码垛机器人视觉图像增强以及平滑去噪技术
时间:2017-12-15
阅读:8437
码垛机器人视觉图像增强以及平滑去噪技术
基于机器视觉的码垛机器人系统区别于传统的示教机器人,它能够通过相机获得目标图像,在完成相机标定后,对图像信息进行分析处理,再将结果反馈回机器人。其中,图像处理的好坏将直接影响到后续码垛工作的执行情况。因此,有必要对图像处理技术做深入分析,并找到适合系统的最佳算法。一般来讲,当相机采集到原始图像后,先要进行预处理,增强图像的对比度,去除图像噪声,找到并突出系统感兴趣的部分,弱化无关信息。下一步,要对预处理后的图像进行特征提取,把图像抽象成数字信息加以描述。最后,要对图像进行分类识别和定位,以找到满足条件的工件,方便机器人的后续码垛工作。本章将对图像处理技术进行介绍,并对其进行MATLAB仿真实现。
图像增强技术
在机器视觉系统中,图像分割和目标识别是视觉信息处理的核心部分。通常来讲,无论相机精度有多高,实验环境多理想,采集到的原始图像也无法直接满足后续实验要求,这就需要在机器视觉系统中对其进行一些预处理操作,来提取图像中有用的信息。由于机器视觉系统只对特定的图像信息感兴趣,因此在预处理过程中,需要考虑的是如何最大程度强调有用信息,不需要考虑其余信息的完整性与有效性,也就是说可以容许存在一定程度的失真。预处理的目的也正在于此,即通过预处理操作能够使处理后的图像与原始图像相比更贴近后续操作要求,更适合机器视觉系统的识别。
常用的图像增强技术有对比度变换、直方图均衡化、平滑去噪等。图像对比度增强技术主要分为频域法和空域法两类。频域法将图像看成二维信号,在频率域用滤波器对图像进行处理,增强图像信号;不同于频域法,空域法是一种直接增强图像的方法,它直接对每个像素点进行操作,通过空间滤波对图像进行卷积、平滑等操作来达到图像增强的目的。本文经过分析对比,采取了直方图均衡化对原始图像进行增强处理。
直方图均衡化
在图像处理领域,直方图就是记载了灰度图像各像素点的亮度信息形成的统计图形。直方图均衡化就是要利用亮度直方图对图像的灰度值进行调整,强调亮部细节。其基本思想是,通过累计函数,将原始图像的直方图分布进行非线性变换,对像素点的灰度值重新排列,使一定范围(通常是有用信息)内的像素数量大致相同,变成均匀分布,从而增强像素灰度值的动态范围,达到图像对比度增强的效果。
图3.1 (a)为摄像机采集到的原始图像,图3.1 (b)为直方图均衡化后的图像。通过对比可以发现,直方图均衡化后的图像能够很好地增强图像亮度。通过增强明亮区域的像素和降低暗部像素,强调了图像的细节,使目标和背景区别明显,能够达到后续处理的要求。
图像平滑去噪
图像从采集到处理到传输,各个环节都可能会受到噪声的干扰。这些都会使得图像质量下降,丢失细节信息,淹没特征,影响接下来的操作。图像平滑主要目的是为了减少噪声。不同于图像增强技术,图像平滑去噪虽然会去除噪声,但同时也会损失一些图像细节,模糊线条轮廓。应该尽量在消除噪声的同时,保护细节信息。一般分为空域法和频域法。在频率域,由于噪声频谱通常在高频部分,因此可以采用低通滤波器来减少噪声。空间域可以用邻域平均、高斯滤波、中值滤波等方法来减少噪声。
式中T就是规定非负的阈值。这个公式的物理含义是:规定一个阈值T,当某点邻域内的平均灰度的差值小于T时,不做改变;若结果相反,则用改变该点的灰度值为平均值。这样就可以大大减少模糊的程度。
机器人
码垛机器人
技术干货
好的文章,需要您的鼓励
9
- 最新资讯
- 最新问答
-
单轴机器人工作原理及结构
关键字: 单轴机器人 工作原理 结构 2024-09-27 -
发那科机器人多少钱一台?有什么优势?
关键字: 发那科机器人 多少钱 2024-09-26 -
发那科搬运机器人多少钱?有什么优势?
关键字: 发那科 机器人 多少钱 2024-09-23 -
复合机器人品牌有哪些?产品及特点
关键字: 复合机器人 产品特点 2024-09-20 -
机器人结构组成及功能
关键字: 机器人结构 组成 2024-09-18
-
amr机器人是什么意思
标签: amr机器人,什么意思 提问:HYN 2024-09-18 11:16:05 -
上海视觉设备厂家有哪些?
标签: 视觉设备,视觉设备厂家 提问:GIGI 2024-09-13 10:16:02 -
搬运机器人多少钱一台?
标签: 搬运机器人,多少钱 提问:小仙 2024-09-10 11:28:02 -
配天机器人价格怎么样?
标签: 配天,机器人,价格 提问:SOSO 2024-09-09 10:48:02 -
场景感知技术包括哪些
标签: 场景感知,技术 提问:YUMI 2024-09-03 10:30:05
相关资讯
相关问答
- 2021-06-10 10:45:45
- 2021-06-11 13:34:28
- 2020-05-29 10:03:22
- 2019-09-24 11:19:01
- 2020-01-16 13:27:13
- 2019-10-08 09:43:45
- 2022-08-11 13:34:57
- 2023-05-09 07:25:25
- 2022-08-24 08:13:44
- 2023-01-10 09:48:37
- 2023-01-27 13:17:04
- 2022-08-03 10:20:40
栏目推荐
- 2024-09-27
- 2024-09-26
- 2024-09-23
- 2024-09-20
- 2024-09-18
- 2024-09-14
- 2024-09-14
- 2024-09-14
- 2024-09-12
- 2024-09-11