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3.19图像分割模块
图3.20图像分割模块属性设置
该模块所对应的程序框图如图3.21所示。该模块主要是根据连通性原理进行工作的。通过迭代次数控制去除部分的大小，这里，只需要滤去比目标小的噪声，所以进行十次迭代。从图3.22可以看到，处理完后的图像包含了系统所需要的有用的信息，图像的边缘也很平滑，原图像的无用信息得到了有效的处理，因此，使用完图像分割技术后，得到了满意的设计效果，为接下来的特征提取和模式识别工作打下了很好的基础。
图3.21图像分割的程序框图
23
常熟理工学院毕业设计（论文）
图3.22 图像分割技术处理后的图像
3.6 本章小结
本章主要介绍了就是图像预处理技术。主要包括图像的灰度化处理、图像的增强技术、图像二值化还有图像分割技术。
以上所述都属于图像处理的范畴。概括起来，图像处理包括图像编码、图像增强、图像压缩、图像复原、图像分割等内容。对图像处理环节来说，输入的是图像，输出的也是图像（也就是处理后的图像）。图像处理的目的主要在于解决两个问题：一是判断图像中有无需要的信息；二是确定这些信息是什么。
24
常熟理工学院毕业设计（论文）
4.图像的特征提取和识别
4.1图像的特征提取概述
由于目标的多样性及复杂性，寻找具有良好描述和分类性能的图像特征就成为解决图像识别问题的一个关键。
目前，用于图像识别的特征大概可归纳为如下四种：
(1)灰度的直观特征：例如图像中的边缘、轮廓、纹理和区域等，这些都属于图像灰度特征。
(2)灰度的统计特征：例如图像的灰度直方图特征。若将图像看作是一种二维随机过程，引入其各阶矩作为特征是普遍采用的方法。如Hu的7个不变矩、Zernike矩等。在矩的诸性质中，几何不变性对图像识别最为有用。
(3)变换系数特征。对图像进行各种数学变换，可以将变换的系数作为图像的一种特征。例如傅里叶描绘予对于物体轮廓有较好的描述能力。
(4)代数特征。代数特征反映的是图像的一种内在属性。由于图像可以表示为矩阵形式，因此可以对其进行各种代数变换，或者作各种矩阵分解。众所周知的K-L变换，实际上就是以协方差矩阵的本征矢量为空间基底的一种代数特征抽取。由于矩阵的本征矢量反映了矩阵的一种代数属性，并且具有几何不变性，因此可以用作图像特征。
如果要建立一个识别不同种类对象的系统，首先必须确定应测量对象的哪些特性以产生描述参数。被度量的这些特珠的属性称为对象的特征，而所得的参数值组成了每个对象的特征向量。适当地提取特征是很重要的，因为在识别对象时特征是唯一的依据。
良好的特任应具有5个特点。
(1)可区别性：对于属于不同类别的对象来说，特征值应具有明显的差异。 (2)可靠性：对同类的对象特征值应比较接近。 (3)独立性：所用的各特征之间应彼此不相关。 (4)不变性：特征不会因图像的平移、旋转等改变。
(5)数量少：模式识别系统复杂度随系统的维数(特征的个数)迅速增长。尤为重要的是用来训练分类器和测试结果的样本数量随特征的数量呈指数关系增长。在某些情况下，甚至无法取得足够的样本训练分类器。总之，增加带噪声的特征或与现存特征相关性高的特征实际上会使分类器的分类能力下降。特别是在训练集大小有限的情况下。
25
常熟理工学院毕业设计（论文）
4.2图像边界提取
从图像中分割出物体之后，可以进一步对其进行特征测量和分析，在此基础之上可以识别物体，也可以对物体进行分类，或对物体是否符合标准进行判别以实现质量监控。与图像分割一样，物体测量与形状分析在工业生产中有重要的应用。在本系统中，由于所需要提取的是图像的边界，以便确定该图像是否是圆形图像，需要用到的模块如图4.1所示，其属性设置如图4.2所示，之所以选择3X3的结构元素，是因为若选择5X5或是7X7的结构元素，边界线条会显得比较粗，影响美观。
图4.1 边界提取模块
图4.2 边界提取模块属性设置
该操作对应的LABVIEW程序如图4.3所示，提取图像的边界，如图4.4所示。
26