一種應(yīng)用于藥品泡罩包裝檢測(cè)的改進(jìn)分水嶺算法研究

闞文君， 王碩禾， 蔡承才

(1.石家莊鐵道大學(xué) 機(jī)械工程學(xué)院，河北 石家莊 050043;2.天津市地下鐵道運(yùn)營(yíng)有限公司，天津 030222;3.石家莊鐵道大學(xué) 電氣與電子工程學(xué)院，河北 石家莊 050043)

?

一種應(yīng)用于藥品泡罩包裝檢測(cè)的改進(jìn)分水嶺算法研究

闞文君1,2， 王碩禾3， 蔡承才3

(1.石家莊鐵道大學(xué) 機(jī)械工程學(xué)院，河北 石家莊 050043;2.天津市地下鐵道運(yùn)營(yíng)有限公司，天津 030222;3.石家莊鐵道大學(xué) 電氣與電子工程學(xué)院，河北 石家莊 050043)

針對(duì)分水嶺算法存在的過(guò)分割問(wèn)題以及泡罩包裝藥品圖像的特點(diǎn)，提出一種改進(jìn)的分水嶺分割算法對(duì)泡罩包裝的藥品進(jìn)行分割。該方法將形態(tài)學(xué)重建運(yùn)算與使用控制標(biāo)記符的方法相結(jié)合，首先對(duì)原圖像進(jìn)行開(kāi)閉重建，根據(jù)鄰域像素連通性提取重建后圖像的局部極大值作為標(biāo)記，從而抑制其他的局部極小值，然后依據(jù)標(biāo)記對(duì)原始的梯度圖像進(jìn)行修正，最后對(duì)修改后的梯度圖像進(jìn)行分水嶺分割。試驗(yàn)表明，該方法在缺陷藥品檢測(cè)中，可以有效的抑制傳統(tǒng)分水嶺的過(guò)分割，分割效果良好。

圖像分割；分水嶺算法；形態(tài)學(xué)重建；泡罩藥品圖像

0 引言

自動(dòng)視覺(jué)缺陷檢測(cè)已經(jīng)成為現(xiàn)代制藥行業(yè)質(zhì)量控制的一個(gè)重要組成部分?；赑C的機(jī)器視覺(jué)檢測(cè)系統(tǒng)是用機(jī)器代替人眼、人手來(lái)進(jìn)行檢測(cè)、測(cè)量、分析、判斷和決策控制的智能測(cè)控技術(shù)[1]，它具有非接觸、智能化、高精度和高速度的特點(diǎn)，已經(jīng)逐漸成為國(guó)內(nèi)廠家為新設(shè)備配套和舊設(shè)備改造的認(rèn)可方案。在檢測(cè)過(guò)程中，將藥品圖像從空間背景下精準(zhǔn)、快速地提取出來(lái)是進(jìn)行特征提取和識(shí)別的前提，直接影響檢測(cè)系統(tǒng)的識(shí)別率。但是分割又是個(gè)比較困難的問(wèn)題，具有不適定性。在識(shí)別過(guò)程中，人們隱含的假設(shè)分割已經(jīng)解決或根本不存在分割問(wèn)題而避開(kāi)對(duì)其的研究，是不正確的。

圖1 OTSU閾值分割效果

目前關(guān)于泡罩藥品分割的相關(guān)研究有：呂?？龑?duì)傳統(tǒng)的SVC聚類算法進(jìn)行改進(jìn)，并將改進(jìn)的聚類算法應(yīng)用到檢測(cè)到的多目標(biāo)運(yùn)動(dòng)區(qū)域的實(shí)時(shí)動(dòng)態(tài)分割中，取得了較為滿意的效果。趙鵬等[2-3]采用常用的最大類間方差法(Otsu)分割泡罩藥片得到二值圖像。在該系統(tǒng)中，由于鋁塑包裝和藥品反光性較強(qiáng)，噪聲的數(shù)據(jù)和目標(biāo)的數(shù)據(jù)經(jīng)?；煸谝黄?，采用迭代閾值算法效果并不理想。通過(guò)實(shí)驗(yàn)表明，Otsu分割效果也很不理想，主要原因是是閾值分割一般都對(duì)直方圖模型有所要求，而且對(duì)目標(biāo)和背景灰度值相差比較大的圖像效果比較好。而且Otsu分割方法無(wú)法忍受圖像中存在大部分的黑色區(qū)域。該系統(tǒng)中泡罩藥板和黑色工作臺(tái)共同作為背景，而且圖像還受到光照或其他噪聲的影響的，導(dǎo)致背景和目標(biāo)不能分開(kāi)，致使閾值分割失敗。圖1為Otsu閾值分割的結(jié)果。

針對(duì)上述問(wèn)題，本文提出一種改進(jìn)的分水嶺分割方法。將形態(tài)學(xué)重建與控制標(biāo)記符相結(jié)合，在原始圖像上采用形態(tài)學(xué)重建，從而獲得前景和背景標(biāo)記對(duì)梯度圖像進(jìn)行修正，作為分水嶺變換的輸入。理論分析和仿真結(jié)果均證明該算法的可行性。

1 分水嶺算法原理

分水嶺分割(Watershed Algorithm)是一種基于數(shù)學(xué)形態(tài)學(xué)的，屬于區(qū)域分割的經(jīng)典分割方法。它根據(jù)地理學(xué)中分水嶺的構(gòu)成原理來(lái)考慮灰度圖像的分割，將許多概念進(jìn)行具體化分析，得到的結(jié)果相較于其他分割方法更為穩(wěn)定[4]。假設(shè)灰度圖像看作是一個(gè)地形表面，每個(gè)像素的灰度代表該坐標(biāo)地形的高度。假設(shè)地形表面是有山有水的，那么一定是山圍水、水繞山，為了要防止集水盆之間的相互穿透，有時(shí)需要人工修筑大壩。區(qū)分山與水，以及湖與湖之間的界限都是連通的關(guān)系，就是分水嶺。

分水嶺分割的基本思想有兩種：按照雨點(diǎn)降落的過(guò)程，首先給每個(gè)谷底賦予不同的標(biāo)記，雨滴在地形表面將流向更低的谷底，將該谷底的標(biāo)記賦予該點(diǎn)，最后匯集到不同的谷底，匯集在同一谷底的雨滴形成的集水盆就形成一個(gè)區(qū)域。如果雨水可能流向多個(gè)谷底，則標(biāo)記為分水嶺[5]；按照模擬浸沒(méi)過(guò)程就是先選擇一個(gè)適當(dāng)小的閾值當(dāng)作起點(diǎn)，即集水盆的底，然后在此處打個(gè)洞讓水從洞中涌出慢慢的向周圍淹沒(méi)的過(guò)程，當(dāng)不同盆地中的水要匯合到一起時(shí)就修筑大壩阻止匯合，這些大壩就相當(dāng)于分水嶺的分割線。

圖2 基于梯度的分水嶺變換

由于分水嶺表示的是圖像的極大值點(diǎn)，所以一般把梯度圖像作為輸入圖像。但是分水嶺分割時(shí)利用梯度信息作為輸入圖像時(shí)，由于分水嶺變換對(duì)弱邊緣的響應(yīng)良好，圖像中的非規(guī)則灰度擾動(dòng)和噪聲造成存在的局部極值過(guò)多，傳統(tǒng)的分水嶺算法由于噪聲及區(qū)域內(nèi)部文理細(xì)節(jié)的影響會(huì)產(chǎn)生嚴(yán)重的過(guò)分割現(xiàn)象[6]。為了克服分水嶺算法帶來(lái)的過(guò)分割現(xiàn)象，通常采用兩種方法處理：一是利用先驗(yàn)只是去除無(wú)關(guān)邊緣信息；二是修正梯度函數(shù)使得集水盆只影響想要探測(cè)的目標(biāo)[7]。在實(shí)際應(yīng)用中，需要根據(jù)需求結(jié)合其他方法消除過(guò)分割的影響。圖2 是對(duì)梯度圖像進(jìn)行分水嶺變換的結(jié)果。

2 分水嶺方法的改進(jìn)

2.1 概述

如上所述，由于圖像中存在大量的極小值，直接應(yīng)用分水嶺變換往往會(huì)造成過(guò)分割現(xiàn)象。過(guò)分割的原因是過(guò)多極小值的存在，如果在圖像中對(duì)前景對(duì)象和背景對(duì)象進(jìn)行標(biāo)記區(qū)別，再用分水嶺算法會(huì)使這一問(wèn)題得到解決[8]。因此本文提出一種基于控制標(biāo)記符的改進(jìn)分水嶺分割算法，并采用形態(tài)學(xué)重建技術(shù)獲得控制標(biāo)記符。

基于控制標(biāo)記符的改進(jìn)分水嶺分割可以分為以下幾個(gè)步驟：(1)計(jì)算原圖像的梯度幅值。(2)計(jì)算前景標(biāo)記。利用形態(tài)學(xué)重建對(duì)原圖像進(jìn)行平滑處理，再?gòu)闹刑崛∨c物體相關(guān)的局部極大值，作為提取前景標(biāo)記，由于背景是黑色的，藥片的顏色比背景淺很多，提取極大值構(gòu)成的二值圖像可以準(zhǔn)確地把目標(biāo)標(biāo)記出來(lái)，從而抑制了圖像中原有的大量局部極小值。(3)計(jì)算背景標(biāo)記。對(duì)前景標(biāo)記圖像進(jìn)行歐幾里得距離變換，然后進(jìn)行分水嶺變換來(lái)實(shí)現(xiàn)，得到分水嶺脊線作為背景標(biāo)記。(4)計(jì)算分水嶺變換的分割函數(shù)，修改梯度幅值，使其只在前景和后景標(biāo)記有局部最小。(5)進(jìn)行基于梯度的分水嶺變換，獲得結(jié)果。實(shí)驗(yàn)證明這種分割方法可以獲得較理想的分割結(jié)果。

2.2 求取梯度圖

分水嶺變換使用梯度圖像作為輸入圖像，g(x,y)=grad(f(x,y))，f(x,y)為原始圖像，g(x,y)為原始圖像的梯度圖像。計(jì)算公式如下

(1)

梯度的幅值圖像在邊緣處的像素點(diǎn)具有較高的灰度值，在其他地方的像素灰度值則較低，計(jì)算圖像的梯度可以突出目標(biāo)和背景區(qū)域邊緣處的變化幅度，且可以在一定程度上抑制噪聲產(chǎn)生的極小值?；谔荻鹊姆炙畮X分割的理想情況是在目標(biāo)邊緣處產(chǎn)生分水嶺脊線，其他位置為0。

2.3 標(biāo)記提取

基于標(biāo)記符的分水嶺分割算法，其關(guān)鍵在于尋找一組和圖像中各區(qū)域都相關(guān)的連通分量。包括一個(gè)前景標(biāo)記符和一個(gè)背景標(biāo)記符。其中，前景標(biāo)記符位于每一個(gè)感興趣目標(biāo)區(qū)域的內(nèi)部，背景標(biāo)記符包含在背景中。標(biāo)記的選擇方法有很多，包括線性濾波、非線性濾波以及形態(tài)學(xué)處理等方法，一般情況下選擇的方法高度依賴于與應(yīng)用相關(guān)的圖像特性。文章采用形態(tài)學(xué)重建技術(shù)獲得控制標(biāo)記符。

2.3.1 形態(tài)學(xué)重建

形態(tài)學(xué)重建是形態(tài)學(xué)處理的另一重要內(nèi)容。本文采用形態(tài)學(xué)重建的目的是消除圖像中噪聲引起的局部極值，保留輪廓極值的重要信息，并且提取出圖像中的極大值區(qū)域。

形態(tài)學(xué)重建技術(shù)涉及到兩幅圖像和一個(gè)結(jié)構(gòu)算子，它通過(guò)掩膜圖對(duì)整個(gè)圖像進(jìn)行選擇性重建，直到像素不再變化。其中一副圖像是標(biāo)記f，是變換的起點(diǎn)。另一種是掩膜g(g?f)，用來(lái)約束變換。結(jié)構(gòu)元素為B，則從f重構(gòu)g可以記為Rg(f),迭代過(guò)程定義如下

(2)

直到hk+1=hk時(shí)迭代過(guò)程結(jié)束。

2.3.2 前景標(biāo)記

圖3 圖像的形態(tài)學(xué)運(yùn)算

在形態(tài)學(xué)重建運(yùn)算中，一幅圖像先被腐蝕，再以被腐蝕圖像作為標(biāo)記圖像進(jìn)行重構(gòu)，稱為基于開(kāi)的重建。對(duì)一幅圖像先求補(bǔ)，再計(jì)算其開(kāi)運(yùn)算重建，再對(duì)結(jié)果求補(bǔ)，稱為基于閉的重建運(yùn)算?？紤]到開(kāi)和閉的重建運(yùn)算分別對(duì)梯度圖像中明暗細(xì)節(jié)和噪聲的平滑特性，將開(kāi)閉重建運(yùn)算相結(jié)合，簡(jiǎn)單地說(shuō)，就是在開(kāi)重建的基礎(chǔ)上，對(duì)圖像再進(jìn)行膨脹重建運(yùn)算，構(gòu)成形態(tài)學(xué)混合開(kāi)閉運(yùn)算以消除圖像中的明暗細(xì)節(jié)和噪聲。實(shí)驗(yàn)結(jié)果如圖3所示。

通過(guò)圖3的比較可以看出，對(duì)圖像進(jìn)行傳統(tǒng)的開(kāi)閉操作可以移除較暗的斑點(diǎn)，但是會(huì)改變圖像原本的形狀?；陂_(kāi)閉的重建運(yùn)算結(jié)合了開(kāi)閉重建運(yùn)算的特點(diǎn)，除了能夠很好地減弱圖像中的各類噪聲的同時(shí)還能夠很好的保持圖像原有的形狀不受影響，不會(huì)對(duì)邊緣產(chǎn)生很大的影響，處理后的圖像邊緣也不會(huì)有偏移的情況。所以基于重建的開(kāi)閉操作比傳統(tǒng)的開(kāi)閉運(yùn)算和基于開(kāi)的重建運(yùn)算更加有效。下面計(jì)算圖開(kāi)閉重建處理后的圖像的局部極大值來(lái)更好的標(biāo)記前景，結(jié)果如圖4(a)所示。為了更好的理解，將前景標(biāo)記疊加到原圖上，可以看到圖4(b)，所有的藥品都被標(biāo)記上，這就意味著在分割中這些對(duì)象可以得到合理的分割。有一些對(duì)象的前景標(biāo)記一直到對(duì)象的邊緣，這時(shí)應(yīng)該清理標(biāo)記的邊緣，收縮它們，可以通過(guò)閉操作和腐蝕操作來(lái)完成。

2.3.3 背景標(biāo)記

該文中背景在黑色區(qū)域。理想的情況下，不必要求背景標(biāo)記太接近要分割的對(duì)象的邊緣。通過(guò)計(jì)算“骨架影響范圍”來(lái)“細(xì)化”背景，這可以通過(guò)計(jì)算距離變換來(lái)實(shí)現(xiàn)[9]，然后尋找結(jié)果的分水嶺脊線。

在分割中，距離變換是與分水嶺變換配合經(jīng)常使用的工具。二值圖像的距離變換概念是指每一個(gè)像素到最近非零像素的距離。其中值為1的像素的距離變換定義為0。本文對(duì)前景標(biāo)記的二值圖像進(jìn)行距離變換，然后進(jìn)行分水嶺變換，結(jié)果得到的脊線就為背景標(biāo)記，如圖5所示。

圖4 圖像的局部極大值提取

圖5 二值圖像的距離變換

2.3.4 基于標(biāo)記的分水嶺分割

在獲得梯度圖像的前背景標(biāo)記后，就可以對(duì)原有的梯度圖像進(jìn)行修改了，將提取的標(biāo)記強(qiáng)制性的作為梯度圖像的極小值，使其只在前景和背景標(biāo)記位置具有局部極小值，然后再對(duì)修改后的梯度圖像進(jìn)行分水嶺變換，就得到了基于標(biāo)記符的分水嶺變換，這樣就得到最終的分割結(jié)果。見(jiàn)圖6～圖8。

圖6 分水嶺分割結(jié)果

圖7 對(duì)缺粒藥品的分水嶺分割

圖8 破損藥品的分水嶺分割

3 實(shí)驗(yàn)結(jié)果與分析

本文提出一種新的基于控制標(biāo)記符的分水嶺分割算法。該算法通過(guò)形態(tài)學(xué)重建運(yùn)算對(duì)原圖像的局部極大值進(jìn)行標(biāo)記，然后將提取的標(biāo)記強(qiáng)制性的作為梯度圖像的極小值，使其只在前景和背景標(biāo)記位置具有局部極小值，最后再對(duì)修改后的梯度圖像進(jìn)行分水嶺變換得到分割結(jié)果。從仿真結(jié)果可以看出，該算法很大程度上改善了分水嶺過(guò)分割的現(xiàn)象，分割結(jié)果達(dá)到了預(yù)期的效果。同時(shí)，整個(gè)過(guò)程不需要進(jìn)行分割后區(qū)域合并，很好地降低了算法的復(fù)雜度。經(jīng)實(shí)際應(yīng)用試驗(yàn)顯示，該方法有效的降低了缺陷藥品包裝的檢出率，提高了檢測(cè)系統(tǒng)的工作效率。

[1]王耀南，陳鐵健，賀振東，等. 智能制造裝備視覺(jué)檢測(cè)控制方法綜述[J].控制理論與應(yīng)用，2015,32(3):273-286.

[2]謝丹毅. 藥品泡罩包裝缺陷機(jī)器視覺(jué)檢測(cè)技術(shù)的研究[D].湖南:中南大學(xué)信息科學(xué)與工程學(xué)院,2007.

[3]趙鵬. 基于機(jī)器視覺(jué)的藥品包裝檢測(cè)技術(shù)研究[D].湖南:湖南大學(xué)電氣與信息工程學(xué)院,2009.

[4]謝文娟. 基于改進(jìn)分水嶺算法的細(xì)胞圖像分割[D].武漢:中南民族大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)學(xué)院,2010.

[5]高麗，楊樹(shù)元，李海強(qiáng). 一種基于標(biāo)記的分水嶺圖像分割算法[J].中國(guó)圖像圖形學(xué)報(bào),2007,12(6):1025-1032.

[6]戴丹. 基于改進(jìn)分水嶺算法的粘連顆粒圖像分割[J].計(jì)算機(jī)技術(shù)與發(fā)展,2013(3):19-22.

[7]賀振華，黃英，劉林. 一種改進(jìn)的分水嶺算法在醫(yī)學(xué)圖像分割中的應(yīng)用研究[J].工業(yè)控制計(jì)算機(jī),2013,26(5):99-100.

[8]HAIRS K,HYBRID. Image segmentation using watersheds and fast region merging[J]. IEEE trans. Image Progressing, 1988,7(11):1684-1699.

[9]張漢欣. 輪胎軌跡圖像處理及識(shí)別算法研究[D].吉林:吉林大學(xué)交通學(xué)院,2011.

Research of Bubble-cap Pharmaceutical Packing Inspection System Based on Machine Vision

Kan Wenjun1,2, Wang Shuohe3, Cai Chengcai3

(1. School of Mechanical Engineering, Shijiazhuang Tiedao University, Shijiazhuang 050043, China;2.Tianjin Metro Operations Corporation Limited, Tianjin 030222, China;3.School of Electrical and Electronic Engineering, Shijiazhuang Tiedao University, Shijiazhuang 050043, China)

Aimed at resolving the problem of over-segmentation existing in watershed algorithm and characteristics of blister packaging medicine image, an efficient watershed algorithm is proposed. The method combined morphological reconstruction with control symbol, firstly performs opening and closing reconstruction operations on original image, extracts local maxima of reconstructed image as a marker on basis of the neighborhood pixel connectivity to suppress the other local minima value, then modifies the gradient image according to the marking, and finally, uses watershed segmentation to the modified gradient image. Experimental results show this method has a good segmentation effect, and over-segmentation can be significantly reduced.

image segmentation;watershed algorithm;morphological reconstruction;blister drugs image

2015-09-16 責(zé)任編輯:劉憲福

10.13319/j.cnki.sjztddxxbzrb.2016.04.17

闞文君(1988-)，女，碩士，助理工程師，研究方向?yàn)闄z測(cè)技術(shù)與自動(dòng)化裝置，綜合監(jiān)控。E-mail:kan200602@sina.com闞文君，王碩禾，蔡承才.一種應(yīng)用于藥品泡罩包裝檢測(cè)的改進(jìn)分水嶺算法研究[J].石家莊鐵道大學(xué)學(xué)報(bào):自然科學(xué)版,2016,29(4):100-104.

TP391.9

A

2095-0373(2016)04-0100-05