基于OpenCV的目標(biāo)物體顏色及輪廓的識(shí)別方法

基于OpenCV的目標(biāo)物體顏色及輪廓的識(shí)別方法摘要：針對(duì)機(jī)器人視覺中對(duì)目標(biāo)物體的拾取問題，提出一種基于OpenCV函數(shù)對(duì)從攝像頭輸入的目標(biāo)物體的顏色及輪廓進(jìn)行有效識(shí)別的方法。首先利用攝像頭讀取目標(biāo)物體及周圍環(huán)境，經(jīng)一系列圖像處理后進(jìn)行目標(biāo)物體的顏色識(shí)別，在此基礎(chǔ)上進(jìn)行Canny邊緣檢測(cè)并查找輪廓，最后將輪廓顯示。結(jié)果表明，該實(shí)驗(yàn)程序可以很好地完成對(duì)目標(biāo)物體的顏色及輪廓提取，且有效地避免了目標(biāo)物體周圍相近顏色的干擾。關(guān)鍵詞：機(jī)器人視覺;顏色識(shí)別;輪廓識(shí)別;Canny邊緣檢測(cè)中圖分類號(hào)：TN919?34;TP391文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1004?373X（2014）24?0076?04Methodofobjects’colorandcontourrecognitionbasedonOpenCVHOUBin，ZHANGWen?zhi，DAIYuan?cheng，TIANHong?qiang（InnerMongoliaUniversityofTechnology，Huhhot010051，China）Abstract：Aimingattheproblemofrecognizingthetargetobjectinrobotvisual，awaybasedonOpenCVisproposed，whichcaneffectivelyrecognizethecolorandthecontouroftheobjectsfromthecamera.Thetargetobjectanditssurroundingenvironmentarereadoutbycamera，andthenthecoloroftheobjectisrecognizedafteraseriesofimageprocessing.Onthebasisofthis，theCannyedgedetectioniscarriedon，andthecontourisdeterminedanddisplayed.Theresultsshowthattheexpe?rimentalprocedurecancompletetheextractionoftargetobjects'colorandcontourperfectly，andavoidtheinterferenceofsimilarcoloraroundobjectseffectively.Keywords：robotvision;colorrecognition;contourrecognition;Cannyedgedetection0引言機(jī)器人視覺是機(jī)器人感知外部世界的重要媒介，也是未來機(jī)器人傳感器發(fā)展的主流方向。機(jī)器人視覺通過視覺傳感器獲取環(huán)境的圖像數(shù)據(jù)，并通過軟件進(jìn)行圖像的分析和理解，使機(jī)器人能夠辨識(shí)目標(biāo)物體及確定其位置[1]。隨著機(jī)器人技術(shù)的快速發(fā)展及其在工業(yè)、醫(yī)學(xué)、軍事等領(lǐng)域的廣泛應(yīng)用，機(jī)器人視覺技術(shù)取得了快速發(fā)展，對(duì)機(jī)器人靈敏感知周圍環(huán)境的能力要求也不斷提高[2]。對(duì)目標(biāo)物體的精確識(shí)別問題是機(jī)器人視覺中最基本的環(huán)節(jié)，而顏色識(shí)別和輪廓識(shí)別又是進(jìn)行其他深入研究的基礎(chǔ)。目前在這方面的主要應(yīng)用是單一的對(duì)顏色或輪廓的提取?；谏鲜銮闆r，本文提出了基于OpenCV函數(shù)庫(kù)，對(duì)攝像頭取景范圍內(nèi)目標(biāo)物體顏色及輪廓共同精確提取的方法。利用OpenCV函數(shù)庫(kù)中提供的函數(shù)，對(duì)目標(biāo)物體首先進(jìn)行各種圖像學(xué)方面的預(yù)處理以使得到的圖像符合實(shí)驗(yàn)要求，然后利用閾值調(diào)節(jié)進(jìn)行顏色識(shí)別，最后在顏色識(shí)別的基礎(chǔ)上進(jìn)行邊緣檢測(cè)及輪廓識(shí)別。1OpenCV簡(jiǎn)介OpenCV是由Intel公司資助的開源計(jì)算機(jī)視覺庫(kù)，它由一系列C函數(shù)和少量C++類所組成，可實(shí)現(xiàn)圖像處理和計(jì)算機(jī)視覺方面的很多通用算法，例如特征檢測(cè)與跟蹤、運(yùn)動(dòng)分析、目標(biāo)分割與識(shí)別以及3D重建等[3?4]。由于OpenCV的源代碼是完全開放的，而且源代碼的編寫簡(jiǎn)潔而又高效，所以近年來在國(guó)內(nèi)外的圖像處理相關(guān)領(lǐng)域中被廣泛地使用，成為一種流行的圖像處理函數(shù)庫(kù)。本實(shí)驗(yàn)是在WindowsXP系統(tǒng)下基于OpenCV1.0版本及VC++6.0環(huán)境下實(shí)現(xiàn)的。2顏色空間的選取顏色空間的用途是在某些標(biāo)準(zhǔn)下用通?？山邮艿姆绞綄?duì)彩色加以說明。常用的顏色空間有RGB，CMY，HSV，HSI等。本文采用的顏色空間為RGB和HSV[5]。RGB（紅、綠、藍(lán)）如圖1所示，可將R，G，B看成一個(gè)三維的坐標(biāo)系，其中每一個(gè)坐標(biāo)點(diǎn)都代表了一種顏色。HSV顏色空間，如圖2所示。Hue表示的是顏色，通常使用一個(gè)帶有角度的圓形表示。Saturation表示的是飽和度，在圓心處的取值是0，表示顏色很淡，沿著圓的半徑方向增大顏色越來越濃。Value表示的是顏色的亮度，在圓錐的底端Value表示的是黑色，在頂端是白色。在實(shí)際中，RGB顏色表示容易受到強(qiáng)光，弱光，陰影等因素的影響。相比之下，HSV空間面對(duì)這些光照的變化更穩(wěn)定一些，能很好地反應(yīng)顏色的本質(zhì)。本實(shí)驗(yàn)采用普通CCD攝像頭讀入RGB顏色，再將RGB顏色轉(zhuǎn)換為HSV顏色。在OpenCV中RGB轉(zhuǎn)換到HSV時(shí)，對(duì)Hue通道的存儲(chǔ)是用一個(gè)字節(jié)（8位）來表示，取值為[0，255]，而Hue的取值[0，360]，故需將Hue取值壓縮一倍為[0，180]。其余兩個(gè)量的取值為[0，255]。3算法實(shí)現(xiàn)如圖3所示為整個(gè)算法的大體流程圖。3.1圖像獲取及預(yù)處理利用普通CCD攝像頭獲取周圍環(huán)境圖像，對(duì)獲取的圖像進(jìn)行平滑濾波處理[6]：（1）進(jìn)行高斯濾波處理。由于高斯濾波器是一個(gè)低通濾波器故適合進(jìn)行平滑濾波處理，相對(duì)于均值濾波它的平滑效果更柔和，而且邊緣保留得也更好。高斯濾波函數(shù)：cvSmooth（src，dst，CV_GAUSSIAN，3，3，0，0）。src為輸入的源圖像，dst為輸出的圖像。由于真實(shí)圖像在空間內(nèi)的像素是緩慢變化的，鄰近點(diǎn)的像素變化不會(huì)很明顯，但是隨機(jī)的兩個(gè)點(diǎn)就可能形成很大的像素差（也就是說空間上噪聲點(diǎn)不是相互聯(lián)系的），正是基于這一點(diǎn)，高斯濾波在保留信號(hào)的條件下減少了噪聲[3]。（2）中值濾波器（CV_MEDIAN）將中心像素的正方形鄰域內(nèi)的每個(gè)像素值用中間像素值替換?；谄骄惴ǖ膕impleblur對(duì)噪聲圖像特別是有大的孤立點(diǎn)的圖像非常敏感，即使有少量點(diǎn)存在較大差異也會(huì)導(dǎo)致平均值的明顯波動(dòng)，因此中值濾波可以通過選擇中間值避免這些點(diǎn)的影響[7]。中值濾波函數(shù)：cvSmooth（src，dst，CV_MEDIAN，3，3，0，0）。基于兩種濾波器各自的特點(diǎn)及互補(bǔ)的特性故在程序中同時(shí)使用了這兩種濾波函數(shù)以使得到的圖像更平滑從而減少噪聲影響。3.2顏色空間轉(zhuǎn)換及圖像通道的分離由于HSV顏色空間相比于RGB顏色空間的優(yōu)越性，故將RGB轉(zhuǎn)化為HSV。RGB到HSV的數(shù)學(xué)轉(zhuǎn)換函數(shù)如下所示：[k1=max{r，g，b}，k2=min{r，g，b};v=k1255]（1）[s=0，k1=0（k1-k2）k1，k1≠0]（2）[h=（0+g-bk1-k2）×60，s≠0，k1=r（2+b-rk1-k2）×60，s≠0，k1=g（4+r-gk1-k2）×60，s≠0，k1=bundefined，s=0]（3）式中：r，g，b為RGB顏色空間中紅色、綠色、藍(lán)色3個(gè)分量的值;h，s，v為HSV顏色空間中色度、飽和度、亮度的值。采用下列函數(shù)實(shí)現(xiàn)RGB到HSV轉(zhuǎn)換：cvCvtColor（src，dst，CV_BGR2HSV）。接下來對(duì)得到的HSV圖像進(jìn)行通道分離，分離為3個(gè)單通道圖像，分別為H（色度通道圖像）、S（飽和度通道圖像）及V（亮度通道圖像）。采用如下函數(shù)實(shí)現(xiàn)：cvCvtPixToPlane（src，H，S，V，0）。3.3創(chuàng)建滑動(dòng)條及閾值化處理創(chuàng)建滑動(dòng)條的目的是返回所想要的顏色參數(shù)閾值。本實(shí)驗(yàn)設(shè)定了6個(gè)調(diào)節(jié)參數(shù)LowHue（色度下限值）、HighHue（色度上限值）、LowSaturation（飽和度下限值）、HighSaturation（飽和度上限值）、LowBrightness（亮度下限值）、intHighBrightness（亮度上限值）。cvInRangeS（）函數(shù)用于檢查圖像中像素的灰度是否屬于某一指定范圍。可以通過接收滑動(dòng)條返回的各個(gè)閾值而得到目標(biāo)顏色的色度、飽和度和亮度單通道圖像。3.4圖像生成及圖像形態(tài)學(xué)處理應(yīng)用“cvAnd（）”函數(shù)對(duì)得到的三個(gè)單通道圖像進(jìn)行按位與運(yùn)算，最后得到檢測(cè)目標(biāo)的二值圖像。但是得到的圖像會(huì)出現(xiàn)噪聲，故接下來需對(duì)得到的圖像進(jìn)行圖像形態(tài)學(xué)處理。采用膨脹腐蝕的方法進(jìn)行處理得到的圖像，可以明顯去除或減少噪點(diǎn)，使得到的目標(biāo)體進(jìn)行最大的連通。膨脹是指將一些圖像與核進(jìn)行卷積，求局部最大值的操作，數(shù)學(xué)公式為：[dst（x，y）=max{src（x+x′，y+y′）}]（4）[（x′，y′）∈kernel]式中：dst為輸出圖像;src為輸入源圖像;kernel為用于腐蝕或膨脹的核結(jié)構(gòu)元素，本實(shí)驗(yàn)選取的核大小為3×3像素如圖4所示。腐蝕是膨脹的反操作。腐蝕操作要計(jì)算核區(qū)域像素的最小值。腐蝕的數(shù)學(xué)函數(shù)為：[dst（x，y）=min{src（x+x′，y+y′）}]（5）在OpenCV中膨脹采用的函數(shù)是“cvDilate（）”，腐蝕函數(shù)為“cvErode（）”。一般來說，膨脹擴(kuò)展了區(qū)域，而腐蝕縮小區(qū)域。膨脹可以填補(bǔ)凹洞，腐蝕能夠消除凸起。腐蝕操作通常是用來消除圖像中的“斑點(diǎn)”噪聲，可以將斑點(diǎn)腐蝕掉，且能確保圖像內(nèi)的較大區(qū)域依然存在。在試圖找到連通分支（即具有相似顏色或強(qiáng)度的像素點(diǎn)的大塊的互相分離的區(qū)域）時(shí)通常使用膨脹操作。故程序中采用先膨脹后腐蝕的方法可以有效的去除被檢測(cè)到物體的邊緣噪點(diǎn)及其他噪聲影響[8]。3.5查找輪廓和繪制輪廓Canny邊緣檢測(cè)法是最常用到的進(jìn)行邊緣檢測(cè)的方法，其最重要的特點(diǎn)是試圖將獨(dú)立的候選像素拼裝成輪廓[9]。輪廓的形成是對(duì)這些像素運(yùn)用滯后性閾值，本實(shí)驗(yàn)所采用的上下限閾值比為3∶1。Canny邊緣檢測(cè)算法是高斯函數(shù)的一階導(dǎo)數(shù)，是對(duì)信噪比與定位精度之乘積的最優(yōu)化逼近算子[7]。Canny算法（見圖5）首先用二維高斯函數(shù)的一階導(dǎo)數(shù)，對(duì)圖像進(jìn)行平滑，設(shè)二維高斯函數(shù)為：[G（x，y）=12πσ2exp-x2+y22σ2]（6）其梯度矢量為：[?G=?G/?x?G/?y]（7）通過上式進(jìn)行平滑，抑制圖像噪聲。其中σ為平滑參數(shù)，σ較小時(shí)，邊緣定位精度高，但圖像平滑作用較弱，抑制噪聲的能力差;σ較大時(shí)則相反。梯度計(jì)算完成平滑后接下來進(jìn)行“非極大值抑制”細(xì)化梯度幅值矩陣，尋找圖像中的可能邊緣點(diǎn);最后進(jìn)行“雙門限檢測(cè)”則是通過雙閾值遞歸尋找圖像邊緣點(diǎn)，實(shí)現(xiàn)邊緣提取[10]。實(shí)現(xiàn)Canny檢測(cè)的OpenCV函數(shù)是cvCanny（src，dst，50，150，3），該函數(shù)需要輸入一幅灰度圖，輸出也是一幅灰度圖。進(jìn)行完邊緣檢測(cè)緊接著把圖像輸出給查找輪廓函數(shù)即“cvFindContours（）”，從二值圖像中檢索輪廓，并返回檢測(cè)到的輪廓的個(gè)數(shù)。利用“cvDrawContours（）”函數(shù)在屏幕上繪制檢測(cè)到的輪廓。繪制的屏幕圖像可以選擇源圖像。4實(shí)驗(yàn)結(jié)果及分析根據(jù)上述算法思想和實(shí)現(xiàn)過程，在WindowsXP系統(tǒng)中使用VC++6.0和OpenCV1.0來實(shí)現(xiàn)目標(biāo)物體的顏色檢測(cè)及輪廓檢測(cè)實(shí)驗(yàn)。本文采用的是普通的CCD攝像頭，若采用分辨率更高的攝像頭其執(zhí)行后的效果會(huì)更好。圖6為從攝像頭直接讀取的視頻截圖，未經(jīng)OpenCV的函數(shù)處理。圖7為對(duì)一藍(lán)色目標(biāo)物體進(jìn)行顏色拾取，圖8為所需的色度、飽和度和亮度的閾值。通過調(diào)節(jié)所需的閾值可以有效的拾取目標(biāo)的顏色。目標(biāo)物體與背景的顏色較為相近，用實(shí)驗(yàn)中的算法可以有效的區(qū)分目標(biāo)體與背景。圖9為在拾取顏色的前提下進(jìn)行輪廓的拾取，可以看出輪廓能夠很精確地識(shí)別出，由于是先拾取顏色所以可以將其他顏色的物體區(qū)別開。根據(jù)顏色進(jìn)行輪廓提取可以很好的避免與目標(biāo)物體輪廓相近的物體的影響。圖10～圖12為在同一視頻流中對(duì)另外的紅色物體進(jìn)行拾取，可以看到目標(biāo)物體中的紅色斑點(diǎn)可以很好的拾取出來。最后在顏色拾取的基礎(chǔ)上輪廓也很好的拾取了。背景中的桌面發(fā)黃色，在色度中黃色的閾值范圍緊挨著紅色的閾值范圍，但通過實(shí)驗(yàn)效果可以看出，紅色和黃色完全可以區(qū)分且根本沒有影響。以上兩組截圖為來自同一攝像頭的視頻流輸入，從實(shí)驗(yàn)結(jié)果截圖可以看出該程序較好的拾取了目標(biāo)物體的顏色及輪廓，對(duì)顏色的獲取結(jié)果令人滿意，基本可以去除周圍其他相近顏色的干擾。5結(jié)論采用OpenCV開發(fā)的目標(biāo)物體顏色及輪廓識(shí)別程序可以得到比較理想的實(shí)驗(yàn)效果。采用此設(shè)計(jì)的算法復(fù)雜度并不高，易于實(shí)現(xiàn)，加上OpenCV庫(kù)設(shè)計(jì)高效率性，可以快捷地實(shí)現(xiàn)圖像的處理。實(shí)驗(yàn)結(jié)果表明，本文設(shè)計(jì)的目標(biāo)物體顏色及輪廓同時(shí)精確識(shí)別的程序具有較高的可行性。這種先通過顏色閾值滑動(dòng)條調(diào)整確定出目標(biāo)物體，再在此基礎(chǔ)上對(duì)目標(biāo)物體進(jìn)行輪廓提取的方法比單一的目標(biāo)顏色提取或輪廓提取更實(shí)用更便捷，為目標(biāo)跟蹤及其他視覺方面的研究奠定了基礎(chǔ)。參考文獻(xiàn)[1]徐德，譚民，李原.機(jī)器人視覺測(cè)量與控制[M].2版.北京：國(guó)防工業(yè)出版社，2011.[2]R西格沃特，IR諾巴克什，D斯卡拉穆扎.自主移動(dòng)機(jī)器人導(dǎo)論[M].李人厚，宋青松，譯.2版.西安：西安交通大學(xué)出版社，2013.[3]BRADSKIGary，KAEHLERAdrian.學(xué)習(xí)OpenCV（中文版）[M].于仕琪，劉瑞禎，譯.北京：清華大學(xué)出版社