基于機器視覺的霉菌自動辨別方法
【專利摘要】該發(fā)明公開了一種基于機器視覺的霉菌自動辨別方法，屬于圖像處理【技術(shù)領(lǐng)域】，特別是針對圖像中霉菌的自動辨別方法。通過對樣本溶液的放大圖像進行二值化處理，利用霉菌圖像的面積大小，說在最小矩形框的長寬比例，凹點個數(shù)等外形特征進行逐層篩選，最后進行與標準霉菌模版匹配，最終識別出霉菌，從而具有精度高、速度快、穩(wěn)定性好、便于操作的效果。
【專利說明】基于機器視覺的霉菌自動辨別方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，特別是針對圖像中霉菌的自動辨別方法。

【背景技術(shù)】
[0002] 霉菌的檢測在食品微生物檢測領(lǐng)域存在廣泛應(yīng)用。目前，普遍采用的食品衛(wèi)生檢 驗方法，主要是通過依靠培養(yǎng)的方法來確定食品是否污染，檢測時間通常超過48h，而且檢 測的結(jié)果需通過工作人員觀察的方式，目視計算數(shù)量，不僅存在人為誤差，也要消耗培養(yǎng) 基，使得檢測的成本較高，而且操作復雜存在誤差。利用顯微圖像可以實現(xiàn)霉菌的快速檢 測，避免了傳統(tǒng)檢測中的速度慢，成本高，勞動強度大的缺點。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的是針對現(xiàn)有技術(shù)的不足之處設(shè)計了一種基于機器視覺的霉菌自動 辨別方法，從而達到在對霉菌的檢測過程中操作簡單、速度快、準確率高的目的。
[0004] 本發(fā)明的技術(shù)方案是一種基于機器視覺的霉菌自動辨別方法，該方法包括：
[0005] 步驟1 :使用顯微鏡采集樣本溶液的圖像；
[0006] 步驟2 :將步驟1得到的顯微圖像變換為灰度圖像；
[0007] 步驟3 :將步驟2得到的灰度圖像根據(jù)設(shè)定的灰度閾值將圖像進行二值化處理得 到二值圖像；
[0008] 步驟4 :對步驟3得到的二值圖像進行形態(tài)學閉運算，使斷開的邊緣連接，得到連 接邊緣后的二值圖像。
[0009] 步驟5 :將步驟4得到的二值圖像中白色連通區(qū)域進行標定，記錄各標定連通區(qū)域 的位置坐標；
[0010] 步驟6 :將步驟5中標定的連通區(qū)域進行篩選，利用連通區(qū)域面積條件進行篩選， 保留面積大小適中的連通區(qū)域，然后用一個面積盡可能小的凸多邊形圍繞保留的連通區(qū) 域，利用連通區(qū)域與凸多邊形面積比例條件再進行篩選，保留面積比例適當?shù)倪B通區(qū)域；
[0011] 步驟7 :根據(jù)步驟6保留連通區(qū)域的位置坐標，裁剪步驟4的二值圖像，得到若干 剪裁二值圖像；
[0012] 步驟8 :利用剪裁二值圖的長寬尺寸、面積大小、連通區(qū)域所占面積百分比進行篩 選，保留符合條件的剪裁二值圖；
[0013] 步驟9 :尋找步驟8保留的剪裁二值圖中連通區(qū)域的凹點，根據(jù)凹點個數(shù)篩選符合 條件的剪裁二值圖；
[0014] 步驟10 :對步驟9得到的二值圖像與不同大小的圓形模版進行匹配，計算出該剪 裁二值圖中能與模版匹配的圓形個數(shù)，保留個數(shù)符合條件的剪裁二值圖；
[0015] 步驟11 :統(tǒng)計保留下來的剪裁二值圖數(shù)目，即為檢測到的霉菌數(shù)量。
[0016] 其中步驟1使用顯微鏡采集樣本溶液放大40倍后的顯微圖像。
[0017] 步驟3的具體步驟為：
[0018] 步驟3-1 :設(shè)定二值化處理過程中灰度閾值為對灰度圖像使用最大類間方差法得 到的灰度閾值；
[0019] 步驟3-2 :將灰度圖像各像素點灰度值與灰度閾值比較，若大于閾值則對該點灰 度賦值〇,若小于閾值則對該點灰度賦值255,得到二值圖像。
[0020] 步驟6的具體步驟為：
[0021] 步驟6-1 :計算連通區(qū)域面積，經(jīng)過面積篩選保留面積在40?400之間的連通區(qū) 域；
[0022] 步驟6-2 :用一個面積盡可能小的凸多邊形圍繞步驟5-1保留的連通區(qū)域，計算連 通區(qū)域與其對應(yīng)的凸多邊形面積的比例，保留比例小于〇. 8的連通區(qū)域。
[0023] 步驟8的具體步驟為：
[0024] 步驟8-1 :計算剪裁二值圖的長、寬，保留邊長在10?45之間的剪裁二值圖；
[0025] 步驟8-2 :計算剩余剪裁二值圖的面積，保留面積在140?1080之間的剪裁二值 圖；
[0026] 步驟8-3:計算剩余剪裁二值圖中連通區(qū)域所占像素比例，保留比例小于50%的 剪裁二值圖。
[0027] 步驟9的具體步驟為：
[0028] 步驟9-1 :對剩余剪裁二值圖中連通區(qū)域外輪廓進行邊緣追蹤，得到邊緣各點坐 標；
[0029] 步驟9-2 :對邊緣采用Harris角點檢測法，檢測出所有角點；
[0030] 步驟9-3 :計算角點的凸凹性，將角點作為3*3矩形的中心，當白色像素個數(shù)大于5 時，將該角點記為凹點；
[0031] 步驟9-4 :統(tǒng)計凹點個數(shù)，保留凹點數(shù)量在1?10之間的剪裁二值圖。
[0032] 步驟10的具體步驟為：
[0033] 步驟10-1 :將不同大小的圓形模版，在剪裁二值圖中滑動，遍歷整張剪裁二值圖， 在每次滑動過程中與模版覆蓋的剪裁二值圖的區(qū)域進行匹配，若該區(qū)域有80%的像素與模 版相匹配，則將此時模版的圓心位置對應(yīng)剪裁二值圖的坐標記錄下來，當用不同大小的模 版，遍歷完整張剪裁二值圖后，得到很多圓心坐標；
[0034] 步驟10-2 :將步驟10-1得到的若干圓心坐標進行聚類，將相聚5個像素以內(nèi)的圓 心聚為一類，并重新計算其聚類圓心，然后統(tǒng)計剪裁二值圖圓心個數(shù)，保留圓心個數(shù)大于1 的剪裁二值圖。
[0035] 本發(fā)明一種針對食物微生物霉菌的自動辨別方法，通過對樣本溶液的纖維圖像進 行二值化處理，利用霉菌的外形特征進行逐層篩選，最終識別出霉菌，從而具有精度高、速 度快、穩(wěn)定性好、便于操作的效果。該檢測方法不僅在食品領(lǐng)域，在其他霉菌檢測的方面都 有應(yīng)用。

【專利附圖】

【附圖說明】
[0036] 圖1是本發(fā)明的基于機器視覺的食物微生物霉菌自動識別方法的流程圖。

【具體實施方式】
[0037] 下面結(jié)合附圖，對本發(fā)明一種基于機器視覺的霉菌自動辨別方法進行詳細說明：
[0038] 步驟1 :使用顯微鏡采集樣本溶液的圖像；
[0039] 步驟2 :將步驟1得到的顯微圖像變換為灰度圖像；
[0040] 步驟3 :將步驟2得到的灰度圖像根據(jù)設(shè)定的灰度閾值將圖像進行二值化處理得 到二值圖像；
[0041] 步驟3-1 :設(shè)定二值化處理過程中灰度閾值為對灰度圖像使用最大類間方差法得 到的灰度閾值；
[0042] 步驟3-2 :將灰度圖像各像素點灰度值與灰度閾值比較，若大于閾值則對該點灰 度賦值〇,若小于閾值則對該點灰度賦值255,得到二值圖像。
[0043] 步驟4 :對步驟3得到的二值圖像進行形態(tài)學閉運算，即先膨脹后腐蝕，使斷開的 邊緣連接，得到連接邊緣后二值圖像。
[0044] 步驟5 :將步驟4得到的二值圖像中白色連通區(qū)域進行標定，記錄各標定連通區(qū)域 的位置坐標；
[0045] 步驟6 :將步驟5中標定的連通區(qū)域進行篩選，利用連通區(qū)域面積條件進行篩選， 保留面積大小適中的連通區(qū)域，然后用一個面積盡可能小的凸多邊形圍繞保留的連通區(qū) 域，利用連通區(qū)域與凸多邊形面積比例條件再進行篩選，保留面積比例適當?shù)倪B通區(qū)域；
[0046] 步驟6-1 :計算連通區(qū)域面積，經(jīng)過面積篩選保留面積在40?400之間的連通區(qū) 域；
[0047] 步驟6-2 :用一個面積盡可能小的凸多邊形圍繞步驟5-1保留的連通區(qū)域，計算連 通區(qū)域與其對應(yīng)的凸多邊形面積的比例，保留比例小于〇. 8的連通區(qū)域。
[0048] 步驟7 :根據(jù)步驟6保留連通區(qū)域的位置坐標，裁剪步驟4的二值圖像，得到若干 裁剪二值圖像；
[0049] 步驟8 :利用剪裁二值圖的長寬尺寸、面積大小、連通區(qū)域所占面積百分比進行篩 選，保留符合條件的剪裁二值圖；
[0050] 步驟8-1 :計算剪裁二值圖的長、寬，保留邊長在10?45之間的剪裁二值圖；
[0051] 步驟8-2 :計算剩余剪裁二值圖的面積，保留面積在140?1080之間的剪裁二值 圖；
[0052] 步驟8-3:計算剩余剪裁二值圖中連通區(qū)域所占像素比例，保留比例小于50%的 剪裁二值圖。
[0053] 步驟9 :尋找步驟8保留的剪裁二值圖中連通區(qū)域的凹點，根據(jù)凹點個數(shù)篩選符合 條件的剪裁二值圖；
[0054] 步驟9-1 :對剩余剪裁二值圖中連通區(qū)域外輪廓進行邊緣追蹤，得到邊緣各點坐 標；
[0055] 步驟9-2 :對邊緣采用Harris角點檢測法，檢測出所有角點；
[0056] 步驟9-3 :計算角點的凸凹性，將角點作為3*3矩形的中心，當白色像素個數(shù)大于5 時，將該角點記為凹點；
[0057] 步驟9-4 :統(tǒng)計凹點個數(shù)，保留凹點數(shù)量在1?10之間的剪裁二值圖。
[0058] 步驟10 :對步驟9得到的二值圖像與不同大小的圓形模版進行匹配，計算出該剪 裁二值圖中能與模版匹配的圓形個數(shù)，保留個數(shù)符合條件的剪裁二值圖；
[0059] 步驟10-1 :將不同大小的圓形模版，在剪裁二值圖中滑動，遍歷整張剪裁二值圖， 在每次滑動過程中與模版覆蓋的剪裁二值圖的區(qū)域進行匹配，若該區(qū)域有80%的像素與模 版相匹配，則將此時模版的圓心位置對應(yīng)剪裁二值圖的坐標記錄下來，當用不同大小的模 版，遍歷完整張剪裁二值圖后，得到很多圓心坐標；
[0060] 步驟10-2 :將步驟10-1得到的若干圓心坐標進行聚類，將相聚5個像素以內(nèi)的圓 心聚為一類，并重新計算其聚類圓心，然后統(tǒng)計剪裁二值圖圓心個數(shù)，保留圓心個數(shù)大于1 的剪裁二值圖。
[0061] 步驟11 :統(tǒng)計保留下來的剪裁二值圖數(shù)目，即為檢測到的霉菌數(shù)量。
【權(quán)利要求】
1. 基于機器視覺的霉菌自動辨別方法，該方法包括： 步驟1 :使用顯微鏡采集樣本溶液的圖像； 步驟2 :將步驟1得到的顯微圖像變換為灰度圖像； 步驟3 :將步驟2得到的灰度圖像根據(jù)設(shè)定的灰度閾值將圖像進行二值化處理得到二 值圖像； 步驟4 :對步驟3得到的二值圖像進行形態(tài)學閉運算，使斷開的邊緣連接，得到連接邊 緣后的二值圖像。 步驟5 :將步驟4得到的二值圖像中白色連通區(qū)域進行標定，記錄各標定連通區(qū)域的位 置坐標； 步驟6 :將步驟5中標定的連通區(qū)域進行篩選，利用連通區(qū)域面積條件進行篩選，保留 面積大小適中的連通區(qū)域，然后用一個面積盡可能小的凸多邊形圍繞保留的連通區(qū)域，利 用連通區(qū)域與凸多邊形面積比例條件再進行篩選，保留面積比例適當?shù)倪B通區(qū)域； 步驟7 :根據(jù)步驟6保留連通區(qū)域的位置坐標，裁剪步驟4的二值圖像，得到若干剪裁 二值圖像； 步驟8 :利用剪裁二值圖的長寬尺寸、面積大小、連通區(qū)域所占面積百分比進行篩選， 保留符合條件的剪裁二值圖； 步驟9 :尋找步驟8保留的剪裁二值圖中連通區(qū)域的凹點，根據(jù)凹點個數(shù)篩選符合條件 的剪裁二值圖； 步驟10 :對步驟9得到的二值圖像與不同大小的圓形模版進行匹配，計算出該剪裁二 值圖中能與模版匹配的圓形個數(shù)，保留個數(shù)符合條件的剪裁二值圖； 步驟11 :統(tǒng)計保留下來的剪裁二值圖數(shù)目，即為檢測到的霉菌數(shù)量。
2. 如權(quán)利要求1所述的基于機器視覺的霉菌自動辨別方法，其特征在于步驟1使用顯 微鏡采集樣本溶液放大40倍后的顯微圖像。
3. 如權(quán)利要求1所述的基于機器視覺的霉菌自動辨別方法，其特征在于步驟3的具體 步驟為： 步驟3-1 :設(shè)定二值化處理過程中灰度閾值為對灰度圖像使用最大類間方差法得到的 灰度閾值； 步驟3-2 :將灰度圖像各像素點灰度值與灰度閾值比較，若大于閾值則對該點灰度賦 值〇,若小于閾值則對該點灰度賦值255,得到二值圖像。
4. 如權(quán)利要求1所述的基于機器視覺的霉菌自動辨別方法，其特征在于步驟6的具體 步驟為： 步驟6-1 :計算連通區(qū)域面積，經(jīng)過面積篩選保留面積在40?400之間的連通區(qū)域； 步驟6-2 :用一個面積盡可能小的凸多邊形圍繞步驟5-1保留的連通區(qū)域，計算連通區(qū) 域與其對應(yīng)的凸多邊形面積的比例，保留比例小于0. 8的連通區(qū)域。
5. 如權(quán)利要求1所述的基于機器視覺的霉菌自動辨別方法，其特征在于步驟8的具體 步驟為： 步驟8-1 :計算剪裁二值圖的長、寬，保留邊長在10?45之間的剪裁二值圖； 步驟8-2 :計算剩余剪裁二值圖的面積，保留面積在140?1080之間的剪裁二值圖； 步驟8-3 :計算剩余剪裁二值圖中連通區(qū)域所占像素比例，保留比例小于50%的剪裁 二值圖。
6. 如權(quán)利要求1所述的基于機器視覺的霉菌自動辨別方法，其特征在于步驟9的具體 步驟為： 步驟9-1 :對剩余剪裁二值圖中連通區(qū)域外輪廓進行邊緣追蹤，得到邊緣各點坐標； 步驟9-2 :對邊緣采用Harris角點檢測法，檢測出所有角點； 步驟9-3 :計算角點的凸凹性，將角點作為3*3矩形的中心，當白色像素個數(shù)大于5時， 將該角點記為凹點； 步驟9-4 :統(tǒng)計凹點個數(shù)，保留凹點數(shù)量在1?10之間的剪裁二值圖。
7. 如權(quán)利要求1所述的基于機器視覺的霉菌自動辨別方法，其特征在于步驟10的具 體步驟為： 步驟10-1 :將不同大小的圓形模版，在剪裁二值圖中滑動，遍歷整張剪裁二值圖，在每 次滑動過程中與模版覆蓋的剪裁二值圖的區(qū)域進行匹配，若該區(qū)域有80%的像素與模版相 匹配，則將此時模版的圓心位置對應(yīng)剪裁二值圖的坐標記錄下來，當用不同大小的模版，遍 歷完整張剪裁二值圖后，得到很多圓心坐標； 步驟10-2 :將步驟10-1得到的若干圓心坐標進行聚類，將相聚5個像素以內(nèi)的圓心聚 為一類，并重新計算其聚類圓心，然后統(tǒng)計剪裁二值圖圓心個數(shù)，保留圓心個數(shù)大于1的剪 裁二值圖。
【文檔編號】G06K9/62GK104091170SQ201410263670
【公開日】2014年10月8日 申請日期:2014年6月13日 優(yōu)先權(quán)日:2014年6月13日
【發(fā)明者】張靜, 袁陽, 雷皓婷, 張正龍, 王強, 劉霖, 謝煜, 劉娟秀, 楊先明, 葉玉堂, 劉永 申請人:電子科技大學