智能圖像處理 讓機(jī)器視覺及其應(yīng)用更智能高效

　　機(jī)器視覺(Machine Vision)是人工智能領(lǐng)域中發(fā)展迅速的一個重要分支，目前正處于不斷突破、走向成熟的階段。一般認(rèn)為機(jī)器視覺“是通過光學(xué)裝置和非接觸傳感器自動地接受和處理一個真實場景的圖像，通過分析圖像獲得所需信息或用于控制機(jī)器運(yùn)動的裝置”，可以看出智能圖像處理技術(shù)在機(jī)器視覺中占有舉足輕重的位置。

　　智能圖像處理是指一類基于計算機(jī)的自適應(yīng)于各種應(yīng)用場合的圖像處理和分析技術(shù)，本身是一個獨(dú)立的理論和技術(shù)領(lǐng)域，但同時又是機(jī)器視覺中的一項十分重要的技術(shù)支撐。

　　具有智能圖像處理功能的機(jī)器視覺，相當(dāng)于人們在賦予機(jī)器智能的同時為機(jī)器按上了眼睛，使機(jī)器能夠“看得見”、“看得準(zhǔn)”，可替代甚至勝過人眼做測量和判斷，使得機(jī)器視覺系統(tǒng)可以實現(xiàn)高分辨率和高速度的控制。而且，機(jī)器視覺系統(tǒng)與被檢測對象無接觸，安全可靠。

　　1.機(jī)器視覺技術(shù)

　　機(jī)器視覺的起源可追溯到20世紀(jì)60年代美國學(xué)者L.R.羅伯茲對多面體積木世界的圖像處理研究，70年代麻省理工學(xué)院(MIT)人工智能實驗室“機(jī)器視覺”課程的開設(shè)。到80年代，全球性機(jī)器視覺研究熱潮開始興起，出現(xiàn)了一些基于機(jī)器視覺的應(yīng)用系統(tǒng)。90年代以后，隨著計算機(jī)和半導(dǎo)體技術(shù)的飛速發(fā)展，機(jī)器視覺的理論和應(yīng)用得到進(jìn)一步發(fā)展。

　　進(jìn)入21世紀(jì)后，機(jī)器視覺技術(shù)的發(fā)展速度更快，已經(jīng)大規(guī)模地應(yīng)用于多個領(lǐng)域，如智能制造、智能交通、醫(yī)療衛(wèi)生、安防監(jiān)控等領(lǐng)域。目前，隨著人工智能浪潮的興起，機(jī)器視覺技術(shù)正處于不斷突破、走向成熟的新階段。

　　在中國，機(jī)器視覺的研究和應(yīng)用開始于20世紀(jì)90年代。從跟蹤國外品牌產(chǎn)品起步，經(jīng)過二十多年的努力，國內(nèi)的機(jī)器視覺從無到有，從弱到強(qiáng)，不僅理論研究進(jìn)展迅速，而且已經(jīng)出現(xiàn)一些頗具競爭力的公司和產(chǎn)品。估計隨著國內(nèi)對機(jī)器視覺研究、開發(fā)和推廣的不斷深入，趕上和超越世界水平已不是遙不可及的事情了。

　　常見機(jī)器視覺系統(tǒng)主要可分為兩類，一類是基于計算機(jī)的，如工控機(jī)或PC，另一類是更加緊湊的嵌入式設(shè)備。典型的基于工控機(jī)的機(jī)器視覺系統(tǒng)主要包括：光學(xué)系統(tǒng)，攝像機(jī)和工控機(jī)(包含圖像采集、圖像處理和分析、控制/通信)等單元。機(jī)器視覺系統(tǒng)對核心的圖像處理要求算法準(zhǔn)確、快捷和穩(wěn)定，同時還要求系統(tǒng)的實現(xiàn)成本低，升級換代方便。

　　2.智能圖像處理技術(shù)

　　機(jī)器視覺的圖像處理系統(tǒng)對現(xiàn)場的數(shù)字圖像信號按照具體的應(yīng)用要求進(jìn)行運(yùn)算和分析，根據(jù)獲得的處理結(jié)果來控制現(xiàn)場設(shè)備的動作，其常見功能如下：

　　(1)圖像采集

　　圖像采集就是從工作現(xiàn)場獲取場景圖像的過程，是機(jī)器視覺的第一步，采集工具大多為CCD或CMOS照相機(jī)或攝像機(jī)。照相機(jī)采集的是單幅的圖像，攝像機(jī)可以采集連續(xù)的現(xiàn)場圖像。就一幅圖像而言，它實際上是三維場景在二維圖像平面上的投影，圖像中某一點(diǎn)的彩色(亮度和色度)是場景中對應(yīng)點(diǎn)彩色的反映。這就是我們可以用采集圖像來替代真實場景的根本依據(jù)所在。

　　如果相機(jī)是模擬信號輸出，需要將模擬圖像信號數(shù)字化后送給計算機(jī)(包括嵌入式系統(tǒng))處理?，F(xiàn)在大部分相機(jī)都可直接輸出數(shù)字圖像信號，可以免除模數(shù)轉(zhuǎn)換這一步驟。不僅如此，現(xiàn)在相機(jī)的數(shù)字輸出接口也是標(biāo)準(zhǔn)化的，如USB、VGA、1394、HDMI、WiFi、Blue Tooth接口等，可以直接送入計算機(jī)進(jìn)行處理，以免除在圖像輸出和計算機(jī)之間加接一塊圖像采集卡的麻煩。后續(xù)的圖像處理工作往往是由計算機(jī)或嵌入式系統(tǒng)以軟件的方式進(jìn)行。

　　(2)圖像預(yù)處理

　　對于采集到的數(shù)字化的現(xiàn)場圖像，由于受到設(shè)備和環(huán)境因素的影響，往往會受到不同程度的干擾，如噪聲、幾何形變、彩色失調(diào)等，都會妨礙接下來的處理環(huán)節(jié)。為此，必須對采集圖像進(jìn)行預(yù)處理。常見的預(yù)處理包括噪聲消除、幾何校正、直方圖均衡等處理。

　　通常使用時域或頻域濾波的方法來去除圖像中的噪聲;采用幾何變換的辦法來校正圖像的幾何失真;采用直方圖均衡、同態(tài)濾波等方法來減輕圖像的彩色偏離。總之，通過這一系列的圖像預(yù)處理技術(shù)，對采集圖像進(jìn)行“加工”，為體機(jī)器視覺應(yīng)用提供“更好”、“更有用”的圖像。

　　(3)圖像分割

　　圖像分割就是按照應(yīng)用要求，把圖像分成各具特征的區(qū)域，從中提取出感興趣目標(biāo)。在圖像中常見的特征有灰度、彩色、紋理、邊緣、角點(diǎn)等。例如，對汽車裝配流水線圖像進(jìn)行分割，分成背景區(qū)域和工件區(qū)域，提供給后續(xù)處理單元對工件安裝部分的處理。

　　圖像分割多年來一直是圖像處理中的難題，至今已有種類繁多的分割算法，但是效果往往并不理想。近來，人們利用基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法進(jìn)行圖像分割，其性能勝過傳統(tǒng)算法。

　　(4)目標(biāo)識別和分類

　　在制造或安防等行業(yè)，機(jī)器視覺都離不開對輸入圖像的目標(biāo)進(jìn)行識別和分類處理，以便在此基礎(chǔ)上完成后續(xù)的判斷和操作。識別和分類技術(shù)有很多相同的地方，常常在目標(biāo)識別完成后，目標(biāo)的類別也就明確了。近來的圖像識別技術(shù)正在跨越傳統(tǒng)方法，形成以神經(jīng)網(wǎng)絡(luò)為主流的智能化圖像識別方法，如卷積神經(jīng)網(wǎng)絡(luò)(CNN)、回歸神經(jīng)網(wǎng)絡(luò)(RNN)等一類性能優(yōu)越的方法。

　　(5)目標(biāo)定位和測量

　　在智能制造中，最常見的工作就是對目標(biāo)工件進(jìn)行安裝，但是在安裝前往往需要先對目標(biāo)進(jìn)行定位，安裝后還需對目標(biāo)進(jìn)行測量。安裝和測量都需要保持較高的精度和速度，如毫米級精度(甚至更小)，毫秒級速度。這種高精度、高速度的定位和測量，倚靠通常的機(jī)械或人工的方法是難以辦到的。在機(jī)器視覺中，采用圖像處理的辦法，對安裝現(xiàn)場圖像進(jìn)行處理，按照目標(biāo)和圖像之間的復(fù)雜映射關(guān)系進(jìn)行處理，從而快速精準(zhǔn)地完成定位和測量任務(wù)。

　　(6)目標(biāo)檢測和跟蹤

　　圖像處理中的運(yùn)動目標(biāo)檢測和跟蹤，就是實時檢測攝像機(jī)捕獲的場景圖像中是否有運(yùn)動目標(biāo)，并預(yù)測它下一步的運(yùn)動方向和趨勢，即跟蹤。并及時將這些運(yùn)動數(shù)據(jù)提交給后續(xù)的分析和控制處理，形成相應(yīng)的控制動作。圖像采集一般使用單個攝像機(jī)，如果需要也可以使用兩個攝像機(jī)，模仿人的雙目視覺而獲得場景的立體信息，這樣更加有利于目標(biāo)檢測和跟蹤處理。