彩色偽隨機(jī)編碼投影新方法及其解碼(共85頁(yè))

1、PAGE J I A N G S U U N I V E R S I T Y本 科 畢 業(yè) 論 文 彩色偽隨機(jī)編碼投影(tuyng)新方法及其解碼The New Method of the Colored Pseudo-random Code Projection and the Decoding學(xué)院(xuyun)名稱： 專業(yè)(zhuny)班級(jí)： 學(xué)生姓名： 學(xué) 號(hào)： 指導(dǎo)教師： 指導(dǎo)小組： 2008年06月摘 要近三十年來(lái)，計(jì)算機(jī)視覺(jué)發(fā)展(fzhn)迅速，其應(yīng)用的一個(gè)重要方面就是視覺(jué)檢測(cè)，它是計(jì)算機(jī)視覺(jué)技術(shù)在在線檢測(cè)領(lǐng)域中的應(yīng)用，已成為儀器科學(xué)(kxu)的重要研究領(lǐng)域之一。而計(jì)算機(jī)視覺(jué)技術(shù)中

2、一個(gè)重要的問(wèn)題就是如何從二維圖像中恢復(fù)出場(chǎng)景的三維坐標(biāo)數(shù)據(jù)，重構(gòu)三維場(chǎng)景的幾何結(jié)構(gòu)和物體的三維幾何模型。其中又以場(chǎng)景圖像中的坐標(biāo)點(diǎn)匹配問(wèn)題為難點(diǎn)，通常解決該問(wèn)題的一種有效(yuxio)方法是采用結(jié)構(gòu)光主動(dòng)視覺(jué)技術(shù)，如點(diǎn)結(jié)構(gòu)光、線結(jié)構(gòu)光掃描法以及編碼結(jié)構(gòu)光法等。要想只利用一幅圖像來(lái)對(duì)三維場(chǎng)景進(jìn)行歐氏空間重構(gòu)，尤其是動(dòng)態(tài)的三維場(chǎng)景，最有效的方法是采用編碼結(jié)構(gòu)光照明主動(dòng)視覺(jué)技術(shù)及其裝置，因此，研究合適的編碼結(jié)構(gòu)光投影方法，解決三維場(chǎng)景圖像上的彩色偽隨機(jī)序列編碼模板的坐標(biāo)點(diǎn)匹配問(wèn)題，是計(jì)算機(jī)視覺(jué)技術(shù)中的一個(gè)極其重要的理論與技術(shù)問(wèn)題。本論文主要研究彩色偽隨機(jī)編碼投影新方法及其解碼。即通過(guò)對(duì)三維場(chǎng)景表面進(jìn)

3、行彩色偽隨機(jī)序列空間編碼，并根據(jù)偽隨機(jī)序列的一個(gè)重要屬性窗口特性，使三維場(chǎng)景表面上的每一個(gè)采樣點(diǎn)被唯一辨識(shí)，同時(shí)通過(guò)特征點(diǎn)提取算法提取采樣點(diǎn)的坐標(biāo)，解決三維表面重構(gòu)時(shí)圖像解碼難題。基于課題中提出的研究目的與當(dāng)前國(guó)內(nèi)外的研究現(xiàn)狀，論文主要就項(xiàng)目中涉及到的彩色偽隨機(jī)編碼投影技術(shù)與解碼方法進(jìn)行研究，主要分以下幾個(gè)方面：（1）研究一個(gè)新的偽隨機(jī)彩色編碼投影模板，以解決特征點(diǎn)提取難的問(wèn)題。通過(guò)對(duì)三維場(chǎng)景表面進(jìn)行偽隨機(jī)彩色空間編碼，利用偽隨機(jī)編碼的窗口特性，使每一個(gè)特征點(diǎn)能被唯一辨識(shí)。（2）研究特征點(diǎn)、特征線提取方法。應(yīng)用形態(tài)學(xué)處理方法，在拍攝到的圖像上對(duì)RGB圖層進(jìn)行顏色區(qū)分，再通過(guò)濾波、膨脹、腐蝕等處

4、理方法進(jìn)行特征點(diǎn)、特征線提取。（3）研究和這個(gè)偽隨機(jī)彩色編碼投影模板相對(duì)應(yīng)的解碼方法。由攝像機(jī)拍攝到的彩色編碼二維圖像若要還原到三維場(chǎng)景，那么必須要對(duì)圖像進(jìn)行有效的解碼，把圖像中提取出來(lái)的特征點(diǎn)和編碼模板中的點(diǎn)一一匹配起來(lái)。經(jīng)大量實(shí)驗(yàn)并對(duì)比驗(yàn)證，該方法可以實(shí)現(xiàn)特征點(diǎn)的自動(dòng)提取與匹配，算法簡(jiǎn)單、處理速度快，且匹配結(jié)果精確、可靠。關(guān)鍵詞：計(jì)算機(jī)視覺(jué)； 彩色偽隨機(jī)編碼； 偽隨機(jī)陣列； 數(shù)學(xué)形態(tài)學(xué)； 特征點(diǎn)提取AbstractIn recent 30 years, the computer vision has developed rapidly, and an important aspect of

5、 its application is visual inspection. It is the application of the computer vision technology in the on-line examination domain, and it has become one of the important research areas of instrument science. An important problem of the computer vision technology is that how to restore the three dimen

6、sional coordinate data of the scene from the two-dimensional picture and how to reconstruct three dimensional scene geometry structure and the stereo geometric model of the object. The most difficult problem among them is the problem of coordinate match in the scene image. Usually to solve this ques

7、tion, one of the effective methods is to use the structured light illumination, such as dot structured light, line structured light, encoded structured light pattern and so on. In order to use one image to reconstruct the three dimensional euclidean space scene, particularly the dynamic 3-D scenes,

8、the most effective method is to use the active visual technology of encoded structured light, as well as its device. Therefore, the research of the encoded structured light pattern to resolve the correspondence problem is very important in stereo vision inspection. This paper mainly focuses on the n

9、ew method of the colored pseudo-random code projection and its decoding. Through carrying on the colored pseudo-random sequence encoding to the 3-D scene surface, and according to an important attribute of pseudo-random sequence, the window characteristic, each sampling point on the three dimensiona

10、l scene surface is recognized solely. Simultaneously through the characteristic point extraction algorithm, the sampling points are extracts to solve the problem of 3-D surface restructuring image decoding. Based on the topic and the current domestic and foreign research situation, in the paper, the

11、 new method of the colored pseudo-random coding and the decoding which mentioned on the project are mainly studied. Following are several aspects of the research: (1) To solve the problem of extracting characteristic point by researching a new pseudo-random color coding projection template. Through

12、carrying on the pseudo-random color space code to the three dimensional scene surface and using pseudo-random code window characteristics, each characteristic point is recognized solely.(2) To research on the extraction method of the characteristic point and the characteristic curve. The color of th

13、e RGB chart level in the photography image are differentiated by applying morphology processing method. The characteristic point and the characteristic curve are extracted through the method of filter, dilation, cauterization and so on. (3) To research on the decoding method which corresponds with t

14、he colored pseudo-random code projection template. An effective method should be used to decode the image so as to reconstruct the three dimensional scene from the photography image. The characteristic point which extracted from the photography image should be matched to the point of encoded templat

15、e one to one.After a mass of experiments and contrasts, this method may achieve the extraction and match of characteristic point automatically. The algorithm is simple. The processing speed is quick. And the match result is precise and reliable. key words: computer vision; colored pseudo-random code

16、; pseudo-random array; mathematics morphology; characteristic point extraction目 錄緒論(xln)11.1 三維視覺(jué)(shju)檢測(cè)系統(tǒng)11.1.1 三維視覺(jué)檢測(cè)系統(tǒng)(xtng)的組成11.1.2 視覺(jué)傳感器的結(jié)構(gòu)種類21.2 課題的研究?jī)?nèi)容2 1.3 課題的國(guó)內(nèi)外研究概況31.4 論文的結(jié)構(gòu)安排4第二章 彩色偽隨機(jī)編碼投影模板的原理與設(shè)計(jì)52.1偽隨機(jī)編碼原理5 2.1.1偽隨機(jī)序列的原理52.1.2 偽隨機(jī)陣列的構(gòu)建方法72.2 三維歐氏重構(gòu)中的偽隨機(jī)序列編碼投影方法102.2.1 幾種典型的偽隨機(jī)序列編碼方法1

17、02.2.2 偽隨機(jī)序列編碼方法的比較112.3 彩色偽隨機(jī)編碼模板的實(shí)現(xiàn)112.3.1 偽隨機(jī)編碼模板的構(gòu)成112.3.2 偽隨機(jī)編碼模板色彩的選擇132.4 本章小節(jié)13第三章 彩色偽隨機(jī)編碼圖像的特征點(diǎn)提取和匹配143.1 形態(tài)學(xué)圖像處理相關(guān)知識(shí)143.1.1 二值圖像143.1.2 腐蝕(fsh)運(yùn)算和膨脹運(yùn)算143.1.3 開運(yùn)算(yn sun)和閉運(yùn)算153.1.4 細(xì)化與收縮(shu su)153.2 彩色偽隨機(jī)編碼圖像的特征點(diǎn)、特征線提取方法153.2.1 特征點(diǎn)的提取方法153.2.2 特征線的提取方法173.3 彩色偽隨機(jī)編碼圖像的特征點(diǎn)匹配173.4 本章小節(jié)19第四章

18、彩色偽隨機(jī)編碼投影實(shí)驗(yàn)與圖像處理214.1 彩色偽隨機(jī)編碼投影實(shí)驗(yàn)214.2 彩色偽隨機(jī)編碼圖像的特征點(diǎn)、特征線提取與圖像處理224.2.1 特征點(diǎn)、特征線提取的圖像處理224.2.2 特殊區(qū)域圖像處理的改進(jìn)244.3 彩色偽隨機(jī)編碼圖像特征點(diǎn)匹配的數(shù)據(jù)處理254.4 本章小節(jié)28第五章 總結(jié)與展望295.1 總結(jié)295.2 展望30致謝31參考文獻(xiàn)32附錄34附錄一：程序清單34附錄二：數(shù)據(jù)表61插圖(cht)清單圖1.1 視覺(jué)測(cè)量(cling)系統(tǒng)的組成2圖2.1 線性移位(y wi)寄存器6圖2.2 構(gòu)建偽隨機(jī)陣列的步驟圖8圖2.3 線性移位寄存器實(shí)例9圖2.4 偽隨機(jī)陣列9圖 2.5

19、偽隨機(jī)序列編碼投影模板組圖10圖2.6 彩色偽隨機(jī)序列編碼投影模板12圖 2.7 RGB顏色空間13圖 3.1特征點(diǎn)、特征線提取方法示意圖16圖3.2 特征點(diǎn)位置發(fā)生偏移18圖3.3 檢測(cè)窗口示意圖19圖3.4 特征點(diǎn)匹配程序流程圖20圖4.1 圓球石膏模型投影圖像21圖4.2 人像石膏模型投影圖像22圖 4.3彩色偽隨機(jī)編碼投影實(shí)驗(yàn)的圖像處理組圖24圖4.4 人像模型特征線范圍25圖4.5 人像模型特征線26圖4.6 橙色區(qū)域放大圖26圖4.7 人像模型投影圖像（部分）27圖4.8 模板圖像（部分）27表格清單表2.1 移位寄存器的狀態(tài)數(shù)與狀態(tài)7表 2.2 Galois域的本原多項(xiàng)式7表 4

20、.1 RGB顏色范圍統(tǒng)計(jì)23表 4.2 人像坐標(biāo)點(diǎn)匹配數(shù)據(jù)（部分）28江蘇大學(xué)2008屆本科生畢業(yè)設(shè)計(jì)（論文） PAGE 89江蘇大學(xué)2008屆本科生畢業(yè)設(shè)計(jì)（論文） PAGE 0緒論(xln)計(jì)算機(jī)視覺(jué)作為一門新興(xnxng)的學(xué)科，從八十年代以來(lái)發(fā)展迅速，人們對(duì)其研究已經(jīng)經(jīng)歷了從實(shí)驗(yàn)室走向?qū)嶋H應(yīng)用的發(fā)展階段。其中，計(jì)算機(jī)視覺(jué)應(yīng)用的一個(gè)重要方面就是視覺(jué)檢測(cè)，它是計(jì)算機(jī)視覺(jué)技術(shù)在在線檢測(cè)領(lǐng)域中的應(yīng)用 REF _Ref200181881 r h * MERGEFORMAT 9，已成為儀器科學(xué)的重要研究領(lǐng)域之一。雖然目前的視覺(jué)檢測(cè)技術(shù)仍未具有人類視覺(jué)的威力和智慧，但是由于視覺(jué)檢測(cè)系統(tǒng)可以快速獲取

21、大量信息，而且易于自動(dòng)處理，也易于同設(shè)計(jì)信息以及加工控制信息集成，因此，在現(xiàn)代自動(dòng)化生產(chǎn)(shngchn)過(guò)程中，人們將視覺(jué)檢測(cè)系統(tǒng)廣泛地用于工況監(jiān)視、成品檢驗(yàn)和質(zhì)量控制等領(lǐng)域，其優(yōu)點(diǎn)是提高生產(chǎn)的柔性和自動(dòng)化程度。在三維視覺(jué)場(chǎng)景重構(gòu)過(guò)程中，一個(gè)眾所周知的難題就是場(chǎng)景圖像上的坐標(biāo)點(diǎn)匹配問(wèn)題。通常解決該問(wèn)題的一種有效的方法是采用結(jié)構(gòu)光主動(dòng)視覺(jué)技術(shù)，如點(diǎn)結(jié)構(gòu)光、線結(jié)構(gòu)光掃描法以及編碼結(jié)構(gòu)光法等。要想用一幅圖像在真正的三維歐氏空間重構(gòu)三維場(chǎng)景 REF _Ref200180093 r h * MERGEFORMAT 1 REF _Ref200180094 r h * MERGEFORMAT 2，尤其是動(dòng)

22、態(tài)的三維場(chǎng)景，最有效的方法是采用編碼結(jié)構(gòu)光照明主動(dòng)視覺(jué)技術(shù)及其裝置。因此，研究合適的編碼結(jié)構(gòu)光照明方法，解決場(chǎng)景圖像上的坐標(biāo)點(diǎn)匹配問(wèn)題，是三維場(chǎng)景中的一個(gè)極其重要的理論與技術(shù)問(wèn)題。本課題主要研究基于編碼投影技術(shù)自標(biāo)定重構(gòu)歐氏空間三維場(chǎng)景中的彩色偽隨機(jī)編碼投影新方法及其解碼。即通過(guò)對(duì)三維場(chǎng)景表面進(jìn)行偽隨機(jī)彩色空間編碼，并根據(jù)偽隨機(jī)編碼的一個(gè)重要屬性窗口特性，使三維場(chǎng)景表面上的每一個(gè)采樣點(diǎn)被唯一辨識(shí)，同時(shí)通過(guò)特征點(diǎn)提取算法提取采樣點(diǎn)的坐標(biāo)，解決三維表面重構(gòu)時(shí)圖像解碼難題。1.1三維視覺(jué)檢測(cè)系統(tǒng)1.1.1 三維視覺(jué)檢測(cè)系統(tǒng)的組成一個(gè)比較典型的三維視覺(jué)測(cè)量系統(tǒng) REF _Ref200180462 r

23、h * MERGEFORMAT 14一般以計(jì)算機(jī)為中心，由光源系統(tǒng)、視覺(jué)傳感器、圖像采集系統(tǒng)以及圖像處理系統(tǒng)、控制系統(tǒng)等模塊組成，如圖1.1所示 REF _Ref200163622 r * MERGEFORMAT 29。三維視覺(jué)系統(tǒng)分為三部分:圖像的獲取、圖像的處理和分析、輸出或顯示。三維視覺(jué)系統(tǒng)的輸入裝置主要是相機(jī)，它把三維的影像作為輸入源，即輸入計(jì)算機(jī)的就是三維世界的二維投影。如果把三維客觀世界到二維投影像看作是一種正變換的話，則三維視覺(jué)系統(tǒng)所要做的是從這種二維投影圖像到三維客觀世界的逆變換，也就是根據(jù)這種二維投影圖像去重構(gòu)三維的客觀世界。本課題在進(jìn)行三維重構(gòu)視覺(jué)實(shí)驗(yàn)時(shí)，首先采用(ciyn

24、g)LCD投影儀將所設(shè)計(jì)的彩色偽隨機(jī)序列編碼投影模板投射到三維場(chǎng)景中，然后用CCD攝像機(jī)采集帶編碼信息的圖像，再對(duì)圖像進(jìn)行一系列處理從而得到重構(gòu)結(jié)果。圖1.1 視覺(jué)測(cè)量系統(tǒng)(xtng)的組成1.1.2視覺(jué)(shju)傳感器的結(jié)構(gòu)種類視覺(jué)傳感器是機(jī)器視覺(jué)中最基本的組成要素，由于視覺(jué)檢測(cè)對(duì)象存在多樣性，使得相應(yīng)存在多種視覺(jué)檢測(cè)方法，而不同的方法對(duì)視覺(jué)傳感器的要求不同，如檢測(cè)速度、檢測(cè)精度、檢測(cè)范圍和性價(jià)比等，從而形成了多種形式的視覺(jué)傳感器。根據(jù)照明方式和幾何結(jié)構(gòu)關(guān)系的不同，可以分為被動(dòng)視覺(jué)(Passive Vision)傳感器和主動(dòng)視覺(jué)(Active Vision)傳感器兩大類 REF _Ref2

25、00163697 r * MERGEFORMAT 12。被動(dòng)視覺(jué)傳感器的光源來(lái)自自然環(huán)境或者專用照明系統(tǒng)，然后根據(jù)被測(cè)空間在不同像面上的相互匹配關(guān)系來(lái)獲得空間點(diǎn)的三維坐標(biāo);相反，主動(dòng)視覺(jué)傳感器采用了結(jié)構(gòu)光照明技術(shù)，通過(guò)結(jié)構(gòu)光在被測(cè)物體上的精確定位來(lái)獲取被測(cè)信息。其照明所用的光源多為激光，因?yàn)榧す饩哂蟹较蛐院谩⒘炼雀?、能量集中等?yōu)點(diǎn)，它發(fā)射的能量和方向可以方便且嚴(yán)格的控制。在被動(dòng)視覺(jué)系統(tǒng)的預(yù)標(biāo)定三維重構(gòu)方法中，至少需要用2幅以上的序列圖像才能重構(gòu)三維場(chǎng)景12，而且序列圖像中匹配點(diǎn)如何識(shí)別與不確定性并不能得到很好地解決，尤其是對(duì)于自然場(chǎng)景和自由曲面物體的序列圖像中的匹配點(diǎn)識(shí)別仍是問(wèn)題，不能在真正的

26、三維歐氏空間實(shí)現(xiàn)場(chǎng)景的三維重構(gòu)，即重構(gòu)的場(chǎng)景是一個(gè)相對(duì)的三維場(chǎng)景，得不到場(chǎng)景中兩點(diǎn)間的絕對(duì)距離。為了避免上述問(wèn)題，一種有效的方法是采用結(jié)構(gòu)光主動(dòng)視覺(jué)技術(shù)，如點(diǎn)結(jié)構(gòu)光、線結(jié)構(gòu)光掃描法以及編碼結(jié)構(gòu)光法等。然而掃描法必須使用精密標(biāo)定裝置事先標(biāo)定有關(guān)參數(shù)，而且它們只能適用于特定的場(chǎng)合，要做到在線實(shí)時(shí)標(biāo)定或預(yù)標(biāo)定重構(gòu)三維場(chǎng)景，難度很大，有時(shí)甚至不可能。更重要的一點(diǎn)是它們不能用一幅圖像重構(gòu)三維場(chǎng)景。所以要想用一幅圖像在真正的三維歐氏空間重構(gòu)三維場(chǎng)景，尤其是動(dòng)態(tài)的三維場(chǎng)景，一種很有效的方法是采用編碼結(jié)構(gòu)光照明主動(dòng)視覺(jué)技術(shù) REF _Ref200185712 r h * MERGEFORMAT 18。1.2

27、課題的研究(ynji)內(nèi)容本論文研究(ynji)的主要內(nèi)容來(lái)源于江蘇大學(xué)(dxu)高級(jí)人才基金項(xiàng)目“基于編碼投影技術(shù)自標(biāo)定重構(gòu)歐式空間三維場(chǎng)景”（NO.04KJD005）?；谡n題中提出的研究目的與當(dāng)前國(guó)內(nèi)外的研究現(xiàn)狀，論文主要就項(xiàng)目中涉及到的彩色偽隨機(jī)序列編碼投影技術(shù)與解碼方法進(jìn)行研究，主要分以下幾個(gè)方面：（1）研究一個(gè)新的偽隨機(jī)彩色編碼投影模板，以解決特征點(diǎn)提取難的問(wèn)題。通過(guò)對(duì)三維場(chǎng)景表面進(jìn)行偽隨機(jī)彩色空間編碼，利用偽隨機(jī)編碼的窗口特性，使每一個(gè)特征點(diǎn)能被唯一辨識(shí)。（2）研究特征點(diǎn)、特征線提取方法。應(yīng)用形態(tài)學(xué)處理方法，在拍攝到的圖像上對(duì)RGB圖層進(jìn)行顏色區(qū)分，再通過(guò)濾波、膨脹、腐蝕等處理方

28、法進(jìn)行特征點(diǎn)、特征線提取。（3）研究和這個(gè)偽隨機(jī)彩色編碼投影模板相對(duì)應(yīng)的解碼方法。由攝像機(jī)拍攝到的彩色編碼二維圖像若要還原到三維場(chǎng)景，那么必須要對(duì)圖像進(jìn)行有效的解碼，把圖像中提取出來(lái)的特征點(diǎn)和編碼模板中的點(diǎn)一一匹配起來(lái)。1.3 課題的國(guó)內(nèi)外研究概況本論文主要研究彩色偽隨機(jī)序列編碼投影技術(shù)與解碼方法，這種彩色偽隨機(jī)序列編碼技術(shù)是結(jié)構(gòu)光編碼方法中的一種，另外還有時(shí)間空間編碼法 REF _Ref200180213 r h * MERGEFORMAT 3 REF _Ref200180216 r h * MERGEFORMAT 4、偽隨機(jī)序列黑白二元圖案空間編碼法 REF _Ref200163848 r

29、 h * MERGEFORMAT 5 REF _Ref200180227 r h * MERGEFORMAT 6、彩色譜編碼法 REF _Ref200180239 r h * MERGEFORMAT 7 REF _Ref200180240 r h * MERGEFORMAT 8等。但事實(shí)上要想得到比較理想的數(shù)據(jù)，很多國(guó)內(nèi)外研究表明上述的幾種方法都不是太理想，即使是采用偽隨機(jī)序列編碼投影技術(shù)，當(dāng)編碼圖案不同時(shí)，得到的效果也大相徑庭。但由于偽隨機(jī)序列具有良好的窗口特性，只要知道窗口中子序列的情況，就能知道它在整個(gè)周期序列中的位置，所以彩色偽隨機(jī)序列編碼投影技術(shù)還是當(dāng)今結(jié)構(gòu)光編碼方法中研究的重點(diǎn)。在

30、彩色偽隨機(jī)序列編碼投影技術(shù)中，特征點(diǎn)的提取是關(guān)鍵。特征點(diǎn)提取的越是準(zhǔn)確、完整，匹配結(jié)果就越是精確，最后的三維歐氏重構(gòu)就越是逼真。而在計(jì)算機(jī)分辨特征點(diǎn)的時(shí)候，從目前國(guó)內(nèi)外的研究水平來(lái)看，這并不是一件容易的事。主要問(wèn)題有如下幾個(gè)方面：首先，還沒(méi)有一個(gè)普遍的原理來(lái)指導(dǎo)分辨、提取過(guò)程，這就使得提取方法太過(guò)零散、隨意，影響結(jié)果精度；其次，沒(méi)有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)來(lái)對(duì)提取結(jié)果進(jìn)行比較，也就很難說(shuō)出到底哪種提取方法比較理想；再次，目前的所有研究方法都或多或少的有一定的局限性，可能某種方法在某個(gè)場(chǎng)景中處理效果不錯(cuò)，但一旦換個(gè)環(huán)境效果就會(huì)變的很不理想。目前通過(guò)對(duì)國(guó)內(nèi)外相關(guān)研究的了解，發(fā)現(xiàn)特征點(diǎn)提取主要有兩種研究方法：

31、模板匹配法和角檢測(cè)法 REF _Ref200185563 r h * MERGEFORMAT 10 REF _Ref200180500 r h * MERGEFORMAT 15。其中模板匹配法是一種較早的方法，在很多領(lǐng)域已經(jīng)有很成熟的運(yùn)用，但由于在較復(fù)雜的三維場(chǎng)景下特征點(diǎn)可能變形會(huì)很嚴(yán)重，并且也由于特征點(diǎn)較小，匹配精度將不是很高。而角檢測(cè)法雖然算法簡(jiǎn)單，速度也處理的比較快，但如果三維場(chǎng)景由于不連續(xù)而產(chǎn)生陰影或由于攝像機(jī)拍攝角度不同使圖像中一部分編碼圖案被覆蓋導(dǎo)致圖像中編碼圖案錯(cuò)位，或者三維表面太復(fù)雜、表面顏色不單一，就會(huì)產(chǎn)生大量偽拐角，需要用手工來(lái)消除，不利于特征點(diǎn)自動(dòng)準(zhǔn)確匹配，而且特征點(diǎn)匹配

32、很容易出錯(cuò)。因此需要考慮用一種新的方法來(lái)對(duì)特征點(diǎn)進(jìn)行提取，由于圖像形態(tài)學(xué)基本算法如今已經(jīng)很成熟，并且在Matlab中有大量基于數(shù)學(xué)形態(tài)學(xué)的操作函數(shù)，所以用它來(lái)對(duì)特征點(diǎn)進(jìn)行提取具有速度快、定位準(zhǔn)確等特點(diǎn)，因此論文將著重研究基于形態(tài)學(xué)算法的特征點(diǎn)提取方法。1.4 論文的結(jié)構(gòu)(jigu)安排根據(jù)課題的研究(ynji)內(nèi)容，本論文的各章節(jié)安排如下：緒論。主要介紹了三維視覺(jué)檢測(cè)系統(tǒng)的組成與傳感器結(jié)構(gòu)的種類，課題研究的意義(yy)與目的以及課題研究的主要內(nèi)容。彩色偽隨機(jī)編碼投影模板的原理與設(shè)計(jì)。根據(jù)偽隨機(jī)編碼原理，針對(duì)當(dāng)前主要的幾種彩色偽隨機(jī)編碼投影模板各自的優(yōu)缺點(diǎn)進(jìn)行分析，研究出一種新的彩色偽隨機(jī)編碼模

33、板，以使特征點(diǎn)能精確可靠的進(jìn)行提取。彩色偽隨機(jī)編碼圖像的特征點(diǎn)提取和匹配。對(duì)于這個(gè)新的編碼模板，研究如何運(yùn)用形態(tài)學(xué)原理進(jìn)行特征點(diǎn)、特征線提取。同時(shí)利用偽隨機(jī)序列的窗口特性研究如何對(duì)特征點(diǎn)進(jìn)行匹配，要求匹配結(jié)果準(zhǔn)確。彩色偽隨機(jī)編碼投影實(shí)驗(yàn)與圖像處理。針對(duì)球和頭像模型兩個(gè)實(shí)驗(yàn)進(jìn)行數(shù)據(jù)處理，通過(guò)實(shí)驗(yàn)驗(yàn)證特征點(diǎn)、特征線提取和匹配的效果與準(zhǔn)確性。總結(jié)與展望。總結(jié)全文取得的研究成果，并指出課題中存在的一些問(wèn)題以待今后解決。彩色(cis)偽隨機(jī)編碼投影模板的原理與設(shè)計(jì)要想從一幅圖像中提取數(shù)據(jù)重構(gòu)三維場(chǎng)景，首先要考慮的問(wèn)題就是采用何種結(jié)構(gòu)光來(lái)對(duì)三維場(chǎng)景進(jìn)行調(diào)制，即采用何種編碼方法來(lái)編制投影模板，以便用模板對(duì)整

34、個(gè)三維場(chǎng)景進(jìn)行覆蓋然后(rnhu)提取圖像。編碼模板要求圖像中的每一個(gè)特征點(diǎn)能被唯一辨識(shí)，能準(zhǔn)確和模板中的點(diǎn)進(jìn)行匹配。由于偽隨機(jī)序列具有良好(lingho)的窗口特征，即對(duì)于每一個(gè)偽隨機(jī)陣列，都可以確定一個(gè)尺寸很小的窗口，當(dāng)這個(gè)窗口沿著這個(gè)陣列滑動(dòng)時(shí)，透過(guò)該窗口所看到的任何一個(gè)子陣列均不可能完全相同，因此本論文采用偽隨機(jī)序列編碼投影技術(shù)，利用偽隨機(jī)序列來(lái)編制投影模板。本章將重點(diǎn)討論如何設(shè)計(jì)這種投影模板。2.1偽隨機(jī)編碼原理偽隨機(jī)編碼是指一個(gè)預(yù)先確定、并可重復(fù)實(shí)現(xiàn)的具有某種隨機(jī)特性的編碼，可表示為偽隨機(jī)序列和偽隨機(jī)陣列的形式，本文采用的是偽隨機(jī)陣列的形式。偽隨機(jī)編碼既有隨機(jī)信號(hào)所具有的優(yōu)良的相關(guān)

35、性，又有隨機(jī)信號(hào)所不具備的規(guī)律性，而且還具有良好的窗口特性。對(duì)于每一個(gè)偽隨機(jī)陣列，都可以確定一個(gè)尺寸很小的窗口，當(dāng)這個(gè)窗口沿著這個(gè)陣列滑動(dòng)時(shí)，透過(guò)該窗口所看到的任何一個(gè)子陣列均不可能完全相同。根據(jù)偽隨機(jī)陣列的這種特性，只要知道窗口中的子陣列，就可以準(zhǔn)確地知道它在整個(gè)陣列中的位置。下面主要介紹下偽隨機(jī)陣列的原理和如何實(shí)現(xiàn)偽隨機(jī)陣列15。2.1.1偽隨機(jī)序列的原理如果一個(gè)序列，一方面它是可以預(yù)先確定的，并且是可以重復(fù)地生產(chǎn)和復(fù)制的；一方面它又具有某種隨機(jī)序列的隨機(jī)特性 REF _Ref200180536 r h * MERGEFORMAT 21（即統(tǒng)計(jì)特性），于是便稱這種序列為偽隨機(jī)序列。因此可以

36、說(shuō)，偽隨機(jī)序列是具有某種隨機(jī)特性的確定的序列。偽隨機(jī)序列可以通過(guò)線性反饋移位寄存器（linear feedback shift register）產(chǎn)生 REF _Ref200164262 r * MERGEFORMAT 21，也可以通過(guò)計(jì)算機(jī)編程的方法實(shí)現(xiàn)。因?yàn)樗哂须S機(jī)特性，無(wú)法從一個(gè)已經(jīng)產(chǎn)生的序列的特性中判斷是真隨機(jī)序列還是偽隨機(jī)序列，只能根據(jù)序列的產(chǎn)生辦法來(lái)判斷。偽隨機(jī)序列系列具有良好的隨機(jī)性和接近于白噪聲的相關(guān)函數(shù)，并且有預(yù)先的可確定性和可重復(fù)性。m階線性反饋移位寄存器具有m個(gè)存儲(chǔ)器，設(shè)每個(gè)存儲(chǔ)器有q個(gè)狀態(tài)，即q個(gè)基元（primitive element）。如圖2.1所示, 當(dāng)時(shí)鐘脈沖

37、到來(lái)時(shí)，各個(gè)寄存器的狀態(tài)依次向右輸出，排成一個(gè)周期為的循環(huán)序列，即偽隨機(jī)序列。圖 2.1 線性移位(y wi)寄存器在這個(gè)過(guò)程中，最左邊的寄存器的值必須不斷得到補(bǔ)充，這需要一個(gè)邏輯(lu j)傳遞函數(shù)來(lái)不斷地生成新的值，它可以表示為： （2.1.1）相應(yīng)(xingyng)的多項(xiàng)式可寫為 （2.1.2）因?yàn)槭且粋€(gè)整系數(shù)多項(xiàng)式, 且公因子只有1, 所以稱為線性反饋移位寄存器的本原多項(xiàng)式（primitive polynomial），它與整個(gè)偽隨機(jī)序列是密切相關(guān)的。該本原多項(xiàng)式中的m個(gè)系數(shù)是Galois域GF(q)=0,1,A, 中的元素。只有選定了本原多項(xiàng)式，才能知道邏輯傳遞函數(shù)，再設(shè)定一個(gè)非全零初

38、始狀態(tài)作為激勵(lì)源，根據(jù)模q(mod q)運(yùn)算規(guī)則，就可以唯一地確定線性反饋移位寄存器所產(chǎn)生的偽隨機(jī)序列，這也是引入本原多項(xiàng)式的意義。如圖2.1所示，對(duì)于模2偽隨機(jī)序列而言，基元為2個(gè)值：0和1，如果選定一個(gè)4（m=4）階的本原多項(xiàng)式,那么它所對(duì)應(yīng)的邏輯傳遞函數(shù)為： （2.1.3）若其初始狀態(tài)設(shè)為，則將產(chǎn)生序列：（一個(gè)周期），如表2.1。其中，任何一段長(zhǎng)度為連續(xù)子序列均是一個(gè)偽隨機(jī)序列。由于遞歸循環(huán)中，初始值不同，總共會(huì)有個(gè)不同的偽隨機(jī)序列（不能以全0為初始狀態(tài)），但只有m個(gè)是線性無(wú)關(guān)的。偽隨機(jī)序列具有良好的窗口(chungku)特性，即一個(gè)寬度為m的窗口沿著序列移動(dòng)的過(guò)程(guchng)中，通

39、過(guò)窗口所看到的同一個(gè)周期中的個(gè)子序列(xli)彼此并不完全相同。表2.1 移位寄存器的狀態(tài)數(shù)與狀態(tài)以上主要介紹了基元數(shù)為2的模2偽隨機(jī)序列。對(duì)于基元數(shù)大于2的序列（但基元數(shù)必須是素?cái)?shù)或素?cái)?shù)的q次冪），稱為非二進(jìn)制的模q偽隨機(jī)序列，對(duì)應(yīng)的本原多項(xiàng)式如表2.2所示 REF _Ref200164262 r * MERGEFORMAT 21。表 2.2 Galois域的本原多項(xiàng)式2.1.2 偽隨機(jī)陣列的構(gòu)建方法在實(shí)際的制作編碼模板的應(yīng)用中，并不是使用偽隨機(jī)序列，而用到的是偽隨機(jī)陣列，那么如何把偽隨機(jī)序列變換到偽隨機(jī)陣列是本小節(jié)中所關(guān)心的問(wèn)題。舉個(gè)例子，令偽隨機(jī)序列的周期為，其中，稱為偽隨機(jī)陣列的窗口參

40、數(shù)，偽隨機(jī)陣列的大小為，其中 （2.1.4） （2.1.5）將該偽隨機(jī)序列轉(zhuǎn)換(zhunhun)為偽隨機(jī)陣列其實(shí)很簡(jiǎn)單，首先建立一個(gè)的表格(biog)，把序列的第一個(gè)值填入左上角的空格中，然后按照主對(duì)角線依次把序列的值一個(gè)個(gè)填下去，當(dāng)填到表格邊沿時(shí)跳到對(duì)邊繼續(xù)填直到全部數(shù)值都填完為止，具體參見圖2.2的例子。000第一次填入010000第二次填入011110011001001第三次填入圖2.2 構(gòu)建(u jin)偽隨機(jī)陣列的填表步驟圖下面介紹下如何構(gòu)建彩色偽隨機(jī)編碼模板相對(duì)應(yīng)的偽隨機(jī)陣列，由窗口大小可以算出陣列大小為，具體計(jì)算方法在2.3節(jié)中會(huì)提到，選擇6階線性反饋移位寄存器，每個(gè)寄存器有4個(gè)

41、狀態(tài)，于是查表2.2得出GF(q)域上的本原多項(xiàng)多項(xiàng)式為： （2.1.6）其中A為GF(4)的本原元，約束條件為，而，其反饋移位寄存器如圖2.3。首先用Matlab軟件編制一個(gè)腳本文件以000010為初值生成一段有4095個(gè)值的偽隨機(jī)序列，再按照上面說(shuō)到的轉(zhuǎn)換方法用相應(yīng)的算法構(gòu)成一個(gè)的偽隨機(jī)陣列，其中3代表A，7代表，如圖2.4。圖2.3 線性移位(y wi)寄存器實(shí)例通過(guò)觀察可以發(fā)現(xiàn)，這段偽隨機(jī)陣列如果拿掉最后全為零的一列，整個(gè)(zhngg)陣列其實(shí)是左右對(duì)稱的，這也能很容易檢查出偽隨機(jī)陣列是否正確。圖2.4 偽隨機(jī)(su j)陣列2.2 三維歐氏重構(gòu)中的偽隨機(jī)序列(xli)編碼投影方法2.

42、2.1 幾種(j zhn)典型的偽隨機(jī)序列編碼方法一般來(lái)說(shuō)，應(yīng)用于偽隨機(jī)編碼(bin m)序列的編碼投影模板主要有六種 REF _Ref200164659 r * MERGEFORMAT 18，如圖2.5所示。第一種為細(xì)線編碼，是由水平和垂直方向上的窄細(xì)的彩色編碼線條相交形成的，它的特征點(diǎn)為這些細(xì)線的交叉中心；第二種為粗線編碼，是由第一種細(xì)線條派生而來(lái)的編碼，它的特征點(diǎn)為水平與垂直方向上兩粗線條交叉處的四個(gè)角點(diǎn)。這兩種編碼模板中每一行或每一列上的特征點(diǎn)都在同一種顏色的編碼線上。在其對(duì)應(yīng)的解碼算法中，需要先確定各點(diǎn)所在的水平和垂直線條的序號(hào)，然后才能確定特征點(diǎn)在整個(gè)編碼模板中的位置。 （a） （

43、b） （c） （d） （e） （f）圖2.5偽隨機(jī)序列編碼投影模板組圖（a）細(xì)線編碼；（b）粗線編碼；（c）圓編碼；（d）菱形編碼；（e）離散方形編碼；（f）連續(xù)方形編碼第三種為圓編碼，是由一些彩色實(shí)心圓呈離散狀構(gòu)成的陣列，其中以各圓心為特征點(diǎn)。但是，由于這些圓投射到未知三維物體上將隨其表面發(fā)生變形，因此，該種編碼只適宜于變化平緩或由平面構(gòu)成的三維物體表面，而不適宜于有陡變的表面或與投射方向夾角較大的平面。第四種為菱形編碼，是以單個(gè)彩色菱形模塊表示每一個(gè)編碼符號(hào)，每一個(gè)菱形的四個(gè)角點(diǎn)就是編碼模板的特征點(diǎn)，各菱形均以其四個(gè)角點(diǎn)與周圍的其他菱形保持接觸。采用這種編碼模板可以首先依據(jù)色彩信息感知菱形

44、塊的位置，然后可以比較容易的追蹤并確定各特征點(diǎn)的位置。所以這種編碼對(duì)任意變化的三維物體表面具有更強(qiáng)的適應(yīng)性。但其特征點(diǎn)坐標(biāo)是交錯(cuò)排列的，這在圖像解碼算法的處理中不是很方便。第五種為離散方形編碼，它以離散分布的彩色的方形塊來(lái)表示編碼符號(hào)，編碼模板的特征點(diǎn)就是這些方形塊的四個(gè)頂點(diǎn)(dngdin)。這種編碼可以使特征點(diǎn)數(shù)量增加四倍，但這也很容易出現(xiàn)漏點(diǎn)，而且離散方形編碼與圓編碼存在一個(gè)同樣的缺點(diǎn)，即各編碼顏色單元都是孤立的，這不利于在其解碼算法中對(duì)特征點(diǎn)位置的準(zhǔn)確確定。第六種為連續(xù)方形編碼，它與前者的區(qū)別(qbi)在于各方形之間是通過(guò)四個(gè)頂點(diǎn)聯(lián)系在一起的。這種編碼既能使特征點(diǎn)數(shù)量增加約三倍，來(lái)更細(xì)致

45、地特征化三維空間，又可以使后續(xù)的解碼算法中的特征點(diǎn)定位比較容易、可靠。但是它與菱形編碼存在一個(gè)同樣的缺點(diǎn)，就是在圖像中編碼密度比較高的時(shí)候，會(huì)由于編碼形狀的擴(kuò)大而增加大量的偽拐點(diǎn)，這些偽拐點(diǎn)往往需要手工來(lái)消除，不利于特征點(diǎn)自動(dòng)準(zhǔn)確匹配。2.2.2 偽隨機(jī)(su j)序列編碼方法的比較通過(guò)比較發(fā)現(xiàn)以上六種編碼投影模板 REF _Ref200164659 r * MERGEFORMAT 18通常只能用于表面為連續(xù)的三維場(chǎng)景，在投影時(shí)，如果三維場(chǎng)景由于不連續(xù)而產(chǎn)生陰影或由于攝像機(jī)拍攝角度不同使圖像中一部分編碼圖案被覆蓋導(dǎo)致圖像中編碼圖案錯(cuò)位，特征點(diǎn)匹配就很容易出錯(cuò)。所以要找一種新的辦法，可以使特征點(diǎn)

46、精確的匹配。分析下來(lái)，編碼圖形一般由特征點(diǎn)和特征線這兩種基本元素組成，上面提到的六種典型的編碼方法中如果加入特征線的話那它的特征點(diǎn)就會(huì)少很多，精度就不高；沒(méi)有加入特征線的，雖然特征點(diǎn)會(huì)大量的增加，但一旦編碼圖案發(fā)生錯(cuò)位，特征點(diǎn)就很難匹配，同樣最終也影響到了重構(gòu)的精度。但如果能把兩者結(jié)合起來(lái)，在保證特征點(diǎn)不減少的情況下引入特征線，用特征線把獨(dú)立的一個(gè)個(gè)特征點(diǎn)聯(lián)系起來(lái)，即使編碼圖案有一定的錯(cuò)位，也能利用特征線很容易找出附近相連的特征點(diǎn)，這樣就應(yīng)該可以解決特征點(diǎn)匹配難的問(wèn)題。本論文針對(duì)當(dāng)前的偽隨機(jī)編碼投影方法存在的缺點(diǎn)，運(yùn)用新思路提出了一種新的方法。這種方法極易實(shí)現(xiàn)特征點(diǎn)檢測(cè)自動(dòng)化，且具有很高的匹配

47、準(zhǔn)確度。2.3 彩色偽隨機(jī)編碼模板的實(shí)現(xiàn)2.3.1 偽隨機(jī)編碼模板的構(gòu)成基于偽隨機(jī)編碼原理和性質(zhì)，利用它來(lái)設(shè)計(jì)一個(gè)彩色偽隨機(jī)編碼投影模板來(lái)對(duì)三維空間場(chǎng)景(chng jng)進(jìn)行投影。編碼模板的大小由窗口的大小決定，若窗口很大，那么所拍攝下來(lái)的圖像上完整的窗口的數(shù)量會(huì)變少，同時(shí)也會(huì)降低特征點(diǎn)匹配的成功率；而如果窗口太小，其相應(yīng)的編碼陣列也會(huì)變小，即模板大小會(huì)變小，這樣降低了三維空間的可覆蓋范圍，所以經(jīng)過(guò)對(duì)比發(fā)現(xiàn)編碼的窗口大小定為是比較理想(lxing)的。于是令基元q=4，則,，。由此可以產(chǎn)生一個(gè)有4095個(gè)元素的偽隨機(jī)(su j)陣列，大小為?；猶=4對(duì)應(yīng)Galois域中的0，1，A，四個(gè)元

48、素，并令這四個(gè)元素為四種顏色，具體顏色的選擇將在下小節(jié)討論。模板中選擇4095個(gè)小正方形來(lái)代表4095個(gè)元素，分別涂上這四種顏色加以區(qū)分，小正方形的中心為特征點(diǎn)，用白色的特征線全部串連起來(lái)，整個(gè)模板的底色選擇黑色，因?yàn)楹谏推渌伾啾仁潜容^容易區(qū)分的。由此用一定算法利用matlab軟件生成了一個(gè)彩色偽隨機(jī)編碼模板，如圖2.6。對(duì)于設(shè)計(jì)完成后的彩色偽隨機(jī)模板樣圖，當(dāng)大小為的窗口在彩色編碼圖案上滑動(dòng)時(shí)，透過(guò)該窗口所看到的任何一個(gè)編碼小圖案都不可能完全相同。根據(jù)偽隨機(jī)陣列的這種特性，只要知道窗口中的六個(gè)元素的顏色組成情況，就可以準(zhǔn)確的知道它在整個(gè)編碼模板中的位置。圖2.6 彩色偽隨機(jī)(su j)序

49、列編碼投影模板2.3.2 偽隨機(jī)編碼模板(mbn)色彩的選擇在設(shè)計(jì)(shj)的編碼模板中由于q=4，因此要選擇4種顏色對(duì)應(yīng)0，1，A，這四個(gè)元素，這4種顏色唯一的要求是在CCD攝像機(jī)拍攝后的圖像中能很容易區(qū)分出來(lái)。所以在選擇這四種顏色之前先來(lái)簡(jiǎn)單介紹下彩色圖像和顏色空間 REF _Ref200164869 r * MERGEFORMAT 27 REF _Ref200163622 r * MERGEFORMAT 29的有關(guān)知識(shí)。一幅彩色圖像實(shí)際上就是一幅RGB圖像 REF _Ref200180596 r h * MERGEFORMAT 16，它本質(zhì)是彩色像素的一個(gè)數(shù)組，其中每一個(gè)彩色像素點(diǎn)都是在

50、特定空間位置的彩色圖像相對(duì)應(yīng)的紅、綠、藍(lán)三個(gè)分量，一幅RGB彩色圖像分為紅、綠、藍(lán)三幅分量圖像，即一幅彩色圖像實(shí)際上是由三幅分量圖像組成的，其中每幅對(duì)應(yīng)一種分量。如圖2.7中所示，紅、綠、藍(lán)分別在各自的坐標(biāo)軸上，RGB范圍很明顯沒(méi)有任何的交叉，因此在計(jì)算機(jī)識(shí)別拍攝下來(lái)的編碼圖像上的特征點(diǎn)時(shí)，理論上能很容易區(qū)分這三種顏色 REF _Ref200185942 r h * MERGEFORMAT 22。從另一個(gè)角度來(lái)說(shuō)，紅、綠、藍(lán)的標(biāo)準(zhǔn)RGB值分別為（255，0，0）、（0，255，0）、（0，0，255），由此也能很清楚的看出這3種顏色的取值范圍任意兩個(gè)都不會(huì)交叉。對(duì)于第四種顏色，通過(guò)比發(fā)現(xiàn)黃色合

51、適，它的標(biāo)準(zhǔn)RGB值為（255，255，0），也能很好的符合上述要求，這樣選擇的四種顏色來(lái)代表0，1，A，這四個(gè)元素，對(duì)于計(jì)算機(jī)來(lái)說(shuō)還是比較容易識(shí)別區(qū)分開來(lái)的。圖 2.7 RGB顏色(yns)空間2.4 本章(bn zhn)小節(jié)本章先通過(guò)介紹偽隨機(jī)編碼原理，引出了如何設(shè)計(jì)彩色偽隨機(jī)序列編碼投影模板。其中對(duì)比了前人研究過(guò)的幾種投影模板，分析了它們各自的優(yōu)缺點(diǎn)，在此基礎(chǔ)上設(shè)計(jì)了新投影模板。對(duì)于在模板設(shè)計(jì)過(guò)程中如何利用偽隨機(jī)序列編制(binzh)模板、顏色的選擇、編碼模板的各種參數(shù)的確定等問(wèn)題做了詳細(xì)的介紹。彩色偽隨機(jī)編碼圖像的特征(tzhng)點(diǎn)提取和匹配彩色偽隨機(jī)序列編碼投影技術(shù)的關(guān)鍵在于特征點(diǎn)

52、的提取。要從一幅調(diào)制圖像中提取有效數(shù)據(jù)來(lái)進(jìn)行三維重構(gòu)，其關(guān)鍵就是如何提取其中的特征點(diǎn)。特征點(diǎn)的提取過(guò)程其實(shí)就是對(duì)數(shù)字圖像進(jìn)行處理的過(guò)程，本論文采用形態(tài)學(xué)圖像處理技術(shù)來(lái)對(duì)特征點(diǎn)進(jìn)行提取。下面先介紹下有關(guān)(yugun)形態(tài)學(xué)的相關(guān)知識(shí)。3.1 形態(tài)學(xué)圖像處理相關(guān)(xinggun)知識(shí)形態(tài)學(xué)一詞通常指生物學(xué)的一個(gè)分支，它用于處理動(dòng)物和植物的形狀和結(jié)構(gòu)。在數(shù)學(xué)形態(tài)學(xué)的語(yǔ)境種也使用該詞來(lái)作為提取圖像分量的一種工具，這些分量在表示和描述區(qū)域形狀時(shí)是很有用的 REF _Ref200185981 r h * MERGEFORMAT 25。數(shù)學(xué)形態(tài)學(xué)是以形態(tài)結(jié)構(gòu)元素為基礎(chǔ)對(duì)圖像進(jìn)行分析的數(shù)學(xué)工具。它的基本思想是

53、用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡(jiǎn)化圖像數(shù)據(jù)，保持它們基本的形狀特征，并除去不相干的結(jié)構(gòu)。數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算有四個(gè)：膨脹、腐蝕、開啟和閉合。它們?cè)诙祱D像中和灰度圖像中各有特點(diǎn)。基于這些基本運(yùn)算還可以推導(dǎo)和組合成各種數(shù)學(xué)形態(tài)學(xué)實(shí)用算法。數(shù)學(xué)形態(tài)學(xué)圖像處理基本算法 REF _Ref200181112 r h * MERGEFORMAT 24 REF _Ref200181115 r h * MERGEFORMAT 27當(dāng)前已經(jīng)比較成熟，在Matlab中有大量基于數(shù)學(xué)形態(tài)學(xué)的操作函數(shù)。 3.1.1 二值圖像二值圖像在形態(tài)學(xué)處理中

54、具有非常特殊的意義。一幅二值圖像是一個(gè)取值只有0和1的邏輯數(shù)組，一般也稱為黑白圖像。由于本質(zhì)上這種圖像中的像素只包含了兩種離散值，所以用開和閉這兩種方式來(lái)操作圖像可以更加容易地識(shí)別出圖像的結(jié)構(gòu)特征。3.1.2 腐蝕運(yùn)算和膨脹運(yùn)算數(shù)學(xué)形態(tài)學(xué)定義了2種基本的變換, 即腐蝕與膨脹,形態(tài)學(xué)的其他運(yùn)算都是由這2種基本運(yùn)算復(fù)合而成的。設(shè)為原始圖像, 為結(jié)構(gòu)元素, 且和都是由二維整數(shù)空間的元素組成的集合。圖像被結(jié)構(gòu)元素腐蝕, 用表示。圖像被結(jié)構(gòu)元素膨脹, 用表示, 分別定義為：其中(qzhng)，；，而為二維整數(shù)(zhngsh)空間的點(diǎn)。3.1.3 開運(yùn)算(yn sun)和閉運(yùn)算基于形態(tài)學(xué)的開運(yùn)算可完全刪除

55、不能包含結(jié)構(gòu)元素的對(duì)象區(qū)域, 平滑對(duì)象的輪廓, 斷開狹窄的間斷和去掉細(xì)小的突出部分；基于形態(tài)學(xué)的閉運(yùn)算可以平滑對(duì)象輪廓、將狹窄的缺口連接起來(lái)形成細(xì)長(zhǎng)的彎口、消除比結(jié)構(gòu)元素小的洞、并填補(bǔ)輪廓線中的斷裂。開運(yùn)算和閉運(yùn)算定義分別為：3.1.4 細(xì)化與收縮細(xì)化算法就是重復(fù)地剝離二值圖象的邊界象素，但是剝離邊界象素必須保持目標(biāo)的連通性而且使之最終成為單象素寬的圖象骨架，即細(xì)化就是將一個(gè)曲線形物體細(xì)化為一條單像素寬的線。本文引入細(xì)化是將其應(yīng)用于特征線的提取。收縮是指一種以不觸及單像素物體的執(zhí)行方式進(jìn)行腐蝕。當(dāng)物體總數(shù)必須保持不變時(shí),這種方法很有用。本文引入收縮是將其應(yīng)用于特征點(diǎn)的提取。3.2彩色偽隨機(jī)編碼

56、圖像的特征點(diǎn)、特征線提取方法本論文主要是引入了數(shù)學(xué)形態(tài)學(xué)算法來(lái)提取編碼圖像中的特征點(diǎn)與特征線。圖3.1大致說(shuō)明了特征點(diǎn)、特征線提取的總體思路。下面將結(jié)合圖3.1詳細(xì)說(shuō)明下具體提取的方法。3.2.1 特征點(diǎn)的提取方法首先對(duì)CCD攝像機(jī)拍攝到的三維場(chǎng)景圖像中的四種顏色的特征點(diǎn)進(jìn)行初步的RGB顏色范圍統(tǒng)計(jì)，找到各自的RGB顏色范圍的上下限，對(duì)這些范圍進(jìn)行顏色區(qū)分，以提取出各自顏色特征點(diǎn)的范圍。提取出的結(jié)果分成4幅分量圖像，分別表示紅、黃、藍(lán)、綠特征點(diǎn)范圍，尤其注意的是提取的過(guò)程其實(shí)也是二值化的過(guò)程，因?yàn)橛眯螒B(tài)學(xué)方法來(lái)處理圖像都必須在二值圖像中進(jìn)行。在特征點(diǎn)范圍提取出來(lái)后，此時(shí)得到的那些圖像中都包含一

57、定的噪聲，因此利用數(shù)學(xué)形態(tài)學(xué)中的開運(yùn)算可以去除圖像中的外部噪聲，利用閉運(yùn)算去除特征區(qū)域的內(nèi)部漏洞。如果噪聲比較大，可先多腐蝕幾次再進(jìn)行膨脹，但腐蝕的次數(shù)應(yīng)該以不丟失特征點(diǎn)為界限。對(duì)去除了噪聲后的特征點(diǎn)圖像進(jìn)行收縮運(yùn)算，使特征區(qū)域收縮為特征點(diǎn)，并提取各特征點(diǎn)的位置。在四幅圖像都提取出了特征點(diǎn)后，對(duì)這四幅圖像分別乘以不同的系數(shù)來(lái)對(duì)這些點(diǎn)進(jìn)行膨脹。不同的系數(shù)代表了不同的顏色(yns)，即用系數(shù)來(lái)對(duì)二值圖像上不同顏色的點(diǎn)進(jìn)行區(qū)分。膨脹后用邏輯或把四幅圖像合并到一幅二值圖像中，就得到了一幅只包含有所有三維圖像特征點(diǎn)的二值圖像。CCD拍攝到的圖像特征點(diǎn)范圍提取紅色特征點(diǎn)范圍特征線范圍提取綠色特征點(diǎn)范圍黃色

58、特征點(diǎn)范圍藍(lán)色特征點(diǎn)范圍紅色特征點(diǎn)綠色特征點(diǎn)黃色特征點(diǎn)藍(lán)色特征點(diǎn)特征點(diǎn)特征線圖3.1 特征(tzhng)點(diǎn)、特征線提取方法示意圖以上的方法用于處理絕大部分理想的特征點(diǎn)，但在實(shí)際情況中會(huì)碰到一些復(fù)雜的情況，比如在投影時(shí)，如果三維場(chǎng)景由于不連續(xù)而產(chǎn)生陰影或三維場(chǎng)景中物體表面顏色不單一或者投影光線不均勻、柔和等，會(huì)影響到實(shí)際采集下來(lái)圖像中特征點(diǎn)的RGB顏色范圍，比如黃色和綠色，它們的標(biāo)準(zhǔn)RGB值為（255，255，0）和（0，255，0），一般對(duì)這兩種顏色范圍的取值為100,255，200，255，0，100和0，90，200，255，0，100，顯然，這兩種顏色范圍沒(méi)有交叉，即兩種顏色能很容易區(qū)分

59、出來(lái)。但當(dāng)投影時(shí)由于光線問(wèn)題黃色特征點(diǎn)處于較暗的環(huán)境下，很有可能它的RGB顏色范圍會(huì)受到影響變?yōu)?0，255，120，255，0，80，對(duì)比綠色特征點(diǎn)RGB范圍發(fā)現(xiàn)(fxin)顏色出現(xiàn)了交叉，即通過(guò)計(jì)算機(jī)會(huì)把一些黃色特征點(diǎn)誤認(rèn)為綠色特征點(diǎn)進(jìn)行提取，所以不能只用一般的方法處理整幅圖像。對(duì)于上面提到的問(wèn)題，考慮對(duì)圖像引入特殊區(qū)域進(jìn)行補(bǔ)償?shù)姆椒▉?lái)處理這些問(wèn)題，即對(duì)比較暗的部分采用另一種顏色范圍進(jìn)行提取，對(duì)于這些較暗的部分，應(yīng)該對(duì)它們進(jìn)行單獨(dú)的顏色范圍統(tǒng)計(jì)，統(tǒng)計(jì)出各特征點(diǎn)顏色范圍的上下限，然后(rnhu)補(bǔ)充到之前的一般范圍中，這幾種范圍使用邏輯或組合起來(lái)對(duì)特征點(diǎn)區(qū)域進(jìn)行提取。特征點(diǎn)的提取直接關(guān)系到后

60、面特征點(diǎn)匹配的精度，甚至關(guān)系到整個(gè)三維歐氏重構(gòu)的精度。而依照上述方法，一般(ybn)都能很理想地提取出絕大部分的特征點(diǎn)，并且都把這四種顏色特征點(diǎn)區(qū)分開來(lái)，能保證足夠的精度要求。3.2.2 特征線的提取(tq)方法特征線的提取方法和特征點(diǎn)的提取方法類似，但一般無(wú)需用到特殊區(qū)域的補(bǔ)償方法，只需對(duì)整個(gè)圖像進(jìn)行處理。在具體的提取過(guò)程中，不是像特征點(diǎn)提取那樣對(duì)提取的范圍設(shè)置為白色（值為1），而其余背景設(shè)置為黑色（值為0），而是反過(guò)來(lái)對(duì)圖像中的非黑色區(qū)域設(shè)置為白色，即背景色為白色。簡(jiǎn)單的說(shuō)，在特征點(diǎn)提取中是在黑色背景上涂上白色特征區(qū)域（或特征點(diǎn)）來(lái)構(gòu)造二值圖像的，而在特征線提取中是在白色背景上涂上黑色區(qū)域