影像識別原理

一般PU 發泡材可由其氣泡的細緻度與均勻度評估其品質，為了探討 孔隙率與強度間的關係，將藉由自行研發的多孔介質孔隙率及孔隙均勻 度影像識別程式來做分析。

該影像識別程式先將材料橫斷面影像灰階化，繪製其亮度譜，並藉 由此亮度譜推算一適當之亮度範圍，再將影像二值化並積算其孔隙所佔 比例。程式也可進一步針對影像中的任一局部區域，進行亮度譜的繪製 及孔隙率的判定，甚至進一步自動切割分區，探討其孔隙率差異，由比 較各不同區域之孔隙率結果，即可較為客觀的評估細胞的均勻度。

對每一個畫面單位擷取到的資料，給予一個數值代表它的濃淡及對 應位置，通常，我們稱此一最小的單位為影像元素(Picture Element)簡稱 像素（Pixel），它是組成數位影像的基本單位（衛，1989）。影像可用 二維函數 f(x，y)表示，其中 x，y 表示空間座標，而任意點的(x，y)的 f 值正比於該點影像的亮度值(灰階);如果是彩色影像，則可用(x，y，λ) 表示，λ 代表波長;活動彩色影像，則以(x，y，λ，t)表示，t 代表時間函 數(蕭，1999)。一幅影像就好比一個矩陣，每一個點都代表一個像素，

藉由許多種不同的像素構成一個圖像。

在影像處理分析技術中，經常會運用影像特性的數值資料來作分析 運用，影像特性分佈（Image Histogram）則是其中之一著名工具。它的 意義即一組數字集合的出現頻率分佈圖（Frequency Distribution Graph），

而亮度的特性分佈是其中之ㄧ種特例。它表示的是一種圖形表示法，令

我們了解於圖中，有多少畫像元素分佈於不同的亮度區域內。特性分佈 圖，其橫座標是從 0 到 255 個亮度，亦即是 8 個位元的亮度，縱座標所 顯現的是畫像元素數量（衛，1989）。如果每一個不同的像素僅用不同 亮度的灰色來表示，這樣子的圖像叫做灰階圖。如有一張照片以灰階方 式呈現，每一個像素則可以有 256 種變化，最亮的顏色為白色，以數值 255 表示;最暗的顏色為黑色，以數值為 0 表示;介於黑白之間就為灰色，

而灰色依明暗的不同可以有 254 種變化，以數值 1 到 254 表示（黃等，

2003）。在二值化影像的像素，只需兩個灰階(分別是 0 和 1)表示就足夠 了，意即在二值化後整張照片都是0 和 1 的排列組合，各像素非黑即白。

門檻值的決定和區域的分割非常重要，如果這 2 件工作處理的好，

則對後續的進一步辨識等工作有很大的幫助;門檻值的決定方法有:（1）

統計式（2）消息理論式（3）動差守恆式（4）最近配對式，區域分割的 方法有:（1）分離與合併式（2）分水嶺式（鍾，2002）；門檻值的標準 決定的好壞將會影響整張圖的分析品質，訂得太高將會使畫面太暗，定 得太低將會使畫面太亮，有時為了使比較亮或暗的區域再細分其裡面區 域的影像這時把區域做一個分割的動作，將可在所選擇的區域內進行分 析，將會得到更佳的影像品質。程式中的灰階值分析是使用統計式

（Statistical）門檻值來決定我們的依據值，統計式門檻值決定法是依據 Otsu 的結果，區域分割方式則採分離與合併式與分水嶺式兩種方法並 行，以求達到最佳效果。

所謂亮度譜就是將影像圖片上各點的灰階亮度作一統計，並以亮度 為橫軸，以像素點數為縱軸，繪成分佈曲線。為能容納曲線於視窗中、

Content Rate

Bright Level

Content Rate

Bright Level

充分顯現其高低差異，縱軸採彈性比例調整。較為理想的影像亮度譜如 圖4.1 所示，明暗兩個峰值很明顯，儘管兩峰值皆偏亮或皆偏暗，甚或兩 峰值很靠近，此皆無妨，程式可藉亮度譜分佈的重心位置，區隔兩個峰 值，而使影像處理效果不受環境光害或曝光多寡的影響。而實際上，真 實照片樣品顯示出來的常是單一峰值的結果（圖4.2），代表孔隙與物質 色澤亮度較為均一，難以辨別。此時需要在試體表面加以染色，並以肉 眼觀察，作人為的修正判斷。

圖 4. 1、較為理想的影像亮度譜

圖 4. 2、較不理想的影像亮度譜

以圖4.3 為例，單純灰階化可得圖 4.4，其亮度譜為圖 4.5，隨所使用 圖片色彩解析度之不同，亮度譜曲線及分析結果會稍有不同，所以，實

用上，最好採取一致之解析度。若取亮度譜中的最低點為門檻值（亮度 值約 125），其二值化結果如圖 4.6 所示，若取亮度譜中的重心位置為門 檻值（亮度值約67），其二值化結果如圖4.7 所示，兩種結果皆不甚理想，

但後者顯現紋路的效果稍好一些。

圖 4. 3、原始圖例

圖 4. 5、亮度譜

圖 4. 6、採用谷底門檻二值化的結果圖

圖 4. 7、採用重心位置門檻二值化的結果圖

之所以會造成圖4.6 和圖 4.7 的結果是因為原圖明暗差距太大，且明顯的 分成了亮與暗兩大連結區塊。若加考慮分水嶺式的切割方式，採用亮度 值67 為分水嶺，分水嶺以上或以下各取其重心位置當成門檻值來進行圖 像的二值化，其結果如圖4.8 所示，效果顯然比前兩圖為佳。

圖 4. 8、採用分水嶺重心位置門檻二值化的結果圖

圖4.9 為多孔介質孔隙率及孔隙均勻度影像識別程式之面板，其右上 方為一經快速蓋章式染色之PU 發泡材表面的原始放大影像，右下圖則為 經亮度譜分析並二值化的結果。全圖以單一標準來判定孔隙（白色）及 氣泡壁（黑色），估得孔隙率約為 57 %。隨所使用圖片色彩解析度之不 同，亮度譜曲線及分析結果會稍有不同，圖4.10 為解析度較高畫面之統 計結果，圖 4.11 則為解析度較低畫面之統計結果，所以，使用上，最好 採用一致之解析度。圖4.12 為全斷面累積亮度譜。圖 4.13 則將圖片以平 分九格的方式，個別以區塊自身的明亮標準來進行影像處理，識別出PU

發泡材之孔隙率。結果估得平均孔隙率約為58 %。圖 4.14、圖 4.15 分別 為各區塊對應之亮度譜及累積亮度譜。

圖4.14 中之紅色垂直線為各區塊亮度譜之重心位置，亦即各區塊用 以評判孔隙之建議參考值。由此二圖可以看出各區塊間相似性甚高，其 孔隙率樣品標準差僅為 0.02。但若進一步將原圖細分為 20x20（也就是 400）區塊來分析（如圖 4.16），各區塊之差異性（樣品標準差）就增為 0.07。由亮度譜（圖 4.17）上，亦可清楚看出其分佈之分散性。此係因細 分 400 區塊後，區塊尺寸已不比有些氣泡大，其分析之結果自然非常敏 感於區塊所選定之位址，而不能因此歸結出正確的氣泡均勻度。

圖 4. 9、以單一標準之影像處理技術識別 PU 發泡材全斷面孔隙率

Content Rate Content Rate

圖 4. 10、PU 發泡材全斷面（單一區塊）之亮度譜（解析度較高）

圖 4. 11、PU 發泡材全斷面（單一區塊）之亮度譜（解析度較低）

100%

50%

0%

圖 4. 12、PU 發泡材全斷面之累積亮度譜

圖 4. 13、將圖片以平分 9 格的方式，個別以影像處理技術識別 PU 發泡 材孔隙率

Content Rate

100%

50%

0%

圖 4. 14、九區塊之亮度譜

圖 4. 15、九區塊之累積亮度譜

100%

50%

0%

圖 4. 16、將圖片以平分四百格的方式，個別以影像處理技術

圖 4. 17、四百區塊之累積亮度譜