发布时间 : 星期四 文章基于LABVIEW的圆形图像识别与实时跟踪系统设计更新完毕开始阅读
常熟理工学院毕业设计（论文）
图3.12开运算的属性设置 图3.13膨胀运算的属性设置
这两个运算对应的程序框图如图3.14所示，所得到的处理后的图像如图3.15所示。由此，可以得出这样的结论：只有图像腐蚀与图像膨胀相结合有时可使图像有较理想的处理效果。
3.14 数学形态学的程序框图
19
常熟理工学院毕业设计（论文）
图3.15数学形态学处理后的图像
3.4图像的二值化
以二值图像为中心的图像处理系统很多，这主要是因为二值图像处理系统速度快、成本低；能定义几何学的各种概念；多值图像也可以变成二值图像处理等。
图像二值化是指根据给定阈值T，将整幅图像中大于或等于T 的像素点灰度值赋为1，小于T 的像素点灰度值赋为0，从而得到仅有0和1两个灰度值的黑白图像。灰度图像二值化的数学形式如下：
通过对多层次的灰度图像进行二值化处理，有助于分析理解和识别图像并减少计算量，特别是在边缘检测和提取中，二值化图像能有效地将背景和目标区分开来，通过搜索产生0和1间的跃变位置，可以快速准确的提取目标区域边界象素点。
在LABVIEW的Vision中，有专门的模块可以实现二值化的功能，由图3.16可见，模块名字是“threshold”，我选择的是自适应阈值的moments种类，具体选择如图3.17所示。
20
常熟理工学院毕业设计（论文）
图3.16 二值化模块
图3.17 二值化模块属性设置
在许多情况下，物体和背景的对比度在图像中不是各处都一样的，这样就很难用统一的阈值将物体与背景分开。这时可以根据图像的局部特征分别采用不同的阈值进行分割。实际处理时，需要按照具体问题将图像分成若干个子区域分别选择阈值，或者动态地根据一定的邻域范围选择每点处的阈值，进行图像分割。自适应阈值处理后的图像如图3.18所示。
21
常熟理工学院毕业设计（论文）
图3.18 二值化处理后的图像
3.5图像分割技术
从图像中，我们可以看出二值化后的图像仍然有一些我们不需要的图像信息，针对这些无用信息，我们需要采用一定的图像分割技术，把图像分成各自具有特性的区域并提取出感兴趣的目标。
图像分割是一种重要的图像分析技术。在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣。这些部分常称为目标或前景(其他部分称为背景)，它们一般对应图像中特定的、具有独特性质的区域。为了辨识和分析图像中的目标，需要将它们从图像中分离提取出来，在此基础上才有可能进一步对目标进行测量和对图像进行分析。图像分割就是指把图像分成各自具有特性的区域并提取出感兴趣的目标的技术和过程。
图像分割可以采用三种不同的方法来实现。(1)利用区域分割的方法：即把各个像素划分到各个物体或区域中。(2)利用边缘提取的方法：先确定边缘像素，并把它们连接在一起以构成所需的边界。(3)利用区域增长的方法：从像素出发，按“有意义”的属性一致的原则，将属性接近的连通像素聚集成区域。值得注意的一点是，没有唯一的、标准的分割方法，因此也就没有成功分割的标准。对应不同的应用场合，我们可以采用各种各样的分割方法，只要能够完成图像分割的目的，有助于图像的分析，就是合适的方法。
在Vision中，有专门实现图像分割的模块，如图3.19所示，经过反复的尝试和比较之后，具体的属性选择见图3.20。
22