尹思远

(沈阳工业大学,辽宁沈阳　110023)

安全套正反面识别研究方法

尹思远

(沈阳工业大学,辽宁沈阳110023)

本文主要通过应用matlab软件应用几种不同的算法对安全套正反面进行处理,从而使图像达到简化可以进行识别的方法。主要方法分为:拉普拉斯算子和sobel算子对图像进行边缘检测,其中应用sobel算子对图像进行处理的效果相对于拉普拉斯算子效果更加明显。

拉普拉斯算子sobel算子matlab

1　绪论

在日益发展的社会中，安全套的应用越来越频繁，而生产厂商对其的生产效率也越来越看重，但是在生产过程的包装工序对其正反面的正确与否不是能够100%正确的，如果让人力资源来进行这样的检测也是对人力资源的一种浪费。但是这又是一个相当重要的一个问题，怎么才能通过少量的支援来做到最大程度上的效率，这是一个我们应该思考的问题。但是通过对正反面图像的处理再加以识别就可以容易的分辨出正面与反面的不同。

图像识别的发展经历了三个阶段:文字识别、数字图像处理与识别、物体识别。文字识别的研究是从1950年开始的，一般是识别字母、数字和符号，从印刷文字识别到手写文字识别，应用非常广泛，并且已经研制了许多专用设备。数字图像处理和识别的研究开始于1965年。

图1　正面图片的处理效果

图2　反面图像的处理效果

针对目前图像处理的相关问题，本文对图像处理的方法进行研究，主要的创新包括:

(1)应用matlab软件对图像进行预处理和边缘处理。

(2)应用更加精确的算子对图像进行处理。

本文第二部分首先对提出方法的基本思想进行介绍，第三部分在给出了我们提出边缘检测算法描述，第四部分介绍了在matlab环境下的算法分析，最后是结束语。

2　基本思想

通过对已知图像进行边缘处理，得出其二值化图像以及边缘处理图像，再以直方图的形式变现出来以分辨正反面的差异。

图3　正面图像处理效果与分布图

图4　反面图像处理效果与分布图

图5　正面图像处理效果与分布图

图6　反面图像处理效果与分布图

表1　横向边缘检测图像灰度值

表2　纵向边缘检测图像灰度值

表3　45度梯度方向灰度值

通过图像处理算子对图像进行边缘处理，使图像的边缘更清楚的表现出来，从而方便对边缘图像进行二值化分析，方便分辨出正反面的差别。

通过此方法对图像进行边缘处理的结果可以得出安全套正反面的差异性，正面的轮廓相对于反面来说更加的明显，所以通过处理之后的二值化图可以看出来。

3　算法描述

主要通过matlab软件对图像进行程序编写，从而得出不同阶段图像的效果。本文主要通过应用拉普拉斯算子与sobel算子对已经二值化的图像进行边缘处理。

(1)拉普拉斯算子是最简单的各向同性微分算子，具有旋转不变性。一个二维图像函数 的拉普拉斯变换是各向同性的二阶导数，定义为:

为了更适合于数字图像处理，将该方程表示为离散形式:

(2)索贝尔算子是图像处理的算子之一，主要用作边缘检测。在技术上，它是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。

该算子包含两组3×3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。若原始图像为A，则公式如下:

sobel算子的两种形式（表1、表2）:

应用横向与纵向算子对图像进行处理的能力有限，所以可以应用这两种算子进行融合从而得出45度sobel算子（表3）:

通过算子对二值图像进行边缘检测得出容易观察直方图进行识别。

4　实验分析

本次试验应用matlab软件对图像进行仿真识别，matlab将数值分析、矩阵运算、编程技术、图形处理结合在一起，为用户提供了一个强有力的科学及工程问题的分析计算和程序设计工具，它还提供了专业水平的文字处理、符号计算、实时控制和可视化建模仿真等功能，是具有多种语言功能和特征的新一代软件开发平台。

分别通过对图像二值化，绘制分布直方图，中值滤波得到的图像与直方图分别为（图1、2）:

(1)应用拉普拉斯算子对图像进行处理(图3、4）:

(2)应用sobel算子对图像进行处理(图5、6):

由此可以看出sobel算子对图像处理的效果要优于用拉普拉斯算子处理的图像，通过sobel算子处理的图像边缘轮廓更加清晰，更加好辨认。

5　结语

本文重要通过两种图像边缘检测算子对图像进行边缘检测，可以看出拉普拉斯算子在进行边缘检测时，处理后的图像模糊无法清楚辨认，而通过sobel算子检测的图像边缘清晰。同时还经过对图像进行中值滤波，从而使图像的灰度值更加分散，方便边缘检测时突出边缘。有图像可以看出正面的轮廓要明显清楚与反面，从而实现识别。

同时还应该寻求更好的边缘检测算子对图像进行检测，得到更清晰的轮廓边缘。

[1](美)冈萨雷斯,(美)伍兹著数字图像处理.电子工业出版社,2010年09月.

[2]皋军.图像的灰度直方图均衡化的实现[J].盐城工学院学报,Vol. 14,No.4,Dec,2001.

[3]章毓晋.图像处理和分析基础[M].北京:高等教育出版社,2002．

[4]Jinshan Tang. Digital image processing and pattern recognition techniques for the detection of cancer. [J].Pattern Recognition,2008,42(6).

[5]S.B. Dworkin. Image processing for machine vision measurement of hot formed parts. [J].Journal of Materials Processing Tech.,2006,174(1).

[6]利用中值滤波进行图像处理[J].长安大学学报,2006.3(7):67-68.

[7]刘卫国.MATLAB程序设计与应用[M].北京:高等教育出版社,2002.

[8]朱维仲,董彩萍.中值滤波技术及其在图像处理中的应用[J].天津职业技术师范学院学报,2002,12(3).