图像采集（精选十篇）
图像采集 篇1
关键词：图像采集,S3C2440,USB摄像头,Windows CE操作系统
0 引言
大力发展农业科技、实现农业现代化是改变农村落后面貌和提高农民收入的根本途径,而温室大棚技术则是其中一个重要环节[1]。目前,温室控制技术是随着自动检测技术、过程控制技术、通信技术以及计算机技术的发展而发展起来的现代农业工程技术,是农业科学与传感器技术、信号处理、控制理论以及计算机技术等多学科的综合[2]。温室环境控制的目的是为动植物提供良好的生长环境。要实现高水平的设施农业,信息获取手段是最重要的关键技术之一。农业设施环境主要是依据环境信息(间接信息)进行控制,而作物信息的获取由于缺乏适合的传感器,一直没有太大的发展。利用图像处理技术获取生物信息是一条重要的途径[3]。
目前,由于我国在精细农业上发展滞后等因素,图像采集处理技术在农业上的应用还不成熟。本文基于此因素设计了一套温室作物图像采集系统,并通过试验模型来验证,所以既有一定的学术意义,又有一定的实用价值,能够在病虫害预防中为专家系统提供及时准确的数据,在农业增收方面起到积极作用,其应用前景广阔。
1 系统总体设计
系统主要包括USB数字视频数据采集系统、操作系统定制和网络传输。系统硬件总体结构框图如图1所示。系统硬件平台选用的是三星mini2440嵌入式开发板,核心处理器采用韩国三星公司基于ARM920T内核16/32位应用程序。RISC嵌入式微处理器S3C2440A的运行频率可以达400MHz,可倍频至533MHz。该处理器具有较高的集成度,简化了应用系统的硬件设计,提高了系统的可靠性。同时开发板集成了64 MByte的SDRAM 64 MByte的NAND Flash,10 MByte的以太网接口和USB主控接口,可以满足图像采集的要求。
操作系统选用了Microsoft Windows CE(简称WinCE)操作系统。Windows CE是一个32位、多线程、多任务的嵌入式操作系统,其API是精简的WIN32 API。WIN32开发的应用程序经少量的修改就可以移植到Windows CE 5.0下。
S3C2440通过视频头拍下温室作物图像,并存储在本地的内存中,可以使用以太网,通过网线把图片传输到远程PC机上,把照片传输到有关部门,以便进行处理。
2 试操作系统定制
在WinCE操作系统开发中,主要包括操作系统内核定制和应用程序开发两项非常重要的工作。WinCE操作系统内核定制用Platform Builder(简称“PB”)。PB环境支持多种功能模块和硬件接口,可以根据目标设备的具体硬件配置进行WinCE的裁剪和定制[4],应用程序开发工具使用微软的Visual Studio 2005。
为一个新的硬件设备定制WinCE操作系统,一般需要完成以下几个主要步骤:
1) 针对特定的硬件设备创建板级支持包BSP(Board Support Package)。BSP必须包括BOOTLOADER,OEM适配层OAL(OEM Adaptation Layer)和一些必要的驱动。
2) 利用创建的BSP,定制一个系统设计(OS Design),即通过Platform Builder来创建一个工程。该工程可编译产生最终的运行时映像文件(Rum-time Image)。
3) 针对板上的外围设备创建相关驱动,并添加到BSP中。
4) 通过创建子工程和Catalog Items的方式,修改OS Design。
5) 编译OS Design,下载编译得到的运行时映像文件到目标设备。此时,可以通过远程调试工具进行调试。
在完成所有的调试工作后,导出该运行时映像对应的SDK(Software Development Kit)。应用程序的开发人员可基于此SDK编写该设备的应用程序。WinCE操作系统具体定制过程中,各部分的关系如图2所示。
在整个WinCE操作系统的移植过程中,BSP平台配置的移植是最基础、最关键的一步。平台配置中最重要的是BootLoader的主要作用是将操作系统运行时映像加载到内存,并跳转到OS的启动程序处。BootLoader获取运行时映像(对应的文件名为NK)一般有两种方法。它可以通过有线连接的方式象网络(Ethernet)、USB或串口从外部下载NK,也可以从本地的存储器(Flash和Hard Disk)中加载NK。通常BootLoader通过Ethernet下载操作系统映像,故将其称为EBOOT。在开发的过程中,使用EBOOT可以提高开发效率。通过使用EBOOT,可以很快速地下载NK到目标设备中。
3 USB图像数据采集
3.1 USB接口电路设计
由于S3C2440A内部集成了USB控制器,所以接口电路比较简单[5],其原理如图3所示。
3.2 USB驱动程序设计
图像采集所用的设备选用当前应用最广泛的中星微芯片或 USB Video Class 芯片( MJPG 编码)的摄像头。该款摄像头造价低廉,成像效果好,具有较高的性价比。
编写驱动函数CapInitCamera 初始化,并返回当前活动的摄象头数、capGetCurrentVersion获得当前驱动程序版本信息。capGetVideoFormat获取当前视频格式和尺寸模式,capSetVideoFormat设置当前视频格式和尺寸模,capGetPicture同时获取一帧视频图像和JPEG图片,capGrabFrame获取一帧视频图像,capGetLastJpeg获取一帧JPEG静态图片,capStartCamera启动摄像头开始捕获视频,capStopCamera停止摄像头捕获视频,capCloseCamera关闭所有活动的摄像头。编译成.dll文件,生成UsbCamera.dll。把驱动程序拷贝到 ${WINCE500}PLATFORMSMDK2440AFiles 目录下,在platform.reg 末尾添加如下代码。
重新编译NK,使得系统自动加载驱动,无需手动安装。
4 图像传输
系统通过移动数据同步的方法把采集到的图片存储到上位机的数据库中。在WinCE系统中,安装SQL Server CE数据库,把其与上位机的SQL Server 2005进行同步。在基于WinCE的嵌入式移动设备上开发SQL Server CE数据库,应用可以使用的工具有EVB,EVC和Visual Studio.NET[6]。Visual Studio.NET开发嵌入式系统时,采用Smart Device Programmability(SDP)智能编程特性,使用C#语言开发应用程序。在.NET CompactFramework下,通过ADO. NET可方便地访问SQLServer CE数据库。首先,需要在项目中添加对System.Data.Sql.ServerCe,用System.Data.SqlServerCe命名空间为SQLServer CE.NET Framework精简版数据提供程序。SQL Server CE.NET Framework精简版数据提供程序描述了一个类集合。这些类可用于在托管环境下从基于WinCE的设备访问SQL Server CE中的数据库,并且在运行和部署时系统会自动安装两个SQL Server CE安装文件,它们是sqlce.dev.wce4.armv4.cab和sqlce.wce4.armv4.cab。通过使用System.Data.SqlServerCe与远程服务器上的SQL Server数据库的连接。应用开发中,根据不同的需求,从System.Data.SqlServerCe命名空间中选择相应的类进行操作。
新建项目智能设备Windows CE5.0应用程序,添加sqlCE2.0引用。VS2005默认的sqlce引用是3.0版本的,所以要添加浏览引用,位置是C:Program FilesMicrosoft Visual Studio8SmartDevicesSDKSQL ServerMobilev2.0System.Data.SqlServerCe.dll。
设置数据连接及相关连接属性
5 结语
针对目前在温室作物嵌入式图像采集的应用,详细探讨了基于ARM9芯片的Windows CE下USB摄像头图像采集的硬件构建和软件设计的实现过程。实现了作物图片采集存储,并通过有线传输到上位PC机器数据库中存储,可为农业专家提供及时准确的第一手作物长势与病虫害的数据资料,从而指导农业生产,促进现代化农业发展。同时,也为其他学者进行更进一步的研究提供了科学借鉴依据。
参考文献
[1]焦哲勇,程友联.基于ARM的农业温室多点温度采集系统的设计[J].湖南农机,2007(5):8-10.
[2]周茂雷.基于ARM微处理器的温室温湿度控制系统设计[D].杨凌:西北农林科技大学,2008.
[3]乔晓军,李长樱,王成.基于图像处理技术的温室作物信息采集处理系统[J].华中农业大学学报,2004(12):74-77.
[4]邓川云,樊庆文,任德均.基于嵌入式WinCE的远程数据采集系统[J].微计算机信息,2009(16):94-95;283.
[5]胡小军,张爱成.USB接口开发技术[M].西安:西安电子科技大学出版社,2005.
学历证书图像采集标准 篇2
一、背景要求：
统一为蓝色，输出蓝色色值（RGB或CMYK）：R51，G143，B178，C80，M13，Y20，K3。
二、灯光要求：
配置三基色柔光灯（冷光源、色温为5600K）两只、灯架而只、配套灯管12只、配套电缆（6米X 2）及插头2套。灯具摆设高度与被拍摄人肩部同高，角度为左右各45度，朝向对准被拍摄人头部，距离被拍摄人 1.5－2米。
三、数码相机要求：
像素不少于4百万，最高分辨率（dpi）：2048，标准存储容量（MB）： 16 MB，光学变焦倍数：4。光圈F8，快门：125／秒，成像区上下要求头上部空 1／10，头部占 7／10，肩部占1／5；左右各空 1／10。
四、照片处理技术要求
亮度控制：输入值 145，输出值 110
图片尺寸（像素）宽：150，高：210
大小：小于等于10K，格式：JPG
成像区全部面积：48 mm X 33 mm；头部宽度 ： 21 mm－ 24 mm
头部长度 ：28 mm－33 mm；下额到头顶
：25 mm－3 5 mm；
像长 ： 35 mm X 45 mm
图像采集 篇3
关键词： 工件表面质量； 高速图像采集； 运动模糊
中图分类号： TB96 文献标志码： A doi： 10.3969/j.issn.1005-5630.2015.04.004
Abstract： Aiming at the high-speed image acquisition of workpiece surface online detection， a workpiece image high-speed online acquisition method was produced. The quantitative relationship between the positioning accuracy in the high speed online image acquisition，motion blur， exposure time， and the speed of workpiece was analyzed. The effect between the vibration of the workpiece and transfer mechanism was analyzed. An image acquisition sequence was designed. Fast trigger was implemented by photoelectric sensor. The accurate positioning was implemented by using the high accurate time delay module， controlling the motion blur by reducing the exposure time. A high-speed image acquisition system was designed based on the high-speed image acquisition method. The positioning accuracy was less than 0.1 mm，and the motion blur was less than 1 pixel， ensuring the accuracy of the workpiece positioning and image quality. It is advantageous to the quality detection of workpiece surface.
Keywords： the quality of workpiece surface； high-speed image acquisition； motion blur
引 言
随着我国先进制造业的发展，对工件表面质量在线检测的自动化程度和检测效率提出了更高的要求，工件表面质量高速检测已经逐渐取代低效率的人工观测和低速自动检测的方式[1-2]。大恒图像研制的接插件检测系统能实现对接插件的外观质量和三维尺寸数据的检测，检测效率为20个/s[3]；Keyence提供的薄片零件检测系统对薄片零件实现尺寸和表面质量的检测，检测效率为30个/s[4]。
高速图像采集在高速检测中起着重要的作用，高速图像采集具有自动、速度快、效率高等特点[5-6]，图像的采集质量将直接影响后续的图像处理和分析[7]，关系到工件能否正确定位以及工件表面质量检测的正确性。针对这一关键问题，本文提出了一种高速图像采集方法，重点解决了高速运行状态下的工件定位、运动模糊、成像质量等问题。
1 高速图像在线采集
图1为工件图像高速在线采集装置示意图，采集装置由工件定位模块、控制模块、传送模块、延时模块、数据采集模块和图像采集模块组成。对于运行状态下的工件，其图像需要在指定的位置采集，工件到达视场中心的时刻有一定的随机性，若工件定位不准，CCD捕捉不到有效的工件图像，造成后续图像处理困难。本文采用CCD异步复位模式来采集图像[8]，利用光电传感器对工件快速触发，通过精确的延时保证CCD图像采集与工件到达视场中心的时刻同步。接近传感器至视场中心距离为延时距离d，位移传感器以高速模式工作，响应时间小于100 μs，保证在高速图像采集过程中的响应速度。位移传感器设置在视场外，避免影响到采集的图像，相机下方固定有用于照明的环形LED光源。
图2为采集装置工作时序图，图中T为工件图像采集延时时间，t为相机曝光时间。
图像采集过程为：（1）工件随传送机构运动，接近传感器检测到工件时，产生信号S1；（2）为了满足延时模块电压匹配的需要，同时去除信号S1中的噪声对信号S1的干扰，信号S1经整流电路滤波后变换为TTL信号S2；（3）信号S2经延时模块延时T后，延时模块输出延时信号S3；（4）图像采集卡接收信号S3后，输出信号S4控制CCD曝光，此时工件正运行至视场中心处，CCD采集到图像后，传送图像数据至图像采集卡进行后续处理；（5）数据采集卡接收信号S3，采集工件在曝光时刻的振动位移数据，用于消除振动因素对工件表面质量检测带来的影响。
2 高速图像采集影响因素分析
2.1 工件定位
高速传送状态的工件需要对其进行准确定位才能保证CCD采集到准确、清晰的工件图像，若工件定位不准，工件图像会出现不在视场区域内或者部分工件图像在视场区域内的情况。高速图像采集环境下，工件的准确定位是由高精度的延时来保证的。
相机在工件进入视场中心时采集图像，设传送机构的速度恒定为v，延时距离为d，则由图1得延时时间T满足
为了使被测物定位更准确，要求在曝光时被测物不超出相机视场，因延时距离固定为d，工件在视场中心的位置固定，定位精度S的计算公式为
式中：v为传送机构速度；Δv为传送机构速度变化量；Δt1为接近传感器的响应时间；Δt2为定时计数器的最小延时单位，因接近传感器的光点响应速度可以忽略不计。定位精度显示了装置对被测工件的定位能力，S越小，表示装置的定位精度越高，越有利于图像处理分析。
2.2 运动模糊
运动模糊是指工件与光学成像系统之间因相对运动而产生的图像模糊现象，运动模糊使得图像表面细节模糊不清，造成图像处理困难或者处理错误。高速在线检测过程中，由于工件运行的速度较快，运动模糊对图像的影响较大。
当传送机构的速度v一定时，设相机曝光时间为t，则被测对象相对成像系统的运动模糊值x1为
由式（4）可知，控制运动模糊值常用的方法就是减小曝光时间，故在高速图像采集时应采用高速电子快门。
2.3 曝光时间的计算
曝光是指被拍摄的物体通过光纤传载的方式被感光器件捕捉到并呈现的过程，而曝光时间即为这个过程中耗费的时间。根据式（4），若把运动模糊值x2控制在K的误差范围内，则曝光时间t为
曝光时间的减小会使得图像亮度不足，明暗难以辨认，此时需要靠高亮度的光源和大通光孔径来弥补光源不足，从而实现运动模糊的控制。
2.4 振动因素
在对工件进行高速图像采集的过程中，由于传送机构运行速度较快，会在传送机构表面与工件表面产生振动，从而严重影响图像采集的质量，进而对工件尺寸检测精度产生影响。由于振动改变了光学成像中物像之间的比例，导致工件在图像上所占像素个数的变化，而计算工件尺寸时采用的是静态标定时的图像放大率，所以会引起尺寸测量误差。通过测量振动位移，可以实时修正图像放大率，及时消除振动因素对图像质量带来的影响。
3 高速图像采集实验
3.1 工件定位实验
本文选用Basler A504k高速工业相机（分辨率为1 280*1 024，CCD像元尺寸为12 μm×12 μm，帧率为500帧/s），成像镜头为Nikon AF MICRO NIKKOR，其焦距为60 mm，相对孔径为2.8。照明光源为VLight HX-A15-D70-R3-B环形半导体光源。定时计数器选用ADLINK PCI 8554，该计数器基频为8 MHz，最小定时单位t=1/8 MHz-1=125 ns。以直径5.400 mm的圆形垫片工件为实验对象，对其进行静态标定，图像放大率为0.8，工件两边缘所占像素个数为360 pixel。
图3为不同延时下同一工件图像，（a）为50 ms延时下工件原始图，（b）为70 ms延时下工件原始图。
传感器的响应时间Δt1为100 μs，传送机构速度v为220 mm/s，定时计数器最小定时单位Δt2为125 ns，延时时间T为60 ms，传送机构在60 ms内的速度变化量可忽略。则根据式（2）计算定位精度S为0.02 mm。可以看出不同的延时下工件在图像中的位置不一致，（b）比（a）向右偏移了300 pixel。对高速运行的工件设置精确的延时可以保证工件图像采集都在同一个位置。
3.2 运动模糊实验
如果系统采集工件的速度为20个/s，传送带速度为220 mm/s，则根据式（4）若将运动模糊控制在1 pixel内，曝光时间需要小于68 μs。
图4为曝光时间不同时的工件图，（a）为曝光时间为50 μs的工件截取图像，（b）为800 μs的工件截取图像，可以看出50 μs的工件图像边缘更清晰。
在修正图像放大率及消除振动对图像质量的影响后，对同一工件在曝光时间分别为50 μs与800 μs时进行多次尺寸测量。以6次实验结果为1组数据，共50组实验数据，表1为随机抽取的1组不同曝光时间下的工件尺寸测量结果。
表1是对同一工件在不同曝光时间下所采集的图像进行处理后得到的结果，其中已考虑了测量工件在曝光时刻的振动位移，实时修正了图像放大率，消除了振动对图像质量带来的影响。在曝光时间为50 μs时，工件尺寸测量误差在1个像素内，即运动模糊控制在1个像素内。因曝光时间为800 μs的工件尺寸测量误差较大，此时运动模糊对工件尺寸测量影响较大。
4 结 论
本文针对工件高速在线检测的实际需要提出了一种具有通用性的高速图像采集方法，该方法可以对运动物体进行高速在线图像采集。以圆形垫片为实验工件，验证了以异步复位模式配合快速触发、高精度延时实现高速运动工件在线图像采集方法的有效性。通过设置合适的参数提高定位精度，通过控制运动模糊值采集到清晰的图像，该方法可为图像处理工作提供良好的原始图像。本文方法具有通用性，可为高速在线图像采集提供参考。
参考文献：
[1] 王剑平，奚立峰，潘尔顺.基于机器视觉的齿轮缺陷快速检测[J].起重运输机械，2004（5）：41-43.
[2] 黄德天，刘雪超，吴志勇，等.基于Camera Link的高速图像采集处理系统设计[J].吉林大学学报：工学版，2013，43（增刊）：309-312.
[3] 韩芳芳.表面缺陷视觉在线检测关键技术研究[D].天津：天津大学，2011.
[4] 侯宏录，高伟平.500 fps图像采集及实时显示关键技术研究[J].光学仪器，2013，35（2）：52-57.
[5] 王宏涛，何晓波，陈琪.形状尺寸自动检测系统的设计[J].计量学报，2011，32（3）：221-226.
[6] 耿欣，张福民.计算机图像技术在高温锻件尺寸测量中的应用[J].计量学报，2014，35（1）：13-17.
[7] GORPAS D，POLITOPOULOS K，YOVA D.A binocular machine vision system for three-dimensional surface measurement of small objects[J].Computerized Medical Imaging and Graphics，2007，31（8）：625-637.
[8] 吴开华，叶亭，胡少鹏.基于异步复位的在线图像采集方法研究[J].光子学报，2008，37（增刊）：6-9.
井下胶带接头图像采集系统设计 篇4
井下运输胶带承担着煤矿的运输任务, 胶带断裂会造成很大的经济损失, 严重时将导致重大安全事故。由于胶带断裂或故障多发生在胶带接头处, 因此, 及时排除胶带接头可能出现的撕裂、脱扣等隐患, 保证胶带的安全运行十分重要。
目前, 煤矿针对胶带接头隐患的主要检测方法有钢芯胶带接头断裂在线检测仪[1]以及强力输送带横向断裂预警装置[2]。钢芯胶带接头断裂在线检测仪采用在胶带接头前后预埋橡胶磁块的方法, 通过霍尔传感器检测橡胶磁块产生的脉冲信号, 单片机采集该信号并进行计算分析, 实现实时监测和预警, 但该方法需要预埋橡胶磁块, 对胶带有小范围内的损伤, 容易缩短胶带的服务年限;强力输送带横向断裂预警装置采用X光射线源使X光射线穿过胶带并照射到X光射线接收板上, 获取胶带热硫化接头处的钢芯映射图像, 通过分析图像信息, 实现对胶带接头的监测和预警, 但该方法使现场工作人员易受到X光射线辐射, 对身体健康有一定危害。除此之外, 国内大多数煤矿仍采用人工肉眼观察的方法, 该方法工作量大, 而且容易造成漏检、误判。针对上述几种方法存在的缺陷, 设计了一种用于监测井下胶带接头的图像采集系统, 系统能准确检测出存在隐患的胶带接头并进行预警提示, 实时提醒现场工作人员及时更换胶带接头, 保证胶带安全、可靠运行。
1 系统硬件组成及设计
井下胶带接头图像采集系统由图像采集和图像传输2个部分组成, 如图1所示。
1.1 图像采集设计
1.1.1 电感式接近开关
电感式接近开关与运输胶带处于非接触状态, 能准确检测到金属接头, 并将信息反馈给检测分站, 具有抗干扰能力强、使用寿命长的优点。为滤除偶发性干扰信号, 采用3个电感式接近开关同时检测的方法, 增加了系统的可靠性。3个电感式接近开关等间隔水平安装于振动较小的胶带上方 (2个改向滚筒之间) , 该安装方法能避免因电感式接近开关与胶带接触而造成的磨损。在运输胶带反面选择一个胶带接头, 在其前方涂上黄色荧光漆, 宽约5cm, 成矩形状, 作为1号胶带接头的标志。监控主机分析采集的图像信息, 图像中含有此标志的, 判断为1号胶带接头, 并依次计算出各胶带接头编号。
胶带运行过程中, 每个电感式接近开关检测到金属胶带接头时产生1个脉冲信号。当检测分站同时采集到2个以上的脉冲信号时, 判断为胶带接头即将到来, 此时, 检测分站控制数字摄像机以12~15fps的速度抓拍胶带接头处的图像。在保证采集到胶带接头图像的前提下, 此方式最大限度地减少了数据的采集量, 降低了井下环网的数据流负载。
1.1.2 速度传感器
速度传感器可实时检测胶带运行速度, 监控主机可根据检测结果修正图像采集速度。速度传感器与胶带面滚动摩擦接触, 减少了与胶带面的磨损。在速度传感器信号输出端与供电电源之间上拉一个10kΩ的电阻, 可输出200~1 000Hz的频率信号, 对应0~6m/s的胶带运行速度。200 Hz频率是胶带速度为零时的输出, 可作为判断速度传感器是否正常运行的标准。当速度传感器输出频率信号低于200Hz时, 可判断信号线断开或速度传感器损坏, 增强了系统的自检测能力[3]。
1.1.3 数字摄像机
数字摄像机可在检测分站的控制下抓拍胶带图像, 图像分辨率为1 392×1 040, 最大帧率可达15fps, 可编程设置曝光时间为20μs~60ms, 支持百兆以太网。选用空间分辨率为120lp/mm, 焦距为5mm的镜头, 拍摄范围能覆盖1.2m宽的胶带接头。
数字摄像机有3种图像采集方式:连续采集、触发采集、单张采集。该系统采用触发采集方式, 相比连续采集方式 (数字摄像机不间断地采集胶带图像) , 该方式只在电感式接近开关检测到金属接头时, 才连续2s采集胶带接头处的图像, 大大减少了采集图像的数据量, 也减轻了监控主机处理图像数据的负担。胶带接头撕裂、脱扣等情况发生时, 胶带正反面断裂程度相差不大, 但胶带正面煤渣较多, 易对抓拍的图像造成干扰, 因此, 该系统选择拍摄运输胶带的反面图像。在带式输送机机头处, 改向滚筒将胶带面翻转 (反面向上) , 数字摄像机镜头正好向下拍摄胶带反面, 同时可防止煤渣掉落遮挡镜头。
1.1.4 检测分站
检测分站可显示当前所采集胶带接头的编号、胶带实时速度以及时间等信息, 同时可在检测出胶带接头隐患时进行声光报警。检测分站主要包括检测模块、数字摄像机控制模块、电源模块、CPU模块、通信模块、显示模块以及声光报警模块[4], 结构如图2所示。检测分站的CPU选用STM32F103VET6。
(1) 检测模块。检测模块包括电感式接近开关和速度传感器2个部分。检测分站CPU获取电感式接近开关以及速度传感器的信号时, 都采用光耦进行隔离处理。
(2) 数字摄像机控制模块。检测分站与数字摄像机的距离较远, 选用12V的电压信号增加其驱动能力, 并采用光耦对电压信号的电平进行转换。
(3) 通信模块。设计的通信电路需完成检测分站与监控主机之间的数据交换, 通信的信息吞吐量不高, 因此, 采用在工业领域广泛应用的RS485通信接口。
设计选用具有瞬变电压抑制功能的差分收发器SN75LBC184作为RS485的驱动接口芯片。采用3个高速光耦6N137分别对RS485的接收、发送信号以及接收/发送控制信号进行隔离, 提高了通信的可靠性[5]。
(4) 电源模块。设计了3个等级的直流电压:12, 5, 3.3V。本系统采用本安电源将AC127V转换为DC12V, 直接为电感式接近开关、速度传感器以及数字摄像机供电。DC12V经过7805转换为DC5V, 为检测分站的显示模块、声光报警模块供电;采用DC-DC电源模块B0505S-1W对DC5 V电源隔离后, 为通信模块供电。DC5 V电源经过AMS1117-33转换为DC3.3V, 为CPU供电。
(5) 显示模块。为简化设计, 显示模块采用串行接口的专用LED智能芯片HD7279来驱动LED数码管。HD7279外接6个LED数码管动态显示胶带接头信息。
(6) 声光报警模块。声光报警模块是检测分站的一个重要部分, 其采用双路光电继电器AQW214驱动报警。通过图像分析, 监控主机检测到胶带接头存在隐患时, 检测分站接收到故障信息后进行声光报警。现场工作人员可通过观察显示模块确定存在隐患的胶带接头编号, 便于查找、更换胶带接头。
1.2 图像传输设计
1.2.1 光端机
系统选用光端机完成图像信号和RS485信号的调制与解调[6]。系统在图像采集处和井下环网接入点各安装一个光端机, 井下图像采集处的数字摄像机将采集的RAW8格式的图像数据转换成JPEG格式, 传输到1号光端机中。1号光端机把图像信号和RS485信号调制成单模单芯传输的光信号。该光信号远距离传输至位于井下环网接入点处的2号光端机中, 再被解调成图像信号和RS485信号。
1.2.2 以太网光电转换器
以太网光电转换器能把图像信号调制成单模双芯传输的光信号。由于现场百兆以太网图像接口为单模双芯接口, 因此, 2号光端机解调出的图像信号需经过光电转换器转换后, 接入到井下环网交换机中。2号光端机解调出的RS485信号则直接接入井下环网交换机的RS485模块, 利用井下环网将2类信号传输到井上的交换机中, 实现与监控主机的通信。
图像传输示意如图3所示。
2 监控主机软件设计
针对远程控制、图像显示以及信息记录等功能, 系统监控软件采用C++编程设计[7], 胶带接头监控界面如图4所示。
监控界面的菜单栏分为文件、历史图片、设置以及帮助4个部分。文件菜单用于选择图像打印、页面设置等功能;设置菜单用于更改数字摄像机的曝光时间、光圈以及增益等参数, 使采集的图像效果达到最佳, 也可选择数字摄像机的采集方式;历史图片菜单用于设置图像的保存路径以及图像的保存时间;帮助菜单用于查询软件说明。
监控界面的窗口分为当前图像、历史信息、信号检测分站以及故障信息4个部分。当前图像部分用于显示胶带接头图像;信号检测分站部分用于控制检测分站的开启/关闭以及时间设置等;历史信息与故障信息部分用于记录故障胶带接头编号以及故障状态等信息。
3 结语
井下胶带接头图像采集系统采用电感式接近开关与数字摄像机自动抓拍相结合的方法, 可实时监测胶带接头可能出现的撕裂、脱扣等隐患。系统具有安装方便、操作简单、维护量小等特点, 有效地提高了煤矿运输系统的安全可靠性, 减轻了胶带检修人员的工作量。该系统现已在山东能源集团某煤矿运行, 实际应用结果表明, 该系统能准确地检测出胶带接头隐患, 同时最大限度地减少了图像数据的采集量, 降低了井下环网的数据流负载。
参考文献
[1]殷勇辉, 范忠明, 梁骁, 等.钢绳芯输送带接头实时监测系统设计[J].煤炭科学技术, 2009, 37 (7) :90-92.
[2]荣锋, 苗长云, 徐伟.强力输送带X光无损检测仪的研制[J].光学精密工程, 2011, 19 (10) :2393-2401.
[3]赵勇, 胡涛.传感器与检测技术[M].北京:机械工业出版社, 2010:46-50.
[4]孙书鹰, 陈志佳, 寇超.新一代嵌入式微处理器STM32F103开发与应用[J].微计算机应用, 2010, 31 (12) :59-63.
[5]王新栋.煤矿绞车盘形闸安全监测报警系统[D].青岛:山东科技大学, 2006.
[6]刘富强.数字视频图像处理与通信[M].北京:机械工业出版社, 2010:78-80.
2013届毕业生图像信息采集 篇5
按照教育部有关高等教育学历证书电子注册的要求和新华社“全国高等教育学历证书图像信息采集工作会议”精神，为按时、保质、保量的完成我院成人高等教育学历证书电子图像信息采集工作，现将有关事宜通知如下：
一、图像信息采集对象：2013届成人本、专科函授及夜大班毕业生。
二、拍摄时间及地点：2012年4月20日 早8时，学校东院505教室
三、拍摄方法：
各班主任在教室将自己班级同学按学号排序，由学生科统一安排，有序照相。
（一）填涂信息卡.认真阅读信息卡的说明（每人一张，不能填错、不能涂改、不能折叠）
1、校名为：辽宁中医药大学继续教育学院（不许写简称）。院校代码为：101622、空格内填写部分要用签字笔或钢笔正楷书写。学号、姓名及院校代码、身份证号下面的空格要相应填上正确的阿拉伯数字，一律从左顶格向右填写，不满的留空格不填。身份证号中的x照涂
郑 5403煜 7647军 30923、院系代码不填
4、填涂部分请用2B铅笔将相应的号码涂黑，将框内涂满。
5、学历层次 :专科的填“成人专科”，本科的填“成人本科”。所在校别填“成人高校”。
6、左下角的地区码统一填涂“0”“7” 拍摄序号不用填涂,由摄影师填涂。
7、所有需要毕业学生填涂的部分一定要填涂完整不能漏项，因错误填涂出现的后果由个人负责。
（二）拍照须知
1、各班级要严格按照毕业注册的顺序拍照，因顺序错误造成的后果由个人负责。
2、按照教育部要求，学生在图像采集时，不得穿毛领、吊带服装，不得佩戴项链、耳环等首饰及头饰。
四、拍摄费用：
新华社收取拍摄制作费每人15元，交给班主任，再统一缴至新华社。
五、如因特殊原因不能按时拍照的同学，学校不安排补拍，自己与新华社联系。所有照片及光盘一律邮至辽宁中医药大学继续教育学院 胡泊 收。
没有按时补拍而造成不能上网注册或影响毕业证发放等，由个人负责。
（辽宁省高校毕业生电子图像采集中心地址：皇姑区崇山东路66号，电话：86896104）
辽宁中医药大学继续教育学院
2012年3月22日
图像采集 篇6
摘要：采用FPGA和DSP的结构实现实时图像采集处理系统，利用FPGA运行速度快、并行处理能力强的优势，采用“对数拉伸”算法对摄像头采集的数据进行前期预处理，达到图像增强，使得停车场类昏暗光线图像亮度分布不均匀的图像变得清晰；利用DsP具有较强处理复杂算法的优势，对FPGA传送过来的分块图像数据采用JPEG并行压缩算法进行图像的压缩，实验结果表明，图像增强模块能够明显改善图片质量，FPGA和DSP的结构能够很好的满足系统实时性的要求，
关键词：FPGA；DSP；图像采集；图像增强；图像压缩
DOI：10.15938/j.jhust.2016.04.008
中图分类号：TP391.41
文献标志码：A
文章编号：1007-2683（2016）04-0040-05
0引言
随着现代技术的发展和人们对图像采集处理质量需求的不断提升，对图像采集系统的性能和实时性提出了更高的要求，而对于数据量大、噪声干扰严重的图像数据，采用单个DsP芯片难以满足系统的性能和实时性的要求，用FPGA对图像进行预处理并实现对DSP的控制与管理，就可以很好的解决了这类问题，本系统针对停车场类昏暗光线图像，利用FPGA采用零有效视频信号提取算法提取出输入的有效的YUV视频数据，采用对数拉伸增强算法对图像进行预处理，预处理后的图像送入到DSP内采用并行JPEG压缩算法对数据进行压缩，仿真结果表明，图像增强模块使昏暗光线图像明显增强，数据压缩后使信息传输量减少20%，能很好地满足系统实时陛要求，
1.实时图像采集处理系统总体结构
系统总体框图如图1所示，系统分为9个模块，FPGA内包含的模块有视频解码模块，12C配置模块，视频帧存模块，去除隔行模块，视频增强模块，DSP接口模块，
DSP芯片内包含的模块有图像数据接口模块，图像数据缓存模块，图像压缩模块，通过CCD摄像头对视频进行采集，图像数据送入视频A/D转换芯
2.1视频解码模块设计
视频解码模块接受模数转换器ADV71781 B的YUV数字信号，这些数字信号中包含有场参考信号VS、行参考信号HS和奇偶场信号，要对YUV信号分别进行处理必须从图像数据中提取出有效的Y、u、V数据，摄像头采集的数据经过ADV7181B转片中，经12C总线对视频A/D转换芯片初始化，完成控制寄存器的配置，使其上电后进人工作模式；A/D转换芯片输出图像送人视频解码模块，视频解码模块接收A/D转换的视频流后对视频流进行解码，产生YUV数据；视频帧存储模块采用乒乓存储算法结构对YUV数据进行存储，使YUV图像数据转化成并行数据；为了增强视频效果，消除抖动闪烁去除隔行模块完成采集图像的奇场帧和偶场帧的合并，由于系统应用于地下车库监控系统，采集的图像数据光线以及灯光等原因图像画面不清晰，通过图像增强模块增强其对比度使图像清晰；增强后的图像数据通过DSP接口模块送入DSP芯片内进行压缩；DSP芯片压缩处理数据量很大，为避免数据丢失，图像数据通过DSP内部的接口模块和图像缓存模块缓存到SDRAM中；缓存一帧图像数据后，在DSP内也采用乒乓读写操作将数据送入压缩模块进行压缩，压缩后数据送回FPGA存储待发送。
2.FPGA内部模块设计
FPGA内部共有5个模块组成，顶层仿真设计电路如图2所示，输人为摄像头采集的复合信号DATA，时钟信号elk，输出为经过处理的视频有效信号和压缩后传回FPGA的YUV_DATA、YUV_DA-TA0信号，换后输出符合ITU—R656的信号DATA，行同步信号HS，帧同步信号VS，DATA的数据格式如图3所示，视频解码模块主要是提取出YUV数据，即将串行的数据转换为并行的YCrCb数据，
从上图可以看出AV信号都是以“FF0000”作为开始信号，但SAV的XY[4]=0，EAV的XY[4]
1.利用这点我们构造一个检测电路来实现YUV数据的并行输出，视频数据提取算法如图4所示，算法在实现上利用状态机完成对“FF0000'数据流以及SAV、EAV的识别，识别出有效数据后操作设置好的计数器cnt，算法中YUV数据为422格式，当cnt=0时输出Cb，cnt=1时输出Y，cnt=2时输出Cr，cnt=3输出Y，最终得到YUV有效的视频数据，
2.2视频帧存模块设计
视频解码模块输出的YUV信号需要三个缓存器进行缓存，通过软件自带的端口RAM的宏模块把每个缓存定义成双端口的深度均为1024，每个数据端口宽度为8位RAM缓存器，
2.3去除隔行模块设计
去除隔行模块采用帧内复制的方法，具体实现方法就是改变视频帧存模块中双端口RAM的读写时钟，使读时钟是写时钟频率的两倍，这样每行的数据读两遍，隔行数据就变成了逐行数据，
2.4图像增强模块设计
2.4.1图像增强算法
地下车库的灯光相对较暗，往来进出的车辆很多而且都开着大灯，在图像中显示结果为车灯的部分特别亮，使得周围的图像模糊不清，从灰度值方面来说，灰度值为O～125之间和200～255之间的像素特别集中，这时如果直接使用原图，则图中的一部分低灰度细节可能会丢失，由于原图的灰度动态灰度值分布范围不均匀，可能大于显示设备允许的范围，使得原图的一些灰度级显示不出来，为此将地下车库的采集图像做灰度映射，使原图的动态灰度值分布变得均匀，对数形式的压缩算法可以很好地解决此类问题，其原理为：
利用上式可将原来动态范围很大的s转换为动态范围较小的t，从图5中可以看出，大部分低灰度值的像素经过映射后其灰度值会集中到高亮度区段，总体来说就是同时增大图像的亮度，对于原来灰度值小的增亮的幅度大些，原灰度值大的增亮的幅度小些，从而达到图像亮度均匀，细节不模糊的效果，
2.4.2图像增强模块硬件结构设计
图像增强主要针对于亮度信号，也就是YUV信号中的Y路信号，去除隔行模块输出的是YUV三路并行的8位信号，因此在增强模块中还要保证u、V两路信号的同步，为此采用与之前模块同样的方式设置三个宽度为8位，深度为1024的FIFO，增加一个检测电路使三路信号完成并行转换到串行，使输出给接口控制模块的数据为单路8位宽的有效图像数据，从后面仿真对比图可以看出经过图像增强模块后图像对比度明显增强，从图6的a）图可以得出整个处理过程共需O，17 ms，而从b）图可以看出在MATLAB软件上完成的时间为1，7s，
2.5接口控制模块设计
FPGA内部的接口控制模块通过一个时钟锁相环来控制，FPGA和DSP的数据通信接口如图7所示，为了将处理后的视频数据并行处理，采用8个FIFO寄存器将视频数据进行分块，第9个FIFO用来接收DSP送回的压缩数据，视频数据采集、处理完成之后，FPGA通过FIF08的空信号（empty flag）查看8个FIFO中是否数据已满，如果未满，则将数据在写时钟的逻辑控制下，顺序写入到FIFO中；同时将FIF08中满信号连接到DSP的中断引脚，满信号置高，会触发DSP的DMA进程，将寄存器中数据读走，DSP压缩一帧数据完成后通过EMIF接口将数据送回FPGA。
3.DSP内部设计
3.1图像压缩并行算法
为了达到实时性的目的对预处理后的图像进行并行JPEG压缩处理，JPEG压缩编码主要由预处理、DCT变换、量化、Huffman编码等流程构成，如图8所示，
JPEG压缩编码时，需先将原始的二维图像分成8×8的数据块并行处理，然后将各数据块按从左到右，从上到下的顺序分别进行DCT变换、量化、“之”字型（Zig-Zag）扫描和Huffman编码，分别需要量化表和Huffman编码表的支持，将8×8数据块的DCT转换为16次一维8点DCT变换，只要提高一维DCT的速度就可以提高二维DCT的速度，利用DSP的专用指令乘累加运算来优化DCT算法，DCT变换和Huffman编码采用和传统算法一样的实现方法，用C语言和汇编语言在DSP内部实现，
与传统JPEG算法在DSP芯片上实现有所不同的是，在图像压缩模块中并没有进行对二维图像的分块处理，DSP压缩模块接受的是经过FPGA分块处理后的图像数据，DSP在经过缓存后可以直接对其进行后续的压缩处理，这样既提升了整个系统的处理速度，更好的满足实时性，又减少了DSP对存储器的调用，
3.2图像压缩结果
经过DSP芯片压缩后的数据通过与FPGA接口模块传送回FPGA，最终存储或显示出来，由图9（a）（b），可以明显看出比原图像更加清晰，由图9（c）可以看出压缩后尽管有一些失真，但还是保留了原图像的细节，达到了要求，
5.结论
学生图像信息采集系统的开发 篇7
1、系统需求和可行性分析
目前各高校的外语四六级考试, 需要对大量的考生进行图像采集。传统的照相设备已无法满足需要。摄像设备和计算机相结合的采集方式成了必然趋势。目前图像采集的各种技术在各领域都有很多成功的案例, 技术已经趋于成熟, 但大多功能都不符合我们工作的实际需要。本系统以实际需求为出发点, 主要实现能让工作人员快速核对考生身份并获取指定格式尺寸的电子图像, 使其成为工作人员的得力助手。
2、软件开发
2.1 开发环境
开发系统:Windows Sever 2003
开发软件:Dephi7.0
数据库:Access 2003
2.2 数据库结构
我们将本系统用到的部分字段导入access2003中以便实现相关存储和调用。
2.3 系统功能
⑴搜索外部设备:单击刷新设备按钮, 自动查找连接到
计算机的图像信号生成设备如摄像机, 摄像头等。如果摄像设备在开机状态, 软件会显示出图像。
⑵连接外部数据库:可以选取所需的数据库及其表和字段.
⑶图像属性设置:可根据需要设置抓取图像的高和宽及图像质量并命名, 如尺寸240*320像素, 图像质量设为75。
⑷显示学生信息:当键入学生学好后, 自动显示学生姓名、班级、身份证号等信息, 以便确认学生身份。
⑸拍照:单击“拍照”按钮时, 用取景框截取图像。单击右键保存图片, 双击左键取消当前图像, 重新再拍。
2.4 流程图
2.5系统操作界面效果
3、软件功能的实现
Delphi是Brland公司推出的, 拥有一个可视华集成开发环境 (IDE) , 采用面向对象的编程语言Ojectpascal和基于部件的开发结构框架。Delphi提供了多个可供使用的构件, 利用这些部件。开发人员可以快速地构造出应用系统。开发人员也可以根据自己的需要修改部件或用delphi本身编写自己的部件。
当我们用delphi开发本软件时, 需要一个很重要的开发包—DSPark。DSPark是基于Directshow和DirectX技术的多媒体开发包。可以在网上免费下载, 并按照其中的readme文件中的提示进行安装。安装成功后, 在delphi工具栏中会出现DSPark工具栏。
3.1引用的单元
Delphi通过引用单元来使用单元中的函数和过程, 这样可以大大提高编程人员的效率。本软件的开发用到了以下单元:
3.2图像截取和保存代码
本文只是简述了图像采集系统的主要功能和一些主要技术, 要想完成软件的开发还需要考虑很多内容, 如取景框的设置, 错误控制, 数据的存储等。特别是要对DSPack开发包进行深入的了解, 才能更好掌控开发的过程。
参考文献
[1]张铭华著.视频程序设计--使用Delphi[M].北京:中国铁路出版社, 2006
[2]侯文杰等.基于DSPack实现实时视频采集与处理[J].科技信息, 2007, 33:82-83
显微图像采集系统设计和标定 篇8
关键词：图像传感器,显微图像,几何参数测量
1绪论
显微镜主要是利用光学系统使被观察对象得到放大,可以帮助研究者从微观的角度去观察和了解研究对象的特征。显微镜自从发明问世以来,在人们生活和工作的各个方面都得到了非常广泛的应用,特别是在在医学、生物学等专业领域尤为明显。
随着科学技术的不断发展,信息社会的不断进步,人们对显微镜所能提供的信息标准要求也日益增高。显微镜的传统作用之一是作为检测工具,而这种传统检测手段的不足之处日趋凸显。具体主要表现在:传统显微镜由人眼观测,观测结果采用文字描述的方式进行记录,由此会产生人为的误差,也不利于工作者对研究对象的显微图像进行深入分析与研究。同时长时间分析大量图像时,很可能会产生自适应现象。近几年来,随着计算机、信息技术以及成像传感器技术专业的快速发展,图像获取和处理的相关技术也呈现蓬勃的发展趋势。一方面,研究人员可以更加方便地观察到显微图像;另一方面,图像处理分析软件可以提供多种多样的参数进行测量。与传统测量方法相比较,数字化显微测量技术彰显着其无可比拟的优越性。首先,新技术的应用在很大程度上提高了测量结果的精准度:通过计算机与不同功能的软件对图像进行综合处理,不仅极大地缩小了人眼直接读数等主观因素产生的误差,同时也降低了多次重复测量以及仪器设备本身所形成的误差;其次,数字化显微测量技术极大的扩展了测量范围:对众多不同尺寸的零件进行测量时,可以根据自己的需要,选择合适的放大镜头或缩小镜头。另外,由于测量系统本身的特性,显微测量技术极大地提高了测量过程的自动化程度,并且相应的实现了测量手段的非接触、高精准度、高效率和自动化。所以,近几年来数字化的显微测量技术已广泛地应用到众多的领域[1,2,3]。
2显微图像采集系统
本文所设计的显微图像采集系统结构如图1所示:
系统光源利用led环形灯。而led环形灯具有散发热量少、闪频小、光照均匀、亮度可调节,以及寿命周期长的优势与特点;采用的显微镜头和图像传感器均来自深圳宜兴科技有限公司,前者为该公司的YX15 系列大变倍比镜头,其主要参数:变倍比:15:1,光学倍数:0.13X-2X,物方视野:2.4mm-36mm,工作距离:55mm-285mm;后者为该公司的U-500C型USB图像传感器。所采用的光电传感器为Aptina公司生产MT9P031 型cmos传感器。主要技术参数如表1所示:
图像传感器与计算机通过USB连接,如图2所示。
3图像质量增强和处理
从CMOS传感器获取的图像不可以直接用于显微图像分析。尤其是在颜色方面进行分析时,其原因主要是在图像成像和感光的过程中,引入了较多的偏差。这些偏差因素包括有光学系统的瑕疵,感光芯片对照度的不同感光特性等。此外,光源对于图像成像质量也有较高的影响,即使获取图像内的各项参数合格,但是实际工作中要考虑到不同设备的不同空间需求时,仍然需要进行设备而无关空间的转换,该处理过程称为图像处理流程。具体处理流程如图3所示:
线性化:用数学方式处理暗电流与模数转换器等造成的误差,使感光器照射强度的输入和输出在一定范围内呈线性关系。去噪声:由电磁波或经电源引入的外部噪声,图像采集生成过程中的暗电流噪声,因器件制造工艺引起的光响应非均匀性,图像传输过程中涉及的各种器件引起的杂波噪声等,通过合适的算法,降低工作温度等方式来消除这些噪声。白平衡:利用AWB算法矫正外部光源色温引起的图像颜色失真。颜色插值:利用逐次逼近、双线性等插值算法计算得到像素点缺少的另外两个颜色分量。颜色校正:因图像采集系统、光源和显示器件的不同会引起颜色失真,利用矩阵法、人工神经网络法、多项式回归法等对图像进行颜色校正。GAMMA校正:用于去除人眼对亮度信号的非线性反应,保证显示设备显示的图像与原始图像相同,抵消CRT显示器使图像亮化的影响,利用颜色查找表来实现GAMMA校正。图像增强:利用灰度变换、空间滤波等增强图像的细节,使图像的灰度分布相对均匀,并增加图像对比度[5,6,7]。
4图像标定
显微图像分析与处理应用在生物学、医学等一些专业领域方面时,经常需要通过利用数字图像来了解观察目标的实际几何参数。这就要求明确在一定放大倍数下, 图像中像素间距与实际空间尺度数据之间的关系是如何相对应,即显微图像系统的尺度定标值。
显微图像系统中重要的技术指标之一就是尺度定标值。尺度定标值的多少将会直接影响到图像分析的结果。从理论上来说,在系统采样密度和放大倍数不变的情况下,尺度定标值是可以通过计算得到结果。但是在实际工作中图像采集系统都或多或少地存在几何畸变的可能性。因此,通过实验方法对系统进行精确定标是很有必要的。本文利用图像处理技术,对图2所示的显微镜图像采集系统进行了尺度定标。应用图4采集的间距0.5mm的显微标尺如图4所示:
对图4进行灰度化、二值化、分割、直线识别而得到各条坐标线的图像如图5所示[8]:
由图5 得到的各条垂直x轴的刻度线的像素点数值如表2所示:
由表2可以看出相邻的像素点值之差基本相等,表示图像处理过程合理。
设测微标尺的实际宽度为L,显微系统放大倍数为A,采样密度为Q,对应图像的长度为N(像素点数), 则系统定标值K可表示为:
K = L/N或者K = 1/(QA) …(1)
将表格2 的数据代入公式1 求得本系统的K=0.0054259mm/pixel。
5结论
本文主要通过描述利用CMOS作为图像传感器,对图像进行获取、校正和并分析的过程。根据显微镜成像原理和CMOS作为感光芯片的具体特点,制定出独特的图像处理流程,具体包括线性化、颜色矫正和白平衡等过程,从而获得更加真实准确的图像来作为进一步图像分析的素材,这为其他方面的研究和工作提供了更大的准确性保证。最后本文通过0.5mm的标准显微标尺的图像求解系统,求得反映显微图像真实距离和像素距离之间关系的定标系数K,为显微图像的几何参数测量奠定了基础。
参考文献
[1]窦江龙.基于CMOS传感器的显微图像处理分析系统设计[D].杭州:浙江大学,2012.
[2]蒋勇,刘飞雷,包红光.显微图像的数字图像处理及其在血细胞形态分析中的应用[J].中国图像图形学报,2001,6(11):1079-1083.
[3]余厚云,邓善熙,杨永跃,等.用Visual Basic 6.0编程实现显微图像测量[J].微计算机信息,2003(2).
[4]王耀南,李树涛,毛建旭.计算机图像处理与识别技术[M].北京:高等教育出版社,2001:138-144.
[5]邹翠霞.显微数字图像系统的尺度定标方法[J].大连:大连工业大学学报,2008.
[6]CASTIMANK R.数字图像处理[M].朱志刚,译.北京:电子工业出版社,2002:3-6.
[7]谷口庆治.数字图像处理[M].朱虹,廖学成,乐静,译.北京:科学出版社,2002:114-115.
图像采集 篇9
Direct Show为在Windows平台上处理各种格式的媒体文件的回放, 音视频采集等高性能要求的多媒体的应用提供了完整的解决方案。Direct Show技术是微软媒体开发包Direct X中的一部分, Direct X采用了COM标准, Direct Show是一套完全基于COM的应用系统, 凡是符合COM组件接口的任何第三方开发的组件对象都可以提供对视频操作的支持。Direct Show系统位于应用层中, 它使用一种叫Filter Graph的模型来管理整个数据流的处理过程, 参与数据处理的各个功能模块叫做Filter, 各个Filter在Filter Graphics中按一定的顺序连接成一条“流水线”协同工作。下图即是Direct Show的系统图。
从系统图中可以看到, 在Direct Show中, 一般将Filter分为3类, 源过滤器 (Source Filters) , 变换过滤器 (Transform Filters) 和渲染过滤器 (Rendering Filters) 。源过滤器主要负责获取数据, 例如从本地磁盘中读取数据, 从互联网上获取数据, 或者从采集设备中得到数据。变换过滤器主要负责数据格式的转化, 例如在采集过程中得到的数据进行一系列的压缩等。渲染过滤器主要负责输送给显卡, 声卡或者输出到文件。
在Direct Show中, 用到了以下一些重要的COM接口:
Igraph Builder-这个用于创建过滤器图标管理器。
Ibase Filters-该接口由Direct Show过滤器部件执行。
Imedia Control-实现对视频的控制, 如开始, 暂停, 终止等。
IMedia Position-该接口支持我们搜索媒体的某一位置, 并可以控制媒体的回放速率。
在系统运行中, 运用这些COM接口可以快速开发出针对具体运用的系统。对有特殊要求的, 可以自主开发相应的Filter。
2 Direct Show对视频的采集
2.1 系统的硬件组成
在硬件组成方面, 需要一个视频采集卡, 在本文中使用了一个USB的摄像头, 在加上PC机就可以完成视频的采集。
2.2 系统的软件组成
在软件方面, 本系统采用VC++6.0编写。同时需要安装相应的SDK。
2.3 系统的Filter流图
当我们注册了Filter后, 我们在程序运行后, 通过Graph Edit可以查看Filter的流通过程 (Graph Edit是一个简单的Direct Show程序, 使用它可以查看系统中所有正常安装的Filter) 。在本系统中, 其Filter的执行流程如下图2所示。
2.4 系统的实现
Direct Show对视频的捕捉是一个复杂的过程, 在实现过程中需要考虑不同的硬件和不同的视频流格式引起的差异。为了减少程序员的负担, 在Direct Show中有专门用于视频捕捉的COM接口—图像捕获管理器 (Capturegraph) , 用它可以对不同的硬件驱动和媒体数据进行配置管理工作。
为了实现对各个Filter的管理, 首先建立一个组件管理器 (Filter Graph) , 用于控制各个功能组件的连接。
HRESULT hr;
CCom Ptr
hr=m_p Graph.Co Create Instance (CLSID_Filter Graph) ;
系统要运行在不同的计算机、不同的操作系统之上, 目标系统的硬件配置各不相同。在本系统中, 我们要获取计算机中有哪些采集设备, 并确定选取那一个设备, 在实现中我们使用系统枚举技术。系统设备枚举器提供了根据种类来枚举系统中注册的过滤器。系统设备枚举器根据不同的种类创建了一个枚举器, 例如, 音频压缩, 视频捕捉。不同种类的枚举器对于每一种设备返回一个独立的名称 (moniker) 。种类枚举器自动将相关的即插即用演播设备包括进来。使用设备枚举器的步骤如下:
(1) 创建枚举器组件, CLSID为CLSID_System Device Enum。
(2) 指定某一种类型设备, 通过ICreate Dev Enum::CreateClass Enumerator获取某一种类的枚举器, 这个函数返回一个IEnum Moniker接口指针, 如果该种类的空或者不存在, 这个方法就返回S_FALSE。因此, 当你调用这个函数时一定要检查返回值是否为S_OK。
(3) 然后IEnum Moniker::Next枚举每一个moniker。这个方法返回一个IMoniker接口指针。
(4) 要想知道设备的名称, 可以通过下面的函数IMoniker:Bind To Storage。
(5) 然后利用IMoniker::Bind To Object生成绑定道设备上的filter。调用IFilter Graph::Add Filter将filter添加到Graph图中。其代码为:
在捕获数据的同时, 我们希望预览图像, 需要调用Smar Tee组件, 该组件将捕捉接口的视频流同步复制为两个独立的视频流, 从而可以有显示输出和捕捉输出数据。
为了将捕获的视频流实时地输出到显示卡上, 只需调用ICapture Graph Builduer2::Render Stream方法将视频流输出到显示卡上。
此方法是针对只有一个显示输出卡, 当有多个时, 需要调用Icreate Dev Enum对象查找需要显示对象组件, 选入到组件管理器中。
在本系统中, 不仅实现了视频的预览, 同时还可以对视频中的图像进行抓拍以获取自己需要的信息。在抓拍之前, 需要对图像的格式进行设定, 在Direct Show中, 有专门的设置图像格式的组件, 我们在这里面设置图像的长度宽度以及图像的位数。在抓拍之后我们需要把当前抓拍的图像保存下来, 在保存的时候, 我们需要创建一个可以保存图像的文件, 同时给图像命名。在具体的应用中, 要存取大量的图像, 故在存取图像的时候, 以当前的时间来命名是最为合理的, 在本系统中采用年月日时分秒的方式, 如此命名的图像也可以方便以后查找。这部分的核心代码如下:
在图像保存后, 系统会把刚抓拍的图像显示到图像显示窗口上以监视实时的状况, 图像的显示只需调用显示函数即可。
3 结束语
目前随着Internet上多媒体传输和实时播放需求的增加, 特别是3G视频手机的普及, 视频与图像的采集与传播将有更大的发展空间。利用Direct Show技术实现视频的采集与图像的抓拍是一种行之有效的方法, 同时Direct Show技术可以应用在监控系统当中, 可以推广到工业预警, 智能家居中。本系统实现了图像的预览与采集, 到达了预期的效果。
摘要：在讲述DirectShow技术基本概念的基础上, 提出了利用DirectShow技术实现视频图像的预览, 并在预览的过程中对实时的视频进行抓拍的设计方案, 详细叙述了开发的过程, 并在VC++的环境下加以实现, 取得了良好的效果。证明DirectShow技术在多媒体领域和监控领域有良好的应用前景。
关键词：DirectShow,视频预览,图像采集,Filter
参考文献
[1]陆其明.DirectShow务实精选[M].北京:科学出版社, 2004.
[2]潘爱民.COM原理与应用[M].北京:清华大学出版社, 1999.
[3]李楠.视频监控系统的设计与实现[D].2005.
[4]DAVID J KRUGLINSKI.Vc++技术内幕[M].北京:清华大学出版社, 1999.
[5]刘韩玮.Visual C++视频/音频开发实用工程案例精选[M].北京:人民邮电出版社, 2004.
[6]陆其明.DirectShow开发指南[M].北京:清华大学出版社, 2003.
[7]张明华, 谢琦, 梅海彬.DirectShow中过滤器图的定制方法及应用[J].计算机工程, 2004.
虹膜图像采集的自动调焦技术研究 篇10
在高度信息化的现代社会,生物识别技术已经渗透到日常生活的每一个方面。虹膜识别作为生物识别中具有唯一性、稳定性、可采集性、非侵犯性、防伪性等众多特点的新技术正在被越来越广泛地使用。虹膜图像的采集是自动虹膜识别系统的基石,没有了虹膜图像,虹膜识别系统也就成了无水之源。目前国内许多学者在虹膜图像获取方面做了大量的研究工作。但他们大多是在定焦环境下拍摄虹膜图像,这样得到的图像存在模糊现象;或是依赖硬件上的调焦模块实现对焦,增加了使用成本。因此基于图像处理的自动对焦方法[1,2,3]越来越被人关注。
1 虹膜图像的清晰度评价
1.1 一般图像清晰度评价函数
常见的清晰度评价函数有灰度变化函数、平均梯度函数、图像灰度熵函数、频谱函数[4,5]:
(1) 灰度变化函数法通过分析图像区域边缘法向方向的度变化情况来进行评价,认为灰度变化程度越剧烈,边缘就越清晰;
(2) 能量梯度函数法将图像区域边缘法向方向梯度平方和作为评价标准,认为该值越大,即图像对比度越高,边缘就越清晰;
(3) 频谱函数法一般是基于FFT变换,认为清晰的图像比模糊的图像包含有更多的细节信息,边缘更清晰;
(4) 熵函数法认为图像的熵值越大,图像越清晰。
一个好的图像清晰度评价函数应该具有较强的单峰性、较好的无偏性和较高的灵敏性[6,7,8]。单峰性是指在成像系统的正焦位置取得单一的极值,不能出现其他局部极值;无偏性是指计算出来的曲线要与图像的清晰度变化事实相吻合;灵敏性是指对不同程度的离焦图片,清晰度评价值要求有一定的差别,以保证调焦的精确度。并且应该具有较小的计算量,以满足快速调焦的要求。
如图1中,(a)所示为一理想的清晰度评价函数,(b)所示为一个实际的评价函数曲线。曲线上还有一些由于噪声或评价函数的灵敏度造成的毛刺,毛刺的存在会影响最清晰图像位置的搜索效率。毛刺越少,说明评价函数的信噪比越高,函数越精确[9]。
上述评价函数大多是对整幅图像中所有的像素点上的信息无区别地进行求和得到。而实际上,对于清晰度的判断而言,关键在于图像中对象边界处的灰度对比足够强烈,而并非在图像的所有或大多像素点上都具有大的评价值。
另一方面,对清晰图像而言,其对象边界处的图像梯度很大,但具有较大梯度的像素点往往分布于边界附近一个较小的邻域内;而对于模糊图像,虽然边界处的图像梯度比前者要小,但在边界附近一个较大范围内的像素点上具有较大的梯度值。对全图像不加区分进行求和的结果,有可能造成后者的总评价值大于前者,从而使调焦算法不能发现最为清晰的图像。
1.2 虹膜图像的清晰度评价函数
对于虹膜图像来说边界灰度变化比较明显的是瞳孔与虹膜之间的变化,因此本文提出一种基于瞳孔边界灰度梯度的评价函数。首先要根据虹膜图像计算出瞳孔边界即虹膜的内边界。在有些情况下,虹膜图像中上边界有小部分被睫毛等遮挡,所以本文选用瞳孔的下边界作为评价的边界即图2中的a-c-e段。
通常,在求边界灰度梯度的时候并不需要把全部边界的点的灰度梯度求出,只需要计算边界上几个特殊点的灰度梯度,我们选取计算a,b,c,d,e五个点的灰度梯度值作为评价标准。每一个点的坐标为:
式中x0、y0表示图像瞳孔的坐标;θ表示下边界的点和瞳孔连线与oe的夹角;r表示瞳孔半径的大小。
考虑到前面的虹膜内边界定位中不可能完全精确地得到实际的内边界,而在灰度变化剧烈的边界部分会出现灰度值的连续变化,其他的如单一的背景则较少出现灰度的连续变化,所以本文在虹膜内边界两边沿着半径方向上每隔N(N= 2,3)个像素取一个灰度值计算梯度,一共取25个点计算,即边界两边沿半径方向各12个像素点(如图2所示)及边界上的点。对于图像中的一个像素f(x,y),把其周围的八相邻像素考虑进来,在这里为了让每个点参与比较以提高准确性,可以根据下式求出8个梯度值,分别代表其与周围像素的梯度,并求出该像素的最大灰度梯度:
Mk=max(|(f(x-i,y-j)-f(x,y)|)
i=-2,0,2 j=-2,0,2 k=1～25 (2)
分别求出那25个特征像素点的M值取其中最大的值:
Gn=max(M1,M2,M3,…,M25) (3)
然后相继求出a,b,c,d,e的最大灰度梯度值,由于半径上的5个点有可能由于定位的误差并没有达到虹膜的实际内边界,所以设定梯度的阈值选取有效最大梯度值。则评价函数为:
其中,C是设定的一个灰度梯度的阈值,T是达到要求的个数,认为p值越大则图像越清晰,反之则越模糊。
2 自动对焦方法
本文采用改进的爬坡算法进行自动对焦。通过驱动电机带动CCD依照清晰度评价值实现自动对焦控制。通常情况下调焦曲线出现图1(b)所示的局部极值点都比较窄,为了更好地避免局部极值的干扰,实验表明采用本评价函数局部极值部分不会超过2000脉冲数。图3是整个调焦过程。
Step1 首先CCD位置初始化,根据以往多次经验先驱动电机让CCD自动走到设定的零点,该零点远离对焦点。设置电机每4000脉冲采集一张虹膜图像。
Step2 CCD摄像机通过光学系统每隔设定步长采集一幅图像,然后找到各图像中瞳孔位置,由计算机分析、处理,并用边界灰度梯度法计算评价值。
Step3 与上幅图像的评价值进行比较,若为增大则继续向前。若得到连续两次减小的结果(如图4中x1点),则步长减半,驱动CCD向相反方向移动重复Step2、Step3。
Step4 当细分次数达到3次的时候,取最后一次采集结果中的最高点及相邻两点拟合曲线算出曲线中的最大值的位置s。
Step5 移动CCD至s点位置采集虹膜图像,整个过程结束。
本文的软件部分基于VC++ 6.0,对焦中的核心程序代码如下:
void CRegist::Focus();
{
MdigHalt(MilDigitizer);
unsigned char * psImg = NULL;
psImg = new unsigned char[576*768];
MbufGet(MilImage,psImg); //从buffer中提取图像
MdigGrabContinuous(MilDigitizer,MilImage);
long pos=0;
int temp = get_abs_pos(2,&pos); //获取目前电机的绝对位置
if (temp == 0)
{
IplImage *pImg=cvCreateImage(cvSize(768,576), IPL_DEPTH_8U, 1);
int k,j;
for(k=0;k<576;k++)
{
for(j=0;j<768;j++)
{
CvScalar a;
a.val[0]=(int)psImg[k*768+j];
cvSet2D(pImg, k, j, a);
}
}
double pf;
pf = theApp.pvalue(pImg); //计算图像清晰度评价值
if (pf >= p)
{
p = pf;
abs_pos = pos; //记录下目前评价值最大的位置
i = 0; //每次增大则计数次数要清零
}
else
{
i++;
if (t > 1)
{
i = 0;
break;
}
void CRegist::Move(); //次数<2的继续运动
}
}
}
//计算图像的清晰度评价值
double CIrisGrabApp::pvalue(IplImage *pImg)
{
double Theta; //定义角度
double G0;
double pmax = 0.0; //定义单个点梯度最大值
double p = 0.0; //定义最大平均梯度值
int r = 0; //定义特征点所在半径
int x = 0;
int y = 0; //定义特征点的坐标
int T = 0; //定义有效特征点个数
unsigned char *NormalizeImage = new unsigned char[768*576];
unsigned char * GImage = new unsigned char[8];
//CUT_IMG_C=768 CUT_IMG_R=576 将IplImage转换成数组
theApp.IplTomat(pImg,NormalizeImage,CUT_IMG_C,CUT_IMG_R);
for (Theta=pi; Theta<=2*pi; Theta+=pi/4)
{
for (int i =0;i<25;p++)
{
r = pupil_r-12+i;
x = pupil_x + r*ROUND(cos(Theta));
y = pupil_y + r*ROUND(sin(Theta));
G0 = NormalizeImage[x*768+y];
GImage[0] = abs(NormalizeImage[(x-2)*768+y-2]-G0);
GImage[1] = abs(NormalizeImage[(x-2)*768+y]-G0);
GImage[2] = abs(NormalizeImage[x*768+y-2]-G0);
GImage[3] = abs(NormalizeImage[x*768+y+2]-G0);
GImage[4] = abs(NormalizeImage[(x+2)*768+y+2]-G0);
GImage[5] = abs(NormalizeImage[(x+2)*768+y]-G0);
GImage[6] = abs(NormalizeImage[(x+2)*768+y-2]-G0);
GImage[7] = abs(NormalizeImage[(x-2)*768+y+2]-G0); //求出各点八邻域梯度值
for (int j =0;j<8;j++)
{
if (GImage[j]>pmax)
{
pmax = GImage[j];
//比较求出各方向上最大梯度值
}
}
}
if (pmax >= 25.0)
{
p = p+pmax;
T++;
}
}
p = p/T; //求出最大平均梯度值
return p;
}
// IplImage型转化成数组
void CIrisGrabApp::IplTomat(IplImage *Ipl, unsigned char *mat, int width, int height)
{
int i , j;
for(i=0;i<height;i++)
{
for(j=0;j<width;j++)
{
mat[i*width+j]=Ipl->imageData[Ipl->width*i+j];}
}
}
}
图5中的点从左到右分别为最后一次循环中步进电机运动经过的各绝对坐标值及相应的图像评价函数的评价值,记为P0、P1、…、PN。
找到p值最大的点,假设该点以及其相邻的两点在同一二次曲线上,求解曲线的最大值,计算能量达到最大值时步进电机所在的绝对坐标值,二次曲线一般表达式为:
y=a0+a1x+a2x2 (5)
其中,横坐标x为步进电机的坐标,y为评价函数的能量值。根据最小二乘原理,确定a0、a1、a2的数值,必须使目标函数:
达到最小值。由极值原理,欲使F达到最小值,必须满足:
求解上述方程,得出a0、a1、a2的值,曲线方程相应确定。当评价函数达到最大值时,步进电机的坐标应该满足:
图6是由评价函数能量值拟合的曲线。可以看出,当能量值到达最大时,步进电机的坐标为s,该点为正确对焦位置。
3 试验结果及分析
为了验证本文提出的自动对焦方案的有效性,实验中搭建了一个自动对焦虹膜采集装置,该装置的具体参数如下:PENTAX定焦手动光圈镜头焦距f=35mm,光圈F=1:1.6;CCD图像传感器采用UNIQ的945nm近红外感光相机UM301,快门速度为1/60秒-1/31000秒;精密型电动平移台分辨率为0.25um(20细分),最大速度20mm/sec。本系统采集出来的图像统一为768×576像素大小,分辨率为96×96DPI。图7为采集到人眼不同位置的部分图像。其中a～f由逐渐清晰再到不清晰的过程。图7为对焦中部分虹膜图。
在虹膜识别自动调焦系统中,衡量调焦方案的好坏主要取决于评价函数的准确性和调焦的效率性。本文首先利用实验室搭建的虹膜采集系统采集一系列不同位置的虹膜图片,然后分别用前文提到的平均梯度法、图像灰度熵函数、频谱函数等对图像进行处理比对,结果如图8所示。
评价效率即整个调焦过程所花费的时间,这主要取决于评价函数的计算时间,各函数对上述虹膜图像的评价时间如表1所示。
以上结果可以看出本文提出的自动调焦函数具有无偏性好、单峰性强、较高的灵敏度、计算量小的特点,能够满足虹膜采集过程中自动调焦的要求。
4 结 语
本文根据虹膜识别中的具体特点提出一种基于边界灰度梯度的自动调焦方案,并且通过实验结果表明该方法的优越性。当然本文只是对虹膜识别中的自动调焦技术进行研究,并且还存在着一些弊端。项目的后期将会进一步对其优化及对虹膜识别中防伪技术的研究,并逐步建立自己的虹膜库。
摘要：针对虹膜图像采集中存在的图像模糊问题,提出一种基于图像清晰度评价函数的虹膜图像采集自动调焦方法。该方法通过计算虹膜内边界附近区域的最大灰度梯度来定义图像清晰度,运用改进的爬坡方案进行CCD对焦,提取对焦过程中的部分特征点进行曲线拟合求出最佳聚焦点,移动相机到最佳成像位置得到清晰的虹膜图像。实验结果表明,该方法能快速准确实现虹膜拍摄中的自动对焦。
关键词：虹膜图像,图像采集,图像清晰度,自动调焦
参考文献
[1]An Tao,Jin Gang,Wang Jian.Auto-focusing Technique for Moving Ob-ject Based on Image Definition Criterion[J].International Conferenceon Computer Application and System Modeling,2010,2:37-42.
[2]赵辉,鲍歌堂,陶卫.图像测量中自动调焦函数的实验研究与分析[J].光学精密工程,2004,12(5):531-536.
[3]Marziliano P,Dufaux F,Winkler S,et al.A no-reference perceptualblur metric[C]//Proceedings of the International Conference on ImageProcessing,Rochester,NY,2002:57-60.
[4]王欣,安志勇,杨瑞宁.基于图像清晰度评价函数的CCD摄像机自动调焦技术研究[J].长春理工大学学报,2008,31(1):11-14.
[5]王勇,谭毅华,田金文.一种新的图像清晰度评价函数[J].武汉理工大学学报,2007,29(3):124-127.
[6]李郁峰,陈念年,张佳成.一种快速高灵敏度聚焦评价函数[J].计算机应用研究,2010,27(4):1534-1536.
[7]李奇,冯华君,徐之海,等.数字图像清晰度评价函数研究[J].光子学报,2002,31(6):736-738.
[8]Caviedes J,Gurbuz S.No-reference sharpness metric based on localedge kurtosis[C]//International Conference on Image Processing,2002,3(9):53-56.
【图像采集】相关文章：
视频图像采集08-23
图像采集与显示06-05
无线图像采集系统07-27
毕业生图像采集范文06-07
大学生图像采集网06-25
毕业生图像信息采集08-03
毕业生电子图像采集08-03
13年毕业生图像采集06-16
江苏省大学生图像采集12-31
图像采集与矿灯识别技术综合应用11-30