基于机器视觉的零件颜色识别系统
DOI:10.13338/j.issn.1674-649x.2012.04.014
西安工程大学学报
’JournalofXianPoltechnicUniversit yy
总16卷第4期(16期) 第2
)1674649X(201204049004 文章编号:---
2012年8月
()Vol.26,No.4Sum.No.116
基于机器视觉的零件颜色识别系统
张小洁1,张文新2
()陕西工业职业技术学院电气工程学院,陕西咸阳7中国人民解放军9陕西宝鸡71.12000;2.6512部队,21000
摘要:以V以开源的O组建isualC++6.0作为软件开发平台,enCV作为辅助的图像处理库, p
系统的硬件系统,实现了对工业自动生产线上的零件图像的采集和处理.该系统能对不同颜色的零件进行识别,为后续零件的筛选和分类奠定了基础.实验证明,采用机器视觉对零件颜色进行在线识别,不但检测精度高,而且能够满足生产线上实时性的要求.关键词:机器视觉;颜色识别;阈值;二值化中图分类号:TH13 文献标识码:A
0 引 言
机器视觉就是利用机器代替人眼来做各种测量和判断.由于机器视觉技术具有检测精度高、可扩展性检测速度快等优点,因此在现代自动化生产过程中,机器视觉系统被广泛地用于各种质量控制、工况监好、
1]
视和成品检验等领域[颜色识别是机器视觉中一个主要的应用,它是基于物体表面颜色特性差异,通过.
一定的算法来识别出不同的颜色,从而实现各种检测及控制.利用机器视觉对物体颜色进行识别和检测虽如蒋玉玲、杨宜民通过机器视觉技术采用S然已经取得了一定的成效,OM算法对足球机器人系统实现颜
2]3]
;色识别[张磊研究了机器视觉颜色检测技术[等.但是这些研究基本上都是针对某一领域展开的.目前,
针对生产线上零件颜色的实时检测的研究基本上处于空白.本文以自动化生产线上的零件为研究对象,利对不同颜色的零件进行识别.用机器视觉硬件系统和颜色识别系统软件对零件图像进行实时采集和处理,
1 颜色模型的选定
颜色特征是图像最直观的特征,具有稳定与易于提取的特点.在计算机中,对颜色的表示主要有本文采用的颜色模型也是RRGB、YUV、HSI等3种模型,GB和HSI模型.
在图像处理系统中,一般都是从RRGB颜色模型是人们最常见的也是应用范围最广的颜色模型,GB、模型转变而得到其他模型;在R得到的图像的颜色是用R(红)绿)和B(蓝)GB模型中,G(3个的成分来)表示,红绿蓝三原色按照比例混合可以得到各种颜色,其配色方程如式(所示1
()G+bC=rR+gB.1
/(,/(,/(其中 C为混合而成的颜色,R,G,B为三原色,r=RR+G+B)R+G+B)b=BR+Gg=G
,r,b为比例系数,r+g+b=1.+B)g,
由于这种模型和人们对颜色的视觉认知方面还存在着一定的距离;在这种模型下,任何一点的颜色都
20120407 收稿日期:--
,:张小洁(女,陕西省合阳县人,陕西工业职业技术学院讲师.1978E-mailrt200463.com 通讯作者:-)-@1y
第4期 基于机器视觉的零件颜色识别系统
491
必须含有这3个分量,当需要的点增加时,将会以3倍的速度增加信息量,这样可能会给后面的处理带来
324
它比人眼能分辨的颜色种数多一些麻烦.RGB颜色模型可以表示256=2=16777216种不同的颜色.
得多.
[]
另外一种较常见的彩色模型是H饱和度和强度.SI模型6,H、S、I分别表示图像的色度、HSI模型的建立基于两个重要的事实:①I分量与图像的彩色信息无关;②H和S分量与人感受颜色的方式是紧
密相联的.这些特点使得H可见,SI模型非常适合彩色特性检测与分析.HSI颜色模型是从人的视觉系统出发,把颜色的亮度和色彩完全分开,符合人类的视觉特性,对人来说是自然和直观的,因而可以较好地处由于系统的图像采集卡采集到的是R因此需要对颜色模型进行理生产线上的零件图像,GB模型的图像,
5]
,),(),()转换[所示.RGB模型转换到HSI颜色模型转换公式如式(234
2
[(]/))(1-
,H=2rccosπ-a212
R-G+R-BG-B/(][(],S=1-[3R+G+B)minR,G,B)
)
()2()3
()4
/)(I=(13R+G+B).
2 零件识别系统组成
一个典型的机器视觉零件颜色识别系统可分为4个主要部分,其框图如图1所示.
→
输入图像
图像信息获取
→
图像预处理
→
图像颜色特征提取
→
分类判决
→
结果输出
图1 零件图像颜色识别系统组成
本文零件图像处理系统的硬件包括:计算机、试验台.系统未使用特殊的光源,一般USB接口摄像头、情况下以自然光为光源,在某些情况下采用日光灯作为光源.本系统大致可分为3个部分:
()零件图像的采集部分 完成图像的实时采集,并将图像数据保存于内存中等待处理(对应于图中1
的图像信息获取).()图像分析处理部分 对所采集到的图像进行分析处理,在此基础上提取图像的颜色特征信息(相2
应于图中的图像预处理过程).()识别和决策部分 提取合适的颜色特征数值,确定的识别函数,输出图像的分类判断结果,实现3
对零件颜色的识别(相应于图中的颜色特征提取和分类判决部分).
[]
本系统是在W使用可视化编程语言V以开indowsXP环境下,isualC++6.0作为软件开发平台4, 源的O在主程序中集成了程序初始化、图像采集及处理、在线识别系统等enCV作为辅助的图像处理库,p
模块,输出、显示打印等辅助功能模块.是IOenCV是OenSourceComuterVisionLibrarn -pppy的缩写,
其包含了一系列C函数和少量C++类,能够方便地实现图像处理tel公司资助的开源图像处理算法库,及机器视觉的很多算法.
3 颜色识别
黑色、
银色3种零件,如图2所示.FMS教学实验台上有红色、
为了更好地根据颜色特征实时检测和识别生产线上的零件,本文先用示教模块将零件图像的颜色信息记录下来.
通常在同一背景下对工件进行判别,当摄像头定位好后,调用示教模块先记录下工件的颜色然后在工作时调用颜色识别模块对工件进信息,
示教的目的是让程序记住工件的局部颜行判别,
在识别工件时,为了提高软件运行的效率,只对已经示教过的区域进行颜色求解,色信息以及工件的位置.求解过程如图3所示.
图2 零件彩色图
492
示教
西安工程大学学报
6卷 第2
→实时图像采集
→调用示教信息→
图3 颜色识别过程
颜色识别
示教是对工件进行识别的过程,由于需要把示教结果作为标所以在示教时一定要保证工件图像的标准性,具体步骤为准,
()定位好摄像头对工件进行示教,并记录下所选工件区域1
的颜色信息,如图4.
()接着对零件图像进行中值滤波、迭代二值化等预处理,2
依据示教区域对工件进行该区域灰度值的计算.
图4 工件示教信息
()将()中灰度值与示教结果比较,在允许的误差范围内便可得出工件的类别.32
如果工件颜色数量较多时,那么就应该在数据库内建立一个颜色分选表,以便标识工件的种类,见表将颜色分选表中的灰度值两两相减,取绝对值,选出最小值,将最小值除以2作为误差标准.1及图5~6.
在识别工件时和前面的示教方式是有区别的,它是按照预先设定的方式工作,也就是在图像预处理结束后将阈值作为分辨工件和背景的标准.识别的时候采取查表的方法,将获取的灰度值与表中的标准灰度值相)减,并取绝对值(然后将绝对值与误差标准相比较,如果满足绝对值小于误差标准或者绝对值等于误abs.差标准,则这个零件的颜色就是该绝对值所对应的颜色.
表1 颜色分选表
表1列出了1从表1可以1种颜色的灰度与RGB值,看出最小值为1那么标准误差即为51,.5.
以图4所示的红色工件为例,零件的具体识别过程如下:
()首先采用权值为01.299,0.587,0.114的加权平均法对工件图像进行灰度化.如图5所示.
()为了滤除图像中的噪声信息,2
5]
,采用中值滤波的方法[效果如图6所示.
()绘制图像的直方图,利用图像3
灰度直方图,可以直观地看出图像中的图7 工件的灰度直方图 图8 迭代二值化效果图像素亮度分布等情况,如图7所示.
()采用迭代阈值法计算阈值,根据计算出的阈值对图像进4
行二值化处理,如图8所示.
最后,把得到的阈值运用于中值滤波后的图像,从而可以得到目标物体(零件)的灰度值,利用不同颜色的物体对应的灰度值不同,可以区别出零件的种类,整个流程如图9所示.
图9 颜色识别流程图
图5 加权平均法灰度化 图6 中值滤波效果
第4期 基于机器视觉的零件颜色识别系统
493
4 结束语
这种颜色识别技术能够满足生产线上实时采集与识别的需求,在颜色信息的采集过程中不需要特别可以准确判别生产线上零件的颜色并能得到其在图像中的灰度值等物理参数;颜色识别的结的背景光源;
果经过一定的计算后可以作为下位机的控制信号,为后续零件的筛选和分类做好准备.参考文献:
[]机器视觉[北京:科学出版社,1M].2000:16;150157. 贾云得.--
[]]():基于S广东工业大学学报,2OM算法的机器视觉颜色识别[J.2011,2824042. 蒋玉玲.-[]机器视觉颜色检测与应用研究[广州:广东工业大学,3D].2011. 张磊.
[]北京:学苑出版社,4VisualC++基础类库参考大全[M].1998:97118. 郑雪民. -
[]耿楠,张义宽.数字图像处理[西安:西安电子科技大学出版社,5M].2004:6873. 何东健,-
[]]():王春耀,刘跃,等.基于机器视觉系统的颜色识别[机械设计与制造,6J.20118257258. 徐春梅,-
Comonentscolorreconitionsstembasedonmachinevision pgy
12
,ieZHANG XiaoZHANG Wen-xin-j
(,,,;1.ElectricalEnineerinDeartmentShaanxiPoltechnicInstituteXiananShaanxi712000,China ggpyyg
,,,)2.96512TroosPeole′sLiberationArmBaoiShaanxi721000,China ppyj
:latformAbstractTakintheVisualC++6.0assoftwaredevelomentandtheOenCVasassistedim -pgpp
,aelibrarakindofcomonentscolorreconitionssterminautomaticlineisderocessinroduction -gypgypgp ,sined.Theonlineimaeacuisitionandarerealizedandthedifferentcolorscanartsrocessinarts ggqppgp beidentified.Itisthatthesstermhashihdetectionandcanmeettherealtimererovedrecision - -ygppuirementsoftheroductionline. qp
:;;;Kewordsmachinevisioncolorreconitionthresholdbinarization gy
编辑:武 晖;校对:黄燕萍