机器视觉及其应用发展( 五 ) _视觉

接下来是图像分割。主要实现运动区域、前方各种目标信息的检测。图像采集是在自然条件下进行的，考虑图像采集时间间隔短且总的采集时间不长，因此可以忽略视场内光线、背景等变化因素的干扰。实际工作中对于精确性和实时性的要求，采用了计算量小并且检测结果不受运动目标速度限制的差影法来进行运动检测，再利用迭代求得最佳灰度阈值对结果分割并二值化。
分割后的图像仍有可能含有少量的背景噪声干扰，进一步用形态学方法对其进行去噪。采用的结构元素是 3 × 3 的中心对称结构。经过先闭后开（经实验验证：这比先开后闭得到的图像目标连通区域更光滑）的运算后的图像中基本上只留下完整的运动目标。
还需要通过提取适当的特征向量以及立体匹配来实现目标的精确定位。主要步骤如下：
特征提取和目标分类，先采用串行边界分割技术对图像中所有连通器区域进行边界跟踪运算，再求出各个连通区域的外接矩形和灰度面积等参数。对于多个运动目标的检测，可在求外接矩形的过程中，根据实际目标的形状大小、外接矩形尺寸和灰度面积进行匹配，以区分不同物体；
立体匹配是立体视觉中最重要，也是最困难的步骤，是个不适定问题。当空间三维场景被投影为二维图像时，同一景物在不同视点下的图像中会有很大的不同。为了求解对应，人们通过增加适当的约束条件（如外极线约束、一致性约束、唯一性约束、连续性约束等）来减少误匹配。本系统，在外极线约束的条件下再给出两个约束：
1 ．方向性约束
由立体成像的几何特性知，对于场景中的同一空间物体点，其在左图像中的透视投影将相对于右图像水平方向移动距离 d。基于该特性，在寻求左（右）图像中各特征点在右（左）图像中的对应点时，只需在右（左）图像中其对应的外极线上，向左（右）一定范围内搜索。而由于摄像机位置及其方向的测量误差和不确定性，匹配点可能不会准确地出现在右（左）图像平面中的外极线上，因此有必要在外极线的一个小邻域内进行搜索。
2 ．视差范围约束
在运动检测之前的摄像机现场标定环节中，利用每个标定点在左右图像中形成的视差，可以得到一个大致的视差范围，从而给出一个视差范围约束。倘若特征点的视差超出这一范围，就认为是误匹配加以舍去。
有了以上几个附加约束，就可以把每一时刻物体在左右摄像机中的信息综合起来，图像中对应的一小段极线附近搜索匹配点，而不是在整个对应图像上搜索。这样可以有效避免误匹配，缩短匹配时间。
三、结语
机器视觉是图像技术、模式识别技术，以及计算机技术发展的新的产物，是实现智能化、自动化、信息化的先进技术领域。机器视觉系统的应用，大大提高装备的智能化、自动化谁拼，提高装备的使用效率、可靠性等性能。随着新的技术、新的理论在机器视觉系统中的应用，机器视觉将在国民经济的各个领域发挥更大的作用，一方面可以带来新的产业增长点，向市场推广满足各种需求的机器视觉系统产品，产生直接的经济效益；另一方面，通过机器视觉系统的应用，更加有效地发挥自动化装备的效能，提升自动化生产水平，提高产品质量，带动整个产业的生产效率大幅提高。