论文总字数：25259字

摘 要

在视觉抓取机器人的研究中，目标物的准确识别与精确定位会直接影响抓取机器人的作业效率。在工业分装机器人的立体视觉技术中,识别目标物并提取目标物的颜色、形状等特征,在特征匹配以及实现定位中的地位举足轻重,其中的图像分割是对目标物形状特征进行提取的基础。正确的对图像进行精确分割对整个目标识别过程起着至关重要的作用，因此针对复杂背景的运动图像,本文对目标物的图像分割和识别进行研究。

本文借助OpenCV计算机视觉库，搭载Visual Studio 2010，对图像进行处理：首先对原始图像进行预处理，包括图像灰度化、图像二值化以及图像的平滑处理；然后对图像进行算法分割；最后对图像的颜色以及轮廓特征进行提取。本文的研究意义在于对静态原始图像进行一些基本处理，为机器视觉系统提供特征样本。

关键词：目标识别 图像分割 OpenCV 特征提取

Visual object recognition and image segmentation crawling robot

Abstract

窗体顶端

In the study of visual robot that accurately identify the object of a direct impact on the precise positioning of the robot crawls working efficiency.窗体底端

窗体顶端

In the study of visual robot that accurately identify the object of a direct impact on the precise positioning of the robot crawls working efficiency.窗体底端

In the study of visual robot that accurately identify the object of a direct impact on the precise positioning of the robot crawls working efficiency. In the industrial dispensing robot stereo vision technology to identify and extract the target object's color, shape and other characteristics, it is a key feature matching step and achieve positioning, which is the basis of image segmentation shape object feature extraction. Correct the image segmentation is essential for accurate target identification processes play the entire role, and therefore against the complex background of moving images, the paper target image segmentation and recognition research.

With the help of OpenCV computer vision library, equipped with Visual Studio 2010, the image processing: First, the original image pre-processing, including image gradation, image binarization and image smoothing; then, the image segmentation algorithm; Finally, color and contour feature image extraction. Significance of this study lies in the original image is still some basic processing features samples provide machine vision systems.

Keywords: Target Recognition、Image Segmentation、OpenCV 、Feature Extraction

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1课题研究背景和意义 1

1.1.1什么是视觉系统 1

1.1.2图像分割简单介绍 1

1.1.3图像分割的方法与应用 2

1.2图像处理技术 2

1.2.1数字图像处理 2

1.2.2图像处理技术发展趋势 4

1.3 OpenCV简介 4

1.4论文主要研究内容 5

第二章 基于OpenCV的图像预处理 6

2.1图像预处理的基本介绍 6

2.2 读取图像、显示图像和保存图像 7

2.3彩色图像转换为灰度图 9

2.3.1图像灰度化的介绍 9

2.3.2图像灰度化的实现 10

2.3.3图像灰度化的运行结果 11

2.4灰度图二值化处理 11

2.4.1图像二值化的原理 11

2.4.2图像二值化的实现 12

2.4.3图像二值化的运行结果 13

2.5图像的平滑去噪 14

2.5.1 图像平滑处理的方法 15

2.5.2 图像平滑处理的实现 16

2.5.3图像平滑处理的运行结果 17

2.6本章小结 18

第三章 基于OpenCV的图像分割 19

3.1分水岭分割算法 19

3.1.1分水岭分割算法的基本思想 19

3.1.2分水岭算法的实现方法 19

3.1.3分水岭分割算法的实现结果 20

3.2 金字塔分割算法 21

3.2.1金字塔分割算法的基本思想 21

3.2.2金字塔分割算法的实现 21

3.3 均值漂移分割算法 22

3.4本章小结 22

第四章 基于OpenCV的图像特征提取 23

4.1前言 23

4.2图像的颜色特征提取 23

4.2.1颜色空间 23

4.2.2图像颜色特征的提取方法 24

4.2.3图像颜色特征提取结果 25

4.3图像轮廓特征的提取 26

4.3.1轮廓查找 26

4.3.2轮廓绘制 27

4.3.3图像轮廓提取结果 28

4.4本章小结 29

总结与展望 30

参考文献 31

致谢 32

第一章 绪论

1.1课题研究背景和意义

1.1.1什么是视觉系统

机器人系统中最重要的部分就是机器人的视觉系统。它的视觉系统呢主要含有数字图像的获取、最初获取图像的预先处理及图像目标物的特征提取和目标物的识别几部分。在数字图像获取的部分中，通过光学成像原理和数字化技术将机器人的周围的场景转换成为数字图像信息；在原始图像的预处理的阶段，数字图像由系统通过几何变换、图像调整等的方法进行初步的调整，从而成为了易于被识别和处理的图像；在图像目标物的特征提取的部分，图像由系统对其进行抽象化操作；在目标物的识别的部分，图像由系统对其特征进行提取，进而系统可以在图像中定位出需要识别的目标，确定其身份并进行识别^[1]。

图像处理也就是用计算机对系统所获得的未经过处理的图像进行分析，来达到人们想要的结果的技术，图像处理又叫作影像处理。图像处理一般指的就是原始数字图像的各种处理。图像处理中所操作的数字图像是指使用各种图像获取设备（例如工业相机、摄影机、扫描仪器等）通过拍摄后所生成的一个二维数组，这样得到的数组的元素就是日常人们所说的像素，它的值叫做灰度值。图像的处理技术一般来说囊括3个部分，分别是图像的压缩，增强和复原，还有一个就是匹配、描述和识别。 常见的图像处理系统有康耐视系统、图智能系统等，图像处理技术是时下正在蓬勃崛起的新型技术^[2]。

1.1.2图像分割简单介绍

图像分割是机器视觉和图像处理的基本问题之一，它的原理是：按照一定的分割算法把未经处理过的图像划分成为众多互不重叠的区域，这些区域的集合就是一张完整的图像，这些区域是对当前的研究工作有意义的，或者是有助于当前的研究工作与实际物体或者物体的某些部分之间建立对应的联系。图像分割的应用范围非常多，几乎在所有与图像处理相关的领域中大概都能用到图像分割，而且涉及到各种各样类型的图像:例如，在遥感图像的应用中，图像分割可以用来合成孔径雷达图像中的目标分割；遥感云图中的那些不同的云系和背景分布的分割等也大都与图像分割这一技术不可分开。当代医学医疗的应用中，图像分割这一技术可以用来将脑部MR图像分开切割成为灰质、白质、脑脊髓等的脑组织和与其不同的非脑组织区域。在交通图像的分析中，图像分割技术可以从背景中把车辆目标识别并且分割出来等。在这些应用中，图像分割通常是为了进一步的对获取的未经过图像进行分析、识别、压缩编码等操作，接下来任务的有效性受分割准确性的直接影响^[3]。

1.1.3图像分割的方法与应用

图像分割技术从大的方面来说,是根据人们所获取的图像的某些特征或特征的集合(它包括灰度、颜色、纹理等)的相似性这一准则来对图像的像素进行分组的分门别类的,把图像的平面分割成很多个具有某些一致性的不重叠的区域，这些区域具有一定的共同性能。分割出来的区域一定得同时满足均匀性和连通性这两个必要条件^[4]。

请支付后下载全文，论文总字数：25259字