基于Matlab的數(shù)字圖像的顆粒計數(shù)研究

高海峰 黃文靜 買婷婷

摘 要：上世紀(jì)美國就組織麻省理工大學(xué)等高校開始研究用于民事和軍事的計算機(jī)視覺技術(shù)。為了提高農(nóng)業(yè)的生產(chǎn)效率，開始將計算機(jī)視覺技術(shù)轉(zhuǎn)向農(nóng)業(yè)，并且對植物種子顆粒統(tǒng)計展開了大量的研究。目前計算機(jī)視覺技術(shù)在國內(nèi)成為發(fā)展趨勢，在人臉識別和車牌識別等方面取得了巨大的成就。但是相對于國外的研究現(xiàn)狀而言，我國在農(nóng)產(chǎn)品領(lǐng)域中計算機(jī)視覺技術(shù)的應(yīng)用較低，技術(shù)相對還不成熟，從而影響我國農(nóng)業(yè)機(jī)械化的推進(jìn)。本文基于Matlab的數(shù)字圖像處理功能，可以為單顆粒播種機(jī)械計數(shù)提供支持，解決依靠人工進(jìn)行顆粒的統(tǒng)計分析存在的操作費(fèi)時、復(fù)雜和精度不高等問題。利用Matlab軟件對所采集的圖像進(jìn)行圖像預(yù)處理和圖像特征目標(biāo)提取等操作，可以得到顆粒的個數(shù)，從而可以提高機(jī)械化程度。

關(guān)鍵詞： Matlab;圖像處理;計數(shù)

一引言

近年來，數(shù)字圖像技術(shù)受到人們廣泛的關(guān)注。60%以上的人們接受信息是來自于視覺信息也就是圖像信息，因此這是人類最有效和最重要的信息獲取、交流方式。隨著科技的發(fā)展，圖像當(dāng)作檢測和傳遞信息的手段或載體，直接對得到的圖像進(jìn)行分析處理從而獲得我們感興趣的信息已經(jīng)成為重要的分析和測量手段[1]。圖像技術(shù)的加入解決單純依靠人工進(jìn)行顆粒的統(tǒng)計分析存在的操作費(fèi)時、復(fù)雜和精度不高等問題，而且重要的是用計算機(jī)可對顆粒圖像作各種處理，既加快了分析處理的速度，又可以突出人們需要的信息。很多人工觀察不到的重要信息，通過計算機(jī)圖像處理分析之后能夠很清楚地看到，還可對顆粒圖像作測量和統(tǒng)計分析等，大大擴(kuò)展了人眼能看到接收到的信息量。

二基于Matlab的圖像處理

由于外部環(huán)境的各種影響，計數(shù)前對顆粒圖片進(jìn)行預(yù)處理、灰度化和二值化等操作，噪聲會在閾值化后影響圖像，使它的邊界往往都是很不平滑物體區(qū)域，具有一些噪聲孔，還有背景區(qū)域上散布一些噪聲顆粒[2]。因此我們除了灰度化、二值化后還需要對圖像進(jìn)行膨脹腐蝕，連續(xù)的開閉運(yùn)算才能得到較好的圖像。

（一）圖像灰度化處理

利用Matlab中的函數(shù)imread將顆粒的圖片讀入軟件中，將讀入Matlab的真彩色圖像轉(zhuǎn)換為灰度圖像。在Matlab中我們可以調(diào)用rgb2gray函數(shù)來進(jìn)行圖像灰度化操作。真彩圖片既含亮度信息又含色彩信息，而灰度圖像只含亮度信息不含色彩信息，真彩圖片轉(zhuǎn)化為灰度圖像可以過濾掉一些無用的信息還可以減少圖片的數(shù)據(jù)量，減輕處理的工作量[3]。如圖1。

（二）灰度圖像的中值濾波

在獲取圖像的過程中，由于受到各種因素的影響，所得到的圖像總會或多或少受到一些噪聲信息的影響，這些噪聲信息會使圖像的質(zhì)量惡化，所以要進(jìn)行去噪處理。去噪的方法有很多，大致分為兩大類：一類是時域去噪，另一類是頻域去噪[4]。采用Matlab中的中值濾波函數(shù)medfilt2。中值濾波命令如下： m=medfilt2（g）。如圖2。

（三）圖像二值化

圖像二值化就是將圖像上的像素點(diǎn)的灰度值設(shè)置為0或255，也就是將整個圖像呈現(xiàn)出明顯的黑白效果[5]。有利于圖像的進(jìn)一步處理，使圖像變得簡單，而且數(shù)據(jù)量減小，能凸顯出目標(biāo)的輪廓。本文采用自動尋找最佳閾值法，該方法自動分析圖像的灰度直方圖，根據(jù)直方圖確定最佳閾值，然后用尋找到最佳閾值進(jìn)行二值化處理，在Matlab中我們用函數(shù)graythresh來獲得一個閾值，用函數(shù)im2bw來獲取二值化函數(shù)。如圖3。

（四）顆粒計數(shù)的實(shí)現(xiàn)

二值化后，圖像像素只剩下0和1兩個值，分別表示背景和目標(biāo)。顆粒的圖像像素是連續(xù)的整體。在二值圖像中表現(xiàn)為連通性，因此可以利用計算連通圖的數(shù)量來求出顆粒數(shù)量[6]。在Matlab中利用bwlabel函數(shù)求出連通圖并給出連通圖的數(shù)量。

結(jié)束語

用拍攝的大米圖片為例進(jìn)行分析，其基本流程圖如圖4?；贛atlab的數(shù)字圖像處理系統(tǒng)， 對采集的原始圖像進(jìn)行轉(zhuǎn)化，使它成為灰度圖像，以濾除噪聲，增強(qiáng)圖像的對比度，提高圖像的質(zhì)量，實(shí)現(xiàn)圖像的邊緣檢測與分割，進(jìn)行區(qū)域的識別方法：采用均值、中值濾波方法、濾除噪聲等方法來提高圖像的質(zhì)量;結(jié)合邊緣算子進(jìn)行圖像邊緣檢測; 使用canny方法實(shí)現(xiàn)圖像的分割[7]。結(jié)果：該系統(tǒng)對原始圖像進(jìn)行處理， 減少了噪聲及其他各種因素的影響，提高了圖像的質(zhì)量，可以更好地檢測出圖像的邊緣，比較準(zhǔn)確地分割出樣點(diǎn)區(qū)域，能有效地分離有價值的弱信號點(diǎn)和背景點(diǎn)或者噪聲?？梢詰?yīng)用于顆粒計數(shù)，提高農(nóng)業(yè)機(jī)械化[8]。

參考文獻(xiàn)

[1]陳汗青，萬艷玲，王國剛.數(shù)字圖像處理技術(shù)研宄進(jìn)展[J].工業(yè)控制計算機(jī)，2013，26（1）：72-74.

[2]劉中合，王瑞雪，王鋒德，馬長青，劉賢喜.數(shù)字圖像處理技術(shù)現(xiàn)狀與展望.計算機(jī)時代，2015（9）.

[3]涂望明.MATLAB在數(shù)字圖像處理中的應(yīng)用[J].微計算機(jī)信息，2007，（6）：299-300.

[4]李俊山，李旭輝. 數(shù)字圖像處理[M]. 北京： 清華大學(xué)出版社， 2006.

[5]陳書海，傅錄祥. 實(shí)用數(shù)字圖像處理[M]. 北京： 科學(xué)出版社， 2005： 1.

[6]魏偉波，芮筱亭.圖像邊緣檢測方法研究[J].計算機(jī)工程與應(yīng)用，2006，42（30）：88?91.

[7]吳一全，王凱.基于SUSAN 算子和角點(diǎn)判別因子的目標(biāo)邊緣檢測[J].中國科學(xué)學(xué)院大學(xué)大報，2016（1）：128-134.

[8]聶超.基于直方圖的高效圖像增強(qiáng)算法研究[D].杭州：杭州電子科技大學(xué)，2014.

作者簡介：

高海峰（1994-），男，寧夏固原人，碩士，研究方向：農(nóng)業(yè)裝備的智能化和自動化。

黃文靜（1998-），女，寧夏銀川人，本科，專業(yè)：電氣工程及其自動化。

買婷婷（1997-），女，寧夏中衛(wèi)人，本科，專業(yè)：電氣工程及其自動化。