示。</p><p>　　圖2.10 原始圖像 </p><p>　　圖2.11 腐蝕圖像</p><

101、;p>　　圖2.12 膨脹圖像</p><p><b>　　2、開運(yùn)算閉運(yùn)算</b></p><p>　　在形態(tài)學(xué)圖象處理中，膨脹和腐蝕是兩種基本運(yùn)算，而開和閉是兩種二次運(yùn)算，互為對(duì)偶。利用圖象B對(duì)圖象A作開運(yùn)算，用符號(hào)表示，其定義為：</p><p><b>　　(2.11)</b></p><

102、p>　　開運(yùn)算可以通過計(jì)算所有可以填人圖象內(nèi)部的結(jié)構(gòu)元素平移的并求得。即對(duì)每一個(gè)可填人位置作標(biāo)記，計(jì)算結(jié)構(gòu)元素平移到每一個(gè)標(biāo)記位置的并，便可得到開運(yùn)算結(jié)果。</p><p>　　閉運(yùn)算可對(duì)圖形的外部作濾波，僅僅磨光凸向圖象內(nèi)部的尖角。</p><p>　　開(閉)運(yùn)算滿足平移不變性和單調(diào)遞增性；另外，它還滿足非膨脹(膨脹)性和冪等性，這兩個(gè)性質(zhì)對(duì)于開閉運(yùn)算的應(yīng)用起著非常重要的作用。

103、</p><p>　　噪聲污染圖像 濾波后圖像</p><p>　　圖2.13 開運(yùn)算濾波效果</p><p>　　開運(yùn)算對(duì)噪聲污染的二值圖象的恢復(fù)能力。同樣的結(jié)論也適合閉運(yùn)算。假設(shè)有一矩形圖象受到碎屑狀噪聲污染，因?yàn)閳A盤不能填入散布在圖象背景中的噪聲碎片，所以利用圓盤B作開運(yùn)算可以得到恢復(fù)噪聲污染的效果。更理想的

104、恢復(fù)效果可以通過采用正方形結(jié)構(gòu)元素得到，但是，這一方案實(shí)用性較差。因?yàn)樵谧鰹V波之前必須將被噪聲干擾的矩形放成水平方位。而采用圓盤濾波，不受旋轉(zhuǎn)的影響。 </p><p>　　由于氧化鐵皮無固定形狀且數(shù)量多時(shí)容易連成一片，不好區(qū)分，如圖2.14所示。</p><p>　　圖2.14 氧化鐵皮數(shù)量較多時(shí)的分割效果</p><p>　　由于此種

105、原因本文中選擇了僅僅對(duì)分割圖像先進(jìn)行的以4個(gè)像素為半徑的圓形腐蝕，后進(jìn)行2個(gè)像素為半徑的圓形膨脹。</p><p>　　在進(jìn)行腐蝕與膨脹之前，需要先定義腐蝕膨脹所用的結(jié)構(gòu)體，定義結(jié)構(gòu)體在MATLAB中需要用到strle函數(shù)，strle函數(shù)的用法為SE=strle(‘shape’size)，其中SE為定義好的結(jié)構(gòu)體，shape為結(jié)構(gòu)體的形狀，size為結(jié)構(gòu)體的大小標(biāo)志。</p><p>　　

106、本程序中一共定義了兩個(gè)結(jié)構(gòu)體，半徑為7個(gè)像素的圓形結(jié)構(gòu)體SE1與半徑為3個(gè)像素的圓形結(jié)構(gòu)體SE2，其代碼如下：</p><p>　　SE1=strel('disk',4);</p><p>　　SE2=strel('disk',2);</p><p>　　進(jìn)行腐蝕操作在MATLAB里需要用到imerode函數(shù)，imerode函數(shù)的用法

107、為BW=imerode(I，SE)，BW與I分別為輸出和輸入圖像，SE為運(yùn)算調(diào)用的結(jié)構(gòu)體。</p><p>　　本程序進(jìn)行的腐蝕操作代碼如下，效果如圖2.15所示：</p><p>　　I3=imerode(I3,SE1);%將圖片進(jìn)行腐蝕運(yùn)算操作</p><p>　　2.15 腐蝕后的效果圖</p><p>　　進(jìn)行完腐蝕操作后，便該進(jìn)行膨

108、脹操作了。進(jìn)行膨脹操作在MATLAB里需要用到imdilate函數(shù)，imdilate函數(shù)的用法為BW=imdilate(I，SE)，BW與I分別為輸出和輸入圖像，SE為運(yùn)算調(diào)用的結(jié)構(gòu)體。</p><p>　　本程序進(jìn)行的腐蝕操作代碼如下，效果如圖2.16所示：</p><p>　　I4=imdilate(I3,SE2);</p><p>　　2.16 腐蝕膨脹后的效

109、果圖</p><p>　　2.4相鄰圖像氧化鐵皮的匹配</p><p>　　相鄰圖像氧化鐵皮的匹配是整個(gè)方法中最重要的一個(gè)環(huán)節(jié)，氧化鐵皮匹配的精度直接影響之后速度的計(jì)算，圖像匹配主要可分為以灰度為基礎(chǔ)的匹配和以特征為基礎(chǔ)的匹配[21]。</p><p>　?。?）灰度匹配：灰度匹配的基本思想:以統(tǒng)計(jì)的觀點(diǎn)將圖像看成是二維信號(hào)，采用統(tǒng)計(jì)相關(guān)的方法尋找信號(hào)間的相關(guān)匹配。

110、利用兩個(gè)信號(hào)的相關(guān)函數(shù)，評(píng)價(jià)它們的相似性以確定同名點(diǎn)?；叶绕ヅ渫ㄟ^利用某種相似性度量，如相關(guān)函數(shù)、協(xié)方差函數(shù)、差平方和、差絕對(duì)值和等測(cè)度極值，判定兩幅圖像中的對(duì)應(yīng)關(guān)系。最經(jīng)典的灰度匹配法是歸一化的灰度匹配 法，其基本原理是逐像素的把一個(gè)以一定大小的實(shí)時(shí)圖像窗口的灰度矩陣，與參考圖像的所有可能的窗口灰度陣列，按某種相似性度量方法進(jìn)行搜索比較的匹配方法，從理論上說就是采用圖像相關(guān)技術(shù)。利用灰度信息匹配方法的主要缺陷是計(jì)算量太大，因?yàn)槭褂脠?chǎng)合