C 機器視覺前景檢測

機器視覺就是一門研究如何使機器「看」的學科（ps：大而空的話放到前面，來自維基百科）。

要理解前景檢測這個詞就需要從它的反義詞「背景」理解，背景很好理解，我站到乙個海藍色的牆前面，我的背景就是牆，也可以說是海藍色，那前景就是我了；前景檢測就是找到我和背景不一樣的地方。人一眼就可以看出來我站到牆前面，計算機可看不出來。

機器眼中所以東西都是01010101010101010這種東西，哈哈。經過一系列封裝（如作業系統，檔案格式、c++類庫等等）最後可能我們可以在計算機內看到乙個矩陣，以三通道bgr為例可能如下表（ps我猜的）：

0xff(b) 0xff(g) 0xff(r)

4*4的畫素矩陣可能就是這樣子的啦，這裡也科普一下1920*1280就是有1920列1280行個這樣的畫素矩陣，計算機裡面是什麼樣子的呢？先將16進製制轉成2進製

11111111(b) 11111111(g) 11111111(r)

假設我們的背景是白色的乙個區域，我們前景是乙個黑色到的點。那麼這個矩陣會是什麼樣子的呢？

11111111(b) 11111111(g) 11111111(r)

00000000(b) 00000000(g) 00000000(r)

11111111(b) 11111111(g) 11111111(r)

00000000(b) 00000000(g) 00000000(r)

11111111(b) 11111111(g) 11111111(r)

如何從背景中找到黑色的點呢？可能說迴圈一下找到三個0x00就不是乙個黑點嗎？那如果這個矩陣背景不是全部是1呢？如果我們不知道前景是黑色呢？這裡就需要檢測出前景了。

如果背景是固定不變的，我們可以找到一張背景圖做樣本，如果背景會有變化，可以從碼流選擇乙個我們認為可行的背景，來作為樣本。例如後一幀和前一幀比較的前景是什麼？或者後30幀和前一幀比較前景是什麼。這樣我們就可以在動態的碼流中找到一些變化。

因為最近專案用到了，我就寫下來記錄一下過程，其中用到的類庫是opencv，程式語言則是c++。

cv::mat src1,src2; //假設這兩個是兩個合適時段的原
//我們要從這兩個原圖中找到前景
cv::mat dst1,dst2;
//首先做乙個灰度處理
cv::cvtcolor(src1,dst1,cv_bgr2gray);
cv::cvtcolor(src2,dst2,cv_bgr2gray);
//高斯濾波
cv::gaussianblur(dst1,dst1,cv::size(3,3),0);
cv::gaussianblur(dst2,dst2,cv::size(3,3),0);
//兩張圖做差
cv::mat diff_image;
cv::absdiff(dst1,dst2,diff_image);
//給幀差後的圖做乙個閾值限定，如下超過35閾值的即r+g+b>35的畫素改為255，其他改為0
//這一操作為最後乙個引數控制 cv::thresh_binart
cv::threshold(diff_image,diff_image,35,255,cv::thresh_binary);
//建立乙個28*28的核 
cv::mat kernel = cv::getstructuringelement(cv::morph_ellipse,cv::size(28,28));
cv::erode(diff_image,diff_image,(3,3),cv::point(-1,-1),2);	//腐蝕
cv::dilate(diff_image,diff_image,kernel,cv::pint(-1,-1),2);	//膨脹
//將我們處理好的的邊界找到，會形成多個不規則的點集
std::vector> contours;
//其實這裡已經找到了前景的區域了，只需要你去區分一下這些點集圍成的區域哪個是前景。
//可以使用boundingrect來將點集使用乙個最小矩型來框出來
cv::rect rect = cv::boundingrect(contours[0]);

具體用什麼方式來處理這個就需要因地制宜來，上面流程也是我們專案的乙個小處理流程，當然為什麼要用高斯濾波不用其他的，為什麼要把腐蝕的核設為3*3，膨脹的核設為28*28，這個其實我也不知道。233333

下面說一下對於這個影象處理我自己的理解：

1、為什麼要做灰度處理，灰度首先比bgr少了很多資訊，運算速度就會快很多，而且灰度可以更專注於畫素間的梯度，也就是邊界等問題。

2、濾波：應該是讓畫素的特徵更為相近，這樣更好找出乙個合適的特徵，因為沒有做濾波可能畫面比較清晰，畫素的差異比較大，這樣很難找到規律吧。與之相反的操作應該就是銳化了。讓更具加有差異邊界更加清晰。

4、閾值化：做差之後相近的畫素相減幾乎就是很接近與零0，所以可以設立乙個閾值來將背景設定為0，把你感興趣的位置增大或者不變都可以。

5、腐蝕很膨脹，後面是先腐蝕後膨脹，原理大概是，腐蝕掉一些可以忽略的奇異點，然後再膨脹大將大面積且鄰近的區域連線起來，形成乙個區域。

6、最後就是把邊界畫出來，到這裡基本就找到了我們想要的前景，只需要將前景和一些不必要的區分開即可。

C 機器視覺前景檢測

Halcon 機器視覺發展前景

機器視覺的發展前景龍熙視覺

晶圓缺陷檢測裝置機器視覺檢測視覺缺陷檢測裝置

C 機器視覺 前景檢測

Halcon 機器視覺 發展前景

機器視覺的發展前景 龍熙視覺

晶圓缺陷檢測裝置 機器視覺檢測 視覺缺陷檢測裝置

相關推薦

C 機器視覺前景檢測

Halcon 機器視覺發展前景

機器視覺的發展前景龍熙視覺

晶圓缺陷檢測裝置機器視覺檢測視覺缺陷檢測裝置