基于計(jì)算機(jī)視覺的血橙成熟度檢測(cè)

摘要：利用血橙表面著色比例判斷其成熟程度，通過(guò)血橙成熟度判斷其最佳采摘時(shí)間，為血橙的最佳貯藏、運(yùn)輸與銷售時(shí)間提供依據(jù)。使用CCD相機(jī)采集血橙正反兩面的圖片，運(yùn)用數(shù)字圖像處理技術(shù)對(duì)血橙正反兩面圖片進(jìn)行全局閾值分割，通過(guò)imclearborder函數(shù)將分割后血橙區(qū)域外的背景處理成黑色，統(tǒng)計(jì)分割圖像中的黑白像素點(diǎn)。數(shù)字圖像處理技術(shù)能有效處理CCD相機(jī)采集的血橙圖片，計(jì)算出血橙的著色比例。試驗(yàn)方案適用于血橙成熟度檢測(cè)，通過(guò)統(tǒng)計(jì)出的數(shù)據(jù)能判斷血橙是否成熟。

關(guān)鍵詞：血橙成熟度；閾值分割；像素點(diǎn)統(tǒng)計(jì)

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2016）03-0740-03

DOI：10.14088/j.cnki.issn0439-8114.2016.03.048

Abstract： The maturity of blood oranges could be judged by the colored proportion of the surface， and the pick time of blood oranges could be obtained by the maturity， which provided an evidence for optimum time of storage， transportation and selling. The global threshold segmentation was performed by using digital image processing technology on the both positive and negative surfaces’ photos of blood oranges taken by CCD camera. In the segmented image， the background outside the area of blood orange were treated to be black by imclearborder function， thus the white and black pixel points could be statistically counted. The photo of blood orange taken by CCD camera could be effectively processed by digital image processing technology. The detecting method in this research was suitable to check the maturity of blood oranges， and the data statistically counted could be used for judging whether the blood orange matured or not.

Key words：maturity of blood oranges；threshold segmentation；pixel points count

血橙是南方特有的珍奇水果，以其汁胞呈血紅色如血絲，并有益氣補(bǔ)血、止咳化痰、健胃消食等多種保健功能而得名。由于其品質(zhì)優(yōu)良且在春節(jié)期間成熟，又適合大眾口味，所以其價(jià)格是其他柑橘的幾倍。但是在血橙篩選過(guò)程中，通過(guò)人工篩選血橙，不但耗時(shí)耗力，而且可能造成血橙受損，影響血橙的品質(zhì)。因此實(shí)現(xiàn)對(duì)血橙成熟度的無(wú)損檢測(cè)，可以節(jié)省人力，提高血橙分揀效率。

基于計(jì)算機(jī)視覺對(duì)水果進(jìn)行無(wú)損檢測(cè)一直是研究的熱點(diǎn)。由于水果的表面特征不同，所以不同水果的檢測(cè)方法也各不相同。常用的技術(shù)方法有數(shù)字圖像處理、近紅外光譜分析、光特性無(wú)損檢測(cè)等。由于血橙的表皮有著獨(dú)特的性質(zhì)，在其趨于成熟的時(shí)候表面會(huì)產(chǎn)生獨(dú)有的血紅色，通過(guò)對(duì)血橙的圖像采集，分析血橙獨(dú)有的圖像特性，對(duì)血橙進(jìn)行有效分割。運(yùn)用全局閾值法分割采集的血橙圖像，然后對(duì)分割后的圖像信息進(jìn)行有效處理，通過(guò)處理后的信息能準(zhǔn)確計(jì)算出血橙的成熟度[1]。

1 材料與方法

1.1 試驗(yàn)設(shè)備

CCD相機(jī)分辨率1 024像素×768像素，可見光和近紅外長(zhǎng)條形LED光源。固定相機(jī)與光源的位置，手動(dòng)調(diào)整血橙放置位置，保證人為改動(dòng)血橙位置后依然處于相機(jī)拍攝的最佳角度。先采集血橙的正面圖像，再采集同一血橙的背面圖像。

1.2 閾值法分割圖像

閾值法分為全局閾值法和局部閾值法，全局閾值法是利用全局信息對(duì)整個(gè)圖像求出最優(yōu)的分割閾值，可以是單閾值，也可以是多閾值[2]。而局部閾值法是把原始圖像分為幾個(gè)小的子圖像，再對(duì)每個(gè)子圖像應(yīng)用全局閾值法分別求出最優(yōu)的分割閾值。所謂閾值分割方法就是確定某個(gè)閾值Th，根據(jù)圖像中每個(gè)像素的灰度值大小或小于該閾值Th進(jìn)行圖像分割，實(shí)際上就是按照某個(gè)準(zhǔn)則函數(shù)求最優(yōu)閾值Th的過(guò)程。設(shè)原圖像為f（x，y）（二維數(shù)字圖像的平面坐標(biāo)），圖像灰度級(jí)的取值范圍是G=|0，1，2...L-1|（0代表最暗的像素點(diǎn)，L-1代表最亮的像素點(diǎn)）。經(jīng)過(guò)分割處理后的圖像為g（x，y），g（x，y）為二值圖像，則有：

g（x，y）=1，f（x，y）≥Th0，f（x，y）

2 結(jié)果與分析

2.1 全局閾值法分割血橙

對(duì)采集的血橙圖像進(jìn)行預(yù)處理，通過(guò)rgb2gray（）函數(shù)將其轉(zhuǎn)換為灰度圖像，血橙正面原始圖像的灰度圖如圖1所示。

背景的灰度值在整個(gè)圖像中可看作恒定，而且分割對(duì)象與背景都具有幾乎相同的對(duì)比度。只要選擇正確的全局閾值，一般都會(huì)有較好的分割效果[3，4]。對(duì)圖1中血橙的正面灰度圖像采取全局閾值分割，將小于全局閾值的像素點(diǎn)置為白色；反之，大于全局閾值的像素點(diǎn)置為黑色。經(jīng)過(guò)分割處理后的圖像變?yōu)楹诎咨亩祱D，血橙表面的著色區(qū)域顏色深故變?yōu)楹谏?，血橙表面的未著色區(qū)域顏色淺故變?yōu)榘咨＿x取不同的全局閾值，對(duì)圖像的分割效果也各不相同[5]。選取全局閾值分別為110、120、130對(duì)圖1血橙的正面灰度圖像進(jìn)行分割，其結(jié)果如圖2所示。

當(dāng)全局閾值選為110（圖2a）時(shí)，血橙的邊界與背景分界模糊，部分血橙被誤認(rèn)為背景，同時(shí)部分著色區(qū)域被誤認(rèn)為未著色，減少了血橙實(shí)際的著色面積。全局閾值選為130（圖2c）時(shí)，完全消除了血橙被誤認(rèn)為背景的部分，但是部分未著色區(qū)域被誤認(rèn)為著色區(qū)域，增大了血橙實(shí)際的著色面積。而全局閾值選為120（圖2b）時(shí)，血橙著色區(qū)域與未著色區(qū)域完全區(qū)分，背景與血橙分界明顯，分割效果最佳，所以全局閾值設(shè)定為120。

同理，通過(guò)rgb2gray（）函數(shù)將血橙背面原圖轉(zhuǎn)換為灰度圖像（圖3a），選取全局閾值為120分割得到處理后的圖像如圖3b所示。

2.2 統(tǒng)計(jì)著色比例

由于血橙著色區(qū)域與未著色區(qū)域相互交錯(cuò)，并且分布零散。常用的matlab不規(guī)則面積計(jì)算方法無(wú)法精確計(jì)算出著色面積與未著色面積的比例。本試驗(yàn)采用黑白像素點(diǎn)統(tǒng)計(jì)的辦法對(duì)圖像中的每個(gè)像素點(diǎn)逐個(gè)統(tǒng)計(jì)，通過(guò)if語(yǔ)句判斷，如果為黑色像素點(diǎn)（二值圖中0表示黑色），則黑色像素點(diǎn)總數(shù)加1，反之白色像素點(diǎn)總數(shù)加1。先計(jì)算血橙正面分割圖未著色面積的白色像素點(diǎn)個(gè)數(shù)，以及著色面積的黑色像素點(diǎn)個(gè)數(shù)，然后計(jì)算血橙反面分割后的黑色像素點(diǎn)個(gè)數(shù)與白色像素點(diǎn)個(gè)數(shù)。用兩個(gè)圖總的黑色像素點(diǎn)個(gè)數(shù)除以兩圖總的黑白像素點(diǎn)個(gè)數(shù)，得到整個(gè)血橙著色面積占總面積的比例。由于血橙正面選取120全局閾值分割處理后背景也是白色，白色像素點(diǎn)個(gè)數(shù)包括未著色區(qū)域與背景，此時(shí)只能有效統(tǒng)計(jì)出黑色像素個(gè)數(shù)。所以先計(jì)算出圖2b血橙正面分割圖中總的黑色像素點(diǎn)個(gè)數(shù)為2 324 223，即著色區(qū)域，再通過(guò)imclearborder函數(shù)將血橙正面分割后血橙區(qū)域外的背景處理成黑色（圖4a），計(jì)算出血橙正面分割圖中白色像素點(diǎn)個(gè)數(shù)為625 926，即未著色區(qū)域。同理由圖3b計(jì)算出血橙背面分割處理后的黑色像素點(diǎn)個(gè)數(shù)為2 085 542，即著色區(qū)域，再通過(guò)圖4b計(jì)算出血橙背面分割圖白色像素點(diǎn)數(shù)為93 568，即未著色區(qū)域。此時(shí)，以血橙正面與背面分割圖像的總黑色像素點(diǎn)個(gè)數(shù)之和除以血橙正面與背面分割圖像的黑白像素點(diǎn)個(gè)數(shù)總和，計(jì)算出血橙的著色比例為85.97%。血橙成熟度是按照果皮著色面積達(dá)到三分之二即八成熟，以此為標(biāo)準(zhǔn)，本試驗(yàn)采集的血橙樣品檢測(cè)結(jié)果為完全成熟[6，7]。

3 小結(jié)

試驗(yàn)通過(guò)選取不同的全局閾值對(duì)血橙進(jìn)行分割，不同全局閾值分割出來(lái)的圖像效果各不相同。選取全局閾值為120時(shí)，血橙邊界與背景分界清晰，并且血橙內(nèi)部著色部分與未著色部分區(qū)分明顯。在統(tǒng)計(jì)血橙著色比例時(shí)，運(yùn)用imclearborder函數(shù)處理分割后圖像，較為準(zhǔn)確地將血橙分割后的背景白色填充為黑色，以此實(shí)現(xiàn)著色區(qū)域與未著色區(qū)域的統(tǒng)計(jì)。通過(guò)分別統(tǒng)計(jì)黑白像素點(diǎn)個(gè)數(shù)的方法，代替計(jì)算血橙表面不規(guī)則著色面積與未著色面積，降低了計(jì)算的難度，解決了計(jì)算血橙著色面積比例的核心問題。依照著色面積達(dá)到三分之二即八成熟的標(biāo)準(zhǔn)，可以判斷出血橙是否成熟。

本試驗(yàn)方案針對(duì)血橙成熟度檢測(cè)設(shè)計(jì)，在血橙分割方法上采用全局閾值分割法達(dá)到了理想效果。通過(guò)imclearborder函數(shù)處理分割后圖像，能有效統(tǒng)計(jì)血橙黑白像素點(diǎn)個(gè)數(shù)，與傳統(tǒng)計(jì)算方法相比更為簡(jiǎn)便，為今后血橙自動(dòng)化無(wú)損檢測(cè)提供了理論基礎(chǔ)和數(shù)據(jù)積累。

參考文獻(xiàn)：

[1] 熊俊濤，鄒湘軍，陳麗娟，等.基于機(jī)器視覺的自然環(huán)境中成熟荔枝識(shí)別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2011，42（9）：162-166.

[2] 林正春，王知衍，張艷青.最優(yōu)進(jìn)化圖像閾值分割算法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2010，22（7）：1201-1206.

[3] 馬義得，錢志柏，李 娜.基于FCM的動(dòng)態(tài)結(jié)合全局圖像閾值分割[J].電子科技大學(xué)學(xué)報(bào)，2006，35（3）：349-351.

[4] 夏 勇，陳 斌，李永華，等.基于RGB的干棗圖像區(qū)域閾值分割算法的應(yīng)用研究[J].現(xiàn)代儀器，2012，18（6）：44-47.

[5] EKSTROM M P.Digital image processing techniques[M].Orlando，F(xiàn)lorida：Academic Press，Inc.，2012.

[6] PRABHA D S，KUMAR J S. Assessment of banana fruit maturity by image processing technique[J]. Journal of Food Science and Technology，2015，52（3）：1316-1327.

[7] MAGWAZA L S，TESFAY S Z. A review of destructive and non-destructive methods for determining avocado fruit maturity[J].Food and Bioprocess Technology，2015，8（10）：1995-2011.