机器视觉之导线颜色识别

传统的机器视觉系统大部分是基于灰度图像进行图像处理，而如果检测颜色则需要选择彩色相机，因为彩色相机可以还原物体的真实色彩。本文讲解什么是颜色空间、怎么利用彩色空间，并结合案例进行展示实现过程。

1.什么是彩色空间

颜色是通过眼、脑和我们的生活经验所产生的一种对光的视觉效应。我们肉眼所能见到的光线，是由波长范围很窄的电磁波产生；颜色就是人对光的一种感觉，由大脑产生的一种感觉。例如：绿叶反射波长为500~570nm的绿光。

例如初中物理中所学的光的三原色由红、绿、蓝组成，这就是RGB颜色空间，除此之外还有HSV、CMY颜色空间。

RGB模型

RGB三原色组成了五彩缤纷的世界，通过不同颜色之间的比例搭配得到赤橙黄绿青蓝紫，我们的相机、电视机就是利用颜色空间的模型，因此RGB主要面向硬件模型。色彩强度用0~255表示，总共256的灰度值，最大可呈现的色彩种类为256*256*256=16777216种。

CMY颜色空间它也是一种面向硬件设备（彩色打印机，复印机）的颜色模型，CMY代表青色，深红色和黄色（颜料原色）的组合。这三种颜色是RGB的二次色，用的是另一种方式定义。在机器视觉中涉及不到，这儿不做深入分析。

HSV颜色空间是根据颜色的直观特性，由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。这个颜色模型十分重要，该模型十分接近人对颜色的感知。

H（色调）：用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算。红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°。

S（饱和度）：取值范围为0～255。

V（亮度）：取值范围为0 (黑色)～255(白色)。

HSV模型

2.怎么利用彩色空间

(1)输入图像彩色图像

(2)将彩色图像转化成所需的空间（按R分量法、最大值法、插值法等）

(3)在所需的空间进行图像处理

3.颜色识别案例

要求：识别下图导线的颜色信息

颜色识别的过程如下图所示

(1)采集图像。选择采集路径为文件，图像的格式为BMP或JPG。如下图1所示

图1

(2)彩色转灰。选择需要转出的颜色通道，可以根据需要选择红、绿、蓝、平均值、最小值、最大值。如图2所示。

图2

(3)斑点分析。选择彩色转灰后的图像，检测导线的斑点数量，通过面积进行筛选，最终筛选出4个斑点。如图3所示。

图3

(4)循环检测。由于需要同时检测4根导线颜色信息，选择循环工具，循环的开始值为0，结束值为斑点分析得到的数量。如图4所示。

图4

(5)颜色识别。由于我们的目标是识别导线颜色，添加颜色识别工具至开始循环与结束循环之间；并且逐一训练颜色样本信息；如图5所示。此时由于颜色识别需要进行位置信息的跟随变化，所以位置X/Y选择斑点分析的重心X/Y;并且勾上循环。如图6所示。

图5

图6

(6)数值显示。为了方便观察当前检测的颜色信息内容，添加数值显示工具至开始循环与结束循环之间；数据链接选择颜色识别的样本，位置X/Y选择斑点分析的重心X/Y,勾选循环。如图7所示。

图7

(7)运行结果。如图8所示。

图8

在颜色识别过程需要注意的几点：

1.多个颜色同时识别需要循环工具。

2.每一种颜色的位置信息不固定需要位置信息跟随。

3.由于机器视觉检测系统的颜色库里没有我们需要的颜色，此时需要训练颜色样本至颜色库。

4.数值显示需要同时显示4种颜色信息，其位置需要跟随斑点位置变化（勾选循环，确保位置跟随变化），且处于循环工具之间。