王守亞，沈曉波

(淮南師范學(xué)院 電子工程學(xué)院 ，安徽 淮南 232038)

2020年中國蘋果產(chǎn)量超過了4.5×107t。蘋果上市前需要分級(jí)，分級(jí)情況直接影響到蘋果的經(jīng)濟(jì)效益。傳統(tǒng)的人工分級(jí)缺點(diǎn)多，在一定程度上降低了蘋果的價(jià)值。隨著圖像處理、人工智能等技術(shù)的不斷發(fā)展，利用機(jī)器進(jìn)行無損智能分級(jí)越來越被重視[1-4]。在分級(jí)中，需要確定蘋果的正面，才能夠準(zhǔn)確的測量出蘋果的圓形度和大小等，以達(dá)到高質(zhì)量的分級(jí)效果。

如何有效地確定蘋果正面，國內(nèi)外學(xué)者進(jìn)行了一定的研究，Paulus I等[5]對(duì)蘋果大小進(jìn)行分級(jí)；李欣等[6]通過泛洪填充+自適應(yīng)OSTU閾值分割算法和改進(jìn)的粒子群算法等實(shí)現(xiàn)蘋果在線分級(jí)；黃辰等[7]通過圖像特征融合實(shí)現(xiàn)蘋果在線分級(jí)；闕玲麗[8]通過機(jī)器視覺技術(shù)研究蘋果自動(dòng)分級(jí)；孫斐[9]通過最大內(nèi)切圓和傅里葉變換等技術(shù)對(duì)蘋果進(jìn)行分級(jí)。諸多研究都是在默認(rèn)確定了蘋果正面的情況下對(duì)蘋果的大小和圓形度等進(jìn)行了分級(jí)。針對(duì)這一問題，本文提出一種簡單的確定蘋果正面的方法：首先，利用反距離權(quán)重法確定一個(gè)方陣模板，用該模板與蘋果圖像做卷積運(yùn)算，進(jìn)行“模糊”處理，即平滑處理，以快速準(zhǔn)確的提取蘋果果梗；其次，計(jì)算出果梗與蘋果圖像中心點(diǎn)的距離；最后，將此距離與設(shè)定的閾值進(jìn)行比較，當(dāng)不大于該閾值時(shí)，即確定出蘋果的正面。

1 IDW算法

反距離權(quán)重法(Inverse Distance Weighted)[10-11]是一種很好用的插值方法，原理簡單，使用方便。根據(jù)IDW算法，設(shè)某點(diǎn)xk處的值為φk，則有：

φk=Σiφiωi/Σiωi

(1)

式中ωi為權(quán)重函數(shù)，且ωi表示為

(2)

式中，xi為xk的臨近點(diǎn)，φi為臨近點(diǎn)xi的值，m為ωi的冪系數(shù)，通常取值在0.5到3之間，一般取m=2。

此方法中的權(quán)重函數(shù)ωi，可以看出是和兩點(diǎn)的距離及冪系數(shù)相關(guān)的，當(dāng)給定冪系數(shù)的值后，距離參考點(diǎn)越近，權(quán)重值越大，距離參考點(diǎn)越遠(yuǎn)，權(quán)重值越小。由于后期需要利用IDW算法確定的方陣與蘋果圖像進(jìn)行卷積，對(duì)圖像進(jìn)行平滑處理。圖像是連續(xù)變化的，越近的點(diǎn)關(guān)系越大，越遠(yuǎn)的點(diǎn)關(guān)系越小，權(quán)重值的分配是平滑效果的關(guān)鍵，也是最終準(zhǔn)確確定蘋果正面的基礎(chǔ)。

本文利用IDW算法確定方陣，對(duì)該算法進(jìn)行了一定的簡化，方陣中其它點(diǎn)的值之和中心點(diǎn)的值有關(guān)系。假設(shè)方陣的中心點(diǎn)的值記為p，以此點(diǎn)作為參考點(diǎn)，則方陣中某一點(diǎn)的值qi為：

qi=ωip

(3)

這里重點(diǎn)需要確定合理的權(quán)重函數(shù) 。

2 實(shí)現(xiàn)過程

2.1 果梗提取

果梗提取需要確定一個(gè)方陣與蘋果圖像進(jìn)行平滑運(yùn)算，即進(jìn)行“模糊”處理，突出果梗的特征，弱化圖像中其它部分的特征。在提取果梗的過程中，花萼和蘋果外傷有時(shí)會(huì)帶來一定的干擾，但用本文方法確定的方陣，提取出的果梗、花萼和蘋果外傷能夠看出明顯的區(qū)別，果梗、花萼、外傷的提取效果分別如圖1、圖2、圖3所示。傳統(tǒng)的OSTU算法果梗、花萼、外傷的提取效果分別如圖4、如圖5、圖6所示。從提取效果圖可以看出，本文方法提取效果更好，花萼和損傷的提取結(jié)果與果梗有明顯的區(qū)別，能夠準(zhǔn)確的找出果梗，果梗提取準(zhǔn)確率高、速度快、效率高。

2.1.1 方陣確定 方陣與蘋果圖像進(jìn)行卷積運(yùn)算，方陣的半徑越大，平滑效果越明顯，但綜合考慮效果和效率等因素，本文采用3×3的方陣與蘋果圖像進(jìn)行卷積運(yùn)算，這是二維矩陣卷積運(yùn)算。蘋果圖像對(duì)應(yīng)的矩陣記為A，給定的3×3方陣記為B，此卷積運(yùn)算過程為：首先對(duì)A的第一行之前、第一列之前、最后一行之后和最后一列之后均補(bǔ)兩行或兩列0；其次將方陣B繞其中心旋轉(zhuǎn)1800；最后滑動(dòng)旋轉(zhuǎn)后的方陣B，將該方陣中心按順序位于圖像矩陣的每一個(gè)元素，求乘積和，即可得出運(yùn)算結(jié)果，即矩陣C。經(jīng)實(shí)驗(yàn)表明，可設(shè)方陣中心點(diǎn)的值p=2，即方陣B中b22的值，權(quán)重值wi可以取方陣中其余點(diǎn)距離中心點(diǎn)距離的一個(gè)冪值函數(shù)。

(4)

根據(jù)式(4)進(jìn)行運(yùn)算，如果旋轉(zhuǎn)后的方陣B中的b22滑動(dòng)到A中的ai,j位置時(shí)，對(duì)應(yīng)值是cm,n，則有：

cmn=ai-1,j-1×b33+ai-1,j×b32+ai-1,j+1×b31+ai,j-1×b23+ai,j×b22+

ai,j+1×b21+ai+1,j-1×b13+ai+1,j×b12+ai+1,j+1×b11

(5)

用同樣的方式，可以計(jì)算出矩陣C，即可得出平滑處理后的圖像。

2.1.2 果梗提取過程 實(shí)驗(yàn)采用的蘋果是購買于淮南市某農(nóng)貿(mào)市場的紅富士蘋果。提取蘋果果梗圖像：首先，對(duì)蘋果圖像與方陣進(jìn)行兩次平滑運(yùn)算，試驗(yàn)表明兩次平滑運(yùn)算效果更佳；其次，對(duì)平滑結(jié)果進(jìn)行灰度化處理；再次對(duì)灰度化的結(jié)果進(jìn)行孔洞填充；最后，得到蘋果果梗的圖像。此方法提取過程簡單易實(shí)現(xiàn)，準(zhǔn)確率高。處理的技術(shù)路線如圖7所示，得到的結(jié)果如圖8所示。

圖7 果梗提取技術(shù)路線圖 圖8 果梗提取過程

2.2 蘋果圖像中心點(diǎn)確定

中心是物體幾何形狀的中央部位，一個(gè)圓形度較好的蘋果，它的正面圖像的中心和果梗的位置應(yīng)該是非常接近的。無論從蘋果的哪個(gè)面拍攝圖像，中心點(diǎn)一定是該圖像的中央部位，而果梗位置卻差別較大，甚至未拍攝到果梗，檢測不到果梗。如果檢測不到果梗，判斷為非正面，如果檢測到果梗，可以計(jì)算出果梗位置和中心點(diǎn)位置的距離判斷圖像是否為蘋果的正面圖像。圖9所示為一標(biāo)記出中心點(diǎn)的二值化蘋果圖像。為了能夠較清晰的看出標(biāo)記的中心點(diǎn)，首先對(duì)蘋果圖像進(jìn)行了二值化處理。

圖9 標(biāo)記出中心點(diǎn)的二值化蘋果圖像 圖10 蘋果中心點(diǎn)和果梗坐標(biāo)值

對(duì)蘋果同一圖像，進(jìn)行一定的處理，得出果梗位置和中心點(diǎn)位置，果梗坐標(biāo)記為A(x1,y1)，中心點(diǎn)坐標(biāo)記為B(x2,y2) 。如圖10所示，標(biāo)記出蘋果果梗和中心點(diǎn)的坐標(biāo)值。根據(jù)公式(6)計(jì)算出兩點(diǎn)之間的距離L。

(6)

2.3 確定蘋果正面

根據(jù)前面的描述，計(jì)算出蘋果果梗與中心點(diǎn)的距離，與設(shè)定的閾值進(jìn)行比較。分兩種情況：第一種是由于拍攝面的原因未檢測到果梗，則直接判斷為非正面；第二種是檢測到果梗，根據(jù)計(jì)算的距離與設(shè)定的閾值進(jìn)行比較，距離小于閾值則判斷為正面，否則判斷為非正面。本文算法效果如圖11、圖12和圖13所示，分別為蘋果非正面圖像和蘋果正面圖像情況。

圖11 本文算法蘋果非正面圖像情況1 圖12 本文算法蘋果非正面圖像情況2

圖13 本文算法蘋果正面圖像情況 圖14 OSTU算法蘋果非正面圖像情況1

OSTU算法效果如圖14、圖15和圖16所示。可以看出，本文算法識(shí)別更清晰，效果更好。

圖15 本文算法蘋果非正面圖像情況2 圖16 OSTU算法蘋果正面圖像情況

3 結(jié)果分析

為檢測該簡易方法的正確性，選用200幅蘋果圖像，分別檢測出每幅圖像的果梗和標(biāo)記出中心點(diǎn)。蘋果是購買于淮南市某農(nóng)貿(mào)市場的紅富士蘋果，由于該方法對(duì)蘋果的種類、大小和色澤等沒有特別要求，同樣適合其它種類蘋果正面的確定。蘋果正面的正確確定率達(dá)97.5%。由于蘋果正面的確定是對(duì)蘋果按照大小、圓形度等指標(biāo)進(jìn)行分級(jí)的前提，所以本文的研究方法能夠?yàn)樘O果等農(nóng)產(chǎn)品的無損智能分級(jí)提供一定的參考，有重要的實(shí)用價(jià)值。

4 結(jié)論

針對(duì)蘋果智能無損分級(jí)前需要確定蘋果正面這一問題，結(jié)合反距離權(quán)重法，確定出方陣，對(duì)蘋果圖像進(jìn)行一些列的處理(處理方法簡單易操作)，檢測蘋果果梗和標(biāo)記蘋果中心點(diǎn)，根據(jù)兩者的距離確定圖像是否為蘋果正面圖像。此法為蘋果大小、圓形度的檢測等做出必要的一步。與常見的OSTU算法相比，本文的方法準(zhǔn)確率較高，能夠?yàn)樘O果等其它農(nóng)產(chǎn)品的分級(jí)提供參考。