基于Windows Mobile嵌入式系统的类圆管材识别与计数系统研究

0  引言
近年来，随着基于嵌入式微处理器和嵌入式操作系统的智能手机技术的飞速发展，基于Windows Mobile系统的嵌入式智能手机图像采集处理技术也正处于方兴未艾的阶段，这就使得以嵌入式技术为核心的图像处理系统能够广泛应用于工业自动化生产、监护、防盗系统，机器人视觉等系统中。
本文通过智能手机来采集钢管横截面图像，并运用图像识别技术对管材进行自动化计数，同时采用计算机图像处理方法给出了一种对管材进行计数的嵌入式系统软件的实现方法，其中包括图像的采集、预处理、图像分割、形态学处理、椭圆识别与计数等。该系统可提高钢铁行业以及其他相关行业的管材计数效率，大大减轻工人的劳动强度，具有良好的市场前景和经济效益。
1  Windows Mobile平台
本系统是在Windows Mobile平台下开发的，Windows Mobile是由微软公司提供的先进型移动设备操作系统，同时也是最优秀的行业应用平台之一。基于Windows Mobile的Pocket PC PhoneEdition和Smartphone不仅可为消费者提供熟悉且可自定义的用户体验，同时也为企业用户提供了一个可扩展的平台，使他们可以开发和投入使用创新的移动解决方案，从而增加新的销售收入并带动业务增长。
2  工作原理与系统结构框架
2.1  管材图像检测计数的工作原理
管材图像检测计数系统的基本工作原理是：首先用智能手机的摄像头采集管材的横截面图像．然后依靠智能手机强大的嵌入式处理器来对源数字图像进行格式转换和颜色信息处理，并获取管材横截面的灰度图像：然后再利用图像增强技术对图像的杂质进行去噪，并选用合适的阈值进行图像二值化分割，将管材横截面特征从背景图像中分离；之后，再采用哈夫变换法(HoughTransform)对二值图像进行椭圆检测，最后用区域标记法对图中连通区域进行标记，以统计出管材的数目。
2.2  系统结构框架
图1给出了本系统的结构框架。系统工作时，首先由智能手机的摄像头采集到格式为JPG的源数字图像，然后对其进行图像格式转换，之后再进行图像的颜色处理、图像的增强、图像的分割、图像的边缘检测、数量的统计以及信息的显示等工作。
 
3  系统关键技术与相关算法
3.1  图像格式的转换
由于一般采集到的图像输出都是JPG格式，这种格式的图像数据是压缩的，占用的空间比较小，便于存储和传输，但是不便处理。因而需要将JPG格式的图像转换为BMP格式的图像，此时，图像上的每一个像素点和图像数据一一对应，以便于对图像进行处理。
3.2  图像颜色的处理
采集后的源图像被转换成BMP格式后，通常是24位真彩色图像，图2所示是其256阶灰度图。彩色图像的每一个像素点的值有R、G、B三个分量，每个分量占8位和256阶色。因此，彩色图像所含的信息量过大，所以，一般采用灰度图来进行图像处理。
 
灰度图是只含亮度信息而不含色彩信息的图像，它把亮度值量化为0到255共256级，其中0最暗(全黑)，255最亮(全白)。R、G、B分量的值是相等的，且称之为灰度值，即：
 
经实验与理论推导证明，当ωR=0．30，ωG=0.59，ωB=0.11时，能获取到最合理最适合图像处理的灰度图像。
3.3  图像的增强
在管材横截面图像处理的过程中，实际获得的图像一般都因灰尘、光照等某种干扰而含有噪声，因而会影响图像质量。为了改善图像质量，降低或消除噪音影响，还需要对图像进行增强处理。为了保护图像中目标区域的边缘特征，并且能够平滑噪声，本系统主要采用图像增强中的图像平滑方法，也就是中值滤波法，并通过修改像素灰度值的方法来减少和消除图像中的高频噪音，改善图像对比度，提高管材识别与计数的准确率。
中值滤波法属于空域处理中的非线性图像平滑方法，它一般是在二维坐标(x，y)内创建一个大小为(2m+1)×(2m+1)滑动窗口，并对窗口内的各像素灰度值进行排序，再用排序后的中值来替代滑动窗口的原中心像素。其排序后的中值为(i，j)：
 
图3为中值滤波平滑后的图像。相对来说，中值滤波法可以克服线性滤波所带来的图像细节模糊等现象，能够比较好的保护源图像边缘，而且对滤除脉冲干扰及颗粒噪声最为有效。
 
3.4  图像的分割
图像分割是依据图像的灰度、颜色或几何性质将图像中具有特殊含义的不同区域分开。为了将管材的横截面特征从背景中提取分离出来，我们选用二值化方法来使图像只具有两个灰度级，即0和255，也就是黑和白。为了将目标从图像中分割出来，可将其灰度值设为255，将背景的灰度值设为0。
实现图像二值化有直方图统计法、阈值分割法等。考虑到系统的性能需求，这里采用阈值分割法进行图像的二值化。设输入图像为F(i，j)，输出图像为G(i，j)，以(i，j)代表任一点像素，f(i，j)代表输入图像该点的灰度值，g(i，j)代表输出图像该点的灰度值，那么，阈值分割可用公式表示。
若图像分为目标与背景，所选阈值为T，则有：
 
这样，采用T就可将图像分为背景和目标，所得的图像称为二值图像。
在图像的灰度直方图上，背景和目标物的灰度值有明显差别，它们各自形成波峰，在双峰之间的最低谷就是图像的分割阈值。图4所示就是图像的灰度直方图。但是，对于灰度直方图中波峰不明显或波谷比较平坦的图像，该方法的阈值分割效果并不是很好。图5所示为阈值分割处理之后的图像。

4 Hough变换与椭圆的计数
4.1 Hough变换
Hough变换在图像处理中经常被用于图像增强和分割后提取目标的边缘信息。其基本思想是将图像从空间域变换到参数空间，再用大多数边界点满足的某种参数形式来描述图像中的曲线。假设在x-y平面检测并确定了一个圆的参数，图像中待检测圆点的集合为{(xi，yi)，i=1，2，3，…，n)，其中(x，y)为该集合中的一点，那么，它在参数坐标系(a，b，r)中的解析式为：
 
该解析式对应的曲面为三维锥面。图像中任意确定的一点均有参数空间的一个三维锥面与之对应。对于圆周上的任一点{(xi，yi)1，2，3，…，n}，这些三维锥面将构成圆锥面簇，具体如图6所示。
 
若集合中的点均在同一个圆周上，则这些圆锥面簇相交于参数空间上的某一点，该点恰好对应于图像平面的圆心坐标及圆的半径。Hough变换在计算上可将参数空间进一步分割为累加器单元A(i,j,k)，并先使累加器单元置零，然后根据式(4)对参数作相应循环。如果一个α(i)值得到相应的b(j)，r(k)，则令A(i，j，k)=A(i，j，k)+1。最后对每个累加器进行比较，找到最大值累加器，那么，该累加器所对应的参数值(a，b，r)，就是在平面上所要检测的圆的圆心及半径。
4.2  椭圆计数
一般的，若二次曲线：
 
且b2-ac<0。则此二次曲线为椭圆。在处理复杂图像时，由于椭圆需要5个参数才能被检测出来，而这会引入大量的无效采样，导致无效参数计算，并对无效参数分配单元进行累积，从而导致系统资源的浪费。故此选用RHT(随机Hough变换)并采用多到一的映射，这样可避免传统Hough变换一到多映射的巨大计算量。
源图像有N个大小为q点的圆，还有n个由于噪声或高频细节产生的非圆上点，因此，随机采样所得的三点落在同一个圆上的概率为：
 
如果没有噪声等噪点存在(即n=0)，则式(7)可以简化为：
 
根据三点确定椭圆法，可由采样所得的三个参数确定出椭圆，设点P1的坐标为(x1，y1)，点P2的坐标为(x2，y2)切线l1和l2的法线方向分别为N1=(p1，q1)和N2=(p2，q2)，一般情况下，假设：
 
故此可以推导出以l1、l2为切线，P1和P2为切点的二次曲线簇方程为：
 
检测出椭圆后，再将椭圆的参数信息保存到结构体程序中：
 
最后，再按照椭圆参数重新绘制出椭圆图像。经过Hough变换进行边缘检测后的图像如图7所示。
 
5  系统实现
结合应用需求，以Visual Studio 2005为开发平台，并用其中的智能手机开发模块进行系统的模拟开发与仿真，可使得图像识别计数系统的开发效率大大提高，从而在Window Mobile嵌入式操作系统基础上，用MFC实现一个管材识别技术系统的原型。图8所示是该系统的实现界面。
 
6结束语
本文介绍了数字图像处理技术在类圆管材识别计数系统中的应用方法，同时介绍了该系统的关键技术与相关算法，并利用VS 2005编写了类圆管材识别计数软件系统。该系统在相关行业具有较强的应用前景。
本文使用的关键技术和算法相对比较成熟，图像处理速度较快。但是，对有干扰的源图像，则可能会引起系统识别计数错误，影响计数结果精度。后续可以围绕该问题做进一步的深入研究，并提高系统的处理速度，改进系统的适应性与实用性。