本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體涉及一種基于圖像識(shí)別的圓木計(jì)數(shù)方法，特別是利用多閾值對(duì)圓木區(qū)域進(jìn)行分割以統(tǒng)計(jì)圓木數(shù)量的方法。

背景技術(shù)：

當(dāng)前，在木材運(yùn)輸過程中，對(duì)車輛裝載木材的稽查以及查驗(yàn)的方式主要還是以人工方式為主，勞動(dòng)強(qiáng)度大，工作效率低，易出錯(cuò)。因此對(duì)于木材計(jì)數(shù)的自動(dòng)識(shí)別也得到了越來(lái)越多的研究。

基于圖像識(shí)別的木材識(shí)別方法，主要是通過對(duì)排列比較整齊的木材的圖像進(jìn)行處理來(lái)得到木材數(shù)量的一種方法。木材計(jì)數(shù)主要涉及木材圖像的采集，木材圖像的處理，木材區(qū)域分割，木材聚類等步驟。

目前對(duì)于圓木計(jì)數(shù)的方法主要有以下幾種：一、基于Hough變換的圓形檢測(cè)方法，此方法對(duì)于圓形度較好的圓形區(qū)域效果較好，對(duì)原木的形狀提出較高的要求，實(shí)用性較差。(陳珂,吳建平,李金祥,等.一維概率Hough變換的實(shí)時(shí)魯棒多圓檢測(cè)方法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2015(10):1832-1841.)二、模板匹配法，模板匹配是一種利用圓木模板，與待測(cè)圖像進(jìn)行匹配得到統(tǒng)計(jì)結(jié)果的方法。模板匹配法的計(jì)算量以及存儲(chǔ)量要求比較大，而且模板與待處理對(duì)象的形狀也存在差異問題，適應(yīng)性不是特別強(qiáng)。(侯維巖,張利偉,黨蟒,等.一種基于圖像處理的棒材計(jì)數(shù)測(cè)量系統(tǒng)的，設(shè)計(jì)與實(shí)現(xiàn)[J].儀器儀表學(xué)報(bào),2013,34(5):1100-1106.)三、中心聚類的方法，該方法對(duì)圖像邊緣進(jìn)行中心增強(qiáng)然后對(duì)中心進(jìn)行聚類，此方法對(duì)于木材的半徑以及圓形度要求較高，同樣適應(yīng)性不是特別的強(qiáng)。四、中心發(fā)散方法，該方法中以棒材為中心，逐層向四周進(jìn)行檢索，并逐步擴(kuò)散，直到找到所有棒材為止，該方法速度較快，但是對(duì)于圓形棒材的直徑要求較高，不能偏差太大。(侯維巖,侯兆陽(yáng).扎捆棒材的圖像識(shí)別計(jì)數(shù)算法[J].自動(dòng)化儀表,2016(5).)五、閾值分割方法，該方法通過對(duì)圓木圖像通過閾值分割，并利用腐蝕等操作，分割出每個(gè)圓木區(qū)域進(jìn)行統(tǒng)計(jì)，但是此方法對(duì)圖像拍攝要求較高，干擾因素較大。(薛彥冰.基于機(jī)器視覺的棒材計(jì)數(shù)系統(tǒng)研究與實(shí)現(xiàn)[D].山東大學(xué),2014.)，該文獻(xiàn)中，利用工業(yè)相機(jī)，均衡光照來(lái)保證圖像的質(zhì)量。

技術(shù)實(shí)現(xiàn)要素：

發(fā)明目的：為了克服現(xiàn)有技術(shù)中存在的不足，本發(fā)明提供一種適應(yīng)性較強(qiáng)的圓木計(jì)數(shù)方法。

技術(shù)方案：為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：

一種基于圖像識(shí)別的圓木計(jì)數(shù)方法，包含如下步驟；

步驟1，對(duì)圓木的拍攝圖像進(jìn)行預(yù)處理，得到檢測(cè)區(qū)域的規(guī)范化圖像；

步驟2，計(jì)算閾值，根據(jù)所述閾值分割出背景區(qū)域，得到圓木所在區(qū)域；

步驟3，利用數(shù)個(gè)閾值對(duì)圓木圖像進(jìn)行包括多閾值分割在內(nèi)的分割處理，分割出全部滿足條件的圓木區(qū)域；

步驟4，根據(jù)步驟3的結(jié)果進(jìn)行進(jìn)一步篩選，得到符合條件的圓木區(qū)域，并計(jì)數(shù)。

進(jìn)一步的，步驟1中的圖像預(yù)處理的方法為：將所述拍攝圖像灰度化處理，并對(duì)得到的灰度化圖像進(jìn)行縮放，得到檢測(cè)區(qū)域的規(guī)范化圖像。

進(jìn)一步的，將所述灰度化圖像包括長(zhǎng)寬在內(nèi)的比例縮放至寬度為500像素。

進(jìn)一步的，步驟2中的分割背景區(qū)域的閾值的確定方法為：首先建立直方圖，對(duì)直方圖由小到大統(tǒng)計(jì)累計(jì)達(dá)到總像素85％的灰度值，以該灰度值為閾值進(jìn)行背景分割。

進(jìn)一步的，所述步驟3按照如下方法實(shí)現(xiàn)；

步驟3-1，首先建立與規(guī)范化圖像同等大小的空?qǐng)D像作為圓木區(qū)域累加圖像；

步驟3-2，選取第一個(gè)閾值對(duì)所述規(guī)范化圖像進(jìn)行閾值分割，得到二值圖像；

步驟3-3，將所述二值圖像與步驟2得到的圓木背景區(qū)域圖像進(jìn)行“與”操作，去除背景區(qū)域的影響；

步驟3-4，對(duì)步驟3-3得到的圖像進(jìn)行去噪聲操作，得到完整的圓木區(qū)域；

步驟3-5，對(duì)步驟3-4得到的圖像，從上到下逐行掃描直線段，找到符合條件的直線段，并對(duì)在步驟3-1中新建的累加圖像的對(duì)應(yīng)像素位置灰度值累加1；

步驟3-6，再次對(duì)步驟3-4得到的圖像提取連通區(qū)域，通過約束條件提取滿足圓木條件的區(qū)域，并在累加圖像對(duì)應(yīng)的像素位置灰度值累加1；

步驟3-7，選取數(shù)個(gè)閾值，重復(fù)執(zhí)行步驟3-2到步驟3-6，得到最終的累加圖像。

進(jìn)一步的，所述步驟3-4中，去噪聲操作的方法包括中值濾波、去除小面積連通區(qū)域。

進(jìn)一步的，所述步驟3-6中，約束條件包括連通區(qū)域的面積，外接矩形長(zhǎng)寬比。

進(jìn)一步的，所述步驟3-5中，尋找直線段的長(zhǎng)度范圍為20～70像素；

所述步驟3-6中，判斷連通區(qū)域?yàn)閳A木區(qū)域采用的條件為：連通區(qū)域面積為500～5000像素，外接矩形的長(zhǎng)寬比小于1.5，圓形度為0.8～1；

所述步驟3-7中，數(shù)個(gè)閾值的選取方法為，首先統(tǒng)計(jì)直方圖，再對(duì)直方圖由小到大計(jì)算出累計(jì)像素個(gè)數(shù)達(dá)到85％的對(duì)應(yīng)的灰度值，然后從0到該灰度值等間距計(jì)算出N個(gè)閾值。

進(jìn)一步的，所述步驟4按照如下方法實(shí)現(xiàn)；

步驟4-1，選取相應(yīng)閾值，對(duì)步驟3得到的累加圖像進(jìn)行分割，初步分割出每個(gè)圓木區(qū)域；

步驟4-2，對(duì)步驟4-1得到的圖像進(jìn)行中值濾波以及形態(tài)學(xué)開操作；

步驟4-3，提取圖像連通區(qū)域，根據(jù)包括連通區(qū)域面積、外接矩形長(zhǎng)寬比在內(nèi)的參數(shù)，對(duì)滿足條件的區(qū)域直接判斷為圓木，保存區(qū)域中心，并提取不滿足條件的區(qū)域到新圖像中以進(jìn)行二次篩選；

步驟4-4，對(duì)步驟4-3得到的圖像，再次從上到下逐行掃描符合長(zhǎng)度范圍的直線線段，并提取線段區(qū)域；

步驟4-5，對(duì)步驟4-4得到的圖像提取連通區(qū)域，再次進(jìn)行圓木條件判斷；對(duì)符合條件的區(qū)域保留區(qū)域中心；

步驟4-6，對(duì)步驟4-4得到的圖像進(jìn)行連續(xù)腐蝕，每次腐蝕后提取連通區(qū)域進(jìn)行圓木區(qū)域判斷，對(duì)符合圓木條件的區(qū)域保留區(qū)域中心；

步驟4-7，對(duì)上面得到的所有的區(qū)域中心，距離小于200像素的區(qū)域進(jìn)行合并，排除一個(gè)圓木被多次識(shí)別的情況，得到最終的中心位置，計(jì)數(shù)，得到最終的圓木數(shù)目。

進(jìn)一步的，所述步驟4-1中選取的相應(yīng)閾值為8；

步驟4-3中判斷連通區(qū)域?yàn)閳A木區(qū)域的條件為：面積在50像素到900像素之間，外接矩形的長(zhǎng)寬比小于1.5。

有益效果：本發(fā)明提供的基于圖像識(shí)別的圓木計(jì)數(shù)方法，具有以下有益效果：降低了對(duì)圖片質(zhì)量的要求，有效解決了室外拍攝光照對(duì)于圓木分割的影響，具有較好的適應(yīng)性以及可靠性，具有較高的準(zhǔn)確率。有效解決了在計(jì)數(shù)過程中對(duì)圖片質(zhì)量的要求以及圓木形狀要求等問題。

附圖說(shuō)明

圖1是本發(fā)明一種基于圖像識(shí)別的圓木計(jì)數(shù)方法的算法流程圖。

圖2是對(duì)截取出的圖像并進(jìn)行灰度化的結(jié)果示意圖。

圖3是分割出的背景區(qū)域示意圖。

圖4(a)是閾值分割后去除背景區(qū)域的結(jié)果示意圖。

圖4(b)是對(duì)分割結(jié)果采用濾波、形態(tài)學(xué)等處理后的圖像示意圖。

圖4(c)是對(duì)分割圖像提取直線的結(jié)果示意圖。

圖5(a)是對(duì)累加圖像進(jìn)行閾值分割的結(jié)果示意圖。

圖5(b)是對(duì)閾值分割后的圖像進(jìn)行濾波、形態(tài)學(xué)操作后的結(jié)果示意圖。

圖5(c)是提取直線段的結(jié)果示意圖。

圖5(d)是識(shí)別結(jié)果示意圖。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明作更進(jìn)一步的說(shuō)明。

本發(fā)明為一種基于圖像識(shí)別的圓木計(jì)數(shù)方法，特別是根據(jù)對(duì)圖像的多閾值分割結(jié)果來(lái)進(jìn)行圓木數(shù)量統(tǒng)計(jì)的方法。本發(fā)明對(duì)預(yù)處理后的圖片首先提取背景區(qū)域，然后采用多閾值分割的方法對(duì)預(yù)處理后的圖像進(jìn)行二值化，并采用尋找直線段以及連通區(qū)域的方法提取備選圓木區(qū)域。對(duì)提取的備選圓木區(qū)域再次利用閾值分割，形態(tài)學(xué)操作等處理，最后提取滿足圓木條件的連通區(qū)域中心，并計(jì)數(shù)。該方法對(duì)圓木形狀要求不高，并有效解決了在室外拍攝光照條件不均等情況，具有較好的實(shí)用性以及可靠性。

本發(fā)明依據(jù)多閾值分割以及統(tǒng)計(jì)水平線段的方法對(duì)圓木圖像進(jìn)行分割，然后根據(jù)分割結(jié)果對(duì)圖像連通區(qū)域進(jìn)行處理，得到每個(gè)圓木的中心，并對(duì)圓木個(gè)數(shù)進(jìn)行計(jì)數(shù)，流程如圖1所示。

實(shí)施例

步驟1，對(duì)圓木的拍攝圖像進(jìn)行預(yù)處理得到檢測(cè)區(qū)域的規(guī)范化圖像，圖像的預(yù)處理包括：圖像的截取，圖像灰度化、圖像縮放、中值濾波。

(1)圖像輸入一般為RGB格式圖像。

(2)圖像截取采用手動(dòng)截取方式，截取包含圓木的有效區(qū)域。

(3)灰度轉(zhuǎn)換公式為Gray＝(306*R+601*G+117*B)>>10，灰度化后的圖像如圖2所示；

(4)圖像縮放默認(rèn)采用等比例縮放，并且將圖像的寬度縮放至500。

(5)對(duì)變換后的圖像進(jìn)行中值濾波，濾除噪聲的干擾。

步驟2，計(jì)算合適閾值，分割出背景區(qū)域，得到圓木所在區(qū)域；計(jì)算閾值的方法為：首先統(tǒng)計(jì)圓木灰度圖像的直方圖，根據(jù)統(tǒng)計(jì)直方圖，按照灰度值由小到大計(jì)算累計(jì)像素?cái)?shù)量達(dá)到全部像素?cái)?shù)量85％以上所對(duì)應(yīng)的灰度值，并用該灰度值對(duì)圖像進(jìn)行閾值分割，提取背景區(qū)域，提取背景區(qū)域結(jié)果如圖3所示；

步驟3，利用多個(gè)合適閾值對(duì)圓木圖像進(jìn)行多閾值分割等處理，分割出全部滿足條件的圓木區(qū)域。

步驟3-1，首先建立與規(guī)范化圖像同等大小的空?qǐng)D像sumImg(全部像素灰度值為0)作為圓木區(qū)域累加圖像，以后分割出來(lái)的區(qū)域全部累加在該圖像上面，每次累加1；

步驟3-2，選取第一個(gè)合適閾值對(duì)圖像進(jìn)行閾值分割，得到二值圖像。第一個(gè)閾值的計(jì)算方法采用等分法計(jì)算，即將對(duì)步驟2計(jì)算出的背景分割的閾值等分N段，N為多閾值分割的次數(shù)，即可求得每一個(gè)閾值，本發(fā)明N取30；

步驟3-3，將步驟3-2分割出的二值圖像與步驟2得到的圓木背景區(qū)域圖像進(jìn)行“與”操作，去除背景區(qū)域的影響，結(jié)果如圖4(a)所示；

步驟3-4，對(duì)步驟3-3得到的圖像進(jìn)行中值濾波，去除噪聲干擾，并去除小面積連通區(qū)域操作，本發(fā)明選取的連通區(qū)域閾值為500像素，將小于該閾值的連通區(qū)域去除，得到較為完整的圓木區(qū)域，結(jié)果如圖4(b)所示；

步驟3-5，對(duì)步驟3-4得到的圖像，從上到下逐行掃描直線段，找到長(zhǎng)度在20像素到70像素之間的線段，并在步驟3-1新建的累加圖像sumImg的對(duì)應(yīng)像素位置累加1，提取線段結(jié)果如圖4(c)所示；

步驟3-6，再次對(duì)步驟3-4得到的圖像提取連通區(qū)域，通過連通區(qū)域的面積，外接矩形等約束條件，提取滿足圓木條件的區(qū)域，并在步驟3-1所建的累加圖像sumImg對(duì)應(yīng)的像素位置累加1。約束條件為：

(1)面積在500像素到5000像素之間。

(2)外接矩形的長(zhǎng)邊與短邊的比值小于1.5。

(3)圓形度(4*Pi*Area/C²，其中Area為面積，C為周長(zhǎng))在0.8到1之間。

步驟3-7，根據(jù)步驟3-2選取閾值方法，選取下一個(gè)閾值，重復(fù)執(zhí)行步驟3-2到步驟3-6，得到最終的累加圖像。

步驟4，根據(jù)步驟3的結(jié)果進(jìn)行進(jìn)一步篩選，得到符合條件的圓木區(qū)域，并計(jì)數(shù)。

步驟4-1，選取閾值8對(duì)步驟3得到的累加圖像sumImg進(jìn)行分割，初步分割出圓木區(qū)域，結(jié)果如圖5(a)所示。

步驟4-2，選取5*5的模板對(duì)步驟4-1得到的圖像進(jìn)行中值濾波，并以半徑為3的圓形模板對(duì)圖像進(jìn)行2次形態(tài)學(xué)開操作，斷開部分粘連在一起的圓木，結(jié)果如圖5(b)所示。

步驟4-3，提取圖像連通區(qū)域，計(jì)算連通區(qū)域面積，以及外接矩形，對(duì)滿足約束條件的區(qū)域直接判斷為圓木，保存區(qū)域中心，對(duì)不滿足約束條件的區(qū)域提取不滿足條件的區(qū)域到新圖像中以進(jìn)行二次篩選，約束條件如下：

(1)連通區(qū)域面積在50像素到900像素之間。

(2)外接矩形的長(zhǎng)寬比小于1.5。

步驟4-4，對(duì)步驟4-3得到的二次篩選的區(qū)域圖像，再次由上到下逐行掃描長(zhǎng)度在30到70之間的直線線段，并提取符合條件的線段，結(jié)果如圖5(c)所示。

步驟4-5，對(duì)步驟4-4得到的圖像提取連通區(qū)域，再次采用步驟4-3的約束條件進(jìn)行篩選，對(duì)符合條件的區(qū)域保留區(qū)域中心。

步驟4-6，取半徑為3的圓形模板對(duì)步驟4-4得到的圖像進(jìn)行連續(xù)5次腐蝕，每次腐蝕后提取區(qū)域進(jìn)行圓木區(qū)域判斷，對(duì)滿足步驟4-3條件的圓木區(qū)域保留區(qū)域中心。

步驟4-7，對(duì)上面得到的所有的區(qū)域中心，計(jì)算中心間距離，距離小于25像素的進(jìn)行中心合并，排除一個(gè)圓木被多次識(shí)別的情況，得到最終的中心位置，結(jié)果如圖5(d)所示。

步驟4-8，計(jì)數(shù)，得到最終的圓木數(shù)目。

綜上所述，本發(fā)明通過多閾值分割、統(tǒng)計(jì)水平線段以及計(jì)算連通區(qū)域?qū)傩缘姆椒▽?shí)現(xiàn)了基于圖像的圓木計(jì)數(shù)方案：

(1)利用閾值分割的方法，簡(jiǎn)單高效，減少了對(duì)于圓木形狀的依賴條件，具有更好的適用性。

(2)選取多閾值分割的方法，可以有效解決由于拍攝時(shí)產(chǎn)生的光照不均對(duì)于分割時(shí)產(chǎn)生的影響。

(3)采用利用直線劃分的方法，可以有效的將閾值分割后粘連在一起的圓木分開，利于后面的圓木計(jì)數(shù)。

(4)在計(jì)數(shù)篩選過程中，采用二次篩選，更好的保證了計(jì)數(shù)的準(zhǔn)確性，以及對(duì)于最終結(jié)果的合并校驗(yàn)，更好的防止由于分割的誤差產(chǎn)生多檢，漏檢，增加了系統(tǒng)的可靠性。

本發(fā)明對(duì)于圓木計(jì)數(shù)的準(zhǔn)確率可以達(dá)到90％以上，單次計(jì)數(shù)時(shí)間小于3s，對(duì)于圓木形狀的適應(yīng)性也有了顯著的提高，可以有效檢測(cè)出類圓形圓木，并且減少了拍攝條件的影響，具有更強(qiáng)的實(shí)用性。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出：對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。