基于HIS模型的图像灰度化处理方法研究_凌双明.pdf

长沙航空职业技术学院学报JOURNAL OF CHANGSHA AERONAUTICAL VOCATIONAL AND TECHNICAL COLLEGE第 23 卷第 1 期2023 年 3 月Vol.23 No.1Mar.2023-33-DOI:10.13829/ki.issn.1671-9654.2023.01.009基于 HIS 模型的图像灰度化处理方法研究凌双明（长沙航空职业技术学院，湖南长沙410124）摘要：机器人检测工件时对拍摄的照片需要进行预处理，以便于将处理后的数字图像和数据进行比对后，判断后面的动作。一般的分拣机器人视觉系统用工业相机采集图像，可以使用 Matlab 软件对图像进行预处理和仿真。在对相机拍摄的图像做二值化预处理之前先进行灰度化处理。采用 HIS 模型，利用 Matlab 软件对图像进行灰度化预处理，保证了视觉系统可以获得理想的工件灰度图，提高图像的预处理速度的同时也可以保证图形预处理二值化的正确率不降低，可为机器人视觉系统进行后续的分拣作业提供有效参考，保证作业的精准度。关键词：二值化；灰度化；图像预处理中图分类号：TP3文献标识码：A文章编号：1671-9654(2023)01-0033-03Research on Image Grayscale Processing Method Based on HSI ModeLING Shuang-ming(Changsha Aeronautical Vocational and Technical College,Changsha Hunan 410014)Abstract:When the robot detects the work object,the photos taken by the robot need to be preprocessed so that the digital images and data after processing can be compared to judge the actions of the robot.The general sorting robot vision system uses industrial camera to collect images,which can be preprocessed and simulated by Matlab software.The image taken by the camera is processed by grayscale before binarization pretreatment.HIS model and Matlab software are used to pre-process the image in grayscale,which ensures that the vision system can obtain the ideal greyscale image of the work object,and improve the image preprocessing speed,and also can ensure that the graphics pre-processing binarization accuracy is not reduced.This method can provide effective reference for the robot vision system to carry out the subsequent sorting operation and ensure the accuracy of the operation.Key words:binarization;gray scale;image preprocessing收稿日期：2022-12-27基金项目：本文为湖南省教育厅科学研究项目“基于图形处理的工业机器人视觉检测应用研究”（编号：20C0013）阶段性研究成果。作者简介：凌双明（1983），女，湖南长沙人，副教授，工程硕士，研究方向为 PLC 技术、工业机器人技术。数字图像处理大多数技术都是面向黑白色或灰度图像。然而世界上的物体具有丰富的色彩，彩色图像可以提供比灰度图像更丰富的信息，而且人眼对彩色图像的视觉感受要比对灰度图像的感受更加敏感和丰富。为了更好地增强和复原图像，在数字图像处理中广泛使用了彩色图像处理技术，尤其在智能机器人进行图像识别与检测方面。当人工智能进行图像识别时，由于对拍摄的图片预处理不够好，从而影响机器人的识别准确度等问题也比比皆是。对图像进行预处理可以有效提高图像的质量以及识别的准确度。1 工件图像的预处理机器人检测工件时对拍摄的照片需要进行预处理，以便于将处理后的数字图像和数据进行比对后来判断后面的动作。工件图像的预处理步骤主要包括：首先使用工业相机对工件进行拍照，-34-长沙航空职业技术学院学报第 23 卷完成图像采集。分割处理采集到的图像后再进行方向图计算，并采用算法对图像增强，然后对图像进行二值化处理1。得到二值化的图像后再进行图像细化以便完成图形的特征值提取，将提取后的数据与图形数据库比对后得出结果，机器人可以按程序执行下一步的动作，如图 1。图 1 工件图像的预处理流程2 图像二值化前的灰度化处理彩色图像在完成图像增强后进行二值化前需要先进行灰度化处理，这样可以提高黑白（二值化）图像的清晰度2。在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中 R、G、B 的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度值范围为0255。一般常用加权平均法来获取每个像素点的灰度值。图像的二值化是将图像上的像素点的灰度值设置为 0 或 255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。基于 Matlab 首先对工件图像进行灰度化，读入原图像并显示：I=imread(F:工件图片 workobject1.jpg);imshow(I);然后将图像进行灰度化并显示：J=rgb2gray(I);%将 rgb 彩色图像转化为灰度图像 imshow(J);（如图 2a）最后将灰度图像进行二值化并显示：level=graythresh(J);%自动获取阈值（01）imgbw=im2bw(J,level);%二值化的方法 imshow(imgbw);（如图 2b）ab图 2 图像的灰度化和二值化3 视觉图像的灰度化处理模型彩色管理模式主要为 RGB 模型、CMY 模式、CMYK 模式、HSI 模型、YUV 模式和 YIQ 管理模式等3，作用是在某种标准下以可接受的方法改善彩色标准。其中 HSI 模型更符合一般人描述和理解的色彩特征，将图像分为彩色和灰度信息，HSI 模型用 H、S、I 三参数描述色彩特征，H 为光波长，称为色相，S 为饱和度，I 表示光强度。HSI 色彩空间是直觉颜色模型，由 Hue(色调)、Saturation(饱和度)和 Intensity(亮度)3 个要素呈现图像色彩。给定一个 RGB 模型的图像，对于每一个在0，1 区域内的 R、G、B 值，在相应的 HSI 模型中的 H、S、I 分量可由下式计算得出：当 S=0 时，相对于无色的亮度轴，I 无作用，因此约定为 H=0；当 I=0 时，S 并无意义，规定为S=0 和 H=0。总结上述公式方法，可得：从 RGB 建模到 HSI建模的过渡值是不确定的，且估计量很大；HSI 色调空隙中的亮度轴，和 RGB 色调空隙中的对角线灰度轴相对，在 R=G=B 时，显示为灰度(非色调)，但此时 H 无特殊意义，为奇点;在奇点周围，很小的 R、G、B 值改变会造成较大的色调震荡，利用Matlab 将 RGB 图像转换到 HSI 空间:rgb=imread(lena.jpg);subplot(221)，imshow(rgb);title(原始图像)rgb1=im2double(rgb);/2 倍原始值r=rgb1(:，:，1);/红色通道g=rgb1(:，:，2);/绿色通道b=rgb1(:，:，3);/蓝色通道%执行转换方程I=(r+g+b)/3;/亮度tmp1=min(min(r，g)，b);-35-凌双明：基于 HIS 模型的图像灰度化处理方法研究第 1 期tmp2=r+g+b;tmp2(tmp2=0)=eps;S=1-3.*tmp1./tmp2;/饱和度tmp1=0.5*(r-g)+(r-b);tmp2=sqrt(r-g).2+(r-b).*(g-b);theta=acos(tmp1./(tmp2+eps);H=theta;/单位弧度H(bg)=2*pi-H(bg);H=H/(2*pi);/色调H(S=0)=0;hsi=cat(3，H，S，I)/将三个分量合成一个 HIS图形subplot(222)，imshow(H);title(H 分量)subplot(223)，imshow(S);title(S 分量)subplot(224)，imshow(I);title(I 分量)工业机器人相机拍摄的图像一般多为彩色图片，在图像增强的过程中容易因为颜色偏移产生失真现象。如果把复杂照度图像从 RGB 三色空间转变至 HSI 空间再进行图像增强，可以避开三色的缺陷，分离出图像亮度（I）与颜色分量，对 I 分量的增强操作不会影响颜色的信息，可以很好避免图像颜色的失真，由于只需要在亮度（I）这一个值上进行图像增强处理，因此加快了图像处理速度，缩短了图像处理的时间，提高了算法的计算效率。4 检测工件的灰度化处理结果视觉并联分拣机器人在对原材料和工件进行快速分拣时，将摄像机所捕捉到的实时图像在视觉模块中完成处理，在这里也包括了对图像的灰度化处理，按照重要性或其他指标分别给出了 R、G、B 的权重，并将 R、G、B 的权重值均衡后，使R=G=B=WR+WG+WB，在这里，WR、WG、WB依次是指 R、G、B 的权重。在 WR、WG、WB中选取差异的数值，用加权平均值法即可产生截然不同的灰度图像效果。当 WR=0.3，WG=0.59，WB=0.11 时，检测工件的不同圆形零部件可以得到最理想的灰度图，灰度化处理后的效果如图 3 所示。此时即表示：Vgray=0.30R+0.59G+0.11BVgray=R=G=B图 3 圆形零部件灰度化处理结果使用 Matlab 对图像进行 HIS 模型的灰度化处理后再进行二值化算法，并与其他二值化算法进行比较，实验选取了 900 张像素为 600*400 的照片进行测试比对，结果如表 1 和表 2 所示。表 1 基于 HIS 二值化算法的测试结果样本类型样本数量/张 正确次数/张正确率清晰样本30029799%点状噪声样本30029498%轻度残缺样本30029097%表 2 基于其他二值化算法的测试结果样本类型样本数量/张 正确次数/张正确率清晰样本30029799%点状噪声样本30029498%轻度残缺样本30029297%从实验数据可以得出以下结论，即：HIS 模型不但可以缩短图像灰度化处理的时间，而且在提高图像处理速度的同时并不会影响其二值化处理的正确率。参考文献：1 贺强,晏立.基于 LOG 和 Canny 算子的边缘检测算法 J.计算机工程,2011(3):210-212.2 苏羚凤.计算机图像处理和识别技术的应用 J.科技资讯,2022(1):41-43.3 魏友华,何雪梅,徐霞,等.一种自适应图像预处理方法研究与应用 J.现代电子技术,2022(7):53-57.