基于维视图像机器视觉平台的颜色检测研究

孙昂 刘童童

摘要：运用机器视觉来对颜色进行检测可以实现检测的客观性和一致性，同时能很好地避免噪声的干扰，从而使检测愈加精确。首先研究MV-VS1600机器视觉平台的系统构成和图像获取方法，了解机器视觉在颜色检测方面的运用；接着对机器视觉中颜色检测原理和颜色模型的分类进行了解，着重讨论HSI颜色空间模型的原理和转换方法；然后研究频域滤波法對彩色图像的滤波和图像分割算法；接着运用MATLAB编码仿真，显示出RGB颜色空间到HSI颜色空间的转换图像和利用欧式中心聚类法对彩色图像分割后的二值图；最后，应用MVIPS机器视觉图像处理软件对不同颜色的液体进行识别，通过与模板液体颜色进行比对，找出了颜色不合格的液体，达到了预期的效果。

关键词：机器视觉 颜色检测 颜色空间 模型MVIPS软件 MATLAB

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2018）06-0160-03

机器视觉的系统原理是利用计算机来对人的视觉系统进行模拟，用机器替代人的眼睛对目标物体进行判断、识别和测量。机器视觉技术的明显优势是在观测目标物体时与物体没有触碰，分辨率高、速度快、非常安全可靠，其内部最重要的部分是图像信号的处理。所以，其在科研、工业生产、民用和军事建设等领域运用普遍。工业检测具体是指将某些测试手段和技术运用于工业中，同时检验和测试工况、产品、生产环境等。

颜色检测的原理是先用图像采集装置采集目标物体的彩色图像，然后将该图像与标准颜色模板进行比对，使计算机对带有颜色的采集图像进行算法计算，以此来区别颜色之间的差别。通过查阅国内外机器视觉的相关资料，可以发现颜色检测往往利用图像处理与识别技术来测量颜色间的差异，此技术可以提高加工生产中颜色检测的效率。另外要注意颜色检测技术的关键点在于色差的检测，由于计算机内部颜色空间的均匀化程度不一样，同时人的眼睛对相同色度的观测结果也不完全相同，所以准确地对物体表面的色差进行检测，区分不同颜色的边界，增加颜色检测的精确度同人眼睛的吻合程度具有重要的研究意义。

1机器视觉平台介绍

1.1机器视觉系统组成

机器视觉系统各组成部分如图1所示，机器视觉系统的基础是图像获取，在实际运行中计算机只可以对物体的可视化图像和内在特征数据进行处理。计算机中的彩色图像一般是以RGB格式存储，颜色检测系统的工作原理是：利用工业相机拍摄图片，然后将拍摄到的图像信号输送至图像采集卡，进行模拟信号到电信号的转换，同时对各种噪声干扰进行滤波后储存到工业计算机中，最后计算机会提取处理过的图像的颜色信息。机器视觉系统的实验平台如图2所示。

1.2 MVIPS机器视觉软件

MVIPS所使用的图像处理技术支持图像文件模拟采集和相机实时采集，是快速建立机器视觉算法模型的工具箱。该软件可实现颜色检测，同时支持外部触发和OK、NG信号的统计和输出，并且提供二次开发包，其接口简单易用，可以实现快速高效的开发应用。机器视觉检测系统在解决实际问题时简便易行。本论文在对液体颜色进行检测时就运用了相机驱动和MVIPS软件。

2颜色检测算法分析

2.1颜色检测原理

机器视觉中图像是以位图图像的形式保存的，位图图像通常是由不同颜色和位置的像素点组成，计算机通常根据像素值大小来判断图片中的颜色。本论文主要研究HSI模型对彩色图像的颜色进行识别。具体方法是先采集图像，提取出图片中的红（R）、绿（G）、蓝（B）分量的均值和方差，将RGB转换到HSI，提取出色度（H）、亮度（I）和饱和度（S）的均值和方差。均值和方差的计算公式如下：

利用RGB空间模型和HSI空间模型中各分量的均值来量化图像信息，用各分量的方差表示图像中各像素点与标准值的离散程度。量化值可以判断每个像素点所代表的颜色，方差值可以判断彩色图像中模糊的像素点，将该类像素点与标准像素点比对，判断出其所代表的颜色。

2.2图像的预处理

系统在采集图像时，往往会受到各种信号的干扰，因此不免夹杂一些噪声，会对图像识别有影响。所以需要对图像进行滤波除噪。实际中我们可以利用傅里叶变换把图像从空间域变换到频率域，然后利用傅里叶反变换将图像的频谱逆变换为空域图像，即人可以直接识别的图像。这样做的优点在于频域滤波的直观性。

2.3图像分割算法分析

本论文利用欧式中心聚类法对彩色图像进行分割，其具体步骤为：先读取待检测图像，然后提取图像中的红、绿、蓝分量，利用MATLAB显示红、绿、蓝分量的直方图，由获得的直方图选定两个欧式聚类中心（一个是图像区域中心，另一个是背景中心），确定好聚类中心以后，计算欧式距离d₁，d₂，最后根据d₁，d₂做出二值图。具体算法如下：

3实验分析

3.1基于MATLAB的颜色检测仿真

3.1.1 RGB转换到HSI

2.2节中已分别对RGB和HSI颜色空间原理作了详细介绍，由于HSI颜色空间更加符合机器视觉检测平台的图像处理原理，因此本论文重点讨论了HSI颜色空间模型。通常，摄像头拍摄到的图片是RGB格式，本文利用MATLAB编译仿真将西红柿的图像从RGB模式转换成HSI模式，具体实现结果如下：

3.1.2图像分布直方图

2.3节所阐述的基于HSI颜色空间的欧式中心聚类法图像分割算法要求先读取待检测的图像，提取图像中的R、G、B分量，显示其像素分布直方图，利用MATLAB编码显示出西红柿图像中的红、绿、蓝分量的分布直方图如下，由图可知红、绿、蓝像素点值的大致分布。

3.1.3图像分割

由图6至图8的分布直方图我们可以得到图像中红、绿、蓝像素值的大致分布，首先，我们定义两个欧式聚类中心为O₁=（225，50，30），O₂=（114，123，53），得到的红色分量的分割效果图如图9所示，然后再定义两个欧式聚类中心为O₁=（70，56，80），O₂=（227，100，100），得到绿色分量的分割效果图如图10所示。

通过以上的分割效果图可知，利用欧式中心聚类法对图像进行分割可以分别得到图片中的红、绿、蓝像素点的图像，而且效果还是比较准确的。

3.2基于MV-VS1600平台的颜色检测

本实验以橙色饮料为模板进行模板分析，我们以瓶身上部矩形区域为检测区域，检测区域确定后，进行模板分析，对于选定的区域：提取前景通道、设置阈值、面积阈值，当饮料不是橙色时，显示为不合格。颜色检测结果展示：

本实验按照设定的参数值设置好参数后，将装有橙汁的饮料瓶放在工业相机下的托盘上，创建模板，如图11所示。然后将可乐放在工业相机下，如图12所示，检测区域与橙汁的检测区域相同时界面显示不合格。同样，将装有纯净水的饮料瓶放在工业相机下，如图13所示，界面仍然显示不合格。由此可见，令面积阈值固定不变，当液体与模板的颜色差值大于设定的颜色差值阈值时，实验结果会显示不合格。

4总结与展望

本论文在应用拓展方面还有需要完善的地方，对液体的颜色检测实验是维视图像提供的相关实验，该软件还提供二次开发的开发包，可以利用VC++编程仿真，实现对物体颜色识别完全脱离实验平台的程序化处理，这是在以后的研究中需要进一步拓展深化的方面。