基于滑動(dòng)比較窗口自適應(yīng)分割的水果表面缺陷檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)視覺圖像處理方法，具體涉及一種基于滑動(dòng)比較窗口自適應(yīng)分 割的水果表面缺陷檢測(cè)方法。
【背景技術(shù)】
[0002] 表面缺陷檢測(cè)是水果分級(jí)的重要依據(jù)之一，在世界各國的水果評(píng)級(jí)標(biāo)準(zhǔn)中有嚴(yán)格 的規(guī)定。國內(nèi)外大量學(xué)者研究通過計(jì)算機(jī)視覺方式檢測(cè)水果及農(nóng)產(chǎn)品表面缺陷，但是許多 農(nóng)產(chǎn)品是類球體，二維圖形中部的灰度值要遠(yuǎn)大于邊緣的灰度值，導(dǎo)致表面缺陷圖像檢測(cè) 的困難。
[0003] 經(jīng)過現(xiàn)有的技術(shù)檢索發(fā)現(xiàn)，方法主要分為三類：
[0004] 1)基于球體灰度模型的處理方法。譬如專利文獻(xiàn)中國專利CN101984346A記載了 一種基于低通濾波的水果表面缺陷檢測(cè)方法，首先獲得去除背景的R分量圖像，利用水果 彩色圖像通過離散傅里葉變換進(jìn)行低通濾波然后離散傅里葉反變換獲得表面亮度圖像，前 者圖像除以后者圖像得到均一化亮度圖像，再采用單閾值實(shí)現(xiàn)水果表面缺陷分割，該技術(shù) 能檢測(cè)亮度較低的表面缺陷，但是會(huì)丟失在中心區(qū)域以及邊緣區(qū)域的高亮度及中亮度表面 缺陷；中國專利CN102788806A利用水果RGB圖像和NIR圖像，計(jì)算對(duì)比水果的缺陷形狀、大 小，但是水果不是嚴(yán)格球體，該專利用二值圖像外接矩形最大寬度近似水果直徑，最大寬度 的一半作為迭代次數(shù)終止條件。這種方法對(duì)非圓形的橢圓形水果會(huì)產(chǎn)生誤差，而且橢圓形 水果長(zhǎng)軸和短軸受到的光照朗伯現(xiàn)象不一樣直接用該區(qū)域像素點(diǎn)直接進(jìn)行亮度平均處理， 會(huì)對(duì)缺陷檢測(cè)帶來誤差；Li Jiangbo等人（2013)利用光照傳輸模型與圖像比技術(shù)檢測(cè)臍 橙表面缺陷，該方法算法對(duì)較低亮度缺陷有效，但是容易丟失高亮度以及中亮度表面缺陷 區(qū)域。（Automatic detection of common surface defects on oranges using combined lighting transform and image ratio methods Jiangbo Li, Xiuqin Rao,Postharvest Biology and Technology 2013);李江波等人（2011)利用水果表面亮度矯正單閾值臍橙表 面缺陷提取，該方法會(huì)丟失高亮度表面缺陷區(qū)域（李江波，饒秀勤，應(yīng)義斌.水果表面亮度 不均校正及單閾值缺陷提取研究，農(nóng)業(yè)工程學(xué)報(bào)，2011年12期）。
[0005] 2)基于表面紋理特征的處理方法。L0pez_Garcia F等人（2010)利用多元圖 像理論以及表面紋理特征算法訓(xùn)練方法檢測(cè)臍橙表面缺陷，該算法比較復(fù)雜不易用于 在線，而且檢測(cè)臍橙表面缺陷類型有限。（L0pez_Garcia F，Andreu_Garcia G，Blasco J, et al.Automatic detection of skin defects in citrus fruits using a multivariate image analysis approach[J]. Computers and Electronics in Agricultu re, 2010, 71(2) :189-19)。
[0006] 3)基于多光譜成像技術(shù)的處理方法。J.Blascoa等人利用多光譜成像設(shè)備進(jìn)行 臍橙表面缺陷分析，該方法硬件成本較高和復(fù)雜（2007) (J.BlaSC〇a，N.AleiX〇S. (2007). Citrus sorting by identification of the most common defects using multispectral computer vision. Journal of Food Engineering 83(2007)384 - 393)〇
[0007] 現(xiàn)有方法存在檢測(cè)表面缺陷類型有限以及計(jì)算方法較復(fù)雜難以用于在線檢測(cè)或 者依賴成本較高的復(fù)雜硬件成像技術(shù)的問題，因此需要新的水果表面缺陷檢測(cè)方法。

【發(fā)明內(nèi)容】

[0008] 為了解決【背景技術(shù)】中檢測(cè)表面缺陷類型有限以及計(jì)算方法較復(fù)雜難以用于在線 檢測(cè)或者依賴成本較高的復(fù)雜硬件成像技術(shù)的問題，本發(fā)明的目的在于提供一種基于滑動(dòng) 比較窗口自適應(yīng)分割的水果表面缺陷檢測(cè)方法，相比【背景技術(shù)】，識(shí)別方法更簡(jiǎn)單，表面缺陷 檢測(cè)類型更多以及對(duì)象實(shí)用性較廣。
[0009] 本發(fā)明解決其技術(shù)問題所采用技術(shù)方案的步驟如下：
[0010] 1)獲取水果RGB彩色圖像；
[0011] 2)對(duì)水果RGB彩色圖像去除背景進(jìn)行圖像二值化，獲得初始二值化圖像；
[0012] 3)對(duì)步驟2)得到的初始二值化圖像提取邊緣并采用3像素半徑圓形的結(jié)構(gòu)元膨 脹一次獲得輪廓邊緣膨脹圖像；
[0013] 所述步驟3)中的膨脹均通過以下公式完成形態(tài)學(xué)膨脹得到輪廓邊緣膨脹圖像；
[0015] 式中：?一形態(tài)學(xué)膨脹處理結(jié)果；A-輪廓邊緣膨脹圖像；a - A中一個(gè)像素；S-半 徑圓形的結(jié)構(gòu)元；Sv-S的對(duì)稱集；Φ-空集。
[0016] 4)對(duì)RGB彩色圖像去除背景轉(zhuǎn)換成灰度圖像，并再建立與灰度圖像同樣大小的所 有像素初始化為〇的目標(biāo)圖像P (i，j);
[0017] 5)以步驟4)中的灰度圖像每個(gè)像素為中心用5X5窗口掃描，窗口中超過圖像邊 界的像素用〇填充，并計(jì)算獲得每個(gè)5 X 5窗口的分割閾值Q (i，j);
[0018] 所述步驟5)中，對(duì)于每個(gè)5 X 5窗口，通過以下公式將5 X 5窗口內(nèi)的所有25個(gè)像 素從小到大排序并且計(jì)算第二大數(shù)值和第二小數(shù)值的平均值作為分割閾值Q (i，j)，從而獲 得所有5 X 5窗口的分割閾值Q (i，j):
[0020] 式中：Q(i，j)-當(dāng)前窗口中心像素的分割閾值；f (i，j)-灰度圖像；Max_2nd-尋 找第二大像素?cái)?shù)值；Min_2nd-尋找第二小像素?cái)?shù)值；i和j分別表示圖像像素的水平坐標(biāo) 和垂直坐標(biāo)，k和1分別表示水平和垂直坐標(biāo)遍歷參數(shù)。
[0021] 6)對(duì)5X5窗口中心像素用分割閾值Q(i，j)進(jìn)行判斷，對(duì)目標(biāo)圖像P(i，j)中的像 素進(jìn)行重新賦值，遍歷處理獲得目標(biāo)二值化圖像；
[0022] 所述步驟6)具體為：對(duì)于5X5窗口的每個(gè)像素，判斷如果當(dāng)前所在窗口最大的前 三個(gè)像素分別與最小像素之差都大于19并且當(dāng)前像素大于分割閾值Q(i，j)時(shí)，則將與當(dāng) 前像素具有同樣位置的目標(biāo)圖像P (i，j)中的像素賦值為1否則賦值為〇,遍歷處理所有像 素完成圖像分割獲得目標(biāo)二值化圖像；
[0023] 7)將步驟6)得到目標(biāo)二值化圖像減去步驟3)的輪廓邊緣膨脹圖像，再依次進(jìn)行 膨脹、填洞、腐蝕和中值濾波處理獲得水果表面缺陷圖像。
[0024] 所述步驟7)中用目標(biāo)二值化圖像減去步驟3)中輪廓邊緣膨脹圖像，得到差值圖 像，再用1像素半徑圓形的結(jié)構(gòu)元來進(jìn)行形態(tài)學(xué)膨脹。具體通過以下公式完成形態(tài)學(xué)膨脹 得到輪廓邊緣膨脹圖像；
[0026] 式中：?一形態(tài)學(xué)膨脹處理結(jié)果；A-輪廓邊緣膨脹圖像；a - A中一個(gè)像素；S-半 徑圓形的結(jié)構(gòu)元；Sv-S的對(duì)稱集；Φ-空集。
[0027] 所述步驟7)中填洞采用以下公式完成填洞：
[0029] 式中：F-填洞圖像處理結(jié)果；D-差值圖像完成形態(tài)學(xué)膨脹的數(shù)據(jù)；E-四連通 域；k一計(jì)算次數(shù)，k = 1，2, 3···狀一D的補(bǔ)集。
[0030] 所述步驟7)中腐蝕采用以下公式完成腐蝕，得到差值圖像腐蝕圖：
[0032] 式中：R2-腐蝕處理結(jié)果；V-差值圖像完成膨脹和填洞的數(shù)據(jù)；v - V中一個(gè)像 素；W-半徑為2像素圓形結(jié)構(gòu)元；
[0033] 所述的步驟7)中對(duì)腐蝕得到的差值圖像腐蝕圖進(jìn)行6X6中值濾波，得到表面缺 陷圖像。
[0034] 本發(fā)明具有的有益效果是：
[0035] 本發(fā)明對(duì)于檢測(cè)水果表面缺陷具有很好的準(zhǔn)確性和實(shí)用性，有效避免了對(duì)水果及 農(nóng)產(chǎn)品形狀、大小的依賴以及避免了亮度矯正帶來較復(fù)雜的計(jì)算方法，也避免了依賴高光 譜以及多光譜成像硬件帶來的高成本性問題。
[0036] 本發(fā)明能夠有效檢測(cè)不同亮度特征表面缺陷，譬如能檢測(cè)臍橙10種表面缺陷（蟲 傷果、風(fēng)傷果、薊馬果、介殼蟲果、潰瘍果、裂果、炭疽病、藥害果、表皮破裂型腐爛果、梗傷 果）。方法應(yīng)用對(duì)象較廣，方法簡(jiǎn)便易于實(shí)現(xiàn)，在水果及農(nóng)產(chǎn)品品質(zhì)計(jì)算機(jī)視覺在線檢測(cè)方 面具有較大的應(yīng)用潛力。
【附圖說明】
[0037] 圖1是本發(fā)明方法的流程圖。
[0038] 圖2是本發(fā)明實(shí)施例1中原始圖像。
[0039] 圖3是本發(fā)明實(shí)施例1中初始二值化圖像。
[0040] 圖4是本發(fā)明實(shí)施例1中輪廓邊緣膨脹圖像。
[0041] 圖5是本發(fā)明實(shí)施例1中半徑3像素半徑圓形結(jié)構(gòu)元。
[0042] 圖6是本發(fā)明實(shí)施例1中獲得的目標(biāo)二值化圖像。
[0043] 圖7是本發(fā)明實(shí)施例1中差值圖像。
[0044] 圖8是本發(fā)明實(shí)施例1中半徑1像素半徑圓形結(jié)構(gòu)元。
[0045] 圖9是本發(fā)明實(shí)施例1中四連通域。
[0046] 圖10是本發(fā)明實(shí)施例1中半徑2像素半徑圓形結(jié)構(gòu)元。
[0047] 圖11是本發(fā)明實(shí)施例1中提取表面缺陷圖像。
[0048] 圖12是臍橙蟲傷果原始圖。
[0049] 圖13是臍橙蟲傷果表面缺陷檢測(cè)結(jié)果圖。
[0050] 圖14是臍橙風(fēng)傷果原始圖。
[0051] 圖15是臍橙風(fēng)傷果表面缺陷檢測(cè)結(jié)果圖。
[0052] 圖16是臍橙薊馬果原始圖。
[0053] 圖17是臍橙薊馬果表面缺陷檢測(cè)結(jié)果圖。
[0054] 圖18是臍橙介殼蟲果原始圖。
[0055] 圖19是臍橙介殼蟲果表面缺陷檢測(cè)結(jié)果圖。
[0056] 圖20是臍橙潰瘍果原始圖。
[0057] 圖21是臍橙潰瘍果表面缺陷檢測(cè)結(jié)果圖。
[0058] 圖22是臍橙裂果原始圖。
[0059] 圖23是臍橙裂果表面缺陷檢測(cè)結(jié)果圖。
[0060] 圖24是臍橙炭疽病果原始圖。
[0061