裴暑云 謝兆鴻 熊 軍 文 源

[摘 要]本文以攝取的蘋果圖像為例,利用matlab對蘋果的大小分級算法進行了仿真,為后續(xù)開發(fā)農(nóng)產(chǎn)品物料圖像分級系統(tǒng)的研究做鋪墊。

[關(guān)鍵詞]物料 大小分級 matlab 視覺檢測

[中圖分類號]P272[文獻標(biāo)識碼]A[文章編號]1007-9416(2009)11-0071-02

分級是把物料按其特征分為不同等級。篩分是根據(jù)物料顆粒大小將混合物料進行分級,采用機械式的分級篩是常用的高效的方法,但非堅果類農(nóng)產(chǎn)品物料多半不能篩分,因為機械震動造成的碰撞和摩擦易造成被分級物料的損壞。近年來基于圖像例如物料的形狀、顏色、大小等的新型分級方法不斷涌現(xiàn),拓展了傳統(tǒng)局限于物料大小的分級概念,使分級的領(lǐng)域、精度、效率、智能化程度以及環(huán)保得到深化和提高。基于圖像的物料分級技術(shù)是我國的薄弱環(huán)節(jié),不少產(chǎn)品靠從國外引進,深入研究和提高我國基于圖像的物料分級水平,是十分有意義的工作。

采用嵌入式的視覺檢測系統(tǒng)對物料大小進行自動分級可以提高效率。相對于人工分級具有很多優(yōu)點,例如可以一次性地實現(xiàn)多因素分級,無損分級,分級標(biāo)準統(tǒng)一,降低機械噪音和能耗,提供各種分類指標(biāo)的統(tǒng)計信息,為物料的日后的品質(zhì)改進,產(chǎn)品的銷售提供可靠數(shù)據(jù)。因此,研究更快更準確的智能化的圖像分級系統(tǒng)對現(xiàn)代化農(nóng)業(yè)有著舉足輕重的作用。

表面缺陷和形狀大小是影響蘋果品質(zhì)的重要指標(biāo),本文從判斷蘋果圖像大小出發(fā),對大小分級的幾種算法在PC機的平臺上用MATLAB仿真軟件進行分析和比較。

1 圖像預(yù)處理過程介紹(見圖1)

1.1 圖像采集及背景去除

目前,在試驗中蘋果手工放置在一個光照匣子中,里面放進一個背景光源,cmos攝像頭對其進行圖像采集,拍攝的圖片為 80*64的.jpg的圖像。一幅圖像可以表示為一個像素為m*n的矩陣。

1.2 灰度處理

灰度處理就是將真彩圖變?yōu)橹挥泻诎最伾幕叶葓D,但也并不是純黑或者純白。一幅灰度圖像就是一個數(shù)據(jù)矩陣,它的數(shù)據(jù)代表了在一定范圍內(nèi)的顏色灰度值。

1.3 濾波消噪

濾波消噪有很多種方法,小波分析,平滑法,中值濾波法,數(shù)字濾波器等。本文采用中值濾波medfilt2函數(shù)對灰度圖像濾波消噪,它在一定程度上消除干擾噪聲和點狀噪聲。

1.4 二值化并取反(最佳閾值)

圖像的二值化就是將圖像的像素僅以0和1來表示,每個像素只取2個灰度值。利用函數(shù)graythresh取得最佳的閾值。大于閥值的像素以黑色表示,小于閾值的像素以白色表示。對圖像求反就是將灰度圖的灰度值翻轉(zhuǎn),就是讓黑變白,讓白變黑。

1.5 邊緣檢測

兩個灰度不同的區(qū)域存在著邊緣,二值化后圖像的矩陣只存在著0,1這兩個灰度值,本文利用bwperim函數(shù)進行邊緣檢測。檢測后邊緣的像素為1,其它像素為0。

1.6 特征提取

對于圖像邊緣的面積,周長,偏心率,似圓度等一些需要關(guān)注并獲得的參數(shù)進行提取獲得,本文對圖像邊緣的面積參數(shù)進行了計算和分析。

2 蘋果大小分級算法及matlab仿真試驗

對于農(nóng)產(chǎn)品物料分級中的尺寸分級,Paulus[2]等提出了三種分級依據(jù)的尺寸:(1)面積,(2)直徑,(3)體積。本文以半徑為分級的尺寸。

2.1 蘋果的截面積

利用截面積求像素點的方法,像素點越多,尺寸越大。仿真程序:

v=imread('d:A.jpg');% 讀入圖像。

imshow(v) % 顯示真彩圖。

w=rgb2gray(v); %化為灰度圖像。

imshow(w)%顯示灰度圖。

L=medfilt2(w); %對灰度圖像中值濾波。

level=graythresh(L); %獲得灰度圖像的最佳閾值。

bw=im2bw(L,level);%二值化圖像。

imshow(~bw)%顯示二值化的圖像。

bwarea(~bw)%計算二值化后的像素點,得到蘋果的像素點(見圖2)。

結(jié)果:蘋果A,B的像素點數(shù)分別為S1A=1241.1,S1B=1026.5。由s=3.14*r*r, r1A=19.88,r1B=18.08(單位:像素)。

2.2 通過求取圓心的坐標(biāo)來求得平均半徑

圖像進行處理后,得到蘋果邊緣的像素,將邊緣像素點提取出來,并存為直角坐標(biāo)的數(shù)組,得到m個數(shù)組。像素的橫坐標(biāo)方向是從左向右,縱坐標(biāo)方向是從上向下。第一步,求取蘋果邊緣像素的中心點O,O點坐標(biāo)(x0,y0)。其中,。第二步,求邊緣的M個點與中心點O(x0,y0)的距離,記為d1,d2……dM。第三步,求的距離的平均值r2作為蘋果的半徑,r2=(d1+d2+…+dM)/M。在第一種方法的基礎(chǔ)上得到二值化圖后,后面部分仿真程序:

bw1=bwperim(bw);%圖像邊緣檢測。如圖3所示。

imshow(bw1) ;%顯示邊緣圖。

[p,q]=size(bw1) ;%其中p=64,q=80。

t=1; %給t賦初值,t為邊緣像素為1的點的個數(shù)。

for i=2:(p-1);for j=2:(q-1);%對于圖像最邊緣點有時也為1,故略去,不計入t中。

if bw1(sub2ind(size(bw1),i,j))==1;%對邊緣圖像矩陣掃描計數(shù),若為1則為邊緣。

t,i,j;%輸出計數(shù)值t,并記錄為1的像素點的行列i,j。

for t=t+1;end; end; end; end;s=t-1;%修正邊緣為 1的個數(shù)t并給s。

e=zeros(1,s);f=zeros(1,s);%定義e,f為1行s列的矩陣,即一維數(shù)組。

g=1; for i=2:(p-1); for j=2:(q-1); if bw1(sub2ind(size(bw1),i,j))==1;

i; j; e(g)=i;f(g)=j ;%將二值化后為1的像素的行列坐標(biāo)賦給e,f。

g=g+1;end;end;end; e,f ; %輸出數(shù)組e,f。

%以上程序得到一維數(shù)組。

x0=sum(e)/s; y0=sum(f)/s;%求出x0,y0的坐標(biāo),即中心點的坐標(biāo)。

d=zeros(1,s);%將各個邊緣像素點到中心點的距離定義為一維數(shù)組。

u=1;for u=1:s;d(u)=sqrt((e(u)-x0)^2+(f(u)-y0)^2); %計算各個邊緣像素點到中心點的距離。

u=u+1; end; d; r=sum(d)/s;%求出了平均半徑(見圖3)。

實驗結(jié)果:蘋果A,B的半徑(單位:像素)分別為:r2A=20.2430,r2B=18.4533。

2.3 掃描法獲得最大的直徑

掃描法獲得最大半徑的方法,通過最邊緣的4點求的最大的直徑,平均直徑越大的尺寸越大。由于蘋果是近圓形,所以在采用這種方法的時候省掉由于不規(guī)則形狀掃描引起的誤差。同方法二,首先得到一維數(shù)組。第一步,利用掃描得到邊緣的4點,xmin,xmax,ymin,ymax。第二步,蘋果的平均半徑r3=(|xmax-xmin|+|ymax-ymin|)/2,根據(jù)r3的大小來判斷蘋果的大小。首先同方法二得到一維數(shù)組(與2.2中的這部分程序一樣),后面部分仿真程序如下:

xmin=min(e),xmax=max(e) %數(shù)組e的最大值和最小值。

ymin=min(f),ymax=max(f) %數(shù)組f的最大值和最小值。

d1=abs(xmax-xmin),d2=abs(ymax-ymin) %d1,d2為蘋果直徑。

d0=(d1+d2)/2;%求出平均直徑d0。

結(jié)果:蘋果A,B的直徑(單位:像素)分別為d3A=39,d3B=36.5。則r3A=19.5,r3B=18.25。

3 圖像的標(biāo)定

3.1 標(biāo)定方法

為了能從獲得的像素數(shù)據(jù)得到蘋果的實際半徑,采用光學(xué)幾何的方法進行標(biāo)定。如圖4所示,如果攝像頭(視為一個點)與被攝物體的中心的連線與投影面垂直,則投影面的半徑和半徑對應(yīng)的像素點的個數(shù)呈比例。在此前提下,可采用實物標(biāo)定的方法找出像素點與半徑的比例系數(shù)(見圖4)。

3.2 標(biāo)定的驗證

在攝像頭到物體的高度h=170mm時,取r1=20mm和r2=40mm的圓,利用攝像頭拍出其80*64真彩圖,經(jīng)處理算出半徑對應(yīng)的像素點數(shù)。r1=20mm,n1=11.5點(約12點),r2=40mm,n2=23.5點(約24點),則n1/r1=n2/r2,比例系數(shù)約為0.6(見圖5)。

4 實驗結(jié)果及誤差分析(見表1)

利用測得的蘋果周長c=2*3.14*r,計算實際半徑r,采用多次測量取平均值的方法。由表1可以看出,方法2所測的半徑與實際半徑較接近。其中,相對誤差=(實際半徑-有線性關(guān)系算出的方法2的半徑)/實際半徑*100%。從以上分析可知,要獲得準確的測量值,要確保攝像頭與被攝物體的中心的連線與投影面垂直,而被分選的物料大小肯定是變化的,因此在設(shè)計分級機的攝像部件時,要選擇攝像頭能隨被測物料大小上下浮動,被測物的溜槽中心固定,兩側(cè)護板向中心伸縮的結(jié)構(gòu)。滿足不了這個條件,測量的誤差會隨機增加。

5 結(jié)語

通過以上分析和仿真,采用了3種不同的測量半徑的方法中第二種方法相對要準確一些,因為它是采用求圓心的多點均值的算法,對類似球狀的物體,這種方法較準確,但還有改進之處。例如增加門限來剔除過大和過小的值,以減少畸形(凹凸)對物料大小判斷的影響。通過試驗和分析,對實用的分選機的圖像攝取部分的結(jié)構(gòu),要保證攝像頭與物料球心的連線務(wù)必與投影面保持垂直。

[參考文獻]

[1] 曹樂平.基于計算機視覺技術(shù)的水果分級研究進展[J]. 農(nóng)機化研究,2007,11:10–15.

[2] I.Paulus,P. De Busscher E. Schrevens.Use of image analysis to investigate human quality classificat apples.J.agric.Engng Res.(1997) 68,341-353.

[3] 熊利榮,任奕林.基于機器視覺的花生大小檢驗[J]. 湖北農(nóng)業(yè)科學(xué),2007,46(3):464-465.

[4] 寧紀鋒,何東健.基于圖像形態(tài)學(xué)的球形果實品質(zhì)檢測研究[J].農(nóng)機化研究,2001,3:28-29.

[作者簡介]

裴暑云(1983年6月)、女、碩士研究生、智能檢測技術(shù)與裝置、武漢工業(yè)學(xué)院金銀湖校區(qū)電氣系。

謝兆鴻(1948年)、男、本科、碩士生導(dǎo)師、教授、自動控制和計算機應(yīng)用技術(shù)、武漢工業(yè)學(xué)院金銀湖校區(qū)電氣系。

①注:武漢工業(yè)學(xué)院大學(xué)生創(chuàng)新性實驗計劃項目資助