《数字图象处理.ppt》由会员分享，可在线阅读，更多相关《数字图象处理.ppt（21页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、数字图象处理现在学习的是第1页，共21页引言 动物通过谁觉器官可以获得大量有关所处世界的信息。那么机器人“看”的功能正是“机器人视觉”。“看”对机器来说是非常困难的事，这来源于照明的控制，影像以及物体的描述，如室内室外的不同等。机器视觉先是在一组感光元件生成一个场景的图像（立体的需生成两个或两个以上）。此图像是通过摄像机和光电元件将透视投影转换成二维随时间变化的矩阵图像I（x，y，t）对于彩色图像须三个这样的矩阵。现在学习的是第2页，共21页 然而透视投影是多对一的变换，多个不同的场景可能生成相同的图像，如图1所示。那么就不能直接转换图像来重建场景。而要根据特定环境以及具体的目的和任务来获取信
2、息，如是平安通过混乱的环境，就需了解物体的位置边界等；若要操纵物体就需知道物体位置大小，成分及构造等，对其他目的，还可能需要了解其颜色。现在学习的是第3页，共21页图1 图像生成过程的多对一的特性现在学习的是第4页，共21页机器人视觉伺服系统 机器人视觉伺服控制系统有以下几种分类方式：按照摄像机的数目的不同，可分为单目视觉伺服系统、双目视觉伺服系统以及多目视觉伺服系统 单目视觉系统只能得到二维平面图像，无法直接得到目标的深度信息;多目视觉伺服系统可以获取目标多方向的图像，得到的信息丰富，但图像的信息处理量大，且摄现在学习的是第5页，共21页像机越多越难以保证系统的稳定性。当前的视觉伺服系统主要
3、采用双目视觉。Imagebase的视觉伺服系统现在学习的是第6页，共21页现在学习的是第7页，共21页人工神经网络 人工神经网络可以表示机器人视觉控制中的visualmotor(视动)关系。（1）高度的并行性；（2）高度的非线性全局作用；（3）良好的容错性与联想记忆功能；（4）十分强的自适应、自学习功能。现在学习的是第8页，共21页 M-P神经元模型 输入向量：X=(X1,X2,Xn)权值向量：W=(w1,w2,wn)阈值：输出：y=f(wx-)现在学习的是第9页，共21页 BP人工神经网络1、BP网络的学习过程 模式的顺向传播过程 误差的逆向传播过程 记忆训练过程：、的交替过程 学习的收敛过
4、程：E-min现在学习的是第10页，共21页机器人视觉两个阶段 图像处理阶段把原始图像转换成更适合景物分段的图像，包括降低噪声、边缘增强及滤波。景物分析阶段从已处理的图像中产生一个原始场景的图标描述或基于特征的描述，并提供所处场景中特定任务的信息。现在学习的是第11页，共21页图像处理图像处理图像平滑（平均法）图像中的不规则之处可以得以平滑。这个平滑操作就是把一个求平均数的窗口在整个图像的数组中滑动。常用于平滑的函数现在学习的是第12页，共21页边缘增强用于图像边缘的提取，然后用这些边缘来吧图像转换成某种线条图形。但同时增强了噪声。其实就是相当于对图像微分。常用拉普拉斯算子对图象强度求导现在学
5、习的是第13页，共21页由于边缘增强突出了图像中的噪声，将边缘增强和图像平滑相结合。如算子-1-1-1-19*-1-1-1-1如右图对与复杂的机器人轮廓未能很好画出现在学习的是第14页，共21页图像处理的另一种方法区域查找（区域分裂与合并）所谓区域查找就是试图在图像中查找亮度或其他特性，如纹理等变化不突然的“区域”。如何定义一个区域：一个区域就是满足以下特性的像素（1）一个区域由类似的成分组成。常用的特性有：（a）此区域中，像素的个数亮度值之间的差别不超过某个。（b）k次多项式（k的值比较低且事先指定）的表面可与此区域内像素的亮度值以小于的最大误差（即表面与区域亮度值之间的误差）拟合。（2）任
6、何两个毗邻的区域内所有像素的组合不满足同质特性。现在学习的是第15页，共21页场景分析 对于机器人若只是能“看”到视野内的物体，但是并不能像人那样区分是否能够通过，因此还得对一定目的的图像处理结果分类。如下面对一个简单的三面体顶点多面体场景分析。其中+代表凸边，-代表凹变，-表是遮住另一个平面的平面位于箭头右方：现在学习的是第16页，共21页一个房间的场景一个房间的场景现在学习的是第17页，共21页有了以上的规定我们就可通过这些线相交的情况确定知道各个面的情况，上图中线交叉种类有：现在学习的是第18页，共21页因此有在机器人视觉中的房间场景因此有在机器人视觉中的房间场景现在学习的是第19页，共21页组员闫林锋刘成杰刘向远刘旭王江涛朱艺伟宋少昌赵旭现在学习的是第20页，共21页THANKSTHANKS现在学习的是第21页，共21页