一種基于計(jì)算機(jī)視覺的原木統(tǒng)計(jì)方法

摘 要：文章基于計(jì)算機(jī)視覺技術(shù)，利用數(shù)字圖像處理技術(shù)，在MATLAB實(shí)驗(yàn)平臺(tái)中對(duì)原木材積的數(shù)量進(jìn)行自動(dòng)化統(tǒng)計(jì)，設(shè)計(jì)了在Lab空間內(nèi)進(jìn)行圖像預(yù)處理去除背景干擾，再重構(gòu)至RGB空間，得到去除了背景的原木區(qū)域二值圖像，運(yùn)用hough變換圓檢測(cè)并設(shè)置合理的變化范圍，得出圖像中原木的近圓橫截面。為保證結(jié)果的準(zhǔn)確性，再利用先驗(yàn)知識(shí)刪掉當(dāng)背景去除不徹底時(shí)非正常區(qū)域圓形，提高了準(zhǔn)確率，有良好的實(shí)用性。

關(guān)鍵詞：數(shù)字圖像處理；原木；hough變換；圓檢測(cè)

1 概述

木材作為一種天然的生物材料，它們獨(dú)特的自然屬性，為人類的生活帶來了極大的便捷。而原木材積檢測(cè)中的數(shù)量統(tǒng)計(jì)是原木的加工、運(yùn)輸及貿(mào)易往來的最重要也是最基本的環(huán)節(jié)，它直接影響著本行業(yè)的經(jīng)濟(jì)利益。現(xiàn)在的原木數(shù)量統(tǒng)計(jì)大多采用人工作業(yè)的方式，隨著經(jīng)濟(jì)市場(chǎng)需求的持續(xù)發(fā)展，木材的需求量與日俱增，原始的人工方式作業(yè)環(huán)境惡劣，勞動(dòng)強(qiáng)度高及一定程度的危險(xiǎn)性，使實(shí)現(xiàn)原木材積統(tǒng)計(jì)過程的自動(dòng)化成為該領(lǐng)域新的發(fā)展方向。計(jì)算機(jī)視覺技術(shù)具有檢測(cè)速度快、成本低、精度高等優(yōu)勢(shì)，隨著近年來計(jì)算機(jī)領(lǐng)域的飛速發(fā)展，運(yùn)用數(shù)字圖像技術(shù)解決該領(lǐng)域的問題是其發(fā)展的必然趨勢(shì)[1-3]。

近年來，在原木材積的檢測(cè)及識(shí)別方面，有許多專家已經(jīng)做出了一些研究，梅振榮[4]等人將原木橫截面近似看作是橢圓形，并研究了一種基于非線性最小二乘原理的橢圓擬合算法，并將該算法用于原木橫截面的識(shí)別，該算法具有良好的擬合精度和適用性。景林，林耀海[5]等人在成捆原木檢尺輪廓識(shí)別中，通過研究原木橫截面彩色圖像中原木的色彩特征，并濾除大量的跟原木不相關(guān)的區(qū)域，留下與原木色彩近似或相同的像素點(diǎn)，并結(jié)合拉普拉斯濾波器，獲得原木邊緣，實(shí)現(xiàn)成捆原木輪廓的分離，從而獲得原木輪廓。以上算法都是基于圖像中只有原木端面部分進(jìn)行處理的，識(shí)別目標(biāo)明確，干擾較少，當(dāng)圖像中背景因素增多，干擾增加，相應(yīng)的算法準(zhǔn)確率則大幅降低。

文章把原木橫截面近似看作圓形，提出了基于hough變換的原木數(shù)量自動(dòng)統(tǒng)計(jì)算法，根據(jù)圖像特點(diǎn)，首先對(duì)原木橫截面圖像進(jìn)行預(yù)處理，得到了僅包含橫截面像素的圖像，再運(yùn)用形態(tài)學(xué)處理方法，過濾橫截面圖像的干擾像素，最后根據(jù)hough變換圓檢測(cè)，得到圖像中原木的根數(shù)。

2 原木橫截面識(shí)別算法

2.1 原木橫截面圖像顏色空間轉(zhuǎn)換

在獲取了包含原木橫截面的圖像之后，由分析可知，圖像中背景因素干擾較大，若直接在原圖像上處理，將會(huì)使實(shí)驗(yàn)結(jié)果有較大誤差，文章首先將RGB顏色空間的原木圖像轉(zhuǎn)換到lab顏色空間，并且基于該顏色空間的圖像再進(jìn)行后續(xù)的二值化處理及背景去除，可以獲得具有更好效果的木頭區(qū)域圖像。

同常見的RGB顏色空間相比，Lab是一種不太常用的色彩空間，它是在1931年國(guó)際照明委員會(huì)（CIE）制定的顏色度量國(guó)際標(biāo)準(zhǔn)的基礎(chǔ)上建立起來的，1976年，經(jīng)修改后被正式命名為CIELab，它是一種與圖像采集或者顯示等設(shè)備無關(guān)的顏色系統(tǒng)，也是一種基于生理特征的顏色系統(tǒng)，即它是用數(shù)字化的方法來描述人類的視覺感應(yīng)，其中的L分量用于表示像素的亮度，取值范圍是[0，100]，表示從純黑到純白；a表示從紅色到綠色的范圍，取值范圍是[127，-128]；b則表示從黃色到藍(lán)色的范圍，取值范圍是[127，-128]，圖1所示為L(zhǎng)ab顏色空間的圖示。

2.2 原木圖像去除背景干擾

在得到原木圖像LAB空間[6]下的二值圖像以后，利用形態(tài)學(xué)處理的方法去除圖像背景中的空洞、小塊，以及與邊界相連的區(qū)域之后，為得到效果圖再重構(gòu)成RGB圖像，根據(jù)圖像中木頭的顏色特征，去掉紅色、綠色、灰白色、黃色并填充空間再二值化，就得到了僅剩下原木區(qū)域的圖像，效果如圖2所示。

2.3 基于hough變換的多個(gè)圓檢測(cè)

最初的hough變換是設(shè)計(jì)用來檢測(cè)直線和曲線的[7]，最初的方法要求知道物體相關(guān)邊界線的解析方程，但不需要有關(guān)區(qū)域位置的先驗(yàn)知識(shí)，這種方法的一個(gè)突出優(yōu)點(diǎn)是結(jié)果的穩(wěn)定性及更廣泛的適用性，即結(jié)果對(duì)數(shù)據(jù)的不完全或噪聲不是非常敏感，在文章中，圓木的端面可以近似看成一個(gè)近圓形，但是由于圖像中有多個(gè)近圓形，每個(gè)圓的直徑都不相同，因此需要算法檢測(cè)出合理范圍內(nèi)的所有圓形，hough變換圓檢測(cè)的原理如下：

假設(shè)在圖像平面（XY平面）存在一個(gè)圓周，令{（xi，yi）i=1，2，3，……n}為圖像中同一圓周上的任意點(diǎn)的集合{（xi，yi）}，易知這些點(diǎn)構(gòu)成三維錐面，而這些三維錐面構(gòu)成圓錐面簇，如圖3所示。

在同一個(gè)圓周上的點(diǎn)滿足的XY平面方程式如下：

（a-x）2+（b-y）2=r2 （1）

這里的（a，b）代表圓心的位置坐標(biāo)，r代表對(duì)應(yīng)圓的半徑，用極坐標(biāo)的形式表示即為

x=a+rcosx（theta）

y=b+rsinx（theta） （2）

hough變換圓檢測(cè)的過程就是將圖像平面空間即X-Y平面上的點(diǎn)映射到參數(shù)空間（a，b，r）上，若平面集合中的點(diǎn)在同一個(gè)圓周上，則這些圓錐簇相交于參數(shù)空間上某一點(diǎn)（a0，b0，r0），這一點(diǎn)恰好對(duì)應(yīng)于圖像平面的圓心坐標(biāo)及圓的半徑，在計(jì)算過程中將參數(shù)空間進(jìn)一步分割為累加器單元A（I，j，k），并使初始累加器單元置零，根據(jù)方程對(duì)參數(shù)作相應(yīng)的循環(huán)，如果一個(gè)a（o）值得到相應(yīng)的b（p），r（q），就令A(yù)（o，p，q）=A（o，p，q）+1。最后對(duì)每一個(gè)累加器進(jìn)行比較，找到值最大的累加器，該累加器所對(duì)應(yīng)的參數(shù)值（a，b，r）就是在XY平面上所要求的圓心及半徑。在這個(gè)過程中，通過設(shè)置一定的范圍和步長(zhǎng)，通過theta循環(huán)和r循環(huán)，即可將原圖像空間的點(diǎn)映射到參數(shù)空間中，再在參數(shù)空間中尋找圓心，然后求出半徑坐標(biāo)，畫出擬合的圓形。

3 實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)選取了兩幅原木端面圖像進(jìn)行了處理，結(jié)果如圖4所示，其中（a）和圖（c）為原木端面原始RGB彩色圖像，（b）和（d）為經(jīng)過處理之后得到了擬合圓的結(jié)果圖。

結(jié)果統(tǒng)計(jì)表格如表1：

4 結(jié)束語(yǔ)

由以上實(shí)驗(yàn)結(jié)果可以看出，在光線影響及原木橫截面積并不完全對(duì)齊的情況下，該算法的準(zhǔn)確率可以達(dá)到90%以上，針對(duì)圖像中原木區(qū)域的特點(diǎn)以及背景像素的特點(diǎn)，文章主要作出了如下工作：（1）將原始原木圖像由RGB空間轉(zhuǎn)換到Lab空間。（2）利用顏色特征去除圖像背景區(qū)域，結(jié)合形態(tài)學(xué)處理進(jìn)一步處理去除干擾，得到只剩下原木區(qū)域的圖像。（3）利用hough變換圓檢測(cè)，設(shè)置合理的半徑值變化范圍，得到圓檢測(cè)的結(jié)果，統(tǒng)計(jì)圓的個(gè)數(shù)，得到原木的數(shù)量。

在MATLAB中針對(duì)該算法進(jìn)行了相關(guān)實(shí)驗(yàn)仿真，表明了該算法的實(shí)用性及準(zhǔn)確率。今后工作的重點(diǎn)是進(jìn)一步完善該算法，調(diào)節(jié)更合理的參數(shù)，從而得到更加精確的結(jié)果，提高原木材積檢測(cè)的準(zhǔn)確率。

參考文獻(xiàn)

[1]李思.原木數(shù)字化檢尺的計(jì)算機(jī)視覺算法研究[D].東北林業(yè)大學(xué)，2013.

[2]Sonka，M. V. Hlavac and R.B.D.M. Ceng，Image processing， analysis and machine vision[J].Journal of Electronic Imaging，1995，14（82）：685-686.

[3]李博豪，等.一種基于計(jì)算機(jī)視覺的原木端面面積檢測(cè)方法[J].林業(yè)科技通訊，2015（10）：28-31.

[4]梅振榮，任洪娥，朱朦.基于非線性最小二乘原理的原木端面識(shí)別算法[J].計(jì)算機(jī)工程與應(yīng)用，2012，48（2）：177-178+210.

[5]景林，等.結(jié)合色彩特征和空域特征的成捆原木輪廓識(shí)別[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2013（7）：196-199+191.

[6]龐曉敏，閔子建，闞江明.基于HSI和LAB顏色空間的彩色圖像分割[J].廣西大學(xué)學(xué)報(bào)（自然科學(xué)版），2011（6）：976-980.

[7]桑卡美，艾海舟.圖像處理、分析與機(jī)器視覺[M].清華大學(xué)出版社，2011.

作者簡(jiǎn)介：方晴（1990-），女，碩士，武漢理工大學(xué)自動(dòng)化學(xué)院，主要研究方向?yàn)榛趫D像處理的應(yīng)用。