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；對圖像做開運算；標識連通區域；獲取連通區域屬性；判斷大棗類別。本方法算法復雜度為線性，判斷了影響褶皺的相關因素；能高效的識別皺棗，提高了判斷、檢測的可靠性。本發明能夠滿足在按外觀品質對紅棗自動分級系統中的要求，提高了工作效率。
【專利說明】一種紅棗圖像的檢測方法
【技術領域】
[0001]本發明涉及紅棗生產加工領域，尤其涉及一種紅棗外觀圖像的檢測方法。
【背景技術】
[0002]在基于外觀品質的紅棗自動分級系統中，需要根據表面質量進行分級，有無褶皺是一個重要的表面質量指標。
[0003]質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，質量優等，沒有缺陷；b，質量次等，表皮有較多較淺的褶皺；c，質量劣等，表皮有較多較深的褶皺，或表皮有較長的深暗褶皺。
[0004]現有的檢測方法不能有效地將褶皺檢測出來，檢測結果不能用來評價紅棗的品質。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]基于機器視覺對農產品進行檢測分級已經是一種主流技術，趙杰文等人提出了一種基于支持向量機的缺陷紅棗機器視覺識別系統，由于棗干制過程中形成的油頭棗、漿頭棗、霉爛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，利用支持向量機可識別缺陷紅棗；
[0006]楊福增等人提出了一種改進的小波分析算法，實現的邊緣檢測技術能很好的將紅棗的褶皺與裂痕區分開來，文中提出常規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應用中。
[0007]國內的基于機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下的實驗，耗時較長，不能滿足生產上在線檢測的需求，還沒有面向實際生產加工的裝備和方法。
【發明內容】
[0008]本發明針對以上問題，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，提高了紅棗質量分級效率的紅棗圖像的檢測方法。
[0009]本發明的技術方案是:包括以下步驟:
[0010]I)、獲取目標圖像；
[0011]2)、圖像二值化；遍歷目標圖像，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，就將像素點設為255，否則就為O ;所述閾值范圍為30?120 ；
[0012]3)、目標圖像處理；對圖像做開運算，設置結構元素，先做腐蝕處理，再做膨脹處理；
[0013]4)、標記等價對；
[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標記；
[0021]4.3.1)、標記，
[0022]4.3.2)、未標記，則此像素點標記為新連通區域；
[0023]4.4)、接4.3.1)，按優先級標記為相關像素所在連通區域；
[0024]4.5)、判斷相鄰像素之間是否存在等價對關系；
[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)，判斷等價對關系是否已經存在于現有等價對列表中；
[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，則結束；
[0036]5.3)、接5.2.1)，判斷等價對標記是否已經添加到新列表；
[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)的基礎上，等價對在新列表的標記值是否相等；
[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標記值置為相等，返回5.2)；
[0042]6)、獲取連通區域特征屬性；
[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，則結束；
[0046]6.2)、接6.1.1)，判斷連通區域標記值是否為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域特征屬性，返回6.1)；
[0049]7)、遍歷連通區域；根據其特征屬性，識別皺棗；
[0050]所述特征屬性包括:連通區域像素點個數；最小外接矩形位置；最小外接矩形的長寬比值；連通區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；連通區域總的個數。
[0051]本發明的主要檢測步驟包括:將圖像二值化；對圖像做開運算；標識連通區域；獲取連通區域屬性(像素點大小、最小外接矩形，連通區域位置坐標)；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為O或255，將整個圖像呈現出明顯的黑白效果；
[0053]開運算是先腐蝕后膨脹的過程，可以消除圖像上細小的噪聲，并平滑物體邊界，實現圖像降噪、平滑處理；
[0054]然后，對二值圖像進行一次完整的掃描，標記所有目標像素的同時，得到并記錄等價標記對；
[0055]在第一次掃描完成后，整理重復的等價對，重新標記連通區域并記錄各連通區域特征屬性；分析各連通區域以上特征屬性，識別皺棗。
[0056]本方法算法復雜度為線性，判斷了影響褶皺的相關因素；能高效的識別皺棗，提高了判斷、檢測的可靠性。
[0057]本發明能夠直接面向實際應用，所需環境僅為LED光源，30萬像素攝像頭和數據采集設備，如果與DSP系統配套使用則在線檢測效率極高，可達到每秒25個。假設機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，對于一臺配10通道的大棗分級機，每小時的產能至少在2噸以上，大量節省人力，提高生產產能。
[0058]本發明能夠滿足在按外觀品質對紅棗自動分級系統中的要求，提高了工作效率。
【專利附圖】
【附圖說明】
[0059]圖1是本發明的流程框圖，
[0060]圖2是本發明中圖像二值化流程圖，
[0061]圖3是本發明中目標圖像處理流程圖，
[0062]圖4是本發明中標記等價對流程圖，
[0063]圖5是等價對處理流程圖，
[0064]圖6是獲取連通區域特征屬性流程圖，
[0065]圖7是本發明中膨脹處理示意圖，
[0066]圖8是本發明中腐蝕處理示意圖，
[0067]圖9是本發明中實施例一的檢測圖，
[0068]圖10是本發明中實施例二的檢測圖，
[0069]圖11是本發明中實施例三的檢測圖，
[0070]圖12是本發明中實施例四的檢測圖，
[0071]圖13是本發明中實施例五的檢測圖，
【具體實施方式】
[0072]本發明如圖1-13所示，包括以下步驟:
[0073]I)、獲取目標圖像；
[0074]2)、圖像二值化；遍歷目標圖像，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，就將像素點設為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為O或255，也就是將整個圖像呈現出明顯的黑白效果。將256個亮度等級的灰度圖像通過適當的閾值選取，獲得仍然可以反映整體和局部特征的二值化圖像。
[0076]本發明中遍歷為指按某種規則，依次訪問序列中的每個元素。
[0077]本發明中的搜索路徑為: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)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，就將像素點設為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。此閾值可根據光源亮度、品質要求和大棗品種等具體情況調整。
[0081]3)、目標圖像處理；對圖像做開運算，設置結構元素，先做腐蝕處理，再做膨脹處理；實現圖像降噪、平滑處理；
[0082]二值圖像中的形態學:膨脹、腐蝕、開、閉運算是數學形態學最基本的變換，他們能實現的功能有: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構元素的結合控制，結構元素通常用O和I的矩陣表示。用結構元素在圖像上移動，只要結構元素中有一個點與圖像中的點是重疊的就可以了，膨脹的結果是圖像的邊緣被擴大了。
[0084]如圖8所示，腐蝕是膨脹的反操作，可以“收縮”或“細化” 二值圖像中的對象。用結構元素在圖像上移動，計算被結構元素覆蓋的最小像素值。
[0085]一般來說，膨脹可以填補凹洞，腐蝕可以消除細的凸起，效果取決于結構元素的大小。腐蝕操作通常是用來消除圖像中“斑點”噪聲，且能確保圖像內的較大區域依然存在。
[0086]在試圖找到連通分支(即具有相似顏色或強度的像素點的大塊的相互分離的區域)時通常使用膨脹操作。因為大多數情況下一個大區域可能被噪聲、陰影等類似的東西分割成多個部分，腐蝕可以將亮的區域被隔離或縮小，膨脹可以使亮的區域擴展和連接。
[0087]開運算是先腐蝕后膨脹的過程，可以消除圖像上細小的噪聲，并平滑物體邊界；閉運算是先膨脹后腐蝕的過程，可以填充物體內細小的空洞，并平滑物體邊界。
[0088]而“二值圖像中的形態學”包含在“數學形態學”中；
[0089]數學形態學是圖像處理中的一門學科，它建立在嚴格的數學理論基礎上，以圖像的形態為研究對象的學科。數學形態學以幾何學為基礎，著重研究圖像的集合結構。它的基本思想是用具有一定形態的結構元素去度量和提取圖像中的對應形狀以達到對圖像分析和識別的目的。 數學形態學的基本算法有膨脹、腐蝕、開運算、閉運算。結構元素是數學形態學在圖像處理中的一個關鍵要素。
[0090]結構元素是數學形態學在圖像處理中的一個關鍵點，對于結構元素的選擇會直接影響到圖像處理的效果。不同的結構元素可用于提取不同的圖像特征，小尺度結構元素的優點是能夠檢測到很好的邊緣細節，但是去噪聲能力弱。相反大尺寸的結構元素邊緣較粗，但去噪聲能力強。不同的結構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)、獲取目標圖像；.2)、圖像二值化；遍歷目標圖像，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，就將像素點設為255，否則就為O ;所述閾值范圍為30~120 ； .3)、目標圖像處理；對圖像做開運算，設置結構元素，先做腐蝕處理，再做膨脹處理； .4)、標記等價對； .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標記；
.4.3.1)、標記， . 4.3.2)、未標記,則此像素點標記為新連通區域； .4.4)、接4.3.1)，按優先級標記為相關像素所在連通區域； .4.5)、判斷相鄰像素之間是否存在等價對關系；
.4.5.1)、存在； . 4.5.2)、不存在，則回到4.1)； .4.6)、接4.5.1)，判斷等價對關系是否已經存在于現有等價對列表中；
.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，則結束； .5.3)、接5.2.1)，判斷等價對標記是否已經添加到新列表；
.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)的基礎上，等價對在新列表的標記值是否相等； .5.4.1)、是，返回 5.2)； .5.4.2)、否，將等價對所在新列表對應標記值置為相等，返回5.2)； .6)、獲取連通區域特征屬性； .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，則結束； . 6.2)、接6.1.1)，判斷連通區域標記值是否為O ；. 6.2.1)、是，返回 6.1), .6.2.2)、否，記錄像素點所在連通區域特征屬性，返回6.1)； .7)、遍歷連通區域；根據其特征屬性，識別皺棗； 所述特征屬性包括:連通區域像素點個數；最小外接矩形位置；最小外接矩形的長寬比值；連通區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；連通區域總 的個數。
【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 優先權日:2014年4月18日
【發明者】齊美彬, 陳明, 陳瑩, 談磊 申請人:揚州福爾喜果蔬汁機械有限公司