1　引　言
　 在自動(dòng)化生產(chǎn)過(guò)程中，傳送帶和物流系統(tǒng)是生產(chǎn)線的重要組成部分。通常情況下為了實(shí)現(xiàn)物品的分類(lèi)處理或完成產(chǎn)品的質(zhì)量控制等，我們需要了解物品的某些細(xì)節(jié)情況如幾何參數(shù)，因此，基于圖像處理的測(cè)量方法得到越來(lái)越多的應(yīng)用。測(cè)量方式主要有靜態(tài)和動(dòng)態(tài)兩種，靜態(tài)是指目標(biāo)對(duì)象相對(duì)攝像機(jī)靜止，用這種方式可以獲得清晰的圖像，而動(dòng)態(tài)方式下則得不到清晰的圖像。
　 在某些場(chǎng)合下，無(wú)法獲得靜態(tài)圖像，而運(yùn)動(dòng)目標(biāo)的成像又會(huì)造成圖像質(zhì)量的下降, 為避免出現(xiàn)圖像的降質(zhì)，或者考慮到其它因素如機(jī)械傳動(dòng)系統(tǒng)、運(yùn)動(dòng)特性等，我們一般采用運(yùn)動(dòng)狀態(tài)下的圖像捕捉和處理的方法。雖然采用平穩(wěn)運(yùn)動(dòng)系統(tǒng)可以減少傳動(dòng)過(guò)程中的振動(dòng)，提高系統(tǒng)的運(yùn)轉(zhuǎn)效率，簡(jiǎn)化系統(tǒng)的設(shè)計(jì)，但同時(shí)圖像處理的時(shí)間也會(huì)加長(zhǎng)。
　 本文將動(dòng)態(tài)的圖像測(cè)量方法應(yīng)用于羽毛球生產(chǎn)過(guò)程中的毛片彎度等參數(shù)的測(cè)量，介紹了整個(gè)系統(tǒng)的組成和運(yùn)行的情況，并提供了過(guò)程的主要結(jié)果。
2　運(yùn)動(dòng)圖像的恢復(fù)原理
　 了解運(yùn)動(dòng)圖像的恢復(fù)原理，首先應(yīng)了解圖像的運(yùn)動(dòng)模型。
　 根據(jù)Gonzalez水平圖像運(yùn)動(dòng)模型〔1〕，設(shè)原圖像為f（x，y），在曝光時(shí)間T內(nèi)原圖像沿水平方向移動(dòng)距離為a，移動(dòng)速度恒定且曝光線性，則
　　　　　　　
這是一個(gè)遞推關(guān)系式，說(shuō)明當(dāng)前位置的恢復(fù)圖像可以由離當(dāng)前位置a處的恢復(fù)圖像推算得出，模糊圖像g（x）的導(dǎo)數(shù)總可以求得。只要求出長(zhǎng)度為a的圖像，整個(gè)圖像都可以根據(jù)上述遞推關(guān)系獲得。
設(shè)m為x／a的整數(shù)部分，恢復(fù)圖像可以由下式近似得出〔2〕
　　　　　　　　　　　
圖像恢復(fù)的質(zhì)量取決于恢復(fù)關(guān)系式中各參數(shù)的選取。A和γ對(duì)恢復(fù)圖像的背景和對(duì)比有影響，而a對(duì)恢復(fù)圖像的質(zhì)量起決定作用。通常情況下采用搜索方法獲得合適的值。在參考文獻(xiàn)〔2〕中采用均方誤差準(zhǔn)則下實(shí)現(xiàn)自動(dòng)搜索的方法。本文的測(cè)量環(huán)境下，由于運(yùn)動(dòng)速度恒定，參數(shù)a一旦確定后當(dāng)作一個(gè)參數(shù)來(lái)處理。
3　基于圖像處理的幾何參數(shù)計(jì)算
3．1　羽毛球毛片參數(shù)
　 羽毛球質(zhì)量的重要指標(biāo)是其飛行的穩(wěn)定性，即在飛行中不出現(xiàn)搖擺或變線。羽毛球飛行的氣動(dòng)機(jī)理十分復(fù)雜，這里不作研究。只要能保證形狀相同的毛片插在同一個(gè)球上，則在正常工序下生產(chǎn)出來(lái)的羽毛球就會(huì)具有良好的飛行穩(wěn)定性。傳統(tǒng)的測(cè)量方法不僅速度慢而且?jiàn)A具對(duì)軟性材料的測(cè)量結(jié)果產(chǎn)生影響。本文嘗試?yán)脠D像捕捉設(shè)備對(duì)傳送帶上的毛片進(jìn)行動(dòng)態(tài)捕捉和處理，獲得毛片的形狀參數(shù)后按形狀參數(shù)分檔，保證具有相同形狀的16根毛片插在同一個(gè)羽毛球上。
　 毛片的主要幾何參數(shù)有毛桿的彎度、拱度和毛桿頂部的粗細(xì)等。這里的彎度指的是毛桿中心線與其切線在頂部位置處的水平距離，拱度為毛片在平放時(shí)的拱高。這里主要介紹彎度的測(cè)量方法，先提取毛桿的邊緣并計(jì)算中心位置，然后擬合毛桿中心線，最后計(jì)算彎度值。在此過(guò)程中粗細(xì)也同時(shí)得出。
3．2　圖像的邊緣提取和邊緣數(shù)據(jù)的采集
　 物體的邊緣在圖像上反映出局部特性的不連續(xù)性。理想的邊緣有階躍型、房頂型和凸緣型，由于圖像噪聲的存在，實(shí)際的邊緣變得十分復(fù)雜。　
　邊緣檢測(cè)通常采用微分類(lèi)算子實(shí)現(xiàn)。這類(lèi)算子有Sobel算子、Kirsh算子和Laplacian算子等，前兩個(gè)算子為梯度算子，后者為二階微分算子。Sobel梯度算子在兩個(gè)方向上選取微分大的值作為其梯度值，顯然當(dāng)兩個(gè)方向上微分值大小相等時(shí)梯度的誤差最大；而Kirsh則在八個(gè)方向上計(jì)算微分并以最大制作為梯度值〔3〕，算子法的計(jì)算結(jié)果作為邊緣判別的依據(jù)；Laplacian算子則是不依賴邊緣方向的二階算子，具有旋轉(zhuǎn)不變性。
　 由于微分類(lèi)算子的固有特性，邊緣檢測(cè)都會(huì)受到噪聲影響。采用濾波方法可以有效地抑制噪聲的干擾，但同時(shí)也給邊緣產(chǎn)生一定程度的鈍化，這種鈍化作用會(huì)影響邊緣的提取 ，因此關(guān)鍵在于濾波方案的選擇。上述微分類(lèi)算子都采用了濾波方法 。Sobel算子采用了三點(diǎn)加權(quán)平均，當(dāng)邊緣在水平或豎直方向時(shí)，實(shí)際的濾波沿著邊緣進(jìn)行，因此濾波對(duì)邊緣的鈍化作用最??；而當(dāng)邊緣在45°或135°方向時(shí)，濾波點(diǎn)與邊緣在方向上相差最大，此時(shí)濾波對(duì)邊緣的鈍化作用也最大。因此，選擇與邊緣較為一致的核（kernel）能在噪聲抑制和邊緣保持方面獲得滿意的結(jié)果。
3．3　毛片參數(shù)測(cè)量
　 從圖像處理獲得的毛桿形狀會(huì)因?yàn)閳D像噪聲和測(cè)量環(huán)節(jié)的誤差而帶有毛刺，通過(guò)處理得到的毛桿中心往往不光滑而且會(huì)出現(xiàn)不連續(xù)點(diǎn)。
　 曲線上某一點(diǎn)的切線用相近兩點(diǎn)的連線來(lái)近似。當(dāng)兩點(diǎn)的距離接近時(shí)，連線就可以看作切線。這一方法實(shí)現(xiàn)時(shí)簡(jiǎn)單，但在噪聲環(huán)境下測(cè)量結(jié)果誤差非常大。本文采用的方法是將毛桿中心上采樣得到的有限個(gè)點(diǎn)進(jìn)行曲線擬合，然后從擬合后的曲線獲得某一點(diǎn)的切線，并計(jì)算出毛片的彎度。
　 曲線擬合采用多項(xiàng)式的最小二乘法。對(duì)每一根毛桿，沿著Y方向選取N組坐標(biāo)（Xi ，Yi），以X作為變量，Y為自變量選定曲線的方程為
　　　　　　　　　
　　　　　　　　　　　
對(duì)上述線性方程組，可獲得多項(xiàng)式系數(shù)。
　 最后要考慮的問(wèn)題是拱度對(duì)彎度的視角修正。每根羽毛都存在不同程度的拱度，而在彎度測(cè)量時(shí)將毛桿投影在水平面內(nèi)進(jìn)行測(cè)算，因此不同視角下同一彎度的毛片存在測(cè)量值的差異 。視角修正的目的在于還原實(shí)際的參數(shù)。
4　動(dòng)態(tài)圖像捕捉和幾何參數(shù)測(cè)量在羽毛分揀中的應(yīng)用
4．1　測(cè)量系統(tǒng)組成
　 羽毛幾何參數(shù)動(dòng)態(tài)測(cè)量系統(tǒng)包括以下幾個(gè)部分：（1）傳送帶。由穩(wěn)速電機(jī)驅(qū)動(dòng)，使擺放在上面的羽毛能夠以恒定速度平穩(wěn)進(jìn)入攝像區(qū)域。采用減振機(jī)構(gòu)以減少傳送帶的上下振動(dòng)。（2）攝像頭和視頻捕捉設(shè)備。圖像捕捉部分由攝像頭、捕捉卡和計(jì)算機(jī)組成。采用480線CCD攝像頭、精工16mm手動(dòng)光圈鏡頭和LifeView視頻捕捉卡，攝像及捕捉速度為15～30fps，設(shè)計(jì)傳送帶移動(dòng)速度為每幀2s。（3）圖像處理軟件及計(jì)算機(jī)。圖像處理軟件包括運(yùn)動(dòng)補(bǔ)償濾波，圖像特征參數(shù)提取，毛桿輪廓擬合和圖像參數(shù)輸出。計(jì)算機(jī)采用PⅢ微機(jī)。
　 圖像特征參數(shù)來(lái)源于毛桿邊緣輪廓及中心位置的提取。邊緣提取采用微分類(lèi)算子檢測(cè)。由于毛桿邊緣方向通常在豎直方向附近的一個(gè)小范圍內(nèi)變化，根據(jù)實(shí)際毛片的擺放情況毛桿邊緣方向一般在豎直偏左右10°以內(nèi)，因此采用5×3豎向的條形核。
毛桿中心線的擬合采用前面敘述的方法，沿毛桿頂部到根部選取15個(gè)點(diǎn)，擬合出三階多項(xiàng)式的四個(gè)系數(shù)。事實(shí)上，三階多項(xiàng)式對(duì)毛桿的彎度計(jì)算已經(jīng)足夠。
　 在實(shí)時(shí)測(cè)量中，處理的速度尤為重要，它將影響整個(gè)系統(tǒng)的效率和效益。根據(jù)上述分析，運(yùn)動(dòng)圖像的恢復(fù)只需要在有限行進(jìn)行，這樣能夠減少圖像恢復(fù)所需要的時(shí)間。
　 減少計(jì)算時(shí)間的主要途徑是采用遞推關(guān)系。由（4）式可知，恢復(fù)圖像是以寬度a分組的，各組內(nèi)相同位置的點(diǎn)進(jìn)行累加實(shí)現(xiàn)恢復(fù)運(yùn)算。在編程時(shí)，開(kāi)辟a個(gè)單元存貯，將會(huì)節(jié)省大量時(shí)間。
　 為提高處理的速度，在視頻圖像捕捉時(shí)將圖像轉(zhuǎn)存到內(nèi)存，并由程序訪問(wèn)已存圖像完成處理運(yùn)算。這樣可以避免外設(shè)訪問(wèn)，減少一個(gè)循環(huán)內(nèi)的處理時(shí)間。

4．2　主要結(jié)果
　 對(duì)傳送帶上均勻擺放的毛片進(jìn)行動(dòng)態(tài)捕捉后獲得模糊的圖像，如圖2所示。捕捉的時(shí)刻由傳送帶定位裝置觸發(fā)產(chǎn)生。中間部分為恢復(fù)后的圖像，這里A取50，a為15。a的大小可以由實(shí)驗(yàn)方法獲得，也可以由估計(jì)得出〔4〕。右邊為彎度測(cè)量結(jié)果的情況 ，實(shí)際上用作系統(tǒng)調(diào)試時(shí)作參考，如鏡頭光圈設(shè)定、處理中閾值設(shè)定等。在實(shí)際應(yīng)用中，圖像的恢復(fù)和參數(shù)計(jì)算作為一個(gè)任務(wù)執(zhí)行，恢復(fù)圖像作為中間結(jié)果不在屏幕上出現(xiàn)。
　 在圖像恢復(fù)方面，采用前面介紹的圖像恢復(fù)方法能夠獲得比較清晰的圖像，但也存在較大的噪聲，這一噪聲顯然與差分運(yùn)算有關(guān)。毛桿的參數(shù)測(cè)量也會(huì)受到噪聲的影響，但在5×3豎向核的濾波作用下將會(huì)得到一定程度的改善。黑色背景中存在較大的噪聲，這主要是由CCD的電子噪聲引起的。采用適當(dāng)?shù)拈T(mén)限值抑制低亮度下的噪聲能夠獲得好的效果。這樣得到的測(cè)量結(jié)果與靜態(tài)條件下的結(jié)果較為接近，能滿足毛片參數(shù)測(cè)量及分揀方面的要求。
　　　　　

1　Gonzalez R，Woods R．DigitalImage Processing．Ad－dison－Wesley Publishing，1992
2　陸俊，舒志龍，阮秋琦．基于尺度旋轉(zhuǎn)的圖像恢復(fù)研究．通信學(xué)報(bào)，2000年7期
3　Castleman K R．DigitalImage Processing．北京：清華大學(xué)出版社，1998
4　Tekalp A M．?dāng)?shù)字視頻處理．北京：電子工業(yè)出版社，1998