基于hsv空間與區域選擇的微米木纖維直徑檢測算法
【專利摘要】基于HSV空間與區域選擇的微米木纖維直徑檢測算法包括以下步驟：拍攝微米木纖維顯微放大圖像，將RGB圖像轉換到HSV顏色空間，基于S分量進行二值化，基于用戶需求，選擇去除分支、毛刺等不規則形態特征，提取木纖維的主體區域，利用形態學單尺度邊緣檢測算子獲得木纖維邊緣，對邊緣提取后的圖像采用基于最大內切圓算法的改進的分段纖維測量法獲取木纖維直徑。本發明的方法不僅充分利用圖像的色彩信息，而且基于最大內切圓算法的直徑檢測，不僅摒棄傳統構建直線方程的思想，而且克服了木纖維圖像的旋轉、平移，盡量減少纖維毛刺對直徑檢測的影響，對指導仿真研究和實現微米木纖維直徑智能化檢測具有重要的意義。
【專利說明】基于HSV空間與區域選擇的微米木纖維直徑檢測算法
所屬【技術領域】
[0001]本發明涉及一種基于顯微圖像的微米木纖維直徑檢測算法，尤其涉及一種基于HSV顏色空間與區域選擇的改進的微米木纖維直徑檢測算法。
【背景技術】
[0002]目前纖維直徑檢測方法有氣流儀法、光學顯微鏡投影法、光學顯微鏡自動掃描法、激光掃描法、掃描電子顯微鏡法等，但因儀器價格昂貴，應用范圍受限，不能很好地推廣到生產中，從而使木纖維直徑自動化檢測的難度增大。常用的RGB顏色模型由于R、G、B三分量之間存在很強的相關性，而HSV顏色空間更符合人眼對色彩感知的特征，其三個分量相互獨立、有較強的穩健性。王夏黎等人在文獻1“一種基于HSV顏色空間的車輛牌照提取方法”(計算機工程，2004, 30 (17))中利用HSV顏色空間對輸入的含有汽車牌照的彩色圖像直接進行處理，設計一種車牌檢驗方法，實現車牌定位。數學形態學具有完美的數學基礎，在邊緣檢測領域取得了很好的效果，如李杰等在文獻2“基于數學形態學的邊緣檢測算法的研究”(計算機科學，2012，39 (6A))中通過一種改進的形態學算子，有效地檢測出邊緣，并保持了邊緣平滑性。纖維分段測量法能夠很好地利用各個分段的特征，張鵬飛等人在文獻3“一種基于圖像預處理的快速測試纖維直徑的方法”(上海紡織科技，2011，(39)12)中，從羊毛纖維長度方向上，從纖維一端每隔約9個像素對纖維進行基于直線擬合的直徑測量，此算法縮短了直徑檢測時間，提高了測量效率，發揮數字圖像處理技術的優勢。最大內切圓的應用較多，吳微等人在文獻4 “手掌靜脈識別中感興趣區域的選擇與定位研究”(光電子.激光，2013，(24) I)中，提出基于大魚際區的ROI定位方法，以靠近手腕側最大內切圓確定手掌上的兩個穩定特征點，利用這兩個穩定特征點確定R0I，對大魚際區和掌心區的ROI圖像進行識別性能對比實驗，結果表明，這種方法使多種識別性能指標都得到明顯改善。以上所述均為基于HSV顏色空間與區域選擇的微米木纖維直徑檢測算法提供了理論依據。
【發明內容】
[0003]本發明的目的是提供一種基于HSV空間與區域選擇的改進的微米木纖維直徑檢測算法，該算法采用基于HSV顏色空間的S分量實現目標提取，基于用戶需求概念，通過基于最大內切圓算法改進傳統的分段測量法計算每個分段的直徑并獲取平均值，實現微米木纖維直徑檢測。算法不受背景的噪聲影響，直徑檢測效果好，適用性較強。
[0004]為了達到上述目的，本發明采用如下技術方案:
[0005]基于HSV空間與區域選擇的微米木纖維直徑檢測算法，包括以下步驟:
[0006](I)讀入微米木纖維顯微放大圖，將得到的RGB圖像變換到HSV顏色空間，提取S分量進行閾值分割，進行數學形態學及濾波去噪等操作，獲取去除背景的二值化目標；
[0007](2)如果微米木纖維形態不規則，則先進行用戶區域選擇，提取木纖維主體區域，并進行形態學單尺度邊緣檢測；
[0008](3)對邊緣檢測后的圖像進行基于最大內切圓算法的改進的分段纖維直徑測量，并將各個分段區域直徑的平均值作為微米木纖維直徑的最終結果，算法結束。
【專利附圖】
【附圖說明】
[0009]圖1是基于HSV空間與區域選擇的微米木纖維直徑檢測算法流程圖；
[0010]圖2是實驗用的微米木纖維顯微放大圖像；
[0011]圖3是木纖維圖像HSV顏色空間三分量圖，其中圖(a)為H分量圖、圖(b)為S分量圖、圖(C)為V分量圖；
[0012]圖4是基于S分量對木纖維圖像進行二值化提取結果；
[0013]圖5是對二值化圖像基于用戶需求進行木纖維主體區域提取；
[0014]圖6是對區域提取后的圖像進行邊緣檢測的結果；
[0015]圖7是對木纖維進行基于最大內切圓的其中一個分段測量的結果；
【具體實施方式】:
[0016]圖1是基于HSV空間與區域選擇的微米木纖維直徑檢測算法流程圖；本發明的基于HSV空間與區域選擇的微米木纖維直徑檢測算法包括以下步驟:
[0017](I)將采集到的RGB圖像變換到HSV顏色空間；
[0018](2 )提取S分量進行二值化目標提取；
[0019](3)進行數學形態學及濾波去噪等操作，獲得去除背景的二值化目標；
[0020](4)基于用戶需求提取微米木纖維主體區域；
[0021](5)采用形態學單尺度算子檢測微米木纖維邊緣；
[0022](6)對邊緣提取后的圖像采用基于最大內切圓算法的改進的分段測量法檢測纖維
直徑；
[0023](7)對各分段直徑計算平均值，作為微米木纖維直徑的最終結果。
[0024]圖2為采集到的微米木纖維顯微放大圖像；
[0025]圖3為木纖維圖像HSV顏色空間三分量圖，其中圖(a)為H分量圖、圖(b)為S分量圖、圖(c)為V分量圖。由于S分量較好地凸顯了完整木纖維顆粒，因此采用S分量去除背景提取目標；
[0026]圖4為通過上述分析對木纖維顯微放大圖像進行基于S空間提取目標，并進行數學形態學及濾波去噪等操作得到的結果圖。從該實驗結果分析，該方法能夠成功地從背景中較好地分尚出木纖維；
[0027]圖5是對所得二值分割結果圖像基于用戶需求概念，去除木纖維不規則形態特征(例如分叉、毛刺等)的結果圖。從實驗結果可以看出，基于用戶需求，不僅獲得了較為完整規則的木纖維主體區域，便于接下來的直徑測量，而且引入用戶參與，使得算法更加具有交互性；
[0028]圖6是對上述目標提取后的圖像進行形態學單尺度算子邊緣檢測，采用的算子為:(;(/(.、%.ν’)) = (/(Λ%.ν)?/)(/，#為像素點，b(i，j)為結
構元。算法選取圓盤結構元，半徑為3;
[0029]圖7是對木纖維進行基于最大內切圓的其中一個分段測量的結果。
【權利要求】
1.基于HSV空間與區域選擇的微米木纖維直徑檢測算法，包括以下步驟: (1)讀入微米木纖維顯微放大圖，將得到的RGB圖像變換到HSV顏色空間，提取S分量進行閾值分割，進行數學形態學及濾波去噪等操作，獲取去除背景的二值化目標； (2)如果微米木纖維形態不規則，則先進行用戶區域選擇，提取木纖維主體區域，并進行形態學單尺度邊緣檢測； (3)對邊緣檢測后的圖像進行基于最大內切圓算法的改進的分段纖維直徑測量，并將各個分段區域直徑的平均值作為微米木纖維直徑的最終結果，算法結束。
2.根據權利要求1所述的基于HSV空間與區域選擇的微米木纖維直徑檢測算法，其特
征在于，所述步驟(I)的RGB圖像根據公式
3.根據權利要求1所述的基于HSV空間與區域選擇的微米木纖維直徑檢測算法，其特征在于，所述步驟(2)的用戶選擇區域去掉木纖維毛刺，形態學單尺度邊緣檢測算子為:
4.根據權利要求1所述的基于HSV空間與區域選擇的微米木纖維直徑檢測算法，其特征在于，所述步驟(3)的基于最大內切圓的改進的分段纖維直徑測量法，根據用戶需求將纖維分段，并將分段區域等效為多邊形，通過計算該多邊形最大內切圓的直徑獲得該分段纖維的直徑，將各個分段直徑取平均值作為微米纖維的直徑。
【文檔編號】G06T7/00GK103440661SQ201310398045
【公開日】2013年12月11日 申請日期:2013年9月5日 優先權日:2013年9月5日
【發明者】齊紅, 任洪娥, 劉冕 申請人:東北林業大學