一．背景介绍

随着科学技术的发展，医用机器人在临床中的作用越来越受到人们的重视。现在，它已经成功地应用到神经外科、整形外科、泌尿科、脊椎、耳鼻喉科、眼科、膝关节切除以及腹腔镜等众多领域中。将机器人控制与视觉相结合，使机器人具有同外界环境相交互的能力，是当今机器人发展的一个主要方向。而其核心部分是图像处理，它是对获得的目标图像进行预处理，改善图像的质量及性噪比，并进行图像的识别和定位。对目标图像的图像处理成为机器人视觉定位系统的关键一步，也是首先要进行的一步。

二．数字图像处理技术

数字图像处理（Digital Image Processing），就是利用数字计算机或者其他数字硬件，对从图像信息转换而得到的电信号进行某些数学运算，以提高图像的实用性。总的来说，数字图像处理包括点运算、几何处理、图像增强、图像复原、图像形态学处理、图像编码、图像重建、模式识别等。由于计算机处理能力的不断增强，数字图像处理学科在飞速发展的同时，也越来越广泛地向许多其他学科快速交叉渗透，使得图像作为信息获取以及信息的利用等方面也变得越来越重要。图像处理的信息量很大，对处理速度的要求也比较高。MATLAB强大的运算和图形展示功能，使图像处理变得更加的简单和直观。

三．图像的采样与量化

为了从模拟图像中得到数字图像，所以需要对传统的模拟图像进行采样与量化两种操作（二者统称为数字化）。采样（sampling）就是把在时间上和空间上连续的图像变成离散点（采样点，即像素）的集合的一种操作。通过采样，如设横向的像素数为M，纵向的像素数为N，则画面的大小可以表示为”M*N”个像素。经过采样，图像被分解成在时间上和空间上离散分布的像素，但是像素的值（灰度值）还是连续值。像素的值，是指白色-灰色-黑色的浓淡值，有时候也指光的强度（亮度）值或灰度值。把这些连续的浓淡值或灰度值变为离散的值（整数值）的操作就是量化。如果把这些连续变化的值（灰度值）量化为8bit，则灰度值被分成0-255的256个级别，分别对应于各个灰度值的浓淡程度，叫做灰度等级或灰度标度。根据灰度等级来对图像进行后续处理。

四．图像边缘检测技术

边缘检测是一种重要的区域处理方法，边缘是所要提取目标和背景的分界线，提取出边缘才能将目标和背景区分开来。如果一个像素落在边界上，那么它的邻域将成为一个灰度级变化的带。对这种变化最有用的两个特征是灰度的变化率和方向。边缘检测算子可以检查每个像素的邻域并对灰度变化率进行量化，也包括对方向的确定。其中大多数是基于方向导数掩模求卷积的方法。MATLAB 工具箱提供的edge( )函数可针对sobel算子、prewitt 算子、Roberts 算子、log 算子和canny 算子实现检测边缘的功能。边缘检测的流程如下图所示。

五．摄像机的坐标标定

在对原始图像进行相应处理得到所需的参数后，需要提取标志点二维坐标，并进行折算，获取目标点三维空间坐标，应用于系统全局定位。三维信息获取是机器人视觉研究的基础，它通过由摄像机获取的图像来计算二维图像点与三维空间物点之间的对应关系，来确定空间环境中三维物体的形状、位置等几何信息，并对它们进行描述、存储、识别、理解。因此，建立摄像机成像几何模型并确定模型的参数是机器人视觉系统实现的前提。摄像机标定的精度和可靠程度直接影响系统获取信息、处理信息及输出结果的精确程度。按照标定场景的需求，标定方法大致分为三种：传统标定方法、自标定方法和基于主动视觉的标定方法。