一種紅棗圖像的檢測方法
【專利摘要】一種紅棗圖像的檢測方法。提供了一種能夠有效檢測出紅棗褶皺，便于對紅棗自動分級，提高了紅棗質(zhì)量分級效率的紅棗圖像的檢測方法。檢測步驟主要包括：將圖像二值化；對圖像做開運(yùn)算；標(biāo)識連通區(qū)域；獲取連通區(qū)域?qū)傩?；判斷大棗類別。本方法算法復(fù)雜度為線性，判斷了影響褶皺的相關(guān)因素；能高效的識別皺棗，提高了判斷、檢測的可靠性。本發(fā)明能夠滿足在按外觀品質(zhì)對紅棗自動分級系統(tǒng)中的要求，提高了工作效率。
【專利說明】一種紅棗圖像的檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及紅棗生產(chǎn)加工領(lǐng)域，尤其涉及一種紅棗外觀圖像的檢測方法。
【背景技術(shù)】
[0002]在基于外觀品質(zhì)的紅棗自動分級系統(tǒng)中，需要根據(jù)表面質(zhì)量進(jìn)行分級，有無褶皺是一個重要的表面質(zhì)量指標(biāo)。
[0003]質(zhì)量上乘的大棗顏色暗紅、均勻，有光澤，表皮褶皺少且淺。大棗大致分為3種類型:a，質(zhì)量優(yōu)等，沒有缺陷；b，質(zhì)量次等，表皮有較多較淺的褶皺；c，質(zhì)量劣等，表皮有較多較深的褶皺，或表皮有較長的深暗褶皺。
[0004]現(xiàn)有的檢測方法不能有效地將褶皺檢測出來，檢測結(jié)果不能用來評價紅棗的品質(zhì)。所以需要一種能有效地檢測出紅棗圖像皺褶的檢測方法。
[0005]基于機(jī)器視覺對農(nóng)產(chǎn)品進(jìn)行檢測分級已經(jīng)是一種主流技術(shù)，趙杰文等人提出了一種基于支持向量機(jī)的缺陷紅棗機(jī)器視覺識別系統(tǒng)，由于棗干制過程中形成的油頭棗、漿頭棗、霉?fàn)€棗等缺陷棗具有整體或局部顏色偏暗、偏黑的特性，在HIS顏色空間中，提取H的均值和均方差作為紅棗的顏色特征值，利用支持向量機(jī)可識別缺陷紅棗；
[0006]楊福增等人提出了一種改進(jìn)的小波分析算法，實現(xiàn)的邊緣檢測技術(shù)能很好的將紅棗的褶皺與裂痕區(qū)分開來，文中提出常規(guī)的邊緣檢測方法用于紅棗褶皺與裂痕的檢測效果并不明顯，不能投入到實際生產(chǎn)應(yīng)用中。
[0007]國內(nèi)的基于機(jī)器視覺的紅棗表面缺陷檢測至今仍主要集中于理論的研究和靜態(tài)下的實驗，耗時較長，不能滿足生產(chǎn)上在線檢測的需求，還沒有面向?qū)嶋H生產(chǎn)加工的裝備和方法。

【發(fā)明內(nèi)容】

[0008]本發(fā)明針對以上問題，提供了一種能夠有效檢測出紅棗褶皺，便于對紅棗自動分級，提高了紅棗質(zhì)量分級效率的紅棗圖像的檢測方法。
[0009]本發(fā)明的技術(shù)方案是:包括以下步驟:
[0010]I)、獲取目標(biāo)圖像；
[0011]2)、圖像二值化；遍歷目標(biāo)圖像，訪問圖像的每一個像素點，先計算像素點的灰度值，如果灰度值在一閾值范圍內(nèi)，就將像素點設(shè)為255，否則就為O ;所述閾值范圍為30?120 ；
[0012]3)、目標(biāo)圖像處理；對圖像做開運(yùn)算，設(shè)置結(jié)構(gòu)元素，先做腐蝕處理，再做膨脹處理；
[0013]4)、標(biāo)記等價對；
[0014]4.1)、下一個像素點是否存在，
[0015]4.1.1)、存在;
[0016]4.1.2)、不存在，則結(jié)束；[0017]4.2)、接4.1.1)，判斷像素點值是否為255 ；
[0018]4.2.1)、是，
[0019]4.2.2)、否，返回到 4.1);
[0020]4.3)、接4.2.1)，查看相鄰像素是否已經(jīng)標(biāo)記；
[0021]4.3.1)、標(biāo)記，
[0022]4.3.2)、未標(biāo)記，則此像素點標(biāo)記為新連通區(qū)域；
[0023]4.4)、接4.3.1)，按優(yōu)先級標(biāo)記為相關(guān)像素所在連通區(qū)域；
[0024]4.5)、判斷相鄰像素之間是否存在等價對關(guān)系；
[0025]4.5.1)、存在;
[0026]4.5.2)、不存在，則回至Ij 4.1)；
[0027]4.6)、接4.5.1)，判斷等價對關(guān)系是否已經(jīng)存在于現(xiàn)有等價對列表中；
[0028]4.6.1)、存在，則回至Ij 4.1)，
[0029]4.6.2)、不存在；
[0030]4.7)、接4.6.2)，將此等價對添加到現(xiàn)有等價對列表中，回到4.1)；
[0031]5)、等價對處理；
[0032]5.1)、添加第一個等價對到新等價對列表；
[0033]5.2)、判斷下一個等價對是否存在；
[0034]5.2.1)、存在;
[0035]5.2.2)、不存在，則結(jié)束；
[0036]5.3)、接5.2.1)，判斷等價對標(biāo)記是否已經(jīng)添加到新列表；
[0037]5.3.1)、是;
[0038]5.3.2)、否，將等價對添加到新列表，返回5.2)；
[0039]5.4)、在5.3.1)的基礎(chǔ)上，等價對在新列表的標(biāo)記值是否相等；
[0040]5.4.1)、是，返回 5.2);
[0041]5.4.2)、否，將等價對所在新列表對應(yīng)標(biāo)記值置為相等，返回5.2)；
[0042]6)、獲取連通區(qū)域特征屬性；
[0043]6.1)、判斷是否存在下一個像素點；
[0044]6.1.1)、存在;
[0045]6.1.2)、不存在，則結(jié)束；
[0046]6.2)、接6.1.1)，判斷連通區(qū)域標(biāo)記值是否為O ;
[0047]6.2.1)、是，返回 6.1)，
[0048]6.2.2)、否，記錄像素點所在連通區(qū)域特征屬性，返回6.1)；
[0049]7)、遍歷連通區(qū)域；根據(jù)其特征屬性，識別皺棗；
[0050]所述特征屬性包括:連通區(qū)域像素點個數(shù)；最小外接矩形位置；最小外接矩形的長寬比值；連通區(qū)域像素點與其最小外接矩形像素點百分比；最小外接矩形與整個大棗的像素點百分比；連通區(qū)域總的個數(shù)。
[0051]本發(fā)明的主要檢測步驟包括:將圖像二值化；對圖像做開運(yùn)算；標(biāo)識連通區(qū)域；獲取連通區(qū)域?qū)傩?像素點大小、最小外接矩形，連通區(qū)域位置坐標(biāo))；判斷大棗類別(識別皺棗)。[0052]其中，圖像二值化將圖像上的像素點的灰度值設(shè)為O或255，將整個圖像呈現(xiàn)出明顯的黑白效果；
[0053]開運(yùn)算是先腐蝕后膨脹的過程，可以消除圖像上細(xì)小的噪聲，并平滑物體邊界，實現(xiàn)圖像降噪、平滑處理；
[0054]然后，對二值圖像進(jìn)行一次完整的掃描，標(biāo)記所有目標(biāo)像素的同時，得到并記錄等價標(biāo)記對；
[0055]在第一次掃描完成后，整理重復(fù)的等價對，重新標(biāo)記連通區(qū)域并記錄各連通區(qū)域特征屬性；分析各連通區(qū)域以上特征屬性，識別皺棗。
[0056]本方法算法復(fù)雜度為線性，判斷了影響褶皺的相關(guān)因素；能高效的識別皺棗，提高了判斷、檢測的可靠性。
[0057]本發(fā)明能夠直接面向?qū)嶋H應(yīng)用，所需環(huán)境僅為LED光源，30萬像素攝像頭和數(shù)據(jù)采集設(shè)備，如果與DSP系統(tǒng)配套使用則在線檢測效率極高，可達(dá)到每秒25個。假設(shè)機(jī)器的一個通道配置為I個30萬像素攝像頭、一個LED光源和I個DSP系統(tǒng)，對于一臺配10通道的大棗分級機(jī)，每小時的產(chǎn)能至少在2噸以上，大量節(jié)省人力，提高生產(chǎn)產(chǎn)能。
[0058]本發(fā)明能夠滿足在按外觀品質(zhì)對紅棗自動分級系統(tǒng)中的要求，提高了工作效率。
【專利附圖】

【附圖說明】
[0059]圖1是本發(fā)明的流程框圖，
[0060]圖2是本發(fā)明中圖像二值化流程圖，
[0061]圖3是本發(fā)明中目標(biāo)圖像處理流程圖，
[0062]圖4是本發(fā)明中標(biāo)記等價對流程圖，
[0063]圖5是等價對處理流程圖，
[0064]圖6是獲取連通區(qū)域特征屬性流程圖，
[0065]圖7是本發(fā)明中膨脹處理示意圖，
[0066]圖8是本發(fā)明中腐蝕處理示意圖，
[0067]圖9是本發(fā)明中實施例一的檢測圖，
[0068]圖10是本發(fā)明中實施例二的檢測圖，
[0069]圖11是本發(fā)明中實施例三的檢測圖，
[0070]圖12是本發(fā)明中實施例四的檢測圖，
[0071]圖13是本發(fā)明中實施例五的檢測圖，
【具體實施方式】
[0072]本發(fā)明如圖1-13所示，包括以下步驟:
[0073]I)、獲取目標(biāo)圖像；
[0074]2)、圖像二值化；遍歷目標(biāo)圖像，訪問圖像的每一個像素點，先計算像素點的灰度值，如果灰度值在一閾值范圍內(nèi)，就將像素點設(shè)為255，否則就為O ;所述閾值范圍為30?120 ；
[0075]圖像二值化；將圖像上的像素點的灰度值設(shè)為O或255，也就是將整個圖像呈現(xiàn)出明顯的黑白效果。將256個亮度等級的灰度圖像通過適當(dāng)?shù)拈撝颠x取，獲得仍然可以反映整體和局部特征的二值化圖像。
[0076]本發(fā)明中遍歷為指按某種規(guī)則，依次訪問序列中的每個元素。
[0077]本發(fā)明中的搜索路徑為:從上到下，從左到右。即第一行的第一列，第二列，…，最后一列；第二行的第一列，第二列，…，最后一列；......;最后一行的第一列，第二列，…，最
后一列。
[0078]圖像灰度:灰度就是沒有色彩，在黑白圖像中點的顏色深度，范圍一般從O (黑色)到255 (白色)。任何顏色都是由RGB (紅、綠、藍(lán))三原色組成，因此圖像像素點信息也是通過RGB反映。彩色圖像可以轉(zhuǎn)化為黑白圖像，黑白圖像的灰度值可以由R、G、B三分量的加權(quán)取得；
[0079]本案的圖像二值化具體操作:遍歷圖像，訪問圖像的每一個像素點，先計算像素點的灰度值，如果灰度值在某一閾值范圍內(nèi)，就將像素點設(shè)為255，否則就為0，直至圖像遍歷完成即完成圖像二值化。
[0080]本案是檢測皺棗，因為好的大棗顏色均勻有光澤，而褶皺的大棗顏色偏暗，在此取得閾值范圍為30~120。此閾值可根據(jù)光源亮度、品質(zhì)要求和大棗品種等具體情況調(diào)整。
[0081]3)、目標(biāo)圖像處理；對圖像做開運(yùn)算，設(shè)置結(jié)構(gòu)元素，先做腐蝕處理，再做膨脹處理；實現(xiàn)圖像降噪、平滑處理；
[0082]二值圖像中的形態(tài)學(xué):膨脹、腐蝕、開、閉運(yùn)算是數(shù)學(xué)形態(tài)學(xué)最基本的變換，他們能實現(xiàn)的功能有:消除噪聲、分割出獨立的圖像元素、在圖像中連接相鄰的元素。
[0083]如圖7所示，膨脹是在二值圖像中“加長”或“變粗”的操作，這種“加長”或“變粗”的程度由一個稱為結(jié)構(gòu)元素的結(jié)合控制，結(jié)構(gòu)元素通常用O和I的矩陣表示。用結(jié)構(gòu)元素在圖像上移動，只要結(jié)構(gòu)元素中有一個點與圖像中的點是重疊的就可以了，膨脹的結(jié)果是圖像的邊緣被擴(kuò)大了。
[0084]如圖8所示，腐蝕是膨脹的反操作，可以“收縮”或“細(xì)化” 二值圖像中的對象。用結(jié)構(gòu)元素在圖像上移動，計算被結(jié)構(gòu)元素覆蓋的最小像素值。
[0085]一般來說，膨脹可以填補(bǔ)凹洞，腐蝕可以消除細(xì)的凸起，效果取決于結(jié)構(gòu)元素的大小。腐蝕操作通常是用來消除圖像中“斑點”噪聲，且能確保圖像內(nèi)的較大區(qū)域依然存在。
[0086]在試圖找到連通分支(即具有相似顏色或強(qiáng)度的像素點的大塊的相互分離的區(qū)域)時通常使用膨脹操作。因為大多數(shù)情況下一個大區(qū)域可能被噪聲、陰影等類似的東西分割成多個部分，腐蝕可以將亮的區(qū)域被隔離或縮小，膨脹可以使亮的區(qū)域擴(kuò)展和連接。
[0087]開運(yùn)算是先腐蝕后膨脹的過程，可以消除圖像上細(xì)小的噪聲，并平滑物體邊界；閉運(yùn)算是先膨脹后腐蝕的過程，可以填充物體內(nèi)細(xì)小的空洞，并平滑物體邊界。
[0088]而“二值圖像中的形態(tài)學(xué)”包含在“數(shù)學(xué)形態(tài)學(xué)”中；
[0089]數(shù)學(xué)形態(tài)學(xué)是圖像處理中的一門學(xué)科，它建立在嚴(yán)格的數(shù)學(xué)理論基礎(chǔ)上，以圖像的形態(tài)為研究對象的學(xué)科。數(shù)學(xué)形態(tài)學(xué)以幾何學(xué)為基礎(chǔ)，著重研究圖像的集合結(jié)構(gòu)。它的基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對應(yīng)形狀以達(dá)到對圖像分析和識別的目的。 數(shù)學(xué)形態(tài)學(xué)的基本算法有膨脹、腐蝕、開運(yùn)算、閉運(yùn)算。結(jié)構(gòu)元素是數(shù)學(xué)形態(tài)學(xué)在圖像處理中的一個關(guān)鍵要素。
[0090]結(jié)構(gòu)元素是數(shù)學(xué)形態(tài)學(xué)在圖像處理中的一個關(guān)鍵點，對于結(jié)構(gòu)元素的選擇會直接影響到圖像處理的效果。不同的結(jié)構(gòu)元素可用于提取不同的圖像特征，小尺度結(jié)構(gòu)元素的優(yōu)點是能夠檢測到很好的邊緣細(xì)節(jié)，但是去噪聲能力弱。相反大尺寸的結(jié)構(gòu)元素邊緣較粗，但去噪聲能力強(qiáng)。不同的結(jié)構(gòu)元素可以確定一個點是否在某個范圍或某個方向上。下面為不例大小為3*3矩陣,分別表不豎直方向、水平方向、135°方向和45°方向:
【權(quán)利要求】
1.一種紅棗圖像的檢測方法，其特征在于，包括以下步驟: .1)、獲取目標(biāo)圖像；.2)、圖像二值化；遍歷目標(biāo)圖像，訪問圖像的每一個像素點，先計算像素點的灰度值，如果灰度值在一閾值范圍內(nèi)，就將像素點設(shè)為255，否則就為O ;所述閾值范圍為30~120 ； .3)、目標(biāo)圖像處理；對圖像做開運(yùn)算，設(shè)置結(jié)構(gòu)元素，先做腐蝕處理，再做膨脹處理； .4)、標(biāo)記等價對； .4.1)、下一個像素點是否存在，
.4.1.1)、存在； .4.1.2)、不存在，則結(jié)束； .4.2)、接4.1.1)，判斷像素點值是否為255 ；
.4.2.1)、是， . 4.2.2)、否，返回到 4.1)； .4.3)、接4.2.1)，查看相鄰像素是否已經(jīng)標(biāo)記；
.4.3.1)、標(biāo)記， . 4.3.2)、未標(biāo)記,則此像素點標(biāo)記為新連通區(qū)域； .4.4)、接4.3.1)，按優(yōu)先級標(biāo)記為相關(guān)像素所在連通區(qū)域； .4.5)、判斷相鄰像素之間是否存在等價對關(guān)系；
.4.5.1)、存在； . 4.5.2)、不存在，則回到4.1)； .4.6)、接4.5.1)，判斷等價對關(guān)系是否已經(jīng)存在于現(xiàn)有等價對列表中；
.4.6.1)、存在，則回到 4.1), . 4.6.2)、不存在； .4.7)、接4.6.2)，將此等價對添加到現(xiàn)有等價對列表中，回到4.1)； .5)、等價對處理； .5.1)、添加第一個等價對到新等價對列表； .5.2)、判斷下一個等價對是否存在；
.5.2.1)、存在； .5.2.2)、不存在，則結(jié)束； .5.3)、接5.2.1)，判斷等價對標(biāo)記是否已經(jīng)添加到新列表；
.5.3.1)、是； . 5.3.2)、否，將等價對添加到新列表，返回5.2)； .5.4)、在5.3.1)的基礎(chǔ)上，等價對在新列表的標(biāo)記值是否相等； .5.4.1)、是，返回 5.2)； .5.4.2)、否，將等價對所在新列表對應(yīng)標(biāo)記值置為相等，返回5.2)； .6)、獲取連通區(qū)域特征屬性； .6.1)、判斷是否存在下一個像素點；
.6.1.1)、存在； . 6.1.2)、不存在，則結(jié)束； . 6.2)、接6.1.1)，判斷連通區(qū)域標(biāo)記值是否為O ；. 6.2.1)、是，返回 6.1), .6.2.2)、否，記錄像素點所在連通區(qū)域特征屬性，返回6.1)； .7)、遍歷連通區(qū)域；根據(jù)其特征屬性，識別皺棗； 所述特征屬性包括:連通區(qū)域像素點個數(shù)；最小外接矩形位置；最小外接矩形的長寬比值；連通區(qū)域像素點與其最小外接矩形像素點百分比；最小外接矩形與整個大棗的像素點百分比；連通區(qū)域總 的個數(shù)。
【文檔編號】G06T7/00GK103914849SQ201410159480
【公開日】2014年7月9日 申請日期:2014年4月18日 優(yōu)先權(quán)日:2014年4月18日
【發(fā)明者】齊美彬, 陳明, 陳瑩, 談磊 申請人:揚(yáng)州福爾喜果蔬汁機(jī)械有限公司