計算機視覺算法的圖像處理技術(shù)研究

謝曉旦

(無錫旅游商貿(mào)高等職業(yè)技術(shù)學(xué)校,江蘇 無錫 214000)

0 引言

梨果的品質(zhì)有很多種,但我國在檢測質(zhì)量方面以及評級方面的技術(shù)相對其他國家,較為落后,這就導(dǎo)致市場上對于梨果的定價有異議,該問題直接對國家農(nóng)產(chǎn)品貿(mào)易發(fā)展產(chǎn)生影響。事實上,對水果進行分級需要從果形、果面缺陷以及果重等指標進行評判,如此才能避免缺陷果所造成的浪費。本文采用計算機視覺算法構(gòu)建梨果檢測分級系統(tǒng),借助圖像處理技術(shù)對梨果的品質(zhì)有明確的等級界定。

1 圖像搜集和預(yù)處理

1.1 圖像搜集

首先搜集梨果圖像有關(guān)的信息,再選取適合的背景進行梨果圖像拍攝,保持所有梨果拍攝的背景均一致,方便后續(xù)處理圖像時規(guī)避背景因素干擾,以上操作為對梨進行品質(zhì)檢測前需要準備的工作。拍攝的過程中,要先設(shè)計光源,不斷地進行比較和測試,采用垂直照射的方法,固定在25 cm光源,避免光線或陰影要素對梨果圖像產(chǎn)生影響。為讓圖像背景與梨果之間的對比度提升,此次拍攝背景選擇白色[1]。

1.2 圖像預(yù)處理

在圖像采集時,在印出影像的過程會受到外界的因素影響,且無法控制的原因,大多數(shù)的表現(xiàn)是噪聲的形式,對于采集的圖像要進行有效地去除噪聲處理,這樣才不會影響之后的工作以及對于檢測結(jié)果的準確性。本文主要運用中值濾波法,對圖像進行濾波處理,這樣可以做到與原始的圖像基本沒有差別,沒有較大的失真情況,邊緣清晰。通過對外表的觀察,發(fā)現(xiàn)其外觀展現(xiàn)出的顏色能體現(xiàn)出本身的成熟度,另一方面,也可通過色澤區(qū)分出表面缺陷區(qū)域的部分[2]。因此,可以將背景進行去除,僅保留前景部分。將采集的圖像由RGB空間轉(zhuǎn)換到HSV空間,在S分量直方圖中,能夠觀察到明顯的峰值,且兩個波峰之間的下降區(qū)域明顯,波谷非常突出,S分量在HSV顏色空間里表示飽和度,符合實驗所使用的白色拍攝背景和黃色目標在肉眼識別中產(chǎn)生色差區(qū)別的特征,所以針對S分量對圖像進行全局閾值分割,可以得到較好的背景去除效果[3]。

2 計算機視覺下數(shù)字圖像提取梨果特征的方法

2.1 周長的特征

這里表述的周長是在梨果的圖像中,整個區(qū)域環(huán)繞的邊緣長度,就是梨果一周的長度。如圖1所示,提取圖中梨果外觀輪廓信息,對梨果邊界的所有像素點進行計算,得到像素點之和,可以得出梨果的周長特征結(jié)果。此處計算周長需要遵從公式(1):

圖1 梨果邊緣區(qū)域

2.2 形狀特征提取

如果梨果已經(jīng)經(jīng)過面積信息提取,可以了解到梨果的圓形度和周長之間是反比狀態(tài),此時在計算出梨果的面積和周長以后,可以對梨果的圓形度進行計算,從而判斷梨果的形狀處于那個品質(zhì)等級。此時可以計算梨果的周長和半徑關(guān)系,遵從公式:

因為梨果的實際形狀并不是標準的圓形,因此上述公式中所計算出的梨果半徑數(shù)值會與梨果的實際半徑數(shù)值之間存在一定的差異性。此時可以將兩組半徑求解結(jié)果的比值進行平方處理,用來對梨果自身的圓形度進行衡量,比值如果越接近1,說明該梨果自身的形狀更標準。此時可以根據(jù)思路推斷出下述計算梨果圓形度的公式(4):

2.3 面積特征提取

梨果的圖像所占用的平面大小,就是這里所講的面積。如圖2所示,為通過背景去除以后得到的梨果的二值化圖像,從該圖像中可以了解到梨果的前景已經(jīng)被處理成白色部分,而背景顏色則被處理成黑色,此處求解梨果面積,需要先獲取在前景部分中,全部白色的像素點相加所得,就是說在界限范圍內(nèi)全部像素點進行求解,計算出f(x,y)=1的樹木以后,求解像素點和面積之間的映射關(guān)系,具體遵從公式(5)進行求解。

圖2 梨果面積提取

2.4 缺陷特征提取

缺陷特征的提取同樣需要經(jīng)過計算來獲取,觀察梨果圖像,了解圖像中正常區(qū)域中被分割出的存在差異的圖像信息,經(jīng)過背景去除處理,觀察目標圖像顏色發(fā)生變化,發(fā)覺不少像素點都存在差異,此時可以對目標圖像進行測試,并獲取對應(yīng)的分割閾值。在對所有像素點進行灰度圖處理以后,判斷像素點與閾值之間的關(guān)系,如果像素點本身比閾值小,則可以對像素點進行賦值處理,賦值數(shù)如果是0,則會呈現(xiàn)出黑色,賦值數(shù)如果是255,則會呈現(xiàn)出白色,此時從賦值后的像素點進行缺陷查找,發(fā)覺表面呈現(xiàn)出白色的圖像就是梨果的缺陷部分。

3 計算機視覺下梨果的分級系統(tǒng)設(shè)計與結(jié)果分析

3.1 計算機視覺算法下梨果分級系統(tǒng)設(shè)計

為進一步對梨果的等級進行檢測,本次在計算機視覺算法下構(gòu)建梨果分級系統(tǒng),對梨果的果面缺陷以及圓形度展開檢測。本次梨果檢測分級系統(tǒng)將會遵從《梨果外觀等級標準》中所表述的分類依據(jù),按照檢測出的梨果外觀形狀進行標準劃分,主要劃分為不端正、比較端正和端正3個類別。

從數(shù)據(jù)結(jié)果看到,在四種不同等級的梨果中,圓弧度雖然有很大的差異,但是其數(shù)值的范圍有反復(fù)重合的問題。根據(jù)《梨外觀等級標準》中,對梨果等級進行評定,特等的梨果為形狀規(guī)則,一等的梨果為形態(tài)規(guī)則或比較規(guī)則。將存在端正、比較端正和不端正的3種類型梨果判定為二等。除此之外,梨果的外形可能存在4種形狀,要對梨果進行最終的等級評判,還需要了解梨果的表面缺陷特征情況。

此次實驗中將對采集到的所有梨果圖像進行重復(fù)性實驗,實驗頻率為30次,獲取實驗最終數(shù)據(jù)結(jié)果,能夠分析出梨果的形狀以及圓形度之間的映射關(guān)系:梨果形狀端正時,對應(yīng)的圓形度計算數(shù)值超過0.940,梨果相對比較規(guī)則時,計算數(shù)值對應(yīng)在0.940～0.932之中。除上述分析結(jié)果以外,發(fā)現(xiàn)梨果形狀于不規(guī)則時,對應(yīng)的圓形度計算數(shù)值低于0.932。

遵守《梨外觀等級標準》中,對于分類標準的重申,這次可對所有實驗中的梨果進行表面缺陷評定,主要劃分為外果、二等、一等以及特等四個類型。如果梨果外形出現(xiàn)缺陷的數(shù)量不超過1處,且缺陷的面積不超過0.5平方厘米,則可以判定梨果為特等,如果梨果出現(xiàn)缺陷的數(shù)量不超過2出,且缺陷的面積低于1平方厘米,可以評判梨果為一等。如果梨果外形缺陷未超過3處,且缺陷的面積不超過2平方厘米,可以評判梨果為二等。除此之外,梨果將不會被納入到標準評級當中,這部分梨果將會被直接定義為外果。

3.2 計算機視覺算法下梨果分級圖像處理實驗結(jié)果分析

本次借助梨果檢驗分級系統(tǒng)開展梨果圖像處理工作,將對梨果的缺陷、果形等指標展開綜合評判,確保得到更加準確的結(jié)果。

梨果的檢測分級系統(tǒng)所具有的魯棒性,進一步的對其進行驗證。在獲取梨果圖像時還對梨果圖像進行噪聲處理,并以重復(fù)添加噪聲的方式來進行魯棒性實驗。經(jīng)過實驗證明,添加噪聲以后的梨果圖像發(fā)生圓形度方面的變化,且隨著噪聲添加,圓形度的數(shù)值呈現(xiàn)出逐漸增長的趨勢。其中,梨果圖像中包含高斯噪聲時,圓形度增加的幅度比較少,數(shù)值為0.008 01,而如果梨果圖像所添加的是椒鹽噪聲,此時的圓形度增長幅度會隨著噪聲增加而發(fā)生較大變化,圓形度的數(shù)值為0.009 31。兩者對比,發(fā)現(xiàn)圓形度的計算結(jié)果均有一些變化,但變化的數(shù)值幅度都低于0.01。所以,可直接準確識別出梨果形狀。本次所設(shè)計的基于計算機視覺算法的梨果檢驗分級系統(tǒng)能夠在噪聲狀態(tài)下對梨果圖像進行背景去除,并做好缺陷識別。

4 結(jié)語

綜上所述,數(shù)字圖像處理技術(shù)目前已經(jīng)在水果檢測行業(yè)當中體現(xiàn)出應(yīng)用優(yōu)勢,成為水果檢測分級中的核心技術(shù)之一。本文研究并設(shè)計了一種梨果的檢測分級系統(tǒng),應(yīng)用了計算機的視覺,針對HSV顏色空間中的S分量對采集的圖像進行分割處理,去除掉背景,與梨果的形狀和缺陷等特征交融在一起,達到準確的分級結(jié)果。雖然會有對圖像的噪聲干擾情況,但是仍然能做到對正確的等級判斷。