一種自適應(yīng)的雞蛋透射圖像蛋黃區(qū)域分割方法
【專利摘要】本發(fā)明公開一種自適應(yīng)的雞蛋透射圖像蛋黃區(qū)域分割方法，屬于圖像法無損檢測(cè)領(lǐng)域。該方法首先采集雞蛋透射圖像，再計(jì)算其中雞蛋區(qū)域G分量的平均灰度值，然后將該平均灰度值帶入閾值計(jì)算公式計(jì)算分割閾值。再用該分割閾值對(duì)蛋黃區(qū)域閾值分割并去除雜點(diǎn)，獲得蛋黃區(qū)域的二值圖像，最后將雞蛋透射圖像點(diǎn)乘蛋黃區(qū)域二值圖像，獲得蛋黃區(qū)域透射圖像。本方法可應(yīng)用于不同蛋殼顏色和透光性的雞蛋，能夠克服雞蛋蛋殼顏色和透光性的差異對(duì)不同雞蛋透射圖像蛋黃區(qū)域分割的不利影響，為基于蛋黃或蛋白區(qū)域形態(tài)及顏色特征的禽蛋新鮮度的圖像法無損檢測(cè)方法奠定了基礎(chǔ)。
【專利說明】
一種自適應(yīng)的雞蛋透射圖像蛋黃區(qū)域分割方法
技術(shù)領(lǐng)域
:
[0001]本發(fā)明屬于圖像法無損檢測(cè)領(lǐng)域，特別涉及一種自適應(yīng)的雞蛋透射圖像蛋黃區(qū)域分割方法。
【背景技術(shù)】
:
[0002]雞蛋營(yíng)養(yǎng)豐富、價(jià)格低廉，在深受廣大消費(fèi)者的歡迎。隨著貯藏時(shí)間的增加，雞蛋受到微生物侵染程度加深，新鮮度逐漸下降。新鮮度過差的雞蛋食品安全性較低，不宜食用。
[0003]計(jì)算機(jī)視覺方法是無損檢測(cè)雞蛋新鮮度的主要方法，目前計(jì)算機(jī)視覺雞蛋新鮮度無損檢測(cè)方法主要基于對(duì)雞蛋蛋黃或蛋白區(qū)域顏色、形態(tài)特征的提取和分析。然而，由于雞蛋蛋殼顏色和透光性的不同，以及雞蛋在貯藏過程中透光性的變化，導(dǎo)致所采集到的雞蛋透射光圖像亮度差異明顯，蛋黃區(qū)域分割過程中閾值不易選擇，蛋黃區(qū)域特征參數(shù)提取誤差較大。目前對(duì)不同品種雞蛋進(jìn)行蛋黃提取主要采用大津閾值分割法或先判斷蛋殼種類再對(duì)蛋黃區(qū)域進(jìn)行分割的方法，但這些方法的準(zhǔn)確性受雞蛋透光性的差異影響較大。
[0004]因此，建立能夠適應(yīng)不同雞蛋透光圖像的蛋黃區(qū)域分割方法是目前本領(lǐng)域科研工作者需要解決的技術(shù)問題。

【發(fā)明內(nèi)容】

:
[0005]本發(fā)明的目的是提供一種自適應(yīng)的雞蛋透射圖像蛋黃區(qū)域分割方法，該方法可以對(duì)不同顏色和透光性的雞蛋透射圖像進(jìn)行自適應(yīng)的蛋黃區(qū)域分割，提高大樣本雞蛋新鮮度視覺無損檢測(cè)的準(zhǔn)確度和精確度。
[0006]為解決上述問題，本發(fā)明提供了一種自適應(yīng)的雞蛋透射圖像蛋黃區(qū)域分割方法，該方法實(shí)行步驟包含:(一)雞蛋透射圖像采集；(二)G通道雞蛋透射灰度圖像中雞蛋區(qū)域平均灰度值的計(jì)算；(三)計(jì)算分割閾值；(四)蛋黃區(qū)域二值圖像提取；(五)蛋黃區(qū)域二值圖像修整；(六)蛋黃區(qū)域圖像分割；
[0007]所述步驟一，其特征在于光源為暖白色LED燈；
[0008]所述步驟二，其特征在于:先以大津閾值分割法對(duì)R通道灰度圖進(jìn)行分割，并去除分割后圖像中的雜點(diǎn)，獲得雞蛋區(qū)域二值圖，再將其作為蒙板，統(tǒng)計(jì)G通道雞蛋透射灰度圖像中雞蛋區(qū)域的平均灰度值；
[0009]所述步驟三，其特征在于:分割閾值使用以下模型進(jìn)行計(jì)算:
[0010]T = 0.0036 g
[0011]其中，T為分割閾值，g為G通道雞蛋透射灰度圖像中雞蛋區(qū)域的平均灰度；
[0012]所述步驟四，其特征在于:用步驟三計(jì)算得到的分割閾值為閾值，對(duì)G通道雞蛋透射灰度圖像進(jìn)行閾值分割并反色，獲得帶背景和雜點(diǎn)的蛋黃區(qū)域二值圖像；
[0013]所述步驟五，其特征在于按如下步驟進(jìn)行:先將步驟二得到的雞蛋區(qū)域二值圖像反色并以直徑40的圓盤為模版進(jìn)行膨脹，獲得邊緣收縮的雞蛋區(qū)域二值圖像的反色圖像；然后將步驟四得到的蛋黃區(qū)域二值圖像與邊緣收縮的雞蛋區(qū)域二值圖像的反色圖像進(jìn)行減運(yùn)算，獲得只帶雜點(diǎn)的蛋黃區(qū)域二值圖像；最后去除其中面積較小的連通域，獲得蛋黃區(qū)域的二值圖像；
[0014]所述步驟六，其特征在于:先將單通道的蛋黃區(qū)域的二值圖像擴(kuò)充至三個(gè)通道。然后用原始雞蛋透射圖像點(diǎn)乘(.*)擴(kuò)充至三個(gè)通道的蛋黃區(qū)域二值圖像，獲得雞蛋蛋黃區(qū)域透射圖像。
【附圖說明】
:
[0015]圖1:白殼草雞蛋透射圖像
[0016]圖2:白殼草雞蛋帶背景和雜點(diǎn)的蛋黃區(qū)域二值圖像
[0017]圖3:白殼草雞蛋蛋黃區(qū)域的二值圖像
[0018]圖4:白殼草雞蛋蛋黃區(qū)域透射圖像
[0019]圖5:褐殼洋雞蛋透射圖像
[0020]圖6:褐殼洋雞蛋帶背景和雜點(diǎn)的蛋黃區(qū)域二值圖像
[0021]圖7:褐殼洋雞蛋蛋黃區(qū)域的二值圖像
[0022]圖8:褐殼洋雞蛋蛋黃區(qū)域透射圖像
【具體實(shí)施方式】
:
[0023]本發(fā)明的目的是提供一種自適應(yīng)的雞蛋透射圖像蛋黃區(qū)域分割方法，該方法可以對(duì)不同蛋殼顏色和透光性的雞蛋透射圖像進(jìn)行自適應(yīng)的蛋黃區(qū)域分割，提高大樣本雞蛋新鮮度視覺無損檢測(cè)的準(zhǔn)確度和精確度。
[0024]為了使本技術(shù)領(lǐng)域人員更好地理解本發(fā)明方案，下面結(jié)合【具體實(shí)施方式】對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說明。
[0025]在一種具體實(shí)施例中，對(duì)雞蛋透射圖像中蛋黃區(qū)域進(jìn)行分割。首先用暖白色LED燈為光源采集雞蛋的透射圖像，對(duì)雞蛋透射圖像中G通道和R通道的灰度圖進(jìn)行提取。然后以大津閾值分割法對(duì)R通道灰度圖進(jìn)行閾值分割，并去除分割后圖像中的雜點(diǎn)，獲得雞蛋區(qū)域的二值圖像，并以其為蒙板，統(tǒng)計(jì)G通道雞蛋灰度圖像中雞蛋區(qū)域灰度的平均值。再將其平均灰度值帶入分割閾值計(jì)算模型T = 0.0036 g中求得分割閾值，并用該分割閾值對(duì)G通道雞蛋灰度圖像進(jìn)行給定閾值分割，再將圖像反色得到帶背景和雜點(diǎn)的蛋黃區(qū)域二值圖像。然后，將雞蛋區(qū)域二值圖像反色并以直徑40的圓盤為模版進(jìn)行膨脹，獲得邊緣收縮的雞蛋區(qū)域二值圖像的反色圖像，再將蛋黃區(qū)域二值圖像與邊緣收縮的雞蛋區(qū)域二值圖像的反色圖像進(jìn)行減運(yùn)算，并去除圖像中面積較小的連通域，獲得蛋黃區(qū)域二值圖像。最后，將單通道的蛋黃區(qū)域的二值圖像擴(kuò)充至三個(gè)通道。然后用原始雞蛋透射圖像點(diǎn)乘(.*)擴(kuò)充至三個(gè)通道的蛋黃區(qū)域二值圖像，獲得雞蛋蛋黃區(qū)域透射圖像。
[0026]實(shí)施例1
[0027]100枚白殼草雞蛋透射圖像蛋黃區(qū)域的分割:先用相機(jī)采集雞蛋的透射圖像，背景光源為IW白色LED燈，透射圖像如圖1所示。然后提取透射圖像中G通道和R通道的灰度圖，再以大津閾值分割法對(duì)R通道灰度圖進(jìn)行閾值分割，并去除分割后圖像中的雜點(diǎn)，獲得雞蛋區(qū)域的二值圖像，并以其為蒙板，統(tǒng)計(jì)G通道雞蛋灰度圖像中雞蛋區(qū)域灰度的平均值。然后利用分割閾值計(jì)算模型τ = 0.0036 g計(jì)算出分割閾值，用該閾值對(duì)G通道透射圖像灰度圖進(jìn)行給定閾值分割并反色，獲得帶背景和雜點(diǎn)的蛋黃區(qū)域二值圖像，如圖2所示。然后，將雞蛋區(qū)域二值圖像反色并以直徑40的圓盤為模版進(jìn)行膨脹，獲得邊緣收縮的雞蛋區(qū)域二值圖像的反色圖像。再將帶背景和雜點(diǎn)的蛋黃區(qū)域二值圖像，與邊緣收縮的雞蛋區(qū)域二值圖的反色圖像進(jìn)行減運(yùn)算，并去除圖像中面積較小的連通域，獲得蛋黃區(qū)域的二值圖像，如圖3所示。最后，將單通道的蛋黃區(qū)域的二值圖像擴(kuò)充至三個(gè)通道。然后用原始雞蛋透射圖像點(diǎn)乘(.*)擴(kuò)充至三個(gè)通道的蛋黃區(qū)域二值圖像，獲得雞蛋蛋黃區(qū)域透射圖像，如圖4所示。分割結(jié)果顯示該方法對(duì)100枚白殼草雞蛋透光圖像的蛋黃區(qū)域都可有效分割，分割出的蛋黃區(qū)域面積占全蛋區(qū)域面積的37.1±6.6%。
[0028]實(shí)施例2
[0029]用相機(jī)采集褐殼洋雞蛋的透射圖像，背景光源為IW白色LED燈，透射圖像如圖5所示。然后提取透射圖像中G通道和R通道的灰度圖，再以大津閾值分割法對(duì)R通道灰度圖進(jìn)行閾值分割，并去除分割后圖像中的雜點(diǎn)，獲得雞蛋區(qū)域的二值圖像，并以其為蒙板，統(tǒng)計(jì)G通道雞蛋灰度圖像中雞蛋區(qū)域灰度的平均值。然后利用分割閾值計(jì)算模型T = 0.0036g計(jì)算出分割閾值T，用該閾值對(duì)G通道透射圖像灰度圖進(jìn)行給定閾值分割并反色，獲得帶背景和雜點(diǎn)的蛋黃區(qū)域二值圖像，如圖6所示。然后，將雞蛋區(qū)域二值圖像反色并以直徑40的圓盤為模版進(jìn)行膨脹，獲得邊緣收縮的雞蛋區(qū)域二值圖像的反色圖像。再將帶背景和雜點(diǎn)的蛋黃區(qū)域二值圖像與邊緣收縮的雞蛋區(qū)域二值圖像的反色圖像進(jìn)行減運(yùn)算，再去除圖像中面積較小的連通域，獲得蛋黃區(qū)域的二值圖像，如圖7所示。最后，將單通道的蛋黃區(qū)域的二值圖像擴(kuò)充至三個(gè)通道。然后用原始雞蛋透射圖像點(diǎn)乘(.*)擴(kuò)充至三個(gè)通道的蛋黃區(qū)域二值圖像，獲得雞蛋蛋黃區(qū)域透射圖像，如圖8所示。分割結(jié)果顯示該方法對(duì)100枚褐殼洋雞蛋透光圖像的蛋黃區(qū)域都可有效分割，分割出的蛋黃區(qū)域面積占全蛋區(qū)域面積的38.0±6.6%ο
【主權(quán)項(xiàng)】
1.一種自適應(yīng)的雞蛋透射圖像蛋黃區(qū)域分割方法，其特征在于按照如下步驟進(jìn)行:(一)雞蛋透射圖像采集；(二)G通道雞蛋透射灰度圖像中雞蛋區(qū)域平均灰度值的計(jì)算；(三)計(jì)算分割閾值；(四)蛋黃區(qū)域二值圖像提??；(五)蛋黃區(qū)域二值圖像修整；(六)蛋黃區(qū)域圖像分割: 所述步驟一，其特征在于光源為暖白色LED燈； 所述步驟二，其特征在于:先以大津閾值分割法對(duì)R通道灰度圖進(jìn)行分割，并去除分割后圖像中的雜點(diǎn)，獲得雞蛋區(qū)域二值圖，再將其作為蒙板，統(tǒng)計(jì)G通道雞蛋透射灰度圖像中雞蛋區(qū)域的平均灰度值； 所述步驟三，其特征在于:分割閾值使用以下模型進(jìn)行計(jì)算:T = 0.0036g 其中，T為分割閾值，g為G通道雞蛋透射灰度圖像中雞蛋區(qū)域的平均灰度； 所述步驟四，其特征在于:用步驟三計(jì)算得到的分割閾值為閾值，對(duì)G通道雞蛋透射灰度圖像進(jìn)行閾值分割并反色，獲得帶背景和雜點(diǎn)的蛋黃區(qū)域二值圖像； 所述步驟五，其特征在于按如下步驟進(jìn)行:先將步驟二得到的雞蛋區(qū)域二值圖像反色并以直徑40的圓盤為模版進(jìn)行膨脹，獲得邊緣收縮的雞蛋區(qū)域二值圖像的反色圖像；然后將步驟四得到的蛋黃區(qū)域二值圖像與邊緣收縮的雞蛋區(qū)域二值圖像的反色圖像進(jìn)行減運(yùn)算，獲得只帶雜點(diǎn)的蛋黃區(qū)域二值圖像；最后去除其中面積較小的連通域，獲得蛋黃區(qū)域的二值圖像； 所述步驟六，其特征在于:先將單通道的蛋黃區(qū)域的二值圖像擴(kuò)充至三個(gè)通道。然后用原始雞蛋透射圖像點(diǎn)乘(.*)擴(kuò)充至三個(gè)通道的蛋黃區(qū)域二值圖像，獲得雞蛋蛋黃區(qū)域透射圖像。
【文檔編號(hào)】G06T7/00GK105894488SQ201410588865
【公開日】2016年8月24日
【申請(qǐng)日】2014年10月21日
【發(fā)明人】屠康, 孫柯, 馬龍, 潘磊慶
【申請(qǐng)人】南京農(nóng)業(yè)大學(xué)