基于圖像處理技術(shù)測量馬鈴薯表形特征

張 擻

(華中農(nóng)業(yè)大學(xué) 理學(xué)院, 湖北 武漢 430070)

基于圖像處理技術(shù)測量馬鈴薯表形特征

張 擻

(華中農(nóng)業(yè)大學(xué) 理學(xué)院, 湖北 武漢 430070)

利用機(jī)器視覺和圖像處理技術(shù)對馬鈴薯的表形特征進(jìn)行測量，通過測量馬鈴薯投影面積、缺陷面積和投影周長，對馬鈴薯進(jìn)行品質(zhì)檢測. 該研究可以作為檢測馬鈴薯表形品質(zhì)檢測的基礎(chǔ).

馬鈴薯;機(jī)器視覺；圖像處理;投影面積

伴隨著生活水平的提高，人們對自身飲食健康愈益關(guān)注. 由于馬鈴薯的價(jià)格適中，營養(yǎng)價(jià)值又高，烹飪后口味獨(dú)特，消費(fèi)者對馬鈴薯的需求量較大. 然而，馬鈴薯的大小無疑會影響消費(fèi)者的購買欲望. 同時(shí)，中國已啟動馬鈴薯主糧化戰(zhàn)略，把馬鈴薯加工成饅頭、面條、米粉等主食，馬鈴薯將成稻米、小麥、玉米外又一主糧. 預(yù)計(jì)2020年50%以上的馬鈴薯將作為主食消費(fèi)[1]. 為了適應(yīng)馬鈴薯工業(yè)化，機(jī)器視覺應(yīng)用于馬鈴薯大小檢測已成必然. 目前機(jī)器視覺技術(shù)是應(yīng)用于果蔬外部品質(zhì)評價(jià)的最有效的技術(shù)手段之一[2]，光譜圖像技術(shù)是圖像處理技術(shù)和光譜技術(shù)的完美結(jié)合[3]，可以很好反應(yīng)待測對象的形狀、大小等外部品質(zhì)特征，這是由于研究對象所含的不同化學(xué)成分對光譜吸收有差異，在某一個(gè)特定波長下的圖像對某個(gè)特征會有明顯的反映，可以把這種特征快速識別出來[4]. 因此，本文利用機(jī)器視覺和圖像處理技術(shù)對馬鈴薯進(jìn)行投影面積、缺陷面積、投影周長的檢測.

1 理論基礎(chǔ)

其中，C1為馬鈴薯投影面積大小，C2為定標(biāo)板實(shí)際大小，R1為馬鈴薯投影的像素總數(shù)，R2為定標(biāo)板的像素總數(shù).

2 投影面積測量

為精確測量馬鈴薯投影面積大小，首先獲取圖片(圖1)，將馬鈴薯與定標(biāo)板(T-20/USAF-1951)(圖2)拍在一張照片中，將獲得的圖像分割. 選取2組第1級別進(jìn)行實(shí)驗(yàn)，獲得圖像(如圖3)，寬度為2 mm，面積C2為10 mm×2 mm，即20 mm2.

圖1 馬鈴薯原始實(shí)物圖

圖2 定標(biāo)板實(shí)物圖

圖3 2組1級圖像

2.1 馬鈴薯原始實(shí)物圖的處理

為了對馬鈴薯進(jìn)行投影面積的檢測，首先應(yīng)將彩色馬鈴薯圖像轉(zhuǎn)為灰度圖像，使用最大類間方差法找到圖片合適的閾值，使用閾值變換法把灰度圖像轉(zhuǎn)換成二值圖像. 由于圖像中存在噪聲，所以要去掉噪聲的影響，即對圖像進(jìn)行平滑濾波. 對圖像進(jìn)行平滑濾波一般有2種方法：線性平滑濾波法和中值濾波法[5].

2.1.1 采用線性平滑濾波去除噪聲

鄰域平均法是利用Box模板對圖像進(jìn)行模板操作以去除噪聲. 基本原理是Box模板會對當(dāng)前像素及其相鄰的8個(gè)像素點(diǎn)進(jìn)行平均處理，降低突然變化的點(diǎn)造成的影響，以達(dá)到濾掉噪聲的目的，雖然算法簡單，但圖像會有一定程度的模糊. 算法為以某一個(gè)像素點(diǎn)為中心，灰度值為F(i,j),由窗口像素組成的點(diǎn)集記為A,點(diǎn)集A內(nèi)的像素?cái)?shù)記為L，則經(jīng)過鄰域平均法濾波后，像素點(diǎn)F(i,j)對應(yīng)輸出為

在線性平滑濾波去除噪聲,常用3×3窗的鄰域平均濾波，如圖4所示. 3×3窗的鄰域平均濾波后的二值圖像，如圖5所示.

圖4 3×3窗的鄰域平均濾波圖像

圖5 3×3窗的鄰域平均濾波后的二值圖像

2.1.2 采用中值濾波法去除噪聲

中值濾波法是把以某點(diǎn)為中心的小窗口內(nèi)的所有像素的灰度按大小順序排列，取中值作為該點(diǎn)的灰度值，以達(dá)到濾掉噪聲的目的. 雖然中值濾波法處理結(jié)果平滑效果不如鄰域平均法，但它能去除噪聲點(diǎn)并保持圖像邊界. 對應(yīng)轉(zhuǎn)換公式為

G(x,y)=Med{G(x,y)},

其中(x,y)∈A.

中值濾波后圖像如圖6所示，中值濾波后的二值圖像如圖7所示.

圖6 中值濾波后圖像

圖7 中值濾波后的二值圖

2.2 定標(biāo)板的處理

2組1級圖像(圖3)與馬鈴薯原始實(shí)物圖(圖1)在同樣的條件下進(jìn)行去噪，即兩圖去噪方法一致.

3 投影周長測量

為了對馬鈴薯進(jìn)行投影周長的檢測，首先應(yīng)將彩色馬鈴薯圖像轉(zhuǎn)為灰度圖像，使用最大類間方差法找到圖片的合適的閾值，使用閾值變換法把灰度圖像轉(zhuǎn)換成二值圖像，采用邊緣檢測技術(shù)，勾勒出馬鈴薯的邊緣(圖8的邊緣實(shí)則是連續(xù)的，圖8放大后如圖9所示)，繼而求得馬鈴薯投影周長.

圖像邊緣提取的常用梯度算子有Robert算子、Sobel算子、Prewitt算子、Log算子、Canny算子等. 本文采用Canny算子進(jìn)行邊緣提取.

Canny算子致力于尋找圖像梯度局部最大值，采用雙閾值方法，解決了由于噪聲問題帶來的斑紋現(xiàn)象.

圖8 閾值為[0.7，0.99]的Canny邊緣檢測

圖9 放大后的邊緣圖像

4 缺陷面積測量

馬鈴薯缺陷面積的測量方法與投影面積的測量方法一致. 原始圖像如圖10所示.

圖10 馬鈴薯缺陷原始圖像

5 分析討論

通過光譜技術(shù)對圖像進(jìn)行處理的方法可以測定馬鈴薯的投影面積，比較圖5和圖7可知，通過中值濾波法去除噪聲后圖像造成的誤差較小，所以求得的陰影面積誤差較小. 但是由于圖像的拍攝效果總是會帶來一定的誤差，中值濾波后的圖像也會有一定的誤差，所以測得的馬鈴薯投影面積也會有一定的誤差. 由于缺陷面積測量過程中，缺陷處顏色深淺不一致，所以轉(zhuǎn)化為二值圖像時(shí)，有一定的誤差產(chǎn)生，如圖11所示，使得測得缺陷面積有一定的誤差.

圖11 馬鈴薯缺陷二值圖像

[1] 李大春，高劍華，張遠(yuǎn)學(xué)，等. 抓國家馬鈴薯主糧化戰(zhàn)略機(jī)遇，促恩施州馬鈴薯產(chǎn)業(yè)發(fā)展[C]//馬鈴薯產(chǎn)業(yè)與現(xiàn)代可持續(xù)農(nóng)業(yè)大會. 恩施:2015.

[2] 張保華，李江波，樊書祥,等. 高光譜成像技術(shù)在果蔬品質(zhì)與安全無損檢測中的原理及應(yīng)用[J]. 光譜學(xué)與光譜分析，2014,34(10):2743-2751.

[3] 陳守滿. 高光譜圖像與農(nóng)產(chǎn)品品質(zhì)無損檢測研究進(jìn)展[J]. 安康學(xué)院學(xué)報(bào)，2011，23(6):1-6.

[4] 劉燕德,張光偉. 高光譜成像技術(shù)在農(nóng)產(chǎn)品檢測技術(shù)中的應(yīng)用[J]. 食品與機(jī)械，2012,28(5):223-226.

[5] 蔣艷軍,盧軍,陳建軍. 板栗圖像的去噪及缺陷檢測研究[J]. 農(nóng)產(chǎn)品加工，2008:72-73.

[責(zé)任編輯：郭 偉]

Potato phenotypic characteristics based on image processing

ZHANG Sou

(Science College, Huazhong Agriculture University,Wuhan 430070, China)

Using machine vision and image technology, the image of potato was processed. Through measuring the potato projection area, defect area and projection perimeter, the quality of potato was detected. This study could serve as a basis for the detection of potato phenotypic quality.

potato; machine vision; image technology; projection area

2016-12-15

華中農(nóng)業(yè)大學(xué)大學(xué)生科技創(chuàng)新基金(SRF)(No.2016303)

張 擻(1995-)，男，河北辛集人，華中農(nóng)業(yè)大學(xué)理學(xué)院2014級本科生.

TP391.41

A

1005-4642(2017)07-0053-03