《电子技术应用》

图像分割技术在机械测量中的应用研究

来源:微型机与应用2013年第9期 作者:曲霄红,薄文彦
2013/6/8 15:14:15

摘  要: 首先介绍了图像分割的概念,接着介绍了目前应用广泛的几种图像分割方法,并比较了它们的优缺点。
关键词: 计算机视觉;机械测量;图像分割

 在机械行业,针对产品的测量方式有接触式测量和非接触式测量两种。接触式测量[1-2]有手工测量和接触式测量机等方式。由于被测物体场地、环境等因素,接触式测量方法具有测量设备运输困难、测量精度不高等缺点。非接触式测量[1-2]有光学测量、电磁测量等方式。采用非接触式测量方法测量产品速度快,但是坐标定位困难,精度不高。
 近年来,随着计算机技术的发展,采用计算机视觉进行机械产品测量[3]成为一种简单高效的方法。它具有如下优点:(1)不受被测物体形状的限制;(2)采集的工具简单;(3)对采集所需要的光源没有限制。
基于计算机视觉[4]的机械测量也可以称为基于图像的测量。在一幅图像中,通常只对其中的被测对象感兴趣,这些对象往往占据图像的一定区域,并且在某些特征上与周围的对象有差别。这些特征可能非常明显,也可能很细微,以致人眼察觉不出来。
 图像分割[5]是指将一幅图像分解为若干互不交叠、有意义且具有相同性质的区域。针对不同的任务所采用的图像分割技术不同,但是一般的图像分割应具有以下特征:(1)分割出来的各个区域之内,对象具有相似性,且区域内部是联通的;(2)相邻区域对分割所依据的性质有明显的差异;(3)区域的边界是明确的。
目前广泛应用的分割方法[6-7]包括区域生长和分裂合并法、阈值法、边缘检测法、基于聚类的分割法以及其他各种结合实际对象的分割方法等。

2 图像分割算法介绍
 阈值法首先根据某个准则求出最优阈值,然后依据阈值将图像划分为不同的区域。阈值法有单阈值分割和多阈值分割两种方法。单阈值分割根据阈值将图像映射到0和255两个灰度级上;多阈值分割将图像映射到多个不同的灰度级。阈值方法具有容易实现的优点,但是阈值的确定一直是研究的难点。
 区域生长首先给出种子值,然后根据相似性将具有相似性质的像素组合起来,不断地增加种子区域的大小;分裂合并法首先将区域划分为n个互不相交的区域,然后根据某种准则进行合并。区域生长和分裂合并法在消除噪音方面有一定的优势,但是种子的选取及相似性准则设置的好坏直接影响到算法的效率和执行的效果。
阈值法、区域生长和分裂合并法在参数设置方面的人工干预因素太多,因此在应用方面有一定的局限性。
边缘检测法根据采用的算子不同,得到边缘的精度也不同。对于对象和背景信息的边缘,有些算子提取得很多,有些提取得很少,无法根据实际的情况自动选择最好的算子。
 基于聚类的方法根据图像像素之间的相似性准则对图像进行分类,使得相似的尽可能划分为一类,不相似的尽可能不被分为一类。这种方法执行的效率主要取决于相似性的表示方法和相似性度量的标准两个因素。这种方法实现简单,但相似性度量的标准需要人工干预。
3 图像分割方法的实验分析
  本文采用Matlab 7.0作为实验工具,比较了阈值法、区域生长法和边缘提取法的分割效果,其中边缘提取法分别采用了3种不同的算子,实验结果如图1所示。

 从图1可以看出,图1(b)采用一阶差分作为算子,提取的结果准确,但是不能从图像中完全提取出所有的边缘;图1(c)采用二阶差分作为算子,提取的边缘信息太多,不利于后期计算;图1(d)采用二值阈值法,提取的区域过于单一,对象及背景信息都包括在内。
 从实验可知,各种图像分割算法都有其自身的特点,但也存在一定的不足:抗噪能力和提取精度无法同时满足。因此,如何根据实际情况平衡二者的关系成为应用过程中的一个难点。
 本文对各种区域分割算法进行了总结。阈值法、区域生长和分裂合并法的人工干预因素较多,不利于实际的应用;其余方法均不是一种通用的图像分割方法。因此,设计一种通用、参数少且能实现图像自动分割的算法成为今后研究的一个热点。
参考文献
[1] 王宏涛,周儒英,张丽艳.现代测量方法在逆向工程数据采集技术中的应用[J].航空计测技术,2003,23(4):1-19.
[2] 韩立洋,郭旭红.逆向工程技术在机械领域的应用[J].苏州大学学报,2008,28(4):58-60.
[3] 王永强.基于约束算法的大尺度三维视觉测量方法研究[D].北京:北京邮电大学,2006.
[4] 马颂德,张正友.计算机视觉[M].北京:科学出版社,1998.
[5] 章毓晋.图像分割[M].北京:科学出版社,2001.
[6] 韩翠英,孔娟.关于图像分割算法的优化仿真研究[J].计算机仿真,2011,28(6):262-265.
[7] 杨怀义.图像分割中算法的应用研究[J].计算机仿真,2012,29(2):229-232.

继续阅读>>