專利名稱：基于小波變換的多尺度紅棗圖像裂紋邊緣檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及農(nóng)業(yè)工程領(lǐng)域中的一種基于小波變換的多尺度紅棗圖像裂紋邊緣檢 測(cè)方法，具體涉及滿足在按外觀品質(zhì)對(duì)紅棗自動(dòng)分級(jí)系統(tǒng)中的要求，能夠通過設(shè)定邊緣鏈 長(zhǎng)度、寬度閾值，有效地檢測(cè)出紅棗圖像裂紋而略去皺褶的檢測(cè)算法。
背景技術(shù)：
紅棗圖像裂紋的檢測(cè)是實(shí)現(xiàn)紅棗自動(dòng)分級(jí)中最基礎(chǔ)、最重要、最難的工作之一，其 檢測(cè)技術(shù)主要涉及到紅棗圖像的邊緣檢測(cè)等內(nèi)容。邊緣是圖像局部強(qiáng)度變化最顯著的部 分，反映了圖像最基本的特征。然而SobeLRobertsJrewitt和Laplacian等這些在農(nóng)業(yè) 工程界常用的經(jīng)典邊緣檢測(cè)算子，并不能夠很好地對(duì)紅棗圖像的裂紋作邊緣檢測(cè)。在圖像處理中，由于小波變換能夠通過逐步改變尺度參數(shù)，對(duì)信號(hào)的局部結(jié)構(gòu)進(jìn) 行分析，具有檢測(cè)局域突變的能力，是邊緣檢測(cè)的良好工具。小波變換采用多尺度邊緣檢測(cè) 方法，即使用大尺度的濾波器對(duì)圖像濾波，很好地抑制噪聲，保留可靠的邊緣點(diǎn)；使用小 尺度的濾波器對(duì)圖像濾波，補(bǔ)足大尺度濾波所造成的邊緣損失，同時(shí)提高邊緣檢測(cè)的定位 精度。在不同尺度的邊緣圖像間使用邊緣匹配或邊緣連接技術(shù)，由大尺度向小尺度進(jìn)行邊 緣聚焦，可以獲得清晰的邊緣。在基于外觀品質(zhì)的紅棗自動(dòng)分級(jí)系統(tǒng)中，需要根據(jù)表面質(zhì)量進(jìn)行分級(jí)，有無裂紋 是一個(gè)重要的表面質(zhì)量指標(biāo)，有裂紋即被評(píng)為低一級(jí)的產(chǎn)品?，F(xiàn)有的檢測(cè)方法存在把裂紋 和褶皺同時(shí)檢測(cè)出來的問題，而褶皺并不影響紅棗的品質(zhì)，顯然這種檢測(cè)結(jié)果不能用來評(píng) 價(jià)紅棗的品質(zhì)。所以需要一種能有效地檢測(cè)出紅棗圖像裂紋而略去皺褶，能夠獲得連續(xù)、光 滑單像素寬的邊緣鏈圖像的邊緣檢測(cè)方法。

發(fā)明內(nèi)容
針對(duì)上述現(xiàn)有技術(shù)中存在的問題與缺陷，本發(fā)明的目的在于提供一種基于小波變 換的多尺度紅棗圖像裂紋邊緣檢測(cè)方法，該方法是一種能夠有效地檢測(cè)出紅棗圖像裂紋而 略去皺褶，并獲得連續(xù)、光滑、單像素寬的邊緣鏈圖像的邊緣檢測(cè)方法。在圖像的邊緣提取中，高斯函數(shù)的一階導(dǎo)數(shù)是一種常見的且較有效的小波函數(shù)， 該函數(shù)比較簡(jiǎn)單且很適合于人類的視覺系統(tǒng)；采用多尺度邊緣檢測(cè)方法，使用大尺度的濾 波器對(duì)圖像濾波，很好地抑制噪聲，保留可靠的邊緣點(diǎn)；使用小尺度的濾波器對(duì)圖像濾波， 補(bǔ)足大尺度濾波所造成的邊緣損失，同時(shí)提高邊緣檢測(cè)的定位精度。所述方法具體包括紅棗圖像的一般邊緣檢測(cè)和特殊邊緣檢測(cè)兩個(gè)階段第一階段進(jìn)行一般邊緣檢測(cè)，用小波多尺度變換對(duì)紅棗圖像先X方向和后Y方向 濾波，分別得到WTx和WTy ；對(duì)WTx和WTy分別平方后求和、開方得到梯度值M ；將M歸一化， 并沿上、右上、右、右下、下、左下、左、左上8個(gè)方向找局部最大值點(diǎn)，并記下局部最大值點(diǎn) 的位置及方向；利用概率密度法計(jì)算初始閾值、；用大小不等的兩個(gè)閾值、和t2，取、= AiXtojta= A2Xt0, (A1 <= 1, A2 >= 1)；先用低閾值、對(duì)各方向局部極大值點(diǎn)分割，得到各方向上的弱邊緣點(diǎn)；把各方向上的弱邊緣點(diǎn)累加得到總的弱邊緣點(diǎn)；從各分方向上 的弱邊緣點(diǎn)中用高閾值t2分割得到強(qiáng)邊緣點(diǎn)，并記下所在位置；依據(jù)數(shù)學(xué)形態(tài)學(xué)中八鄰域 連通方法，采用“一強(qiáng)八弱”法，即在總的弱邊緣點(diǎn)中，把強(qiáng)邊緣點(diǎn)及其周圍的8個(gè)弱邊緣點(diǎn) 連接起來，得到最后的檢測(cè)結(jié)果；最后利用數(shù)學(xué)形態(tài)學(xué)中的腐蝕運(yùn)算，對(duì)檢測(cè)所得到的邊緣 加以細(xì)化，就可得到單像素寬的邊緣；可改變初始閾值、，或改變X1以及λ2，重復(fù)以上第 一階段步驟直到獲得滿意的紅棗邊緣圖像。為提高檢測(cè)方法的有效性，選取具有代表性的一小段裂紋和一小段皺褶的紅棗圖 像，通過第一階段的邊緣檢測(cè)方法提取它們的邊緣，對(duì)邊緣特征分析可見，兩者的邊緣都有 各自的特點(diǎn)。裂紋邊緣的特點(diǎn)⑴邊緣旁有“點(diǎn)狀”的偽邊緣，這是由紅棗本身的表面不光 滑造成的，并不屬于噪聲；(2)邊緣細(xì)化前后無變化，因?yàn)榱鸭y的寬度很小。皺褶邊緣的特 點(diǎn)是(1)邊緣旁有“平行的線狀”偽邊緣，因?yàn)榘欛薜囊慌曰騼膳云浠叶戎狄矔?huì)發(fā)生變化； (2)邊緣細(xì)化后明顯變細(xì)，因?yàn)榘欛薜膶挾缺攘鸭y的大。第二階段進(jìn)行特殊邊緣檢測(cè)，對(duì)于同時(shí)含有裂紋和皺褶的紅棗圖像作特殊邊緣檢 測(cè)時(shí)，先通過第一階段一般邊緣檢測(cè)的方法得到邊緣圖像；再根據(jù)裂紋和皺褶邊緣圖像的 特點(diǎn)在第一階段之后增加下述步驟作為算法的改進(jìn)(1)設(shè)置邊緣鏈長(zhǎng)度閾值，去掉長(zhǎng)度 小于此閾值的“點(diǎn)狀”偽邊緣；(2)設(shè)置邊緣鏈寬度閾值，把寬度大于此閾值的皺褶邊緣去掉。本發(fā)明的應(yīng)用過程中，閾值的確定，還可以采用局部自適應(yīng)方法，因?yàn)橐环t棗圖 像中每個(gè)局部的灰度值往往不完全相等，利用小波變換得到的歸一化后的梯度值M往往具 有較強(qiáng)的局部性，尤其是對(duì)于在田間實(shí)地拍攝的農(nóng)業(yè)圖像，這就要求相應(yīng)的閾值也應(yīng)該具 有局部自適應(yīng)性。本發(fā)明與現(xiàn)有的邊緣檢測(cè)方法相比，其優(yōu)點(diǎn)在于本檢測(cè)方法設(shè)計(jì)了兩個(gè)階段，第 一個(gè)階段為先得到紅棗邊緣圖像，如果不滿足要求，即進(jìn)入第二階段，否則不進(jìn)行第二階段 的檢測(cè)；這樣能夠根據(jù)實(shí)際情況選擇是否進(jìn)行第二階段，增強(qiáng)了檢測(cè)結(jié)果的有效性，也增強(qiáng) 了檢測(cè)系統(tǒng)中邊緣檢測(cè)方法的柔性。


為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，以含有裂紋的紅棗圖像為例，結(jié)合 附圖進(jìn)一步詳細(xì)闡述具體的紅棗裂紋檢測(cè)步驟。紅棗圖像是通過對(duì)實(shí)物掃描獲取的，掃描儀為清華紫光2100K，掃描分辨率為 600dpi,圖2是得到的紅棗灰度圖像，圖中200所指為裂紋邊緣，圖中201所指為褶皺邊緣， 該圖像將用于本發(fā)明方法的檢測(cè)過程中。圖1是本發(fā)明的紅棗裂紋邊緣檢測(cè)流程圖。參看圖1，在第一階段100進(jìn)行初步邊 緣檢測(cè)，具體實(shí)現(xiàn)過程如下步驟101 運(yùn)用小波多尺度變換對(duì)圖像先X方向和后Y方向?yàn)V波，分別得到WTx和 WTy ；步驟102 對(duì)WTjJPWTy分別平方后求和再開方得到梯度大小M，并將梯度值M歸一 化，否則為確定閾值帶來不便；步驟103 沿上、右上、右、右下、下、左下、左、左上8個(gè)方向找局部最大值點(diǎn)，并記 下局部最大值點(diǎn)的位置及方向；步驟104 利用概率密度法計(jì)算初始閾值、，考慮到各個(gè)實(shí)際邊緣點(diǎn)所對(duì)應(yīng)的局部 極大值肯定不相等，但它們都是邊緣點(diǎn)的相應(yīng)值，所以我們可以采用大小不等的兩個(gè)閾值 ti 和 t2，這里不妨取 ti = λ Xt0, t2 = λ Xt0，(λ i < = 1，λ2 >= 1)；步驟105 先用低閾值、對(duì)步驟103所得結(jié)果的各方向局部極大值點(diǎn)分割，得到各 方向上的弱邊緣點(diǎn)；步驟106 把各方向上的弱邊緣點(diǎn)累加得到總的弱邊緣點(diǎn)；步驟107 從各分方向上的弱邊緣點(diǎn)中用高閾值、分割得到強(qiáng)邊緣點(diǎn)，并記下所 在位置；步驟108 依據(jù)數(shù)學(xué)形態(tài)學(xué)中八鄰域連通方法，結(jié)合本邊緣檢測(cè)步驟的特點(diǎn)，采用 “一強(qiáng)八弱”法，即在總的弱邊緣點(diǎn)中，把強(qiáng)邊緣點(diǎn)及其周圍的8個(gè)弱邊緣點(diǎn)連接起來，得到 初步的邊緣檢測(cè)結(jié)果；步驟109 利用數(shù)學(xué)形態(tài)學(xué)中的腐蝕運(yùn)算，對(duì)步驟108檢測(cè)得到的邊緣加以細(xì)化， 就可得到單像素寬的邊緣；步驟1010 如果對(duì)邊緣圖像清晰程度不滿意，可以通過改變初始閾值tQ或改變?chǔ)斯?以及λ 2來改變高低閾值，重復(fù)步驟105到步驟109，直到獲得清晰的邊緣圖像。通過多尺度小波變換得到初步的邊緣檢測(cè)結(jié)果圖4，圖3a、圖3b、圖3c和圖3d是 分別用常規(guī)算法的SobeLRoberts Jrewitt和log算子得到的檢測(cè)結(jié)果，將這些邊緣檢測(cè) 結(jié)果相比可見，利用小波多尺度變換能更好地檢測(cè)邊緣，但對(duì)于紅棗裂紋的檢測(cè)存在致命 的問題——由圖4可見把裂紋400和皺褶401同時(shí)檢測(cè)出來，會(huì)引起紅棗品質(zhì)的誤評(píng)價(jià)。還 須進(jìn)一步把皺褶去掉，只檢測(cè)出裂紋。為達(dá)到這一目的，分別選取具有代表性的帶有一小段裂紋和一小段皺褶的紅棗圖 像，分別利用第一階段小波邊緣檢測(cè)法提取它們的邊緣，圖fe是裂紋小段的八連通邊緣 圖，圖恥是裂紋小段的細(xì)化邊緣圖，圖6a皺褶小段的八連通邊緣圖，圖6b是皺褶小段的細(xì) 化邊緣圖，從圖5b、圖6b中可以看到，裂紋和皺褶的邊緣分別有如下的特點(diǎn)
裂紋邊緣的特點(diǎn)(1)邊緣旁有“點(diǎn)狀”的偽邊緣，這是由紅棗本身的表面不光滑 造成的，并不屬于噪聲；(2)邊緣細(xì)化前后無變化，因?yàn)榱鸭y的寬度很小。皺褶邊緣的特點(diǎn)(1)邊緣旁有“平行的線狀”偽邊緣，因?yàn)榘欛薜囊慌曰騼膳云?灰度值也會(huì)發(fā)生變化；( 邊緣細(xì)化后明顯變細(xì)，因?yàn)榘欛薜膶挾缺攘鸭y的大。根據(jù)裂紋和皺褶的特點(diǎn)，參看圖1如果需要檢測(cè)出裂紋和皺褶這種特殊邊緣，則 進(jìn)入檢測(cè)的第二階段110進(jìn)行特殊邊緣的檢測(cè)，否則結(jié)束檢測(cè)。第二階段110進(jìn)行特殊邊緣的檢測(cè)，需在第一階段100的步驟1010之后增加下面
三個(gè)步驟步驟112 設(shè)置邊緣鏈長(zhǎng)度閾值，去掉長(zhǎng)度小于此閾值的“點(diǎn)狀”偽邊緣；步驟113 設(shè)置邊緣鏈寬度閾值，把寬度大于此閾值的皺褶邊緣去掉；步驟114 得到最后的去掉皺褶的裂紋邊緣檢測(cè)結(jié)果。圖7是利用改進(jìn)后的算法經(jīng)過了兩個(gè)檢測(cè)階段后檢測(cè)的結(jié)果，可看出得到了更好 的裂紋檢測(cè)結(jié)果，清晰地檢測(cè)出了裂紋700，并去掉了許多褶皺701，同時(shí)也去掉了許多“點(diǎn) 狀”偽邊緣點(diǎn)702。上面所述的僅是體現(xiàn)本發(fā)明的一種實(shí)施例。顯然本發(fā)明的具體實(shí)現(xiàn)形式并不限于 上述實(shí)施例。圖像處理、模式識(shí)別等領(lǐng)域的技術(shù)人員，在不偏離權(quán)利要求限定的本發(fā)明技術(shù) 精神和范圍的情況下，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等， 以及將本發(fā)明應(yīng)用于其他圖像處理領(lǐng)域，如焊縫、田間路徑的檢測(cè)和識(shí)別等，均應(yīng)包含在本 發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1.一種基于小波變換的多尺度紅棗圖像裂紋邊緣檢測(cè)方法，其中執(zhí)行一個(gè)預(yù)先通過攝 像機(jī)或掃描儀的圖像采集過程，獲取待處理的紅棗圖像，通過處理這一圖像來檢測(cè)紅棗裂 紋，進(jìn)而可通過檢測(cè)結(jié)果對(duì)紅棗按照是否有裂紋進(jìn)行分級(jí)，所述檢測(cè)方法具體包括對(duì)紅棗 圖像的一般邊緣檢測(cè)和特殊邊緣檢測(cè)兩個(gè)階段。
2.權(quán)利要求1中所述的一般邊緣檢測(cè)包括(a)用高斯一階微分濾波器對(duì)濾波后的紅棗圖像先X方向和后Y方向?yàn)V波，分別得到 WTx和WTy ；對(duì)WTx和WTy分別平方后求和再開方得到梯度值M ；(b)將M歸一化，否則為確定閾值帶來不便；(c)沿上、右上、右、右下、下、左下、左、左上8個(gè)方向找局部最大值點(diǎn)，并記下局部最大 值點(diǎn)的位置及方向；(d)利用概率密度法計(jì)算初始閾值、；(e)考慮到各個(gè)實(shí)際邊緣點(diǎn)所對(duì)應(yīng)的局部極大值不相等，但它們都是邊緣點(diǎn)的相應(yīng)值， 所以可以取大小不等的兩個(gè)閾值、和、，不妨取、=A1Xt0, t2 = A2Xt0, (A1 <= 1, λ2>= 1)；(f)先用低閾值、對(duì)步驟(c)所得結(jié)果的各方向局部極大值點(diǎn)分割，得到各方向上的 弱邊緣點(diǎn)；(g)把各方向上的弱邊緣點(diǎn)累加得到總的弱邊緣點(diǎn)；(h)從各分方向上的弱邊緣點(diǎn)中用高閾值、分割得到強(qiáng)邊緣點(diǎn)，并記下所在位置；(i)依據(jù)數(shù)學(xué)形態(tài)學(xué)中八鄰域連通方法，采用“一強(qiáng)八弱”法，即在總的弱邊緣點(diǎn)中，把 強(qiáng)邊緣點(diǎn)及其周圍的8個(gè)弱邊緣點(diǎn)連接起來，得到邊緣檢測(cè)結(jié)果；(j)利用數(shù)學(xué)形態(tài)學(xué)中的腐蝕運(yùn)算，對(duì)步驟(i)所得到的邊緣加以細(xì)化，就可得到單像 素寬的邊緣；(k)如果對(duì)檢測(cè)的紅棗邊緣圖像不滿意，可通過改變初始閾值、，或改變X1以及λ 2， 改變高、低閾值、和t2，重復(fù)步驟(f) (j)，直到獲得清晰的紅棗邊緣圖像。
3.為提高權(quán)利要求2中所述的邊緣檢測(cè)方法的有效性，分別選取有代表性的一小段裂 紋和一小段皺褶紅棗圖像，分別利用權(quán)利要求2中所述的邊緣檢測(cè)方法提取它們的邊緣， 對(duì)邊緣分析，可得兩者的邊緣有如下特點(diǎn)(a)紅棗圖像裂紋邊緣的特點(diǎn)是(1)邊緣旁有“點(diǎn)狀”的偽邊緣，這是由紅棗本身表面 不光滑造成的，并不屬于噪聲；(2)邊緣細(xì)化前后無變化，因?yàn)榱鸭y的寬度很小；(b)紅棗圖像皺褶邊緣的特點(diǎn)是(1)邊緣旁有“平行的線狀”偽邊緣，因?yàn)榘欛薜囊慌?或兩旁其灰度值也會(huì)發(fā)生變化；(2)邊緣細(xì)化后明顯變細(xì)，因?yàn)榘欛薜膶挾缺攘鸭y的大。
4.檢測(cè)紅棗圖像裂紋和皺褶的邊緣時(shí)可利用權(quán)利要求2中所述的邊緣檢測(cè)方法，先得 到邊緣圖像，根據(jù)權(quán)利要求3中對(duì)裂紋和皺褶特點(diǎn)的分析，在權(quán)利要求2的步驟(k)之后增 加權(quán)力要求1中所述的第二階段步驟，即特殊邊緣檢測(cè)(a)設(shè)置邊緣鏈長(zhǎng)度閾值，去掉長(zhǎng)度小于此閾值的“點(diǎn)狀”偽邊緣；(b)設(shè)置邊緣鏈寬度閾值，把寬度大于此閾值的皺褶邊緣去掉。經(jīng)過第二階段改進(jìn)后的算法，可得到更好的紅棗裂紋檢測(cè)結(jié)果，能夠有效地檢測(cè)出紅 棗裂紋而略去皺褶。
全文摘要
本發(fā)明提供了一種基于小波變換的多尺度紅棗圖像裂紋邊緣檢測(cè)方法，涉及農(nóng)業(yè)工程領(lǐng)域。該方法對(duì)需檢測(cè)的紅棗圖像進(jìn)行多尺度小波變換，求出梯度值M，并對(duì)其進(jìn)行歸一化處理；確定邊緣點(diǎn)對(duì)應(yīng)的高、低閾值，用高、低閾值分別對(duì)局部極大值點(diǎn)分割，得到強(qiáng)、弱邊緣點(diǎn)；用“一強(qiáng)八弱”法處理邊緣點(diǎn)，得到初步檢測(cè)結(jié)果；用腐蝕運(yùn)算得到細(xì)化邊緣鏈圖像；設(shè)置邊緣鏈長(zhǎng)度閾值去掉小于此值的點(diǎn)狀偽邊緣，設(shè)置邊緣鏈寬度閾值去掉大于此值的褶皺邊緣。本發(fā)明采用多尺度邊緣檢測(cè)和數(shù)學(xué)形態(tài)學(xué)相結(jié)合的方法檢測(cè)紅棗裂紋，可得到更連續(xù)、光滑、單像素寬、視覺效果良好的邊緣鏈圖像，能有效檢測(cè)紅棗圖像裂紋而略去皺褶。該方法也適用于其它類型農(nóng)業(yè)圖像的邊緣檢測(cè)。
文檔編號(hào)G06T7/00GK102081792SQ201010623330
公開日2011年6月1日 申請(qǐng)日期2010年12月30日 優(yōu)先權(quán)日2010年12月30日
發(fā)明者劉世, 劉志杰, 劉珊, 楊亮亮, 楊福增, 王元杰, 王崢, 陳麗萍 申請(qǐng)人:西北農(nóng)林科技大學(xué)