序論：寫作是一種深度的自我表達(dá)。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內(nèi)心深處的真相，好投稿為您帶來了一篇計算機視覺論文范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創(chuàng)作。

計算機視覺論文:計算機視覺檢測技術(shù)在機加工零件測量中的應(yīng)用探究

現(xiàn)階段，我國的市面上有很多不同的方法來進(jìn)行機械零件尺寸的測量和研究，采取不同的測量辦法，得出的結(jié)果也有著精確度的差異。原始的測量方法是人們通過借助各種測量儀器，如萬能工具顯微鏡和三坐標(biāo)測量機等，進(jìn)行人工測量操作。這種方式存在著很多弊端，而計算機視覺檢測技術(shù)的應(yīng)用則可以很好地解決這一問題。所謂視覺檢測就是檢測被測目標(biāo)時，把圖像當(dāng)作檢測和傳遞信息的手段或載體加以利用的檢測方法，其目的是從圖像中提取有用的信號，它是以現(xiàn)代光學(xué)為基礎(chǔ)，融光電子學(xué)、計算機圖像學(xué)、信息處理、計算機視覺等科學(xué)技術(shù)為一體的現(xiàn)代檢測技術(shù)。由于計算機視覺系統(tǒng)可以快速獲取大量信息，而且易于與設(shè)計信息及加工控制信息集成，基于視覺檢測技術(shù)的儀器設(shè)備能夠?qū)崿F(xiàn)智能化、數(shù)字化、小型化、網(wǎng)絡(luò)化和多功能化，具備在線檢測、實時分析、實時控制的能力在軍事、工業(yè)、商業(yè)、醫(yī)學(xué)等領(lǐng)域得到廣泛關(guān)注和應(yīng)用。

一、計算機視覺檢測技術(shù)含義

計算機的視覺又叫做機器視覺，通過利用計算機或者是其他的一些機械設(shè)備來幫助人們視線事物到圖片的過程，從而進(jìn)行三維世界的感知活動。計算機的快速發(fā)展，離不開神經(jīng)心理學(xué)，心理學(xué)和認(rèn)知科學(xué)方面的研究和發(fā)展，計算機視覺檢測技術(shù)的發(fā)展方向就是對周圍的三維空間進(jìn)行感知和分析。一旦能夠擁有這種能力，計算機不僅能感知到周圍的總體環(huán)境，而且，還能夠具有對物體進(jìn)行描述，識別理解和儲存的能力。

二、計算機視覺檢測的基本原理

要實現(xiàn)人工智能對視覺的計算機處理是很重要的方面在計算機視覺應(yīng)用領(lǐng)域中如果要讓我們的計算機明白圖像的信息就必須經(jīng)過一系列的處理過程―――數(shù)字圖像處理.數(shù)字圖像的處理包括5個步驟：圖像預(yù)處理（去除噪聲）、分割處理分割后區(qū)域、測量、圖像判讀、圖像技術(shù).根據(jù)抽象程度和處理方法的不同圖像技術(shù)可分為三個層次：圖像處理、圖像分析和圖像理解.這三個層次的有機結(jié)合也稱為圖像工程.而計算機視覺（Computer vision）則是用計算機實現(xiàn)人的視覺功能對客觀世界三維場景的感知、識別和理解.視覺檢測按其所處理的數(shù)據(jù)類型又大致可分為二值圖像、灰度圖像、彩色圖像和深度圖像的視覺檢測.另外還有X射線檢測、超聲波檢測和紅外線檢測。

作為新興檢測技術(shù)計算機視覺檢測充分利用了計算機視覺研究成果采用像傳感器來實現(xiàn)對被測物體的尺寸及空間位置的三維測量能較好地滿足現(xiàn)代制造業(yè)的發(fā)展需求.與一般意義上的圖像處理相比計算機視覺檢測更強調(diào)精度、速度和無損性以及工業(yè)現(xiàn)場環(huán)境下的可靠性.例如基于三角法的主動視覺測量理具有抗干擾能力強、效率高、精度合適等優(yōu)點非常適合制造業(yè)生產(chǎn)現(xiàn)場的在線、非接觸產(chǎn)品檢測及生產(chǎn)監(jiān)控.對人類視覺感知能力的計算機模擬促進(jìn)了計算機視覺技術(shù)的產(chǎn)生和發(fā)展制造業(yè)上獲取這些信息的目的有：（1）計算出觀察點到目標(biāo)物體的距離；（2）得出觀察點到目標(biāo)物體的運動參數(shù)；（3）甚至可以判斷出目標(biāo)物體的內(nèi)部特性；（4）推斷出目標(biāo)物體的表面特征有時要求形成立體視覺。

三、亞像素檢測技術(shù)

隨著工業(yè)檢測等應(yīng)用對精度要求的不斷提高，像素級精度已經(jīng)不能滿足實際檢測的要求，因此需要更高精度的邊緣提取算法，即亞像素算法。亞像素級精度的算法是在經(jīng)典算法的基礎(chǔ)上發(fā)展起來的，這些算法一般需要先用經(jīng)典算法找出邊緣像素的位置，然后使用周圍像素的灰度值作為判斷的補充信息，利用插值、擬合等方法，使邊緣定位于更加精確的位置。現(xiàn)在的亞像素提取算法很多，如重心法、概率論法、解調(diào)測量法、多項式插值法、濾波重建法、矩法等。由于這些算法的精度、抗噪聲能力和運算量各不相同，他們的應(yīng)用場合也是各不相同的。

邊緣是圖像的基本特征，所謂邊緣是指圖像中灰度存在階躍或尖頂狀變化的像素的集合，邊緣廣泛存在于物體與物體、物體與背景之間。圖像測量是通過處理被測物體圖像中的邊緣而獲得物體的幾何參數(shù)的過程，邊緣的定位精度直接影響最終的測量結(jié)果。因此，圖像邊緣提取方法是檢測的基礎(chǔ)和關(guān)鍵之一。在視覺測量領(lǐng)域中，早期使用的都是像素級邊緣檢測方法，例如常用的梯度算子、Lapacian算子和門式算子等。以上的邊緣檢測方法的精度可以達(dá)到像素級精度，即可以判斷出邊緣位于某個像素內(nèi)，但不能確定邊緣在該像素內(nèi)的更精確的位置。如果一個像素對應(yīng)的實際長度較大，就會產(chǎn)生較大的誤差，傳統(tǒng)的整像素邊緣檢測方法就不再適用。

四、計算機視覺檢測技術(shù)在機加工零件檢測中的應(yīng)用要素與過程

（一）曲陣CCD相機

面陣CCD是本項目圖像采集系統(tǒng)中的主要設(shè)備之一，其主要功能是采集實驗圖像。該CCD相機主要由CCD感光芯片、驅(qū)動電路、信號處理路、電子接口電路和光學(xué)機械接口等構(gòu)成。

（二）工業(yè)定焦鏡頭

在圖像測量系統(tǒng)中，鏡頭的主要作用是將目標(biāo)聚焦在圖像傳感器的光敏面上。鏡頭的質(zhì)量直接影響到圖像測量系統(tǒng)的整體性能，合理選擇并安裝光學(xué)鏡頭是圖像測量系統(tǒng)設(shè)計的重要環(huán)節(jié)。

（三）數(shù)字圖像采集卡

隨著數(shù)字信號處理技術(shù)和嵌入式處理器技術(shù)在圖像采集卡中的應(yīng)用，使得圖像采集卡向高速度、多功能和模塊化方向不斷發(fā)展。這類圖像采集卡不僅具有高速圖像采集功能，同時還具備部分圖像處理功能，因此又可以稱之為圖像處理卡。

（四）標(biāo)定板

為提高測量精度，需要進(jìn)行攝像機標(biāo)定。標(biāo)定過程中，采用NANO公司的CBC75mm}.0型高精度標(biāo)定板，外形尺寸為75mmx75mmx3.0mm，圖形為棋盤格，其尺寸為2.0mmx2.0mm，精度為1級，即圖形尺寸精度與圖形位置精度為。

（五）背光源

背光方式只顯示不透明物體的輪廓，所以這種方式用于被測物需要的信息可以從其輪廓得到的場合。因此，為精確提取軸的圖像中的邊緣特征，需采用背光源。為使圖像邊緣更銳利，光源顏色選擇紅色。

五、結(jié)語

隨著計算機技術(shù)和光電技術(shù)的發(fā)展，已經(jīng)出現(xiàn)了一種新的檢測技術(shù)―基于計算機視覺的檢測技術(shù)，利用CCD攝像機作為圖像傳感器，綜合運用圖像處理等技術(shù)進(jìn)行非接觸測量的方法，被廣泛地應(yīng)用于零件尺寸的精密測量中。本文以面陣CCD為傳感器，研究了零件在線測量的方法，實現(xiàn)了零件尺寸的圖像邊緣亞像素定位測量，對面陣CCD在高精度測量方面的應(yīng)用作了進(jìn)一步的探索和研究，為面陣CCD在復(fù)雜零件尺寸高精度測量的實現(xiàn)打下了基礎(chǔ)。

計算機視覺論文:包裝條碼計算機視覺識別系統(tǒng)設(shè)計

摘要：隨著商品種類的不斷豐富和信息化管理手段的應(yīng)用普及，條形碼作為現(xiàn)代生產(chǎn)、物流和銷售各環(huán)節(jié)的重要信息化手段之一，它的應(yīng)用也日益廣泛，而且，隨著我國對食品和藥品安全問題的重視，條碼作為追溯碼也開始被用于食品藥品追溯領(lǐng)域。如何對條形碼中的信息進(jìn)行提取就變得非常重要了。本文在這樣的背景下針對乳品企業(yè)的產(chǎn)品可追溯問題，設(shè)計了一套可用于乳品追溯的包裝條碼計算機視覺識別系統(tǒng)。

關(guān)鍵詞：條碼；乳品包裝；條碼識別；計算機視覺

本系統(tǒng)硬件部分采用面陣攝像機、工控機構(gòu)成，軟件部分采用C#語言和OpenCV軟件進(jìn)行開發(fā)，采用EF Model（實體框架）作為程序框架，通過搭建好的視頻采集系統(tǒng)，利用外觸發(fā)啟動攝像機采集圖像，經(jīng)過圖像預(yù)處理、識別區(qū)域的檢測和定位后，提取出待識別圖像，對于待識別圖像中的條碼和數(shù)字，分別采用相似邊距離方法進(jìn)行一維碼識別、采用逐行掃描法進(jìn)行二維碼識別，并利用模型匹配進(jìn)行數(shù)字識別。

本系統(tǒng)可綜合識別條碼以及數(shù)字識別，實驗表明本系統(tǒng)具有較好的識別效率和識別精度，可以滿足一般條件下的包裝條碼計算機識別，并且已在乳品可追溯方面取得應(yīng)用。

1 概述

在數(shù)不勝數(shù)的新型計算機科學(xué)技術(shù)出現(xiàn)之后，條形碼技術(shù)儼然已經(jīng)成為了最為經(jīng)濟(jì)實用的一種自動識別技術(shù)。隨著時代的不斷發(fā)展和用戶需求的不斷擴展，各種各樣的商品出現(xiàn)在我們生活中[1]。雖然條形碼的技術(shù)發(fā)展的爐火純青，但是隨著條形碼的不斷變化和創(chuàng)新，識別包裝條形碼技術(shù)已然成為我們現(xiàn)在需要不斷研究的課題。

條形碼的出現(xiàn)無疑給我們的生活帶來了方便，但τ謖飧隹燜俜⒄溝氖貝，對其識別的技術(shù)的效率還需要我們進(jìn)行大量的研究和開發(fā)。這也是開發(fā)本系統(tǒng)的初衷。對于本系統(tǒng)來說，它既要滿足對條形碼的檢測，圖像提取，校正等功能的實現(xiàn)，又要實現(xiàn)所有程序自動化的功能。該系統(tǒng)主要應(yīng)用于對海河食品包裝的識別。該系統(tǒng)利用外觸發(fā)器，實現(xiàn)將視頻轉(zhuǎn)化到靜態(tài)圖片的功能，同時通過后臺處理快速地找到該靜態(tài)圖片中條形碼的位置并對提取的條形碼以圖片的形式存儲，然后對條形碼圖片進(jìn)行識別。

2 條形碼定位

2.1 圖像采集

采集方式是利用相機和觸發(fā)器采取圖像，DirectX以流的方式讀取播放視頻。

2.2 圖像預(yù)處理[2]

OpenCV現(xiàn)在利用Mat類來表示圖像，在此基礎(chǔ)上進(jìn)行圖像的灰度化處理[3]，在灰度處理基礎(chǔ)上，進(jìn)行圖像梯度化[4]。就是把圖像作為二維離散函數(shù)。梯度化過程就是對該函數(shù)求導(dǎo)的過程。圖像邊緣的確定大多都是通過圖像梯度化處理來實現(xiàn)的。梯度化方向[5]，分水平方向梯度計算和垂直方向梯度計算，或者是振幅計算。在進(jìn)行檢測前，還要使用Scharr算子先確定邊緣像素[6]的位置。接下來進(jìn)行圖像二值化，所有的像素點的像素值設(shè)置為0或者255。最后，采用開運算算法進(jìn)行形態(tài)化處理。

2.3 條碼檢測

本系統(tǒng)使用Vecor容器用于存放面積；findContours函數(shù)對二值圖像中的輪廓進(jìn)行檢測；Point用來表示坐標(biāo)為整數(shù)的二維點；Rect方法：用于提取旋轉(zhuǎn)的矩形圖案；angle檢查這個矩形的偏斜角度；將提取的矩形輪廓標(biāo)記在圖片上并剪截下來進(jìn)行保存。

2.4 二維碼提取

相對應(yīng)一維碼，二維碼在譯碼之前需要先對二維碼進(jìn)行分割，再進(jìn)行邊緣檢測。采用區(qū)域增長的方法修正邊界。二維碼是正方形形態(tài)，我們也要對其進(jìn)行圖形區(qū)域的旋轉(zhuǎn)處理，利用Hough變換來進(jìn)行處理利用二維圖像的投影變換。然后對拍攝的圖像進(jìn)行Hough變換，根據(jù)4條邊界線進(jìn)行位置旋轉(zhuǎn)。也可以使用仿射變換。即先對一個向量空間進(jìn)行一次線性變換并根據(jù)該變化做出相對性的平移，使其變成另一個向量空間。該變化方法包括水平的平移、圖像的縮放、圖像的旋轉(zhuǎn)等功能。

2.5 數(shù)字定位方法

商品包裝上的條碼一般都是預(yù)印刷的，許多商品的生成日期和使用日期也需要入庫進(jìn)行保存，但是由于條碼印刷成本較高，所以廠家通常采用的方式是以數(shù)字形式將商品的生成日期和使用日期印刷在包裝袋上。因而，本系統(tǒng)添加了數(shù)字識別功能。數(shù)字技術(shù)識別的主要核心字符分割技術(shù)：切割數(shù)字區(qū)域后，進(jìn)行字符的切割，由于該圖像還是灰度圖像，所以我們在切割前還要進(jìn)行一些圖像處理。具體過程：灰度拉伸、二值化、傾斜校正以及字符分割。圖像以海河牛奶的包裝袋為例。由于信息過多，一個條形碼無法將全部信息存儲，所以會在包裝正面的空白位置加些數(shù)字，以此來完善條形碼內(nèi)容不足的地方。

具體分割算法如圖1所示。將截取后的整個圖片進(jìn)行自上而下的逐行對比，提取黑色的字符部分，直到整幅圖像完畢。已列為高度基準(zhǔn)進(jìn)行掃描，進(jìn)行從左到右依次排查，直到全部圖片掃面完畢。由于印刷問題，數(shù)字區(qū)域可能有小圓點，采用的是比例方法運算將這些小點清除，把每個切割后的圖像的寬度均除以未切割前的圖像的寬度，設(shè)立一個最小的商值。如果小于該商值，將其以噪聲方式清除。最后對字符進(jìn)行了加框和歸一化處理。上述所切割的圖像大小是根據(jù)字符的最高和最低的值進(jìn)行的切割，所以我們得到的結(jié)果并不是很準(zhǔn)確，我們要將每個字符再進(jìn)行進(jìn)一步的確定，所以要多進(jìn)行幾次從第一個步驟到第三個步驟的運算。這樣我們得到的才是該字符的準(zhǔn)確范圍。

3 條形碼識別

3.1 一維碼識別

一維碼儲存的信息是由條和空的寬度以及所在的位置來傳遞的。以EAN-13碼為例。一維條形碼的條和空的數(shù)量越多，它就越寬，儲存的數(shù)據(jù)量就越多，由于一維碼是由條和空組成的，將信息變化成二進(jìn)制或者十進(jìn)制的數(shù)字。

本系統(tǒng)對于一維碼識別采用的方法是相似邊距離方法，利用相似法識別一維碼[6]：根據(jù)算法進(jìn)行字符的掃描和識別，定義：C1和C3表示相鄰條的寬度，C2和C4表示空的寬度，T表示整個字符的寬度，T1和T2為相似邊的距離。用算法取得值JTj（j=1，2）來進(jìn)行T1與T2的歸一化處理。

3.2 二維碼識別

二維碼是按照一定的規(guī)律在平面上分布的黑色與白色相間的圖形記錄符號。識別二位碼[7]需先定位圖案，再是功能性數(shù)據(jù)，識別由數(shù)據(jù)碼和糾錯碼共同組成的數(shù)據(jù)信息。

定位圖案：我們通常定位二維碼是根據(jù)左上角、右上角以及左下角三個位置定位的。以其中一個圖形為例，我們可以將其看作分別為7*7、5*5和3*3三個模塊。三個之間比例為1：1：3：1：1。掃描：用一個直線逐行掃描二維碼，該線被截為1：1：3：1：1時截取。誤差在0.5之間在列方向，也用相同的方法進(jìn)行二維碼定位掃描。我們通常定位二維碼是根據(jù)圖上的三個位置定位的。

3.3 數(shù)字識別

數(shù)字識別[8]部分已經(jīng)超出了我們圖像處理的范圍依據(jù)了，屬于模式識別，由于我們已經(jīng)對圖片進(jìn)行了分割，所以我們只需通過其特征進(jìn)行分類與識別。采用的是逐像素取法方法[9]，具體操作就是對圖片M行每行每列的依次查找，遇到的黑點時，將其像素值設(shè)為“1”，其他為“0”，全部掃描結(jié)束后，將提取的個數(shù)相同的像素，放在特征矩陣?yán)铩⑻卣餍畔ⅲ斎氲椒诸惼髦校M(jìn)行分類處理，從而得出結(jié)果。再進(jìn)行采取模塊匹配，事先做好海河包裝上的圖像中字符的圖像采集，然后建立一個圖片模板識別庫。當(dāng)我們進(jìn)行字符識別時，就將模板取出來依次對比，把與字符特征對比的結(jié)果的矢量求出加權(quán)距離。則最小的結(jié)果就是識別的結(jié)果。如圖2所示。

計算機視覺論文:計算機視覺技術(shù)在智能交通系統(tǒng)中的應(yīng)用

摘 要

近年來，經(jīng)濟(jì)的發(fā)展和人們生活水平的提升也使得人們的出行更加便捷，越來越多的人都是自己駕車出行，這樣導(dǎo)致公路上的交通流量不斷增加，如何保障交通的順暢性和安全性成為人們關(guān)注的重點問題。信息技術(shù)的發(fā)展推動了計算機視覺技術(shù)的出現(xiàn)，為交通安全性的提升提供了一定的保障。本文主要對計算機視覺技術(shù)進(jìn)行分析，進(jìn)一步探討計算機視覺技術(shù)在智能交通系統(tǒng)中的應(yīng)用。

【關(guān)鍵詞】計算機 視覺技術(shù) 智能交通 系統(tǒng) 應(yīng)用

智能交通系統(tǒng)簡稱ITS，這是一種新型的交通管理系統(tǒng)。該系統(tǒng)主要結(jié)合了信息化技術(shù)、計算機技術(shù)以及數(shù)據(jù)傳輸技術(shù)等多種技術(shù)，用來對整個交通運輸體系進(jìn)行管理，可以實現(xiàn)人、車、路的全面監(jiān)控和管理。計算機視覺藝術(shù)作為智能交通系統(tǒng)中的一個重要環(huán)節(jié)，受到相關(guān)工作人員的高度重視。隨著計算機視覺技術(shù)的發(fā)展，不僅為交通行業(yè)的發(fā)展提供了更多的便捷，同時還能夠篩選道路交通的各種信息，進(jìn)一步增強了智能交通系統(tǒng)的靈活性和準(zhǔn)確性。

1 計算機視覺技術(shù)的概述

計算機視覺也被稱為圖像分析和圖解理解，其包括的理論主要有攝影幾何學(xué)、概率論、圖像處理理論以及人工智能理論等部分。計算機視覺技術(shù)主要是用二維投影圖像實現(xiàn)三維物體重構(gòu)。這種技術(shù)的應(yīng)用范圍比較廣泛，不僅應(yīng)用于二維圖像識別方面，同時還用于三維物體的識別和重建上面。通過計算機視覺技術(shù)能夠獲取專業(yè)化的三維信息，對三維信息的獲取一般有兩種方法，其中一種是直接獲取法，還有一種是間接獲取法。直接獲取法主要是通過計算機視覺技術(shù)的效果來確定三維運動中產(chǎn)生的各種參數(shù)，這一過程對攝像機運動問題的關(guān)注程度較高；間接獲取的方式就是將單幅圖像和攝像機焦距相結(jié)合，來判斷被測量位置視覺上的信息。計算機視覺技術(shù)的關(guān)鍵就是實現(xiàn)特別匹配，在特殊情況下可以利用不同的攝像C同時收集運動信息，從而提高相關(guān)控制的精確度。

2 計算機視覺技術(shù)在智能交通系統(tǒng)中的應(yīng)用

計算機視覺技術(shù)在智能交通系統(tǒng)中的應(yīng)用可以實現(xiàn)道路交通的監(jiān)控，同時還能夠?qū)崿F(xiàn)自動收費、智能導(dǎo)航等功能，主要應(yīng)用有以下幾個方面的內(nèi)容。

2.1 交通監(jiān)控中對計算機視覺技術(shù)的應(yīng)用

基于計算機視覺技術(shù)的交通監(jiān)控系統(tǒng)主要分為三個步驟，首先是對車輛和行人進(jìn)行跟蹤和分割，其次是對車流量進(jìn)行分析和計算，并且計算車輛的平均速度和道路上車輛的隊列長度，最后根據(jù)道路的交通狀況來規(guī)劃形式線路，從而有效緩解道路交通擁堵的現(xiàn)狀，方便人們減少出行時間。車輛和行人作為道路中運動的主要目標(biāo)，在監(jiān)控場合下，需要對運動時間進(jìn)行有效分割，常用到的分割方式包括光流法和幀差法兩種，其中前一種分割方式主要是依據(jù)圖像中不同的運動用映射參數(shù)正確的表達(dá)，這樣可以將具有同樣映射參數(shù)的光流量進(jìn)行分配，從而完成參數(shù)分割。計算機視覺在交通監(jiān)控中的應(yīng)用主要是對車輛速度、車輛數(shù)目、車輛分類進(jìn)行檢測。隨著計算機通信技術(shù)的發(fā)展，計算機視覺技術(shù)也是日新月異，基于計算機視覺的交通監(jiān)控系統(tǒng)具有較強的實時工作性，能夠快速的適應(yīng)高度公路以及城市道路交通的監(jiān)控。

2.2 車輛導(dǎo)航中對計算機視覺技術(shù)的應(yīng)用

實現(xiàn)車輛的智能導(dǎo)航是計算機視覺技術(shù)在智能交通中應(yīng)用的典型案例。這種技術(shù)主要為駕駛?cè)藛T提供道路信息和車輛運行狀況兩大信息。通過車輛智能導(dǎo)航系統(tǒng)的運行能夠?qū)Φ缆穬蛇叺慕缦捱M(jìn)行有效的識別，將車輛引向規(guī)定的行駛車道，在車輛行駛過程中，該系統(tǒng)能夠自動檢測車輛與前方其他車輛之間的距離，從而提醒駕駛?cè)藛T保持車輛的安全距離，最終實現(xiàn)安全導(dǎo)航駕駛。通過該系統(tǒng)的攝像機運動能夠識別其他車輛的行駛狀況，并且通過計算檢測點的方式計算車輛的模擬匹配點。車倆智能導(dǎo)航系統(tǒng)中就使用了計算機視覺技術(shù)，可以從中提取相關(guān)信息，計算車輛行駛的安全距離和速度。

2.3 計算機視覺技術(shù)用于車輛輔助駕駛

計算機視覺技術(shù)在車輛輔助駕駛中的應(yīng)用主要是幫助駕駛?cè)藛T對外界的變化做出反應(yīng)。具體表現(xiàn)為車輛在市內(nèi)行駛時，計算機視覺技術(shù)的應(yīng)用能夠識別周邊道路的標(biāo)記，并且對交通標(biāo)志、其他車輛和行人進(jìn)行識別，然后篩選相關(guān)信息進(jìn)行計算，讓駕駛?cè)饲宄饨绲木唧w狀況，從而避開其他的車輛和行人，能夠從根本上減少交通事故的發(fā)生，增強車輛的安全運行。輔助駕駛的形式轉(zhuǎn)變?yōu)槿藱C交互的方式，一定程度上能夠滿足駕駛?cè)藛T對信息的需求。

2.4 計算機視覺技術(shù)用于車輛智能收費

車輛收費是車輛在公共交通位置行駛中的一個關(guān)鍵環(huán)節(jié)。隨著科學(xué)技術(shù)的發(fā)展，車輛收費系統(tǒng)逐漸向著計算機技術(shù)的應(yīng)用方向發(fā)展，計算機視覺技術(shù)在各地區(qū)交通發(fā)展中的應(yīng)用是現(xiàn)代化交通發(fā)展的一個重要突破口。很多地區(qū)的智能化收費都是通過識別車牌的方式來實現(xiàn)收費，我國在車牌識別這方面僅僅限制于單目車牌和雙目車牌的識別，其中單目車牌識別的核心就是將車牌照位置作為核心部分，我國大部分地區(qū)都是將單目系統(tǒng)作為核心部分來使用。采用雙目系統(tǒng)對車牌進(jìn)行識別，也可以對車輛的型號進(jìn)行識別，通過大量的實踐發(fā)現(xiàn)，雙目系統(tǒng)進(jìn)行車牌識別的實用性較強。但是這種識別方式在實際應(yīng)用過程中仍然存在著信息獲取難度大、車牌照定位難度大等多種問題，尤其是車輛在高速路上行駛時，對于車牌信息的獲取更為困難，因此，在這方面還需要加大研究和實踐。

3 結(jié)束語

隨著計算機視覺技術(shù)的智能化發(fā)展，其在智能交通系統(tǒng)中的應(yīng)用能夠解決多方面的問題。該技術(shù)的應(yīng)用不僅能夠?qū)崿F(xiàn)車輛的實時監(jiān)控，同時還能夠?qū)崿F(xiàn)車輛導(dǎo)航以及車輛收費，幫助駕駛?cè)藛T識別車輛行駛中存在的障礙物，這樣一來，可以增強車輛行駛的安全性，同時還能夠提高我國道路交通系統(tǒng)的整體管理水平。但是該技術(shù)應(yīng)用中也存在不足之處，未來發(fā)展中需要降低視覺系統(tǒng)的價格，減少系統(tǒng)的尺寸，從而增強系統(tǒng)對車輛信息的處理速度，最終實現(xiàn)對道路交通的全面監(jiān)測。

計算機視覺論文:淺析計算機圖形學(xué)、計算機視覺與可視化技術(shù)

摘 要：在科技的帶動下，計算機圖形學(xué)、計算機視覺與可視化技術(shù)得以快速發(fā)展，并被應(yīng)用到各個領(lǐng)域，隨著它們的應(yīng)用，極大的推動了現(xiàn)代社會發(fā)展。為進(jìn)一步了解這些技術(shù)，充分發(fā)揮其應(yīng)有作用，本文將對計算機圖形學(xué)、計算機視覺以及可視化技術(shù)展開研究，希望能為相關(guān)人士帶來有效參考。

關(guān)鍵詞：計算機圖形學(xué)；計算機視覺；可視化技術(shù)

計算機圖形學(xué)、計算機視覺以及可視化技術(shù)三者均是計算機領(lǐng)域重要組成部分，要做好計算機知識，就要先學(xué)好計算機圖形學(xué)，但計算機圖形學(xué)學(xué)習(xí)相對枯燥，尤其是算法教學(xué)難以理解，為解決這一問題，計算機視覺與可視化技術(shù)被應(yīng)用到計算機圖形學(xué)中。可見，三者之間存在一定的聯(lián)系，因此，有必要對計算機圖形學(xué)、計算機視覺以及可視化技術(shù)展開研究。

1 計算機圖形學(xué)概述

1.1 計算機圖形學(xué)目的

所謂的計算機圖形學(xué)實際上就是怎樣利用計算機表示圖形，并利用計算機完成圖形計算與處理，而這一過程的實現(xiàn)需要得到相關(guān)算法的支持。學(xué)習(xí)計算機圖形學(xué)的目的是利用計算機技術(shù)為人們呈現(xiàn)既帶有美感又不缺真實的圖形（如下圖1所示），為實現(xiàn)這一目標(biāo)，就需要按照圖形的要求創(chuàng)設(shè)合適的場景，并在一些光照模型的作用下，做好光照效果設(shè)計，在這一過程中需要計算機圖形學(xué)能夠與其他計算機技術(shù)相配合。經(jīng)過計算機圖形學(xué)出來的圖像，多會以數(shù)字圖像的方式展示出來，總的來說，計算機圖形學(xué)與圖像處理之間存在著一定的聯(lián)系[1]。計算機圖形學(xué)的涉及范圍相對寬泛，不僅有圖形硬件設(shè)計，還包括動畫制作，虛擬現(xiàn)實等多個部分。此外，計算機圖形學(xué)在動畫制作中的應(yīng)用頻率也很高，如45分鐘一集的動畫影片中，85%的畫面都需要用算機圖形學(xué)來完成，由此可見，計算機圖形學(xué)的應(yīng)用頻率極高，并在動畫制作中發(fā)揮著不可替代的作用。因此，應(yīng)重視計算機圖形學(xué)的應(yīng)用。

1.2 計算機圖形學(xué)應(yīng)用

隨著計算機圖形學(xué)的發(fā)展，它被應(yīng)用到各個領(lǐng)域中，并發(fā)揮著重要作用。首先，在計算機輔助設(shè)計與制造中的應(yīng)用，這是計算機圖形學(xué)應(yīng)用最多的領(lǐng)域，在計算機圖形學(xué)被應(yīng)用以后，不僅可以設(shè)計出更精準(zhǔn)的圖形，還能做好人機交互設(shè)計，強化修改能力。計算機圖形學(xué)還被應(yīng)用到三維形體重建中，利用該技術(shù)可以將原理的二維信息轉(zhuǎn)化為三維信息，如在某次工程圖紙設(shè)計中就應(yīng)用了計算機圖形學(xué)，經(jīng)過一系列的處理以后，三維形體逐漸形成，最終實現(xiàn)了重建。其次，在醫(yī)學(xué)領(lǐng)域中的應(yīng)用。計算機圖形學(xué)在醫(yī)學(xué)領(lǐng)域中的應(yīng)用多以計算可視化的形式展示出來，如在腦部手術(shù)中，醫(yī)生為看清患處真實情況，經(jīng)常需要利用在可視化技術(shù)的作用下將復(fù)雜的數(shù)據(jù)轉(zhuǎn)化為圖像，這時就體現(xiàn)了計算機圖形學(xué)在其中的應(yīng)用[2]。再者，在計算機動畫中的應(yīng)用，人們看到的動畫影片就是計算機圖形學(xué)作用的結(jié)果，以動畫人物的行走為例，為保證動畫人物的行走與自然人不存在過大差異，就需要應(yīng)用大量的計算機技術(shù)，并在計算機圖形學(xué)的作用下完成設(shè)計。最后，在計算機藝術(shù)中的應(yīng)用。計算機圖形學(xué)在計算機藝術(shù)中也有廣泛應(yīng)用，它不僅可以用于藝術(shù)制作，很多場景都是通過計算機圖形學(xué)來完成的，現(xiàn)階段，一些人正在利用計算機圖形學(xué)創(chuàng)設(shè)人體模擬系統(tǒng)，其目的是讓已故人士再次出現(xiàn)在熒屏上，這一目標(biāo)的實現(xiàn)就需要得到計算機圖形學(xué)的支持。

2 計算機視覺技術(shù)

2.1 計算機視覺技術(shù)含義

所謂的計算機視覺技術(shù)，實際上就是用計算機取代人眼做識別、跟蹤以及測量等，同時也兼顧圖形處理，其目的是讓圖像在計算機被處理以后更適于識別。對于計算機視覺技術(shù)來說，意在實現(xiàn)人工智能，主要是從圖像與多維數(shù)據(jù)等方面實現(xiàn)人工智能系統(tǒng)設(shè)計[3]。計算機視覺是一種在相關(guān)理論與模型基礎(chǔ)上發(fā)展起來的視覺系統(tǒng)，其主要構(gòu)成部分有以下幾種：

（1）程序控制，這一點主要體現(xiàn)在機器人設(shè)計上；（2）事件檢測，多體現(xiàn)在圖像監(jiān)測上；（3）信息組織，主要體現(xiàn)在圖像數(shù)據(jù)庫等方面。計算機視覺三個階段如圖2所示，通過觀察圖1可以發(fā)現(xiàn)，計算機視覺存在于圖像處理始終，從早期處理直到后期結(jié)束都存在，最終實現(xiàn)了3D描述，可見，計算機視覺具有十分重要的作用[4]。

2.2 計算機視覺技術(shù)的應(yīng)用

現(xiàn)階段，現(xiàn)代社會已經(jīng)進(jìn)入信息化時代，計算機技術(shù)也被應(yīng)用到各個領(lǐng)域，并發(fā)揮著重要作用。計算機視覺的應(yīng)用促使計算機實現(xiàn)了智能化，在該技術(shù)的支持下，計算機可以像人一樣透過視覺看待世界萬物，且具有良好的適應(yīng)能力，但這一目標(biāo)的實現(xiàn)還需要很長時間，需要一系列的努力才能實現(xiàn)。現(xiàn)階段，計算機視覺應(yīng)用最多的就是車輛視覺導(dǎo)航，然而，這種導(dǎo)航還沒有實現(xiàn)完全自主導(dǎo)航，這也是需要進(jìn)一步研究的地方。計算機視覺技術(shù)的適應(yīng)性較好，特別適合在工業(yè)領(lǐng)域應(yīng)用，即便是存在電子在干擾或溫度變化較大的地方都能很好的運行，其整體效果也不會受到影響，再者，計算機視覺技術(shù)的嵌入性較好，成本相對較低，尤其適合在PC方案中使用，同時，具有一定的非接觸能力，能夠獲取大量信息，且不受距離限制，總的來說，計算機視覺技術(shù)總體效果較好，適合利用在各種工業(yè)環(huán)境中應(yīng)用，因此，應(yīng)重視計算機視覺技術(shù)的應(yīng)用[5]。同時計算機視覺還被應(yīng)用到移動機器人設(shè)計中，主要是利用小波模板展示人體形態(tài)，然后做圖像掃描，這樣就可以順利完成小波變換，進(jìn)而了解到人的存在。同樣，將計算機視覺應(yīng)用到機器人設(shè)計上，可以自動檢測出正在行動的人或車輛，而無法檢測到靜止的人，之所以會出現(xiàn)這樣情況，主要是由于其中采用率步態(tài)分析法。

3 可視化技術(shù)

3.1 可視化技術(shù)含義

可視化技術(shù)是一種綜合了計算機圖形學(xué)與圖像處理于一體的技術(shù)，它可以將復(fù)雜的數(shù)據(jù)轉(zhuǎn)化為圖像并在屏幕上展示出來。在可視化技術(shù)中，融合了以上兩種技術(shù)的特點，并在多個領(lǐng)域都有應(yīng)用，隨著可視化技術(shù)的應(yīng)用，不僅有效實現(xiàn)了數(shù)據(jù)表示，還強化了數(shù)據(jù)處理能力，更對數(shù)據(jù)決策分析有一定作用[6]。現(xiàn)階段，虛擬現(xiàn)實技術(shù)已經(jīng)成為可視化技術(shù)主要發(fā)展方向。

3.2 可視化技術(shù)的應(yīng)用

首先，在計算機圖形學(xué)教學(xué)中的應(yīng)用，計算機圖形學(xué)相對枯燥，相關(guān)知識也很抽象，不便于學(xué)生理解，在計算機圖形學(xué)中最重要的部分是曲線曲面，而這些曲線曲面多是與數(shù)學(xué)模型有關(guān)，具有一定的抽象性，學(xué)生理解難度較大，以往教師只能通過一系列的公式演算幫助學(xué)生理解，盡管這樣依然難以讓學(xué)生掌握曲線變化情況，學(xué)生依舊無法正確理解。為減少這種情況的發(fā)生，可視化技術(shù)被應(yīng)用到計算機圖形學(xué)教學(xué)中，教師將抽象的知識用動畫的形式展示出來，學(xué)生只要觀看動畫，拖動一定的控制點就可以了解到曲線變化情況，這樣一來不僅增加了教學(xué)趣味性，學(xué)生也可以隨意變動曲線，讓復(fù)雜的知識變得簡單，深化學(xué)生對計算機圖形學(xué)知識的深度理解，同時，利用可視化技術(shù)在一定條件下，還可以完成代碼編譯，如在Actoin ScriPt中做編譯，這樣也可以增強學(xué)生的理解能力[7]。

其次，在醫(yī)學(xué)領(lǐng)域中的應(yīng)用。醫(yī)學(xué)領(lǐng)域?qū)τ诳梢暬夹g(shù)的應(yīng)用主要體現(xiàn)在放射治療與矯正手術(shù)上。通過可視化技術(shù)可以屏幕上看到手術(shù)整個過程，并將原來細(xì)節(jié)部位放大，手術(shù)醫(yī)生觀察的更加細(xì)致，手術(shù)成功幾率也會大幅度提升，患者生命也能得到保證（如圖3所示）。如在對某名患者進(jìn)行身體檢查的過程中需要應(yīng)用到可視化技術(shù)，由于通過檢查會獲得大量數(shù)據(jù)，而這些數(shù)據(jù)又相對復(fù)雜，但在可視化技術(shù)下就可以通過圖表、曲線圖或立柱圖的方式展示出來，經(jīng)過可視化技術(shù)的作用，了解到患者的血糖為5.6mmol/L，醫(yī)生可以根這一數(shù)據(jù)做出診斷，而不必再分析這些數(shù)據(jù)。據(jù)不完全統(tǒng)計，80%的醫(yī)療檢查工作都是需要利用可視化技術(shù)。

地質(zhì)勘探是我國最重要的工作之一，由于多數(shù)礦藏都深埋地下，即便使用探測儀受多種因素影響也無法了解到實際礦藏情況，這就需要應(yīng)用到可視化技術(shù)，在可視化技術(shù)的作用下，相關(guān)工作人員可以了解到地下有無礦藏，如果存在礦藏，相關(guān)工作人員也可以了解到礦藏所在位置與實際儲備量，進(jìn)而為礦藏開采奠定基礎(chǔ)。如在地質(zhì)勘探中，相關(guān)工作人員利用可視化技術(shù)做地形圖整理，然后從中提取地形數(shù)據(jù)，再用CATIA做導(dǎo)入，這樣就可以完成地形模型創(chuàng)建，這樣就完成了三維地質(zhì)模型創(chuàng)建工作，同時在相關(guān)工作臺的影響下，還可以完成地形數(shù)據(jù)導(dǎo)入，進(jìn)而生成一定的地形云點，如果其中存在錯誤，可視化技術(shù)也可以將其中的錯誤內(nèi)容刪除，這些都是可視化技術(shù)所帶來的好處[8]。由此可見，可視化技術(shù)已經(jīng)成為地質(zhì)勘探中不缺少的技術(shù)。

最后，在氣象預(yù)報中的應(yīng)用（如圖4所示）。利用可視化技術(shù)能夠?qū)?shù)據(jù)轉(zhuǎn)化為圖像，通過觀察圖像就可以了解到云層變化情況，同時也能了解到實際風(fēng)力大小與風(fēng)走向等，氣象預(yù)報人員就可以根據(jù)圖像做出精準(zhǔn)分析，需要了解氣象變化的人也能了解到現(xiàn)實情況，如果氣象條件惡劣，相關(guān)工作人員也可以及時做出工作調(diào)整，減少危險事件的發(fā)生。據(jù)不完全統(tǒng)計，可視化技術(shù)在氣象預(yù)報中的應(yīng)用頻率高達(dá)100%，由此挽回的經(jīng)濟(jì)損失高達(dá)13.2億元，可見，可視化技術(shù)在氣象預(yù)報中的應(yīng)用十分有必要，因此，應(yīng)重視可視化技術(shù)在氣象預(yù)報中的應(yīng)用。

4 結(jié)語

通過以上研究得知，計算機圖形學(xué)、計算機視覺以及可視化技術(shù)三者各具特色，三者間也存在一定的關(guān)系，尤其是可視化技術(shù)綜合了前兩者的特點，并融合了其他技術(shù)，在很多領(lǐng)域中都有應(yīng)用。可視化技術(shù)是現(xiàn)階段應(yīng)用最多的一種技術(shù)，在計算機圖形學(xué)教學(xué)中也有應(yīng)用，并發(fā)揮著不可替代的作用。本文分析了計算機圖形學(xué)、計算機視覺以及可視化技術(shù)的含義與應(yīng)用，希望能為相關(guān)人士帶來有效參考，正確利用這些技術(shù)。

計算機視覺論文:淺談OpenCV計算機視覺庫

摘 要：用C、C++、Java等計算機語言編一個圖像識別程序，常常需要借助一些圖像處理的工具庫，OpenCV就是其中之一，使用OpenCV要比使用計算機應(yīng)用軟件困難，需要前期復(fù)雜的準(zhǔn)備工作，如果了解了OpenCV與其他圖像處理應(yīng)用軟件的區(qū)別、學(xué)習(xí)OpenCV的基礎(chǔ)、運行環(huán)境、圖像操作原理以及OpenCV文檔包含的內(nèi)容，學(xué)習(xí)和使用OpenCV就會容易很多。

關(guān)鍵詞：圖像處理 OpenCV C

圖像識別技術(shù)已經(jīng)應(yīng)用到生活中的許多方面。文字識別系統(tǒng)，直接把圖片上的文字掃描成文本文檔格式。人臉識別技術(shù)已經(jīng)用到了智能手機之中，現(xiàn)在的手機解鎖可以直接使用人臉識別。指文圖像識別的應(yīng)用更為廣泛，如辦理身份證、入學(xué)考試、駕照等用來確認(rèn)身份。百度、Google、蘋果等公司研究的無人駕駛汽車，將該技術(shù)用于對障礙物、路標(biāo)、行人及其他車輛的判斷。道路交通監(jiān)控系統(tǒng)中，系統(tǒng)自動檢索違規(guī)車輛，并對車輛的車牌等信息進(jìn)行識別。通過車牌提取、圖像預(yù)處理、特征提取、車牌字符識別等技術(shù)，識別車輛牌號，目前，字母和數(shù)字的識別率可達(dá)96%，漢字的識別率可達(dá)95% [1-2]。所有的這些都用到了圖像識別功能，要編寫圖像識別程序使用OpenCV是一個不錯的選擇。

1 OpenCV簡介

OpenCV是Intel公司于1999年推出的一種面向圖像處理的開源計算機視覺庫，其中，OpenCV是Open Source Computer Vision Library的縮寫，如今由Willow Garage提供支持，其中包括了3個版本OpenCV1、OpenCV2、OpenCV3，除了OpenCV1現(xiàn)在很少使用外，其他兩個版本已經(jīng)有了很多改進(jìn)的版本。OpenCV有開源的函數(shù)庫，可以滿足不同領(lǐng)域的圖像處理需求，使用時以函數(shù)調(diào)用的形式提供給用戶，也可以對其代碼進(jìn)行改進(jìn)，便于用戶實驗教學(xué)或程序開發(fā)使用。

2 OpenCV的特點

（1）開源。OpenCV是一個開源的圖像處理函數(shù)庫，無論是商業(yè)應(yīng)用，還是做科學(xué)研究，完全是免費的，與Linux類似它的源代碼也是公開的，這樣程序的安全性就得到保障，OpenCV的函數(shù)庫是用C語言和C++語言進(jìn)行編寫的，源代碼可讀性比較高，發(fā)現(xiàn)其中不足之可以自行進(jìn)行修改，避免編譯后的可執(zhí)行文件出現(xiàn)漏洞。

（2）跨平臺。OpenCV是一個基于BSD許可（開源）發(fā)行的跨平臺計算機視覺庫，可以運行在Windows、Linux、Mac OS和嵌入式等操作系統(tǒng)上[3]。

（3）應(yīng)用領(lǐng)域廣。OpenCV圖像處理可以使用到多個領(lǐng)域當(dāng)中，包括生物醫(yī)學(xué)、工業(yè)、軍事安防、機器視覺、航空航天等。目前已知OpenCV編程系統(tǒng)在航空航天定位、衛(wèi)星地圖繪制、工廠大規(guī)模生產(chǎn)視覺檢測等方面得到了廣泛的應(yīng)用，同時對于無人飛行器的視覺捕捉技術(shù)也有極大的幫助[4]。

（4）支持多種語言進(jìn)行開發(fā)。OpenCV中包括了多種編程語言的接口，其中支持的編程語言包括C、C++、C#、Java、Python等。

3 OpenCV與圖像處理應(yīng)用軟件

在計算機學(xué)習(xí)中也會學(xué)到一些其他的圖像處理軟件，如Photo Shop、Windows畫圖工具等在計算機中使用的圖像處理工具。在手機中有一個比較流行的軟件，在拍好照片后可以對個人照片進(jìn)行智能美化，這些軟件都是應(yīng)用軟件缺少編程需要的接口，這些軟件處理圖像后只是給出結(jié)果，無法取到程序處理所需要的中間參數(shù)，只能局限于最后的結(jié)果展示，如果只是單純的圖像制作， Photo Shop類的圖像處理工具已經(jīng)足夠了。但是對于圖像識別、機器視覺等，需要對圖像內(nèi)容做出判斷，用類似于Photo Shop這樣的圖像處理軟件就無法完成了，因為無法集成到所編寫的程序當(dāng)中。OpenCV是一個圖像處理函數(shù)庫，其中包涵了對于計算機操作系統(tǒng)和計算機語言編譯平臺支持的API接口以及源碼庫，可以在編寫的程序中去處理圖像，不但可以得到圖像處理后的結(jié)果，還可以對圖像中間的處理過程進(jìn)行控制，可以對圖像中的內(nèi)容用自己編寫的程序代碼進(jìn)行判定，實現(xiàn)識別操作。

4 學(xué)習(xí)OpenCV的基礎(chǔ)

C和C++語言在工科類專業(yè)中一般設(shè)置必修課程，C語言常作為一門基礎(chǔ)的編程語言來教，有的學(xué)生覺得C比較容易，有的學(xué)生感覺比較難，這個取決于每個人對計算機語言的理解能力與對計算機語言的興趣，C和C++的區(qū)別在于C++增加了類，支持面向?qū)ο缶幊獭Ｐ掳鍻penCV函數(shù)庫是基于C++的，打開源代碼的文件夾可以看到許多以.cpp結(jié)尾的C++代碼文件，所以對于C和C++的掌握情況直接關(guān)系到對OpenCV的學(xué)習(xí)。

5 OpenCV的運行環(huán)境

在學(xué)習(xí)每種計算機語言之前都要對每種計算機語言的IDE（Integrated Development Environment，集成開發(fā)環(huán)境）進(jìn)行安裝和配置，集成開發(fā)環(huán)境不只是用來編輯程序代碼，還包括了對代碼的編譯、調(diào)試與運行等。如Java語言，在Windows操作系統(tǒng)中Java語言最簡單的編輯環(huán)境是記事本，對于Java的編譯與運行需要用到命令窗調(diào)用所安裝JDK（Java Development Kit，Java開發(fā)包）中的編譯程序與運行環(huán)境，如果是集成的IDE，如Eclipse、MyEclipse等，點擊IDE上的運行或是調(diào)試按鈕，就可以在IDE中的結(jié)果輸出窗口上直接查看運行結(jié)果。OpenCV是用C和C++語言所編寫的圖像處理函數(shù)庫，它沒有自己獨立的IDE，所以它需要借助其他編程語言的IDE進(jìn)行編寫和調(diào)用，如Microsoft Visual Studio、QT Creator等。

配置開發(fā)環(huán)境是學(xué)習(xí)OpenCV中重要的一步，但是這個過程相對于初學(xué)者來說有些復(fù)雜。首先，要從網(wǎng)上下載并安裝計算機語言的開發(fā)環(huán)境，如微軟的Visual Studio、QT集成開發(fā)環(huán)境等。其次，下載并安裝OpenCV的安裝包，安裝OpenCV是一個解壓的過程。下一步，就是對開發(fā)環(huán)境的配置，其中要對系統(tǒng)變量、包含目錄、附加依賴項進(jìn)行配置。然后進(jìn)行調(diào)試運行。在對開發(fā)環(huán)境配置時，為保證OpenCV庫與本地開發(fā)環(huán)境兼容性更好，最好使用CMaker（Cross Platform Make）在本地環(huán)境中對OpenCV源代碼重新編譯。

6 OpenCV中的Hello World

在學(xué)習(xí)C或是java語言時，常常會有一個重要的標(biāo)志就是‘Hello World！’，標(biāo)志著系統(tǒng)配置完成并且整個IDE環(huán)境運行正常，編譯系統(tǒng)成功的編譯了所寫的代碼，并且在操作系統(tǒng)中執(zhí)行成功。OpenCV中這個標(biāo)志有所不同，它的‘Hello World！’是在IDE中寫好代碼后，調(diào)用OpenCV中的函數(shù)打開一幅代碼中指定的圖片并顯示到新建的窗口中，標(biāo)志著IDE中的參數(shù)是正確的，這是進(jìn)行圖像操作的重要一步。

7 OpenCV圖像像素操作

對于數(shù)值的計算是第一步一般輸出一個結(jié)果，在學(xué)任何一門計算機語言時會有一個很好的例子“計算器”，那圖像如何去表示？其實圖像是多個結(jié)果的一個集合，就像在C語言中打出星號所組成的菱形，每一個星號可以比喻成一個圖像中的像素點。對于圖像處理過程中常常見到的有3種：第一種，RGB圖像，彩色的圖像，每個像素點由3個數(shù)值表示。第二種，灰度圖像，像以前的黑白電視機，每個像素點由一個數(shù)值就可以表示。第三種，二值圖像，每個像素點由一個數(shù)值表示。在OpenCV中有多種方法可以對圖像進(jìn)行操作，其中比較方便的就是利用cv：：Mat類，對圖像進(jìn)行打開、顯示、修改和保存，這也是進(jìn)行圖像操作的重要一步。

8 OpenCV的文檔

大家在OpenCV官網(wǎng)提供的文檔中可以得到更多幫助。在OpenCV的文檔中包括了對組件結(jié)構(gòu)的介紹，了解OpenCV的組件結(jié)構(gòu)對學(xué)習(xí)OpenCV是十分有利的，該介紹包括了一系列的動態(tài)或靜態(tài)庫，如矩陣數(shù)組的定義、圖像處理模塊包含的內(nèi)容、視頻分析所需要的算法、基本的多視覺算法、外部特征的檢測類、物體的檢測類、UI類的使用、圖像算法的硬件加速等，在編寫代碼時可以查找其類中對象所包含成員和方法。一些OpenCV圖書所帶的光盤中或互聯(lián)網(wǎng)上網(wǎng)友提供的圖像處理代碼，由于編程使用的操作系統(tǒng)或編譯環(huán)境不同，有些代碼會包含未知的頭文件或者缺少頭文件，代碼本身并沒有錯誤，但總是編譯出錯，了解了這些知識后在編程時，有利于定位在程序中所引用的文件所屬的位置，從而有效地處理文件引用出現(xiàn)的問題。

無論對什么樣的物體進(jìn)行識別，圖像識別過程基本是不變的，包括：圖像預(yù)處理、圖像分割，特征提取、判斷匹配、輸出結(jié)果。圖像預(yù)處理中會用到圖像的灰度化、圖像的二值化、去除圖像的噪聲等算法。特征提取中會用到圖像變換、圖像邊緣檢測等算法。判斷匹配中用到直方圖、投影等算法。圖像分割有3種：基于閾值的分割、基于區(qū)域分割、基于邊緣的分割[5]。在OpenCV的文檔中都詳細(xì)提供了基本算法類的定義與方法，通過OpenCV的代碼庫中的基本算法類或幾個基本算法類的組合可以實現(xiàn)以上所列算法的所有功能。

9 結(jié)語

據(jù)統(tǒng)計，一個人獲取的信息大約有75%來自視覺。在工業(yè)4.0的時代里機器也需要有自己的視覺系統(tǒng)，基于圖像處理的機器視覺在人工智能領(lǐng)域會得到更廣泛的應(yīng)用，如：無人駕駛汽車、智能機器人、智能安防系統(tǒng)等。OpenCV是一個進(jìn)入這些行業(yè)的重要工具之一，圖像處理的學(xué)習(xí)過程是一個循序漸進(jìn)的過程，希望學(xué)習(xí)者在OpenCV的基礎(chǔ)上提高對于圖像處理的認(rèn)識及對圖像處理的技術(shù)水平。

計算機視覺論文:基于計算機視覺的實時車輛運動速度檢測算法研究

摘 要： 在對比了傳統(tǒng)運動車輛實時檢測方法的基礎(chǔ)上，提出了一種新的G?C二重差分法，將視頻流中的某一當(dāng)前幀與背景幀進(jìn)行邊緣檢測，將兩幀的結(jié)果相減，得到梯度差分，再將此結(jié)果與背景顏色差分結(jié)果進(jìn)行“或”運算，提高了車輛存在判斷的準(zhǔn)確度，此算法可以準(zhǔn)確檢測出路面運動車輛存在同時有效消除車輛陰影的影響，為后續(xù)車輛運動速度的實時檢測提供了有力保證。基于運動車輛檢測的結(jié)果，在VC環(huán)境下進(jìn)行了編程實現(xiàn)，自動檢測出運動車輛的實時速度，測試結(jié)果表明該算法效果很好。

關(guān)鍵詞： 計算機視覺； 車輛檢測； 速度檢測； 消除車輛陰影

0 引 言

計算機視覺（Computer Vision）主要研究如何運用照相機和計算機獲取被拍攝對象的數(shù)據(jù)與信息，形象的說，就是給計算機安裝上“眼睛”（照相機）和“大腦”（算法）。目前，計算機視覺技術(shù)的應(yīng)用領(lǐng)域十分廣泛，其在道路交通管理中的應(yīng)用更是取得了很好的效果。隨著科學(xué)技術(shù)的飛速發(fā)展，現(xiàn)代交通在經(jīng)濟(jì)發(fā)展中所起的作用越來越大，而交通現(xiàn)代化帶來的問題也越來越多，諸如交通擁擠、交通事故頻發(fā)、交通環(huán)境惡化等。在這樣的大背景下，智能交通系統(tǒng)（Intelligent Traffic System，ITS）作為一種強有力的交通管理手段應(yīng)運而生，其高效率的管理特點使其成為當(dāng)今世界道路交通管理的發(fā)展趨勢，而計算機視覺技術(shù)則是ITS的重要技術(shù)支持。

實時車輛運動速度檢測是ITS對交通實施監(jiān)測和管理的重要一環(huán)，對車輛速度的檢測一方面可以監(jiān)控超速等違章問題，減少交通事故的發(fā)生，另一方面可以根據(jù)車速判斷道路擁擠程度，進(jìn)而迅速采取措施，保證道路交通的安全和暢通，從而實現(xiàn)智能交通管理的目的。在上一代ITS中，實時車輛運動速度檢測的方法主要有線圈檢測、激光檢測、雷達(dá)檢測等，這些速度檢測方法多多少少都存在一定的問題，如容易受路基狀況、自然環(huán)境等的影響精度降低，而在新一代ITS中基于計算機視覺的車輛速度檢測法則大大提高了測速的精度，這有賴于計算機有一個“超強大腦”，即好的算法。

1 運動車輛的檢測

運動車輛的檢測是實時運動車輛速度檢測的基礎(chǔ)，使計算機能夠自動的把相機攝取的視頻里的靜止物體與運動物體區(qū)別開，并且自動提取出運動物體。所以，在研究實時車輛速度檢測算法前，先要研究運動車輛的檢測算法。

1.1 現(xiàn)有運動目標(biāo)檢測方法比較

目前，常用的運動車輛實時檢測方法主要有幀間差分法和背景差分法。

1.2.2 預(yù)處理幀的顏色差分

由于無論車身像素值是否低于路面像素值，其梯度邊緣必然存在，而交通路面一般都很平坦，除了車道線外檢測不到邊緣，將當(dāng)前幀與路面背景模型均進(jìn)行邊緣檢測，再將兩個邊緣圖像按式（8）做差得到運動物體的邊緣梯度差分圖像：

3 實驗結(jié)果與分析

筆者用實際拍攝的視頻圖像對上述算法進(jìn)行了試驗測試，實驗時模擬實際交通攝像機的安裝情況，使其固定不動，計算機處理的速度約為20 f/s。首先將視頻中的某一幀進(jìn)行邊緣檢測，與背景做梯度差分，并與背景顏色差分的結(jié)果進(jìn)行“或”運算，最后對圖像去噪并二值化，通過測試多種路況、天氣和光照條件，試驗結(jié)果顯示該算法可以在陽光充足、遇到物體陰影明顯的情況下準(zhǔn)確地將運動車輛從視頻的背景中提取出來，并能準(zhǔn)確檢測出車輛的速度，如圖3所示。

4 結(jié) 語

計算視覺的應(yīng)用提高了智能交通系統(tǒng)的準(zhǔn)確性，本文在對比了傳統(tǒng)運動車輛實時檢測方法的基礎(chǔ)上，提出了一種新的運動車輛實時速度檢測算法，此算法與傳統(tǒng)的算法相比，可以更加準(zhǔn)確地檢測出路面運動車輛的存在，同時有效消除車輛陰影的影響，為后續(xù)車輛運動速度的實時檢測提供有力保證。基于運動車輛檢測的結(jié)果，進(jìn)行編程實現(xiàn)，可以自動檢測出運動車輛的實時速度，測試結(jié)果表明該算法效果很好。

計算機視覺論文:基于計算機視覺理論的石材大板表面輪廓提取算法的研究

[摘 要]石材大板表面輪廓提取是石材加工生產(chǎn)過程中的重要步驟和關(guān)鍵工序。它對于實時優(yōu)化切割不規(guī)則石材以及優(yōu)化排版和下料具有決定性的作用，對于提高生產(chǎn)效率和石材利用率、節(jié)約石材資源具有重要意義。本文基于計算機視覺理論，研究了石材輪廓提取的算法。通過分析石材目標(biāo)圖像的灰度、顏色和紋理等特征，提出了石材輪廓提取算法，較準(zhǔn)確的提取出石材目標(biāo)輪廓。

[關(guān)鍵詞]石材大板；輪廓提取；圖像處理

1、 引言

圖像處理是在線測量系統(tǒng)中很重要的一部分，本文就是利用圖像處理技術(shù)提取石材大板的輪廓信息，然后利用其目標(biāo)點的間距最終求得石材大板尺寸。本文對圖像處理的相關(guān)算法進(jìn)行研究，提取石材大板的輪廓信息，最終計算其尺寸。提取過程主要包括圖像預(yù)處理和圖像分割兩部分。圖像處理過程如圖1所示。

2、圖像處理

2.1 圖像預(yù)處理

通過CCD攝像機獲取的石材大板圖像在其傳輸、接收和處理的過程中，由于受多種因素的影響，如系統(tǒng)噪聲、曝光不足或過量、傳輸過程中的誤差以及人為因素等等，均會對石材大板圖像產(chǎn)生一定的噪聲干擾。噪聲會惡化圖像質(zhì)量，有時會使提取的信息減少甚至淹沒某些有用特征，給分析帶來困難。因此，對圖像進(jìn)行預(yù)處理是非常必要的，這樣可以去除噪聲，使其更接近真實圖像，更有利于對石材大板圖像進(jìn)行后續(xù)處理。圖像預(yù)處理主要包括濾波和增強。

2.1.1 圖像灰度化

圖像的灰度化是圖像增強處理技術(shù)中一種非常基本、直接的圖像處理方法。圖像的增強用于調(diào)整圖像的對比度，為了獲得對后續(xù)計算機處理、分析過程更有利的圖像，需要對采集的原始圖像進(jìn)行圖像增強，從而淡化背景，消除噪聲干擾，提高對比度，突出圖像中的重要細(xì)節(jié)[1]。

本文采用的是加權(quán)平均值法：R=G=B=aR+bG+cB。考慮到圖像的合理性，取a=0.11，b=0.59，c=0.30，即采用公式（1）進(jìn)行灰度轉(zhuǎn)換：

其中：為轉(zhuǎn)換后的灰度圖像在點處的灰度值；、和分別為彩色圖像在點處的紅色分量值、綠色分量值和藍(lán)色分量值。

在OpenCV函數(shù)庫中，圖像的灰度化可以通過cvCvtColor（const CvArr* src，CvArr* dst，int code）函數(shù)實現(xiàn)，其中src為原彩色圖像，dst為處理后的圖像，code為色彩空間轉(zhuǎn)換方式，在這里code定義為CV_RGB2GRAY。彩色石材大板圖像經(jīng)過式（1）轉(zhuǎn)換后，變成灰度圖像。圖2所示為4個彩色石材圖像灰度化后的結(jié)果。

2.1.2 圖像平滑

圖像的平滑處理技術(shù)即圖像的去噪聲處理，它是將輸入的圖像進(jìn)行濾波去除噪聲。圖像平滑一是平滑非邊緣區(qū)域，二是使圖像邊緣得到保護(hù)。一個較好的平滑方法應(yīng)該是既能消掉這些噪聲效應(yīng)又不使圖像的邊緣輪廓和線條模糊。在濾波方法中，最常用的有均值濾波和中值濾波兩種，本文采用此兩種方法分別對石材大板平滑處理，效果如圖3所示。

這里僅選取了其中的一幅圖像進(jìn)行處理。從圖中可以看出均值濾波和中值濾波對含有高斯噪聲的圖像都能夠有效地抑制噪聲的干擾，對含有椒鹽噪聲的圖像也能抑制部分噪聲。但通過比較明顯可以看出，，中值濾波在椒鹽噪聲處理方面的能力是均值濾波無法比擬的，因此，本文采用中值濾波對圖像進(jìn)行濾波去噪。

2.2 圖像分割與邊緣檢測

圖像分割是圖像處理和計算機視覺中基本而關(guān)鍵的技術(shù)之一，其目的就是將目標(biāo)物體與背景分離開來，為后續(xù)的處理提供堅實的基礎(chǔ)。圖像分割的方法主要包括閾值法、邊緣檢測法、區(qū)域跟蹤法等。本論文采用的是邊緣檢測法。

2.2.1 邊緣檢測

檢測石材大板邊緣是其輪廓提取的基礎(chǔ)。邊緣檢測實現(xiàn)的難點在于邊緣檢測的精度和抗噪聲的能力。邊緣檢測有很多算法，例如Roberts算子、Sobel算子、Prewitt算子、拉普拉斯算子等[2]。

（1）Roberts算子

Roberts算子采用的是對角方向相鄰的兩個像素之差。從圖像處理的實際效果來看，邊緣定位準(zhǔn)，對噪聲敏感。Roberts算子是一種利用局部差分算子尋找邊緣的算子，該算子對具有陡峭邊緣且含噪聲少的圖像效果較好。

（2）Sobel算子

Sobel邊緣檢測算子是先做加權(quán)平均，再微分，然后求梯度。以下兩個卷積核形成了Sobel邊緣檢測算子，圖中的每個點都用這兩個核做卷積，其中一個對垂直邊緣影響最大，而另一個對水平邊緣影響最大。邊緣檢測算子的中心與中心像素相對應(yīng)，進(jìn)行卷積運算。兩個卷積核的最大值作為該點的輸出位。運算結(jié)果是一幅邊緣幅度圖像。在邊沿檢測中，Sobel算子對于像素的位置的影響做了加權(quán)，加權(quán)平均邊寬2像素，因此效果更好。Sobel算子都對噪聲具有很好的抑制能力，但仍然不能完全排除檢測出來的邊緣中存在虛假邊緣的情況。

（3）Prewitt算子

Prewitt算子與Sobel算子基本相同，只是沒有加權(quán)，所有系數(shù)全為1。Prewitt算子產(chǎn)生一幅邊緣強度圖像。

（4）拉普拉斯算子

拉普拉斯（Laplacian）算子是一種二階導(dǎo)數(shù)算子，對一個連續(xù)函數(shù)， Laplacian算子是不依賴于邊緣方向的二階微分算子，對圖像中的階躍型邊緣點定位準(zhǔn)確。該算子對噪聲非常敏感，它使噪聲成分得到加強。這兩個特性使得該算子容易丟失一部分邊緣的方向信息，造成一些不連續(xù)的檢測邊緣，同時抗噪聲能力比較差。

圖4為不同邊緣檢測算子對石材大板邊緣進(jìn)行檢測的結(jié)果。

從圖4中可以看出，不同的邊緣檢測算法應(yīng)用到石材大板圖像上會有不同的檢測效果，通過比較可以發(fā)現(xiàn)Sobel和Prewitt算子的處理效果相對較好。經(jīng)多次試驗比較，而且由于Sobel算子對于水平和垂直邊緣的檢測有更好的效果，因此效果相對較好。

2.2.2 圖像二值化

圖像的二值化處理就是將圖像上每點的灰度值變?yōu)?或者255，也就是將整個圖像呈現(xiàn)出明顯的黑白效果。在數(shù)字圖像處理中，二值化是一種簡單有效的方法。設(shè)定某一閾值，可以用將圖像的數(shù)據(jù)分成兩部分：大于的像素群和小于的像素群。因此圖像二值化可按公式（5）進(jìn)行：

式中，是原始圖像中位于處像素的灰度；是二值化后該處的像素值，它只能取0或1。

圖5所示為用二值化方法提取的石材大板輪廓，通過這組圖像處理過程我們可以發(fā)現(xiàn)，這類提取石材輪廓的方法適用于石材大板和圖像背景圖案有很大的區(qū)別的圖像，而且我們也可以看出這種方法的提取效果很好。

2.2.3 數(shù)學(xué)形態(tài)學(xué)處理

數(shù)學(xué)形態(tài)學(xué)（Mathematical Morphology）是由一組形態(tài)學(xué)的代數(shù)運算子組成的，它的基本運算有4個：膨脹（或擴張）、腐蝕（或侵蝕）、開啟和閉合，它們在二值圖像和灰度圖像中各有特點。數(shù)字圖像處理中的形態(tài)學(xué)處理是指將數(shù)字形態(tài)學(xué)作為工具從圖像中提取對于表達(dá)和描繪區(qū)域形狀有用處的圖像分量，比如邊界、骨架以及凸殼，還包括用于預(yù)處理或后處理的形態(tài)學(xué)過濾、細(xì)化和修剪等[3]。

本文采用的是閉運算，先膨脹，反復(fù)膨脹后得到需要的狀態(tài)，如圖6（2）所示。很明顯邊界得到了擴張，于是逐步進(jìn)行腐蝕，以恢復(fù)原始邊界，如圖6（3）所示。最后提取石材大板輪廓，如圖6（4）所示。輪廓提取是接下來計算石材大板尺寸的基礎(chǔ)，最終實現(xiàn)在線測量尺寸。

3、結(jié)論

本文介紹了石材大板在線測量系統(tǒng)的重要階段，先后介紹了圖像的灰度化處理、平滑處理、二值化、圖像分割和數(shù)學(xué)形態(tài)學(xué)處理的相關(guān)原理及算法，提取了石材大板的邊緣輪廓信息。本文的設(shè)計為石材領(lǐng)域的發(fā)展提供了一個創(chuàng)新點，將其應(yīng)用到現(xiàn)有石材加工設(shè)備上可以實現(xiàn)石材加工自動化水平，解決了國內(nèi)石材企業(yè)針對不規(guī)則外型的石材大板不能進(jìn)行實時測量的困擾，提高了生產(chǎn)效率和經(jīng)濟(jì)效益。

計算機視覺論文:基于圖像處理與計算機視覺的車輛四輪定位儀的設(shè)計與實現(xiàn)

摘 要： 針對傳統(tǒng)四輪定位儀精度不高、操作復(fù)雜的問題，設(shè)計了一套基于圖像處理與計算機視覺的車輛四輪定位儀，給出了該儀器基于2D平面靶標(biāo)的攝像機定標(biāo)方法及攝像頭拍攝連續(xù)圖像的處理方法。最后分析了該車輛四輪定位儀的工作過程及工作原理，并與手工測量的車輛四輪定位參數(shù)進(jìn)行了對比實驗，實驗結(jié)果表明基于圖像處理與計算機視覺的車輛四輪定位儀的設(shè)計理論和方法都是正確的。

關(guān)鍵詞： 計算機視覺； 攝像機定標(biāo)； 圖像處理； 四輪定位

0 引 言

隨著汽車行駛速度的加快，影響車輛安全性的車輪定位參數(shù)就越發(fā)的重要。當(dāng)車軸、轉(zhuǎn)向機構(gòu)和車架發(fā)生磨損和變形[1]后，車輪定位將會失準(zhǔn)從而影響車輛的安全性。但現(xiàn)有的四輪定位儀精度不高、操作復(fù)雜，嚴(yán)重的影響了車輪定位調(diào)校的效率[2?4]。

針對上述問題，設(shè)計了一套基于圖像處理與計算機視覺的車輛四輪定位儀。給出了該儀器基于2D平面靶標(biāo)的攝像機定標(biāo)方法及攝像頭拍攝連續(xù)圖像的處理方法，并分析了該四輪定位儀的工作原理，最后通過實驗證明了該儀器設(shè)計理論和測量方法的正確性。

1 基于2D平面靶標(biāo)的攝像機定標(biāo)

1.1 圖像坐標(biāo)系、攝像機坐標(biāo)系與世界坐標(biāo)系

攝像機拍攝的圖像采用標(biāo)準(zhǔn)電視信號的形式存儲于計算機中，然后計算機使用數(shù)模板轉(zhuǎn)換為數(shù)字圖像。在圖1所示的直角坐標(biāo)系[（u，v）]中，各像素的坐標(biāo)[（u，v）]表示該像素在整個數(shù)組中的列數(shù)編碼和行數(shù)編碼。但并沒有物理單位能夠表示出該像素在整幅圖像中的具體位置，所以還需創(chuàng)建以物理單位為刻度的圖像坐標(biāo)系。圖像坐標(biāo)系以圖像內(nèi)一點作為坐標(biāo)原點，其中[x]軸 與[u]軸平行，[y]軸與[v]軸平行，具體如圖1所示，[（u，v）]表示以像素作為單位的圖像坐標(biāo)系，[（x，y）]表示以物理單位毫米作為單位的圖像坐標(biāo)系，兩個坐標(biāo)系均為圖像坐標(biāo)系，但所采用的坐標(biāo)單位不同。

攝像機的光心為[O]點，攝像機的光軸為[zc]軸，垂直于圖像平面，[xc]軸與圖像坐標(biāo)系的[x]軸平行，[yc]軸與圖像坐標(biāo)系的[y]軸平行。圖像坐標(biāo)系的坐標(biāo)原點為圖像平面和光軸的交點，[xc]軸，[yc]軸和[zc]軸與點[O]組成的坐標(biāo)系即為攝像機坐標(biāo)系，[OO1]即為攝像機焦距。

1.2 基于2D平面靶標(biāo)的攝像機定標(biāo)

由于3D立體靶標(biāo)加工精度受到一定的限制且制作成本較高，此處采用2D平面靶進(jìn)行攝像機定標(biāo)[5]。在定標(biāo)過程中，攝像機以多于兩個方位對同一個平面靶標(biāo)進(jìn)行拍攝，平面靶標(biāo)和攝像機均能夠自由移動且無需知曉其運動參數(shù)。在定標(biāo)過程中，攝像機內(nèi)部參數(shù)始終為定常數(shù)，僅外部參數(shù)發(fā)生變化。

2 圖像處理

為了降低圖像的噪聲干擾，靶盤為黑底，上面有若干個白色圓斑，并以圓心作為特征點，為了取得特征點（白色橢圓中心）的二維圖像坐標(biāo)，首先進(jìn)行圖像閾值分割，然后完成邊緣檢測，最后尋找特征點坐標(biāo)[6]。四輪定位系統(tǒng)工作中拍攝的靶盤圖像如圖3所示。

2.1 圖像閾值分割和邊緣檢測

根據(jù)實際觀測，將閾值設(shè)置為150，則閾值分割處理后的結(jié)果如圖4所示。

2.2 Hough變換求取橢圓參數(shù)

對于平面上的任意橢圓，設(shè)橢圓圓心為點[c，]在平面上任取一點[p，]則點[p]距橢圓上任意點的最大距離必然大于點[c]距橢圓上任意點的最大距離。根據(jù)橢圓的該性質(zhì)，可以通過尋找平面內(nèi)距橢圓上任意點的最大距離數(shù)值最小的點來確定橢圓圓心，而且找到的這個最大距離的最小值即為橢圓的長軸長度。通過該方法，可以得到橢圓長、短軸長，橢圓圓心點橫、縱坐標(biāo)和旋轉(zhuǎn)角度5個參數(shù)中的3個，剩下的2個橢圓參數(shù)就能夠通過Hough變換的方法求得，算法的具體實現(xiàn)步驟如下：

（1） 首先對需處理的圖像完成邊緣檢測，取得二值化的圖像邊緣輪廓，將邊緣輪廓圖上的各點數(shù)據(jù)存入數(shù)組[A；]

（2） 針對二維平面上的所有點，分別計算與上步中得到的數(shù)組[A]中點的距離，得到所有點與數(shù)組[A]中點的最大距離，在計算的最大距離中的最小值對應(yīng)的點就是橢圓圓心的橫縱坐標(biāo)[p，q，]該最大距離就是橢圓長軸的長度[a；]

（3） 將第一步中數(shù)組[A]所有點的數(shù)值與橢圓參數(shù)[p，q，a]代入橢圓方程[E，]橢圓方程為：

然后在二維空間內(nèi)對參數(shù)[b，θ]進(jìn)行統(tǒng)計分析，得到一組峰值大于一定閾值的參數(shù)即為橢圓的參數(shù)。

2.3 特征點三維坐標(biāo)求取

通過前面的分析可知，當(dāng)靶盤上圓的實際大小與圖像上橢圓長、短軸尺寸都知道時，攝像機與圓心間的距離為：

式中：[F]表示攝像機鏡頭的焦距；[P]表示圓半徑；[A]表示橢圓長軸長度，[A=μ×N，][μ]表示像元尺寸，[N]表示圖像中橢圓長軸的長度，單位為像素。

根據(jù)式（3）世界坐標(biāo)系與圖像坐標(biāo)系的關(guān)系，可以通過求解該方程得到特征點坐標(biāo)[（xw，yw，zw）。]此處選取測量靶盤中相距0.075 m的兩圓心的距離進(jìn)行實驗，攝像機拍到的照片如圖6所示。

3 四輪定位儀的工作流程及原理

3.1 工作流程

基于圖像處理與計算機視覺的車輛四輪定位系統(tǒng)由兩臺數(shù)字?jǐn)z相機、計算機主機和四個靶盤組成，具體如圖7所示。

攝像機僅能獲取單側(cè)靶盤的圖像，紅外線由特制的光源發(fā)射，靶盤接收到紅外線后，將其反射至高性能數(shù)字?jǐn)z像機成像，攝像機依據(jù)獲取的圖像通過計算得出相機與目標(biāo)之間的距離，然后將數(shù)據(jù)處理后就能夠得出車輪的定位參數(shù)，車輪定位參數(shù)的測量流程具體如下：將汽車放置于舉升機上，使汽車進(jìn)入攝像機的拍攝視角范圍；打開攝像機，固定方向盤后推動汽車行駛，然后拍攝行駛中的靶盤；根據(jù)攝像機拍攝到的圖像（三幅以上）計算出車輪的外傾角和前束角；將汽車整體固定使其無法前后移動，轉(zhuǎn)動方向盤，獲取車輪轉(zhuǎn)動過程中靶盤的圖像，然后計算出主銷后傾角和內(nèi)傾角。

3.2 建立測量基準(zhǔn)平面?車身平面

在汽車行駛過程中，靶盤本身是傾斜的，車輛前輪兩個旋轉(zhuǎn)中心點即為汽車前輪定位平面；同樣，車輛后輪兩個旋轉(zhuǎn)中心點即為后輪定位平面。這兩個面作為整個四輪定位測量系統(tǒng)的基準(zhǔn)平面，其優(yōu)點是該平面無需依賴于重力和重力傳感器。所以，在車輛行駛過程中，不論車輛是前后傾斜還是左右傾斜，都不會影響車輪定位參數(shù)的測量[7]。

3.3 汽車定位參數(shù)數(shù)學(xué)模型的建立

靶盤固定于車輪，所以可將靶盤和車輪當(dāng)做一個剛體來分析，車輪的運動可分解為平動和旋轉(zhuǎn)兩個分運動。由于車輪的旋轉(zhuǎn)軸與車輪輪面垂直，所以可將車輪前束角和外傾角看作是車輪旋轉(zhuǎn)軸與各坐標(biāo)軸間的夾角。

由于汽車前輪上安裝的兩靶盤是完全相同的，且其能夠與車輪共同當(dāng)做一個剛體處理[8]，汽車車輪運動驅(qū)動靶盤運動，將靶盤的運動分解成平移運動和旋轉(zhuǎn)運動，同時假設(shè)靶盤先平移后旋轉(zhuǎn)。在靶盤的旋轉(zhuǎn)過程中，車輪滾動一圈，則靶盤上所有白色圓心的運動軌跡均是圓。但在四輪定位儀的實際測量中，車輪滾動軌跡達(dá)不到一圈，靶盤圓心軌跡是一段弧，但仍能夠通過圓弧上任意三點求出軌跡圓心。在車輪的平動過程中，左右靶盤上同一位置的白色圓心的連線隨車輪平動形成前輪定位平面，后輪則形成后輪定位平面。

在汽車轉(zhuǎn)向過程中，車輪繞主銷旋轉(zhuǎn)，通過旋轉(zhuǎn)前后靶盤特征點的坐標(biāo)變化就能夠得出主銷軸線本身與[X，Y，Z]軸間的夾角[α，β，γ，]進(jìn)一步就可求出主銷后傾角和內(nèi)傾角，具體求解示意圖如圖9所示。

4 實 驗

為了驗證本文所設(shè)計的車輪定位儀的準(zhǔn)確性，選取車輪外傾角和前束角進(jìn)行了實驗。實驗通過車輪外傾角和前束角的變化，從四輪定位儀中輸出各定位參數(shù)的變化，同時選取手工測量作為對比數(shù)據(jù)。各組實驗數(shù)據(jù)如表2～表4所示。

5 結(jié) 論

針對傳統(tǒng)四輪定位儀精度不高、操作復(fù)雜這一問題，設(shè)計了一套基于圖像處理與計算機視覺的車輛四輪定位儀。給出了該儀器的設(shè)計方法并進(jìn)行了測量精度實驗，實驗結(jié)果表明所設(shè)計的四輪定位儀操作簡單并具有較高的精度。但為了進(jìn)一步提高儀器的測量精度，后續(xù)還要對圖像質(zhì)量和圖像處理算法進(jìn)行改進(jìn)，并提高攝像機的定標(biāo)精度。

計算機視覺論文:陌上花“衣+”:人工智能計算機視覺引擎

時展日新月異，人們的生活也瞬息萬變。人們每天會接受到很多視覺信息，隨著時間的流逝，城市中的每一處光影、每一個街角，都定格著屬于它的美好。“衣+” （北京陌上花科技有限公司）人工智能計算機視覺引擎將AR（增強現(xiàn)實）和AI（人工智能）融合，會讓你眼中的世界完全不同，它更智能化、更懂你的需求，把你所看到的視覺信息經(jīng)過人工智能“大腦系統(tǒng)”處理后，通過AR展現(xiàn)和交互，帶給你更多全新的驚喜與感動。

小時候，我們都有過這樣的夢想：生活實景都變成游戲，隨時隨地看到的場景、人物、好看的好吃的好玩的都能動起來，穿越時空，虛擬和現(xiàn)實世界夢幻疊加。“衣+”將AR技術(shù)和人工智能技術(shù)深度結(jié)合，使用復(fù)雜的計算機視覺技術(shù)和深度學(xué)習(xí)算法，去理解場景，然后增強場景，幫你達(dá)成這個愿望。仿佛擁有一雙慧眼+超強大腦，而且這只是“衣+”暫時制定的一個小目標(biāo)而已。

AR技術(shù)是通過計算機系統(tǒng)提供的信息疊加用戶對現(xiàn)實世界感知的技術(shù)，將虛擬的信息應(yīng)用到真實世界，并將計算機生成的虛擬物體、場景或系統(tǒng)提示信息疊加到真實場景中，從而實現(xiàn)對現(xiàn)實的增強。更通俗一點的說法是，它是一種全新的人機交互技術(shù)，利用攝像頭、傳感器、實時計算和匹配技術(shù)，將真實的環(huán)境和虛擬的物體實時地疊加到同一個畫面或空間。用戶可以通過虛擬現(xiàn)實系統(tǒng)感受到在客觀物理世界中所經(jīng)歷的“身臨其境”的逼真性，還能突破空間、時間，以及其他客觀限制，感受到在真實世界中無法親身經(jīng)歷的體驗。

“衣+”是世界領(lǐng)先的人工智能計算機視覺引擎，致力于讓計算機看懂世界，屬于人工智能中的感知和認(rèn)知智能，在圖像視頻中對場景、通用物體、商品、人臉的檢測、識別、理解、搜索及推薦均達(dá)到領(lǐng)先水平。陌上花自主研發(fā)的深層次多屬性深度學(xué)習(xí)網(wǎng)絡(luò)，是人工智能在云和端上計算的核心基礎(chǔ)。在國際頂級計算機視覺競賽ImageNet2015和ImageNet2016中，先后獲得五項和三項世界第一。

“衣+”技術(shù)團(tuán)隊正在做這樣一個嘗試，利用AR技術(shù)結(jié)合人工智能大數(shù)據(jù)技術(shù)感知認(rèn)知世界，并增強了交互方式，這將大大改變?nèi)藗兊纳睿瑢⑸疃葘W(xué)習(xí)的人工智能科技和AR技術(shù)相結(jié)合應(yīng)用到視頻、直播、時尚、購物、美食、出行、運動、旅行等生活體驗的各個方面，提供全生活場景智能服務(wù)，打造前所未有的智能視覺體驗。

增強現(xiàn)實技術(shù)，不僅展現(xiàn)了真實世界的信息，而且將虛擬的信息同時顯示出來，兩種信息相互補充、疊加。在視覺化的增強現(xiàn)實中，用戶利用AR設(shè)備，把真實世界與電腦圖形合成在一起。“衣+”AR技術(shù)結(jié)合人工智能，以計算機視覺技術(shù)為基礎(chǔ)實現(xiàn)感知認(rèn)知，能將人眼看到的所有信息，包括商品、物體、食物、服飾、汽車、建筑等，都精準(zhǔn)匹配出同款及相關(guān)商品。它的展現(xiàn)方式更加生動、立體、多樣化，能夠帶給用戶高品質(zhì)、高時效、一站式的服務(wù)體驗。

“衣+”AR技術(shù)和人工智能的結(jié)合實現(xiàn)了對現(xiàn)實世界的感知和認(rèn)知的能力，可以在圖像視頻中完成對場景、通用物體、商品、人臉的檢測、識別、理解、搜索等。如今，每個月有上億次的商品推薦通過“衣+”邊看邊買引擎來完成，幫助用戶搜索、識別他們所看到的物品。目前“衣+”支持服飾、3C數(shù)碼、商超、家居、日用品、交通工具等超過幾百類商品的檢測和識別。

通過對海量數(shù)據(jù)進(jìn)行深度學(xué)習(xí)，“衣+”視覺引擎能夠檢測識別視頻或圖像中的商品，并通過分析商品特征，準(zhǔn)確判斷商品類目等商品信息。在餐飲方面，當(dāng)用戶用不同的手持終端對餐廳的食品進(jìn)行拍攝后，餐廳的位置以及菜品的食材等將即刻呈現(xiàn)在手持終端上，使就餐體驗的科技含量越來越高。

此外，“衣+”利用技術(shù)手段可以實現(xiàn)對視頻和圖像中的物體的位置、名稱、運動軌跡、輪廓等屬性的實時分析。目前已支持超過10000類常用物體、大于400類室內(nèi)外場景的識別。

利用深度學(xué)習(xí)技術(shù)，“衣+”還可以在視頻、圖像中實現(xiàn)人臉關(guān)鍵點檢測，可用于相機、直播等多種娛樂場景。讓場景營銷變得更自然、更直觀、更有趣味。“衣+”人臉屬性識別，可以準(zhǔn)確識別出人物的性別、年齡、種族、情緒、顏值、性感、時尚等屬性信息，平均準(zhǔn)確率超過93%。基于深度學(xué)習(xí)的人臉對比技術(shù)，實現(xiàn)人臉相似度測量，可用于人臉聚類、敏感人物監(jiān)控等場景。這一切，都是在人工智能計算機視覺搜索引擎中實時完成。

目前，AR技術(shù)越來越火熱，并將全面融入人們的日常生活。目前，“衣+”和阿里云、華為、優(yōu)酷土豆、微博、360、華數(shù)、京東、天貓魔盒、CIBN、英偉達(dá)、趣拍、花椒等數(shù)十家頂級機構(gòu)深度合作，通過提供邊看邊買引擎、圖像視頻內(nèi)容分析引擎、人臉屬性分析引擎服務(wù)海量用戶，同時幫助用戶實現(xiàn)場景營銷、智能分析和內(nèi)容互動。AR技術(shù)與人工智能相融合的市場將快速增長。“衣+”也將不斷利用無處不在的AR技術(shù)和人工智能技術(shù)，創(chuàng)造一個智能世界，將生活中的美好愿望變?yōu)楝F(xiàn)實。

計算機視覺論文:計算機視覺在交通領(lǐng)域的應(yīng)用

摘 要

在我國市場經(jīng)濟(jì)不斷發(fā)展的盛況下，我國科技發(fā)展水平也緊隨其后，成為世界上的科技強國之一。在計算機水平的不斷提高下，計算機視覺技術(shù)應(yīng)運而生。其中，計算機視覺技術(shù)被應(yīng)用與各個領(lǐng)域，并在各個領(lǐng)域都得到廣泛有效的應(yīng)用，比如軍事領(lǐng)域、醫(yī)療領(lǐng)域、工業(yè)領(lǐng)域等。本文針對計算機視覺技術(shù)在交通領(lǐng)域中的應(yīng)用進(jìn)行分析。

【關(guān)鍵詞】計算機視覺 交通領(lǐng)域 探究

近年來，隨著科技水平的提高，計算機視覺技術(shù)逐漸被人們熟知并廣泛應(yīng)用。相較于其他傳感器來說，視覺能獲得更多的信息。因此，在我國交通領(lǐng)域中，也對計算機視覺技術(shù)進(jìn)行研究完善，將計算機視覺技術(shù)應(yīng)用在交通領(lǐng)域各個方面中，并取得了顯著的成效。

1 計算機視覺的概述及基本體系結(jié)構(gòu)

1.1 計算機視覺概述

通過使用計算機和相關(guān)設(shè)備，對生物視覺進(jìn)行模擬的方式，就是計算機視覺。對采集到的圖片或視頻進(jìn)行相應(yīng)的技術(shù)處理，從而獲得相應(yīng)的三維信息場景，是計算機視覺的主要任務(wù)。

計算機視覺是一門學(xué)問，它就如何通過計算機和照相機的運用，使人們獲得被拍攝對象的數(shù)據(jù)與信息所需等問題進(jìn)行研究。簡單的說，就是讓計算機通過人們給其安裝上的“大腦”和“眼睛”，對周圍環(huán)境進(jìn)行感知。

計算機視覺是一門綜合性學(xué)科，在各個領(lǐng)域都有所作為，已經(jīng)吸引了各個領(lǐng)域的研究者對其研究。同時，計算機視覺也是科學(xué)領(lǐng)域中一個具有重要挑戰(zhàn)性的研究。

1.2 計算機視覺領(lǐng)域基本體系結(jié)構(gòu)

提出第一個較為完善的視覺系統(tǒng)框架的是Marr，他從信息處理系統(tǒng)角度出發(fā)，結(jié)合圖像處理、心理物理學(xué)等多領(lǐng)域的研究成果，提出被計算機視覺工作者基本接受的計算機視覺系統(tǒng)框架。在此基礎(chǔ)上，研究者們針對視覺系統(tǒng)框架的各個角度、各個階段、各個功能進(jìn)行分析研究，得出了計算機視覺系統(tǒng)的基本體系結(jié)構(gòu)，如圖1。

2 計算機視覺在交通領(lǐng)域的應(yīng)用

2.1 牌照識別

車輛的唯一身份是車輛牌照。在檢測違規(guī)車輛、稽查被盜車輛和管理停車場工作中，車輛牌照的有效識別與檢測具有重要的作用和應(yīng)用價值。然而在實際應(yīng)用工作中，雖然車牌識別技術(shù)相對成熟，但是由于受到拍攝角度、光照、天氣等因素的影響，車牌識別技術(shù)仍需改善。車牌定位技術(shù)、車牌字符識別技術(shù)和車牌字符分割技術(shù)是組成車牌識別技術(shù)的重要部分。

2.2 車輛檢測

目前，城市交通路口處紅綠燈的間隔時間是固定不變的，但是受交通路口的位置不同、時間不同的影響，每個交通路口的交通流量也是持續(xù)變化的。此外，對于某些交通區(qū)域來說，公共資源的配備，比如交通警察、交通車輛的數(shù)量是有限的。如果能根據(jù)計算機視覺技術(shù)，對交通路口的不同時間、不同位置的交通情況進(jìn)行分析計算，并對交通流量進(jìn)行預(yù)測，有利于為交通警察縮短出警時間、為交通路口的紅綠燈根據(jù)實際情況設(shè)置動態(tài)變化等技術(shù)提供支持。

2.3 統(tǒng)計公交乘客人數(shù)

城市公共交通的核心內(nèi)容是城市公交調(diào)度問題，一個城市如何合理的解決公交調(diào)度問題，是緩解城市運力和運量矛盾，緩解城市交通緊張的有效措施。城市公交調(diào)度問題，為公交公司與乘客的平衡利益，為公交公司的經(jīng)濟(jì)利益和社會效益的提高做出了巨大的貢獻(xiàn)。由于在不同的地域、不同的時間，公交客流會存在不均衡性，高峰時段的公交乘客過多，平峰時段的公交乘客過少，造成了公交調(diào)度不均衡問題，使有限資源浪費嚴(yán)重。在計算機視覺智能公交系統(tǒng)中，自動乘客計數(shù)技術(shù)是其關(guān)鍵技術(shù)。自動乘客計數(shù)技術(shù)，是對乘客上下車的時間和地點自動收集的最有效的技術(shù)之一。根據(jù)其收集到的數(shù)據(jù)，從時間和地點兩方面對客流分析，為城市公交調(diào)度進(jìn)行合理的安排。

2.4 對車道偏離程度和駕駛員工作狀態(tài)判斷

交通事故的發(fā)生率隨著車輛數(shù)量的增加而增加。引發(fā)交通事故的重要因素之一就是駕駛員疲勞駕駛。據(jù)相關(guān)數(shù)據(jù)顯示，因車道偏離導(dǎo)致的交通事故在40%以上。其中，駕駛員的疲勞駕駛就是導(dǎo)致車道偏離的主要原因。針對此種現(xiàn)象，為減少交通事故的發(fā)生，計算機視覺中車道偏離預(yù)警系統(tǒng)被研究開發(fā)并被廣泛應(yīng)用。針對駕駛員眨眼頻率，利用計算機視覺對駕駛員面部進(jìn)行圖像處理和分析，再根據(jù)疲勞駕駛關(guān)注度與眨眼頻率的關(guān)系，對駕駛員的工作狀態(tài)進(jìn)行判斷。此外，根據(jù)道路識別技術(shù)，對車輛行駛狀態(tài)進(jìn)行檢測，也是判斷駕駛員工作狀態(tài)的方法之一。這兩種方法，是目前基于計算機視覺的基礎(chǔ)上，檢測駕駛員疲勞狀態(tài)的有效方法。

2.5 路面破損檢測

最常見的路面損壞方式就是裂縫。利用計算機視覺，及時發(fā)現(xiàn)路面破損情況，并在其裂縫程度嚴(yán)重之前進(jìn)行修補，有利于節(jié)省維護(hù)成本，也避免出現(xiàn)路面坍塌，車輛凹陷的情況發(fā)生。利用計算機視覺進(jìn)行路面檢測，相較于之前人工視覺檢測相比，有效提高了視覺檢測的效率，增強了自動化程度，提高了安全性，為市民的出行安全帶來了更高保障。

3 結(jié)論

本文從計算機視覺的概述，及計算機視覺基本體系結(jié)構(gòu)，和計算機視覺在交通領(lǐng)域中的應(yīng)用三面進(jìn)行分析，可見計算機視覺在交通領(lǐng)域中的廣泛應(yīng)用，在交通領(lǐng)域中應(yīng)用的有效性、顯著性，以此可得計算機視覺在現(xiàn)展過程中的重要性。隨著計算機視覺技術(shù)的越來越成熟，交通領(lǐng)域的檢測管理一定會加嚴(yán)格，更加安全。

計算機視覺論文:計算機視覺技術(shù)的推廣與應(yīng)用

【摘要】由于計算機技術(shù)的不斷發(fā)展，計算機視覺技術(shù)也得到了很大的發(fā)展。從產(chǎn)生的時間來看，計算機視覺產(chǎn)生于上個世紀(jì)中葉，當(dāng)時它的主要工作內(nèi)容是進(jìn)行統(tǒng)計模式識別，較為簡單，目前為止已經(jīng)經(jīng)過了長時間的發(fā)展，工作內(nèi)容明顯增加，依然發(fā)展為一門獨立的學(xué)科，而且在多個領(lǐng)域都得到了廣泛的應(yīng)用。對于人們的生活產(chǎn)生了很大的影響。本文主要是簡單介紹計算機視覺技術(shù)的發(fā)展歷程，并分析它在那些社會生產(chǎn)領(lǐng)域中得到了推廣以及應(yīng)用。

【關(guān)鍵詞】計算機視覺技術(shù) 推廣 應(yīng)用

在人工智能領(lǐng)域的研究中，計算機視覺是主要的研究對象之一，目前它已經(jīng)發(fā)展為一門獨立的科學(xué)學(xué)科，主要是對相關(guān)的理論以及技術(shù)進(jìn)行研究，從而建立一個完善的人工信息系統(tǒng)。

一、計算機視覺技術(shù)的產(chǎn)生與發(fā)展歷程

計算機視覺產(chǎn)生于20世紀(jì)50年代，其當(dāng)時主要的工作內(nèi)容為統(tǒng)計模式識別，尤其是需要進(jìn)行分析二維圖像的特點和作用，例如對航空圖片進(jìn)行研究、對顯微圖片進(jìn)行分析等。直至60年代初，Roberts使用計算機從大量的數(shù)字圖像當(dāng)中選取出棱柱體、長方體等物體的三維圖形，并且分析物體空間的主要特點。在70年代初期，視覺應(yīng)用系統(tǒng)開始得到應(yīng)用，然后過了幾十年之后，專家們已經(jīng)了解了機器視覺的特點，并且開設(shè)了對應(yīng)的課程。到了80年代中期，計算機視覺已經(jīng)逐漸被人們應(yīng)用與工作和生活當(dāng)中。計算機技術(shù)的不斷發(fā)展，使得計算機視覺系統(tǒng)的實用性得以提升，現(xiàn)已被大量使用于機器人學(xué)、幾何計算等領(lǐng)域，直接影響著人們的生活。

二、計算機視覺技術(shù)的推廣與應(yīng)用領(lǐng)域

2.1應(yīng)用于工業(yè)生產(chǎn)領(lǐng)域

目前為止計算機視覺技術(shù)已經(jīng)普遍應(yīng)用于工業(yè)生產(chǎn)領(lǐng)域中，除了在工業(yè)探傷、檢測方面得到了推廣，而且還在辦公以及生產(chǎn)自動化等各方面都得到了廣泛的應(yīng)用。一般來說在工業(yè)生產(chǎn)中推廣計算機視覺技術(shù)，能夠在很大程度上提高自動化程度，從而提高產(chǎn)品生產(chǎn)的效率，同時還能防止人工的失誤，導(dǎo)致不必要的損失。

2.2應(yīng)用于農(nóng)業(yè)生產(chǎn)領(lǐng)域中

從農(nóng)業(yè)生產(chǎn)領(lǐng)域的角度來看，計算機視覺技術(shù)的應(yīng)用也越愛越普遍，一方面主要是利用該技術(shù)全程監(jiān)測農(nóng)作物的生產(chǎn)過程，已達(dá)到預(yù)防病害蟲的作用，另一方面利用該技術(shù)對農(nóng)產(chǎn)品進(jìn)行檢測，以便對其進(jìn)行分類與分級。由于在農(nóng)業(yè)生產(chǎn)領(lǐng)域中利用計算機視覺技術(shù)能夠?qū)崿F(xiàn)自動化管理，因此能夠減少大量的勞動力，降低生產(chǎn)的人工成本，進(jìn)一步提高管理生產(chǎn)效率。

2.3應(yīng)用于社會公共安全領(lǐng)域中

社會公共安全是人們非常重視的一個問題，計算機視覺技術(shù)在這方面也得到了有效的應(yīng)用，不僅應(yīng)用于偵查、犯罪偵破工作中，而且還應(yīng)用于指紋配比、人臉合成等工作中。應(yīng)用這種技術(shù)能夠進(jìn)一步提高犯罪案件的偵破效率，避免更多的犯罪行為發(fā)生，從而影響人們的正常生活。

2.4應(yīng)用于視覺導(dǎo)航領(lǐng)域中

通過對計算機視覺技術(shù)進(jìn)行長時間的研究后，當(dāng)前已將之推廣于視覺導(dǎo)航領(lǐng)域中，主要是應(yīng)用于太空探測、航天飛行等方面，在此基礎(chǔ)上還應(yīng)用于巡航導(dǎo)彈制導(dǎo)、智能交通等方面。在視覺導(dǎo)航領(lǐng)域中，應(yīng)用計算機視覺技術(shù)可以解放大量的勞動力，避免工作帶來的危險，而且還能有效提高工作效率。

2.5應(yīng)用于人機交互領(lǐng)域中

一般來說在人機交互領(lǐng)域中應(yīng)用計算機視覺技術(shù)，可以通過人的肢體語言、人臉表情進(jìn)行測定，進(jìn)一步分析人的意愿，從而按照要求認(rèn)真完成指令，這樣不僅可以有效增加交互的方便性，而且還可以有效增加臨場感，具有其他技術(shù)不可替代的作用。

2.6應(yīng)用于虛擬現(xiàn)實領(lǐng)域中

當(dāng)前計算機視覺技術(shù)在虛擬現(xiàn)實領(lǐng)域中得到了推廣，利用這種技術(shù)可以進(jìn)行不同的軍隊?wèi)?zhàn)場場景模擬，在此基礎(chǔ)上還能對飛行員飛行、醫(yī)生手術(shù)等現(xiàn)場進(jìn)行模擬。總之，利用這種技術(shù)能夠帶給人們一種身臨其境的感覺，從而進(jìn)一步提高工作效率。

2.7應(yīng)用于衛(wèi)星遙感領(lǐng)域中

從衛(wèi)星遙感領(lǐng)域的角度來看，計算機視覺技術(shù)的應(yīng)用并不少見，不僅應(yīng)用于礦藏勘探、資源探測等方面，而且還應(yīng)用于氣象預(yù)報、自然災(zāi)害監(jiān)測等方面。一般來說衛(wèi)星遙感涉及的信息量非常大，而且類別也很多，分析識別工作稍不注意，就會出現(xiàn)錯誤，而利用這種技術(shù)后，能夠快速、有效的進(jìn)行信息的收集以及分析工作，進(jìn)一步提高信息的準(zhǔn)確性。

三、結(jié)語

計算機視覺技術(shù)發(fā)展到現(xiàn)在，已經(jīng)在多個領(lǐng)域得到應(yīng)用與推廣，在虛擬現(xiàn)實、工農(nóng)業(yè)生產(chǎn)等眾多領(lǐng)域中隨處可見。而隨著社會的不斷進(jìn)步，市場對于計算機視覺技術(shù)的需求也越來越大，具有很大的發(fā)展?jié)摿Α榱四軌驖M足市場增長的需求，使計算機視覺技術(shù)得到更廣泛的應(yīng)用，需要研發(fā)人員通過不斷的努力研制出更加完善的計算機視覺技術(shù)系統(tǒng)，這是當(dāng)前科研工作的主要課題。

計算機視覺論文:基于OpenCV 的計算機視覺技術(shù)研究

摘要：該文基于OpenCV的計算機視覺技術(shù)進(jìn)行研究，探討了視頻中計算機對運動物體視覺檢測的原理，并對OpenCV的應(yīng)用情況進(jìn)行說明，闡述了基于OpenCV的計算機視覺技術(shù)體系，最終重點敘述了計算機視覺三維模擬技術(shù)，以期能為相關(guān)工作提供參考。

關(guān)鍵詞：OpenCV；計算機視覺技術(shù)；三維模擬技術(shù)

21世紀(jì)是國際計算機技術(shù)高度發(fā)展的時代，人們生活中的每個角落都可以看到計算機技術(shù)的身影，尤其是現(xiàn)代計算機視覺技術(shù)和圖像處理功能發(fā)展更加迅猛，各技術(shù)分支也逐漸趨于成熟。計算機視覺技術(shù)主要指的就是利用智能計算機系統(tǒng)來代替人類的眼睛對現(xiàn)實三維世界進(jìn)行辨識和理解，整個過程均是計算機自我學(xué)習(xí)的過程，而隨著這項技術(shù)研究的不斷深入，其不再僅僅包含計算機技術(shù)科學(xué)，同時還涉獵了包括生理學(xué)、神經(jīng)學(xué)、物理學(xué)、應(yīng)用數(shù)學(xué)等多門學(xué)科，為人類科技的進(jìn)步提供了有效的動力。

1 計算機對視頻中運動物體檢測的原理概述

在現(xiàn)代計算機技術(shù)基礎(chǔ)下，對視頻當(dāng)中的運動物體檢測原理主要包括兩種，分別是從微觀和宏觀的角度出發(fā)。其中宏觀檢測技術(shù)指的是當(dāng)計算機截取了視頻中的某一個圖像，其以整幅圖像為對象進(jìn)行檢測；微觀檢測技術(shù)是指在截取圖像后，根據(jù)實際需求對某一區(qū)域內(nèi)的圖像內(nèi)容進(jìn)行檢測。在計算機視覺技術(shù)實際應(yīng)用時，其第一步就是對圖像的采集，第二步是對已經(jīng)采集的圖像進(jìn)行預(yù)分析處理，如果采用宏觀檢測技術(shù)則對圖像整體進(jìn)行分析；如果采用微觀檢測技術(shù)則首先將圖像進(jìn)行分割，然后對分割后各圖像內(nèi)容中出現(xiàn)的運動物體影像進(jìn)行分析。在圖像數(shù)據(jù)獲取過程中應(yīng)用的是背景差分法，這一技術(shù)主要是將背景和運動物體進(jìn)行分離提取，以獲取沒有背景圖像的運動物體影像數(shù)據(jù)。還可以利用幀間差分法，這種方法主要是對一個視頻圖像的逐幀畫面進(jìn)行差別比較，從而獲得各幀圖像上的差值，而將這些差值幀圖結(jié)合起來就是一個物體在計算機視覺下的運動軌跡。現(xiàn)代研究者更傾向于將背景和幀間差分法進(jìn)行結(jié)合運用，這樣可以獲得無背景下的運動物體軌跡，進(jìn)而提升計算機視覺系統(tǒng)捕捉數(shù)據(jù)的準(zhǔn)確性。

2 OpenCV的應(yīng)用概述

OpenCV是現(xiàn)代計算機視覺技術(shù)當(dāng)中具有開源性的視覺庫，其最早是由俄羅斯Intel分公司所研發(fā)，不僅高效，而且具有兼容的優(yōu)勢。同時與傳統(tǒng)IPL圖像處理系統(tǒng)相比，OpenCV所處理的圖像數(shù)據(jù)等級更高，例如在對運動物體進(jìn)行特征跟蹤、目標(biāo)分割、運動軌跡分析以及三維模型重建等方面都有著巨大的優(yōu)勢。

OpenCV本身編輯的源代碼是開放式的，編寫過程簡潔且方便，并且程序中大多數(shù)函數(shù)已經(jīng)通過了匯編的最優(yōu)化，使其能夠更加高效地被應(yīng)用。在使用OpenCV的攝像機標(biāo)定模塊已經(jīng)為用戶設(shè)計了實用性較強的接口，并且能夠支持Windows界面的操作平臺，使得這一技術(shù)的操作更加簡便。這一技術(shù)本身操作簡便，對于編程人員和檢驗人員個人技能素質(zhì)要求并不高，視覺技術(shù)系統(tǒng)研發(fā)人員可以利用簡便的操作來檢驗其設(shè)想是否能夠?qū)崿F(xiàn)，這就使得現(xiàn)代計算機視覺技術(shù)開發(fā)團(tuán)隊能夠形成更好的協(xié)作研發(fā)關(guān)系，進(jìn)一步提升技術(shù)研究效率。目前已知OpenCV編程系統(tǒng)在航空航天定位、衛(wèi)星地圖繪制、工廠大規(guī)模生產(chǎn)視覺檢測等方面得到了廣泛的應(yīng)用，同時對于無人飛行器的視覺捕捉技術(shù)也有極大的幫助。最為重要的是OpenCV編程語言的兼容性較強，編程人員可以根據(jù)自己的意愿對源代碼進(jìn)行披露，并且國內(nèi)也已經(jīng)形成了規(guī)模較大的交流社區(qū)，給更多同行業(yè)者提供答疑解惑的場所，進(jìn)一步擴大了OpenCV的應(yīng)用范圍。

3 基于OpenCV的計算機視覺技術(shù)

3.1 基于OpenCV下的運動物體檢測技術(shù)

在常規(guī)運動物體檢測技術(shù)下，均是直接通過圖像背景和運動物體的區(qū)分來實現(xiàn)運動物體的捕捉。而基于OpenCV下的運動物體檢測技術(shù)則不僅能夠針對于圖像背景的分離實現(xiàn)運動物體的觀察，還可通過物體本身特定的信息來進(jìn)行檢測，主要包括形狀、輪廓以及顏色等。這樣就能夠?qū)崿F(xiàn)在復(fù)雜的背景當(dāng)中將特定的運動物體完整抽離出來。其基本流程包括：首先，對影像數(shù)據(jù)當(dāng)中某一時間點的圖像進(jìn)行捕捉，然后對這一視頻圖像的格式進(jìn)行轉(zhuǎn)化；其次，對轉(zhuǎn)化格式后的視頻圖像進(jìn)行早期處理，并將運動物體和復(fù)雜的背景區(qū)分開，降低周圍各環(huán)境因素對運動物體主體圖像的影響；第三，根據(jù)完成提取后的運動物體圖像進(jìn)行辨識，然后再從視頻當(dāng)中捕捉擁有相同特征的物體，并對該物體進(jìn)行跟蹤識別。而這一過程的實質(zhì)則在于先利用圖像捕捉技術(shù)對畫面進(jìn)行截取，然后同時利用背景差分法和幀間差分法對圖像進(jìn)行分割，逐幀地將運動物體完成提取出來，以供計算機進(jìn)行視覺跟蹤處理。

3.2 基于OpenCV的圖像預(yù)處理技術(shù)

一般情況下，計算機視覺處理技術(shù)應(yīng)用的環(huán)境情況較為復(fù)雜，大多數(shù)應(yīng)用環(huán)境當(dāng)中均有光照的變化，并且部分計算機視覺處理設(shè)備還需要在露天環(huán)境下進(jìn)行工作，此時周圍環(huán)境中的風(fēng)、溫度、光照、氣候以及運動物體數(shù)量等對視頻圖像的采集均有著極大的影響。環(huán)境因素會使圖像采集的質(zhì)量大幅度降低，同時圖像當(dāng)中的噪點問題也難以避免，而噪點是視覺捕捉和圖像處理當(dāng)中最大的影響因素。因此，在基于OpenCV下的計算機視覺技術(shù)在捕捉視頻圖像之后先對其進(jìn)行預(yù)處理，然后再由系統(tǒng)對運動物體進(jìn)行分離、檢測和跟蹤。一般的預(yù)處理過程主要包括平滑度濾波、圖像填充、背景實時更新等。

1）圖像的平滑度濾波預(yù)處理技術(shù)

由于在實際計算機視覺捕捉過程中圖像噪點是難以避免的問題，以此在對圖像中運動物體進(jìn)行檢測前，應(yīng)該相對這些噪點進(jìn)行預(yù)處理，降低環(huán)境噪聲對圖像的影響。圖像的平滑度濾波處理共分為兩種方式，分別為線性和非線性。其中線性處理方式就是通過計算機處理設(shè)備的簡單運算，對圖像當(dāng)中的噪點進(jìn)行直接清除，但這一技術(shù)使用后會造成截獲圖像模糊不清的情況，因此僅對噪點較少的圖像采用該處理方式；非線性濾波處理則是利用復(fù)雜的圖像處理運算，將截獲圖像當(dāng)中的噪點無限縮小，使其不對圖像整體造成影響，并且可以有效保證圖像的局部調(diào)整，但這種處理方式在運算時速度沒有線性濾波處理快，因此需應(yīng)用在噪點較多，圖像信息較復(fù)雜的處理當(dāng)中。

2）圖像的填充預(yù)處理技術(shù)

這一處理技術(shù)在使用過程中運算速度較慢，主要是由于其需要對逐幀的圖像均進(jìn)行處理，也包括兩種處理方式，分別為邊緣填充和腐蝕膨脹處理。其中邊緣填充處理主要指的是在確定運動物體之后，利用計算機系統(tǒng)自身的邊緣檢測處理技術(shù)，對物體的輪廓進(jìn)行辨識，并利用形態(tài)學(xué)上的漫水填充方式對運動物體周圍的噪點進(jìn)行顏色填充，減小其對畫面整體元素的影響。而腐蝕膨脹處理與邊緣填充處理原理相類似，但這種處理技術(shù)主要是針對于噪點進(jìn)行腐蝕和膨脹，使其在畫面當(dāng)中所占比例擴大，但對運動物體本身不造成影響，這使運動物體和噪點之間的差異就會更加明顯，就可以將噪點的影響降到最低，但這種處理方法的效果和攝像機本身的性能、質(zhì)量等有著密切的關(guān)聯(lián)。

3）背景的實時更新預(yù)處理技術(shù)

在進(jìn)行運動物體和背景分離過程中，計算機系統(tǒng)需要對圖像上的背景元素進(jìn)行辨識，并對其開展初始化處理，這樣就能夠為后期實時背景圖像的差異進(jìn)行凸顯，以增加前景圖像的效果，降低噪點對圖像的影響。在運用這一技術(shù)時，首先要先對第一幀的圖像進(jìn)行確定，并將第一幀圖像當(dāng)中的背景圖像元素進(jìn)行辨識，然后在后期圖像更新和運動物體檢測過程中對背景進(jìn)行實時更新處理。在更新的過程中其流程主要包括：首先，系統(tǒng)要對所讀取的畫面進(jìn)行有效的判斷，了解該圖像是否為第一幀；其次，將Opencv處理的圖像轉(zhuǎn)變?yōu)閱瓮ǖ阑叶戎担坏谌瑢D(zhuǎn)變后的圖像進(jìn)行高斯平滑度濾波處理，將圖像當(dāng)中的噪點進(jìn)行去除；第四，采用形態(tài)學(xué)噪點填充技術(shù)對圖像當(dāng)中的噪點進(jìn)行二次處理，以獲得所需要更新的背景圖像。

3.3 前景運動物體的提取技術(shù)

在計算機視覺技術(shù)進(jìn)行運動物體的檢測時，只有有效保障檢測流程的準(zhǔn)確度，才能夠有效保障對前景運動物體的跟蹤效果。其主要分為兩大步驟，其一是對二值化后的圖像數(shù)據(jù)進(jìn)行分割處理；其二是在圖像分析前對其進(jìn)行充分的填充處理，保證前景圖數(shù)據(jù)的完整性。同時，在前景圖像提取的過程中也分為多個步驟，其包括：首先，對所提出的前景圖像和背景圖像進(jìn)行差分處理；其次，將差分處理后的圖像二值化處理；第三，對背景當(dāng)中前景物體的輪廓或邊緣進(jìn)行辨識，根據(jù)前景圖像的輪廓對其進(jìn)行填充。由于在實際操作過程中，攝像頭所處環(huán)境的變化較大，并且會在不同場所內(nèi)的不同角度捕捉畫面，因此就需要在前景圖像提取時有效提高背景圖像實時更新的效果。

利用閥值二值化的分割方式能夠有效將前景圖像和背景圖像分離開，從而使目標(biāo)運動物體能夠呈現(xiàn)獨立化，并且閥值分割方式開展前要相對每個像素點進(jìn)行確定，判斷其是否位于灰度值的范圍內(nèi)。而將該圖像的像素灰度和閥值進(jìn)行對比后會出現(xiàn)兩種結(jié)果，分別是灰度值低于或高于閥值。在實際應(yīng)用過程中，有效確定圖像的分割閥值T，就能夠降低環(huán)境當(dāng)中光照因素對圖像質(zhì)量的影響。

4 計算機視覺技術(shù)當(dāng)中的三維重建技術(shù)

1）三維重建的視覺系統(tǒng)

計算機視覺技術(shù)在對圖像進(jìn)行捕捉時可以視為是對大量的圖像信息進(jìn)行處理，從攝像機的視覺角度出發(fā)，其所輸入的圖像一般為二維屬性，但輸出的信息確是三維數(shù)據(jù)，而這種三維空間數(shù)據(jù)能夠提升對運動物體所處空間位置、距離等描述的準(zhǔn)確性。在三維重建視覺系統(tǒng)工作過程中，其相對基本的圖像數(shù)據(jù)框架進(jìn)行確定，然后利用一個坐標(biāo)點建立2.5D圖像數(shù)據(jù)，即以此點為視角能夠觀察到的圖像數(shù)據(jù)，再將2.5D圖像數(shù)據(jù)進(jìn)行整合從而建立三維圖像。

2）雙目視覺系統(tǒng)

當(dāng)人體利用雙眼在不同角度、同一時間內(nèi)觀察同一個物體時，就可以利用算法來測量該物體和人體之間的距離，而這種方法也被稱為雙目立體感，其應(yīng)用的原理主要是人體視覺差所帶來的影響。同時利用兩臺攝像機對同一圖像從不同角度進(jìn)行觀察，就能夠獲得人體雙目觀察后的效果，因此這一三維重建技術(shù)也被稱為“雙目視覺系統(tǒng)”。兩臺不同的攝像機即可代表人體雙眼，其對圖像進(jìn)行逐幀捕獲，但由于角度不同和環(huán)境影響因素的差異，因此造成了圖像差異，必須對其捕捉的圖像進(jìn)行預(yù)處理。

3）三維重構(gòu)算法

在計算機視覺技術(shù)中對于視頻流的采集主要依靠的是彩色攝像機、紅外攝像機、紅外接收攝像頭等設(shè)備。還可以利用微軟所提供的Kinect設(shè)備，在進(jìn)行運動物體檢測前能夠?qū)UI進(jìn)行初始化處理，將系統(tǒng)內(nèi)函數(shù)的參數(shù)設(shè)定為用戶信息深度圖、彩圖、骨骼追蹤圖等數(shù)據(jù)。在使用Kinect設(shè)備對視頻流進(jìn)行打開時，其可以遵循三個步驟，其一是彩色和深度數(shù)據(jù)的處理；其二是根據(jù)數(shù)據(jù)的索引添加顏色信息，并將其引入到深度圖數(shù)據(jù)當(dāng)中；其三是骨骼追蹤數(shù)據(jù)。

5 結(jié)束語

計算機視覺捕捉技術(shù)是現(xiàn)代計算機應(yīng)用當(dāng)中較為先進(jìn)的內(nèi)容，其應(yīng)用范圍較廣，對于運動物體的捕捉準(zhǔn)確度較高，能夠有效推進(jìn)現(xiàn)代計算機模擬技術(shù)的發(fā)展。

計算機視覺論文:基于計算機視覺的馬鈴薯外部品質(zhì)檢測的應(yīng)用研究

摘 要計算機視覺具有實時、客觀、無損的優(yōu)點，能對馬鈴薯的表面外部品質(zhì)進(jìn)行快速有效的檢測。本文闡述了應(yīng)用計算機視覺技術(shù)對馬鈴薯進(jìn)行外部品質(zhì)檢測的必要性，并對基于計算機視覺的馬鈴薯的大小檢測、形狀檢測以及表面缺陷檢測的應(yīng)用進(jìn)行了研究。

【關(guān)鍵詞】計算機視覺技術(shù) 馬鈴薯外部品質(zhì) 檢測

隨著計算機技術(shù)的不斷發(fā)展，計算機視覺技術(shù)應(yīng)運而生并在工業(yè)自動化以及農(nóng)產(chǎn)品檢驗檢測等領(lǐng)域成功應(yīng)用。其中，將計算機視覺技術(shù)用于以自動化采集和品級分級為代表的果蔬商品化處理具有非常廣闊的發(fā)展空間。我國政府將“農(nóng)產(chǎn)品深加工技術(shù)與設(shè)備研究開發(fā)”列為我國“十五”重大科技攻關(guān)項目的第一項，這標(biāo)志著計算機視覺技術(shù)在果蔬外部品質(zhì)檢測中會發(fā)揮越來越重要的作用。

馬鈴薯是世界上僅僅排在小麥、水稻和玉米之后的第四種主要農(nóng)作物，種植區(qū)域非常廣泛。馬鈴薯品質(zhì)檢測是馬鈴薯深加工的一個關(guān)鍵步驟，目前，該檢驗過程多數(shù)采用人工檢測，不僅成本高、效率低，而且與檢驗員的專業(yè)素質(zhì)有密切的關(guān)系，受到人為因素影響的程度較大，嚴(yán)重制約的馬鈴薯加工企業(yè)的發(fā)展。計算機視覺技術(shù)能對農(nóng)產(chǎn)品的某些特性變化和缺陷進(jìn)行識別，具有客觀、無損害等特點。本文對基于計算機視覺的馬鈴薯外部品質(zhì)檢測的應(yīng)用進(jìn)行了研究。

1 應(yīng)用計算機視覺技術(shù)對馬鈴薯進(jìn)行外部品質(zhì)檢測的必要性

隨著“麥當(dāng)勞”、“肯德基”的餐飲服務(wù)業(yè)的快速發(fā)展，炸薯條、炸薯片已經(jīng)成為一種休閑食品深受消費者的喜愛，推動了我國馬鈴薯產(chǎn)業(yè)的發(fā)展。然而，情況并不十分樂觀，與國外的馬鈴薯企業(yè)相比，我國馬鈴薯加工企業(yè)生產(chǎn)規(guī)模小、生產(chǎn)產(chǎn)品單一、技術(shù)設(shè)備落后、產(chǎn)品質(zhì)量不高的現(xiàn)象導(dǎo)致我國的馬鈴薯產(chǎn)品銷售困難，經(jīng)濟(jì)效益逐漸下滑。

基于以上現(xiàn)狀，對馬鈴薯的加工研究還有很長的一段路程。企業(yè)要擴大生產(chǎn)規(guī)模，針對中國的消費趨勢與消費水平開發(fā)出新的馬鈴薯產(chǎn)品，從而提高我國馬鈴薯產(chǎn)品的競爭力。這就要求馬鈴薯加工企業(yè)要對馬鈴薯的加工技術(shù)進(jìn)行創(chuàng)新，保證產(chǎn)品質(zhì)量。其中，馬鈴薯外部品質(zhì)檢測對馬鈴薯產(chǎn)品的最終品質(zhì)起著決定性作用。當(dāng)前的人工檢測方式已經(jīng)不再適應(yīng)社會發(fā)展的要求，利用計算機視覺檢驗代替人工檢驗成為社會發(fā)展的必然趨勢，這是因為計算機視覺技術(shù)具有以下優(yōu)點：

（1）精度高，能夠進(jìn)行定量測量。

（2）自動化程度高，一次就可完成包括大小、形狀、顏色以及缺陷在內(nèi)的檢測和分析，并能進(jìn)行綜合識別。

（3）無損檢測，計算機視覺檢測過程不需要接觸產(chǎn)品，是通過傳感器掃面獲取圖像的，不會造成產(chǎn)品的損傷。

（4）信息量大，可對大量信息進(jìn)行采集，對光譜的敏感范圍也很廣。

2 基于計算機視覺的馬鈴薯外部品質(zhì)檢測的應(yīng)用研究

2.1 馬鈴薯大小的檢測方法

馬鈴薯的大小檢測不僅影響馬鈴薯深加工的商業(yè)價值，在在遺傳和育種方面也有很高的應(yīng)用價值。

利用計算機視覺技術(shù)對馬鈴薯大小的檢測步驟如下：先從攝像機中獲取馬鈴薯的圖像信息，在圖像信息的基礎(chǔ)上對馬鈴薯三維空間的幾何信息進(jìn)行計算，并由此重建和識別馬鈴薯。而馬鈴薯物體表面某點的三維幾何位置與其在圖像中對應(yīng)點之間的相互關(guān)系是由攝像機成像的幾何模型決定的，這些幾何參數(shù)成為攝像機參數(shù)。要想準(zhǔn)確的獲取這些攝像機參數(shù)，就必須將實驗與計算相結(jié)合，此過程成為系統(tǒng)定標(biāo)。

系統(tǒng)定標(biāo)的基本步驟：根據(jù)設(shè)定好的攝像機模型和特定的實驗條件包括形狀、尺寸等已知的定標(biāo)參照物，經(jīng)過對馬鈴薯圖像的處理，并利用一系列的數(shù)學(xué)轉(zhuǎn)換和計算方法將攝像機模型的內(nèi)部和外部參數(shù)計算出來，從而建立照片與實物的聯(lián)系推算出馬鈴薯的真實尺寸。

2.2 馬鈴薯形狀的檢測方法

根據(jù)《中國馬鈴薯栽培學(xué)》中的知識，我們可以把馬鈴薯的塊莖形狀分為三類，分別是圓形、長筒形和橢圓形，除了這三種形狀，其余都是這三種形狀的變形。此次研究將馬鈴薯分為圓形、橢圓形和長筒形，并且采用橢圓的短長軸比來模擬馬鈴薯的縱橫直徑之間的關(guān)系。

2.2.1 馬鈴薯形狀特征參數(shù)的提取

將馬鈴薯橢圓的短長軸比R作為形狀特征參數(shù)，并按照R的大小將馬鈴薯進(jìn)行分類。當(dāng)R小于0.67時，稱之為長筒馬鈴薯；當(dāng)R大于0.85時，稱之為圓形馬鈴薯；當(dāng)R介于0.67到0.85之間時，稱之為橢圓形馬鈴薯。

2.2.2 結(jié)果與分析

隨機抽取114塊馬鈴薯，對抽取的馬鈴薯進(jìn)行正反兩面拍照，挑選清晰度最高的228張圖片。人工分類后進(jìn)行計算機視覺分類，操作步驟具體如下：

（1）用DIPS預(yù)處理：B通道灰度化，中值濾波和Otsu分割；

（2）通過計算機視覺技術(shù)提取馬鈴薯圖片的短長軸比R；

（3）將人工分類與計算機視覺分類進(jìn)行對比，并得出正確率。

根據(jù)圖表，我們可以看出在228張僅有兩張圖片被分類錯誤，正確率高達(dá)99.1%，而這兩個分類錯誤的馬鈴薯的短長軸比處于0.67周圍，分別為0.667604 ， 0.67193和0.671887， 0.661063，又因為對馬鈴薯形狀的分類不需要類似工業(yè)生產(chǎn)那樣精密，所以，當(dāng)正反兩面短長軸比接近時都可看作是橢圓形。

2.3 馬鈴薯的缺陷檢測

計算機視覺技術(shù)具有實時、客觀、無損的檢測特點，能對馬鈴薯的表面缺陷和某些特征要素進(jìn)行快速檢測。基于此，國內(nèi)外很多研究學(xué)者進(jìn)行了大量的實驗研究，在1998年開發(fā)了利用PC機輔助的實時馬鈴薯檢測系統(tǒng)，能夠?qū)︸R鈴薯的重量、顏色以及形狀進(jìn)行快速檢測；2000年，相關(guān)研究者在此基礎(chǔ)上建立了計算機視覺檢測系統(tǒng)，不僅能實現(xiàn)大小、形狀的檢測，還能對馬鈴薯表面的生長裂縫、機械裂縫、綠皮等表面缺陷進(jìn)行檢測。當(dāng)前對馬鈴薯表面缺陷進(jìn)行檢測的主要計算機視覺技術(shù)包括缺陷分割法和缺陷識別法兩種方法。

3 結(jié)論

本文應(yīng)用計算機視覺技術(shù)對馬鈴薯的大小、形狀和表面缺陷等外部品質(zhì)進(jìn)行了檢測，但是還未能實現(xiàn)利用計算機視覺技術(shù)對馬鈴薯的表面缺陷進(jìn)行分類這一技術(shù)。因此，相關(guān)部門要加大研究力度，爭取早日完善計算機視覺技術(shù)，從而推動我國馬鈴薯加工企業(yè)快速高效的發(fā)展。

計算機視覺論文:基于計算機視覺的通訊機殼部件精密測量方法

摘要：為解決通訊機殼部件測量中遇到的圓擬合和邊緣提取不準(zhǔn)確的問題，提出了利用加權(quán)函數(shù)進(jìn)行修正的方法。首先，針對圓擬合過程中容易受到干擾點影響的情況，提出采用雙平方形式的加權(quán)函數(shù)對圓擬合過程進(jìn)行修正，去除了離群值較大的點，從而使圓擬合更準(zhǔn)確。為了準(zhǔn)確的定位邊緣，提出了利用三角形模糊隸屬函數(shù)作為加權(quán)函數(shù)，對邊緣選取過程進(jìn)行修正，從而達(dá)到準(zhǔn)確提取邊緣的目的。同時，本文采用了魯棒性強的字符提取算法及支持向量機的字符檢測算法，實現(xiàn)了字符提取和識別。

關(guān)鍵詞：加權(quán)函數(shù)；圓擬合；邊緣選取；字符檢測

通訊天線設(shè)備的電性能直接與設(shè)備的各個零部件的精度相關(guān)，通訊天線零部件的高精度是保障通信質(zhì)量的基本條件。通訊機殼零部件的尺寸精度、幾何形狀精度、相互位置精度、表面粗糙度等都有嚴(yán)格規(guī)范和公差范圍。在檢測過程中不但要高精度地測量幾何尺寸、幾何形狀和相互位置精度，同時還要識別零部件表面的各種符號、數(shù)字和字母等。本文以通訊機殼零部件測量為例，以滿足精度、提高可靠性為目的，研究了基于單目計算機視覺條件下滿足亞像素精度的檢測方法，其關(guān)鍵檢測技術(shù)主要有標(biāo)定技術(shù)、復(fù)雜輪廓的基元擬合技術(shù)、模糊測量技術(shù)和字符提取技術(shù)等。文中針對機殼部件測量中，存在圓擬合與邊緣提取不準(zhǔn)確的問題，提出了利用加權(quán)函數(shù)進(jìn)行修正的方法。該方法的基本思想是：圓擬合不準(zhǔn)確主要是由于受到較大的離群點影響，因此采用一種雙平方模式的加權(quán)函數(shù)來去除這些離群點，從而得到準(zhǔn)確的擬合圓。邊緣提取不準(zhǔn)確也是由于提取到了不需要的邊緣，因此采用三角形模式的加權(quán)函數(shù)對不需要的邊緣進(jìn)行抑制，只允許正確的邊緣輸出，從而達(dá)到正確檢測目的。檢測結(jié)果表明，所提出的方法能夠滿足測量要求。由于機殼部件表面的字符也要求識別，因此本文根據(jù)字符及其背景，選擇了魯棒性強的動態(tài)閥值分割算法和支持向量機分類器實現(xiàn)了字符的檢測和識別。

1 攝像機標(biāo)定技術(shù)

本文采用傳統(tǒng)的攝像機標(biāo)定方法，利用一個標(biāo)定板與其圖像的對應(yīng)約束關(guān)系來確定攝像機的內(nèi)參數(shù)和外參數(shù)。測量中，采用的是遠(yuǎn)心相機模型。從三維空間坐標(biāo)到二維圖像坐標(biāo)的映射關(guān)系可以使用一個固定數(shù)量的參數(shù)來表示：

2 最小二乘法的加權(quán)擬合

由于部件的邊界點組成的輪廓會產(chǎn)生大量的數(shù)據(jù)，而我們所關(guān)心的是確定部件輪廓的位置信息，因此需要將輪廓擬合成直線、圓、橢圓等基元，進(jìn)而確定被測部件的形狀精度、相互位置精度等關(guān)鍵參數(shù)。本文提出一種圓擬合算法，該算法基于各個擬合點的權(quán)重值的大小對圓進(jìn)行擬合，使得到圓更為精確。

3 模糊測量

相對于經(jīng)典標(biāo)準(zhǔn)的測量方法，模糊測量對邊緣選擇更加靈活。它可以依據(jù)圖像的對比度、位置、尺寸及灰度值等信息實現(xiàn)測量。

設(shè)模糊集合記為；并在[0，1]閉區(qū)間的特征函數(shù)稱為隸屬函數(shù)，記為，它表示對于的隸屬程度，用它來描述“亦此亦彼”的模糊概念。在經(jīng)典集合論中，集合元素要么屬于或不屬于集合，該集合的邊界是清晰的。模糊集理論則允許有關(guān)集合元素模糊漸進(jìn)評估，這就是通過隸屬函數(shù)來描述的。模糊集合的定義式為：

由于在圖像中的灰度值存在模糊性，其主要體現(xiàn)在物體的邊緣，因此適合用模糊理論對圖像邊緣的不確定性進(jìn)行描述。對單一不確定性測量，在量化的區(qū)域內(nèi)，包含準(zhǔn)確的值，即在gray zone范圍內(nèi)[6]。對物體進(jìn)行測量前，要選擇模糊隸屬函數(shù)。常用的有Triangular、S-curve function、Z-function和Pi-function四種。其他隸屬函數(shù)可由這四種組合而成[7]。在實際的測量中，由于光照等因素影響，常導(dǎo)致邊緣檢測不準(zhǔn)確，進(jìn)而影響測量結(jié)果，圖2（a）所示為由于檢測出多個邊緣，其測量結(jié)果有多個。

5 結(jié)論

本文研究了基于單目計算機視覺的機殼測量方法。針對測量中圓擬合不準(zhǔn)確的問題，提出了圓擬合算法的改進(jìn)，即對擬合過程中，先計算各個點的加權(quán)值，對大于指定值的視為離群點，將其忽略已達(dá)到去除離群點的目的，從而得到更準(zhǔn)確的圓。對檢測到多個邊緣的問題，根據(jù)其正確的邊緣位置信息，設(shè)計相應(yīng)的加權(quán)函數(shù)，只選擇需要的邊緣輸出，從而得到正確的測量結(jié)果。加權(quán)函數(shù)的方法的優(yōu)點是使檢測結(jié)果更準(zhǔn)確；其缺點是增加了計算量，從而使檢測時間加長。因此，對于檢測時間要求比較苛刻的場合，該方法還有進(jìn)一步改進(jìn)的空間。另外本文還根據(jù)檢測要求，運用動態(tài)閥值分割算法和SVM分類器對機殼表面的字符進(jìn)行了提取和識別。