稻米堊白度測定特征值提取的算法研究

申 聰，戴小鵬，李東暉，樊振宇

（湖南農(nóng)業(yè)大學信息科學與技術學院，湖南 長沙 410128）

稻米堊白度測定特征值提取的算法研究

申 聰，戴小鵬，李東暉，樊振宇

（湖南農(nóng)業(yè)大學信息科學與技術學院，湖南 長沙 410128）

為了改進傳統(tǒng)的稻米堊白度計算方法操作困難、準確率低等不足，提出了一種稻米堊白度測定特征值提取的新算法。該算法利用圖像處理軟件和積分學的相關理論計算稻米米粒的面積和堊白區(qū)域的面積，進而計算稻米堊白度，大大提高了算法的精準度，為稻米品質(zhì)評價指標體系的建立打下了基礎。

稻米堊白度；圖像處理；特征提??；積分學

隨著經(jīng)濟社會的快速發(fā)展和人民生活水平的提高，食用米的品質(zhì)越來越受到人們的關注。堊白是稻米胚乳中白色不透明的部分，為胚乳淀粉粒之間存在空隙引起透光性改變所致。研究發(fā)現(xiàn)，堊白是衡量稻米品質(zhì)的重要性狀之一。堊白面積與稻米面積是計算稻米堊白度的2個主要指標，從已有文獻得知，這2個指標大多數(shù)是通過人工目測估算而得，也有少部分資料用到了積分算法[1]，但并沒有詳細講述計算過程，而且存在操作困難、準確率低等諸多弊端。為了盡可能地減少計算誤差，筆者通過圖像處理軟件提出了一種簡單易理解的堊白度測定特征值提取的測算方法，并運用積分學的原理詳細講述了計算過程，大大提高了米粒堊白度測算的精準度，為稻米品質(zhì)評價指標體系的建立打下了基礎。

1 稻米堊白度算法實現(xiàn)過程

1.1 堊白度計算模型分析

堊白度計算需要經(jīng)過圖像采集、圖像預處理、圖像灰度化、灰度值與閾值1比較（從背景圖片中抽象出稻米區(qū)域）、灰度值與閾值2比較（從稻米圖片中抽象出堊白區(qū)域）、堊百度計算、堊白粒率計算等過程，如圖1所示。筆者將從圖像預處理、灰度化和堊白度計算過程所聯(lián)系的相關計算方法詳細闡述堊白度的計算過程。

1.2 圖像預處理

1.2.1 噪聲過濾 圖像因其直觀形象的特性成為人們傳遞信息的一種重要載體，而傳輸中的圖像或多或少的都帶有噪聲的影響，導致圖像與事實有所偏差[2]。圖像噪聲過濾的目的是在最大程度地保護圖像的邊沿、紋理和細節(jié)的基礎上去除與研究對象無關的圖像因素。因此，采集后的圖片需用濾波器進行噪聲過濾后才可進行堊白面積的求解。

1.2.2 邊緣檢測算法 圖像的大部分信息都在圖像邊緣中體現(xiàn)，主要表現(xiàn)為圖像局部特征的不連續(xù)性，即圖像中灰度變化比較劇烈的地方[3]。邊緣檢測是利用圖像中各像素點灰度值的差別對圖像邊緣進行檢測的一個過程，傳統(tǒng)的邊緣檢測方法有微分算子法，現(xiàn)代的邊緣檢測的方法有模糊學、小波分析、形態(tài)學、人工智能、遺傳算法等[4]。筆者在傳統(tǒng)的微分算子法基礎上得到的一種新型算法。

假設一幅長寬都為M的圖片中像素點P（x，y）對應的灰度值為z，構(gòu)造函數(shù)z=f（x，y），對于圖片中每一個確定的點P（x，y）都有唯一的灰度值z與之對應，在函數(shù)f（x，y）中對x、y分別求一維偏導數(shù)得到函數(shù)值z=f（x，y）在點P（x,y）的全微分

圖1 堊百度計算模型分析

由（1）式可知，|dz|越大，說明函數(shù)在P（x，y）這一點的變化幅度越大，則圖片的灰度值變化越大，將|dz|與參照的閾值T比較，如果有|dz|＞T即可認為該點為灰度值分界點，所有的分界點連接起來形成邊緣線。

1.2.3 抽象出邊緣線 利用邊緣檢測進行圖片處理后可以得到圖像邊緣線條，如圖2所示，此邊沿線條可為抽象函數(shù)方程計算每部分面積提供原始數(shù)據(jù)。

圖2 堊白米粒抽象出邊緣線

1.3 堊白度計算

1.3.1 堊白面積與米粒面積計算 稻米輪廓所在的曲線大多數(shù)不能直接對應某一種或者某一類函數(shù)模型，需要將米粒和堊白區(qū)的邊緣曲線進行分段處理，對每一小段的數(shù)據(jù)用最接近的曲線輪廓進行劃分，如圖3所示。

以計算米粒的面積為例，對米粒邊緣曲線建立平面直角坐標系，假設曲線OL、LC、CM、MO所在曲線方程分別為y=f（x）OL、y=f（x）LC、y=f（x）CM、Y=f（x）MO，則米粒的面積可以表示為：

圖3 米粒邊緣線條建立的函數(shù)模型

由于根據(jù)OL、LC、CM、MO所在曲線求對應函數(shù)的過程比較困難，所以采用分段求函數(shù)的方法，對于分段的間距可以根據(jù)邊緣曲線的輪廓決定，以OL段（圖3）為例，進行分段后的函數(shù)可表示為：

其中，間距△a越小，則算出來的面積越接近于真實值，以陰影部分OaL（圖3）為例，在變量區(qū)間[-a，0]上進行分段，每一段的面積為Areaai：

同理，可以求出AreaOaLC、AreaObMC、AreaObM，那么米粒的面積可以表示為：

計算得到米粒的面積Area米粒后，用同樣的方法可以計算出堊白區(qū)域的面積Area堊白，根據(jù)Area米粒和Area堊白可以進行稻米堊白度的計算。

1.3.2 堊白度和堊白粒率的計算 根據(jù)農(nóng)業(yè)部標準得到下列計算公式[5]：

堊白度（%）=米粒中堊白部位投影面積/米粒投影面積×100

堊白粒率（%）=堊白米粒數(shù)/總粒數(shù)×100

堊白米粒數(shù)是指有堊白的米粒數(shù)量，在國家標準中，堊白度的計算需要取30粒米粒的平均值，作為整個樣本空間的米粒堊百度的最終結(jié)果。

1.3.3 依據(jù)堊白粒率判斷稻米品質(zhì)的標準 依據(jù)國家標準[6]，將堊白粒率為10%、20%和30%的秈米、粳米、秈糯米和粳糯米等大米的品質(zhì)分別劃分為一級、二級和三級。

2 結(jié)果與分析

2.1 稻米粘黏性問題

稻米粘黏是計算稻米堊白度過程中遇到的常見問題，傳統(tǒng)的計算方法[7]必須把每一粒米粒都獨立的分隔出來才能計算，而該算法只需考慮稻米堆積問題，對同一平面的稻米粘黏性問題無需考慮，算出多粒大米的堊白區(qū)域面積與多粒大米的面積的比值即可，對堊白率不會產(chǎn)生任何影響。

2.2 邊緣檢測方法

該算法利用了各坐標點灰度值的變化情況對圖像的邊緣曲線進行處理，與利用顏色突變或紋理結(jié)構(gòu)突變的其他方法相比，具有數(shù)據(jù)處理簡單、易操作控制的優(yōu)點。同時，構(gòu)建二維空間函數(shù)，通過對坐標點灰度值的全微分值與給定閾值比較得到邊緣曲線，提高了稻米堊白率的計算準確性。

2.3 計算結(jié)果的精度分析

稻米堊白度的計算精度主要體現(xiàn)在堊白面積和稻米面積的計算精度，該文提出對不規(guī)整的幾何圖形分段積分求面積的方法，和傳統(tǒng)的人工計算方法相比，對堊白度計算的結(jié)果更加趨向于真實值，對農(nóng)業(yè)中稻米品質(zhì)的改善提供了更加可靠的數(shù)據(jù)支撐。如表1所示，無論是堊白粒率、堊白度，還是長寬比，積分計算的標準差都高于人工計算，說明人工計算對于數(shù)據(jù)的把握集中于一個較小的范圍，對于波動范圍較大的數(shù)據(jù)無法準確定位。

表1 稻米堊白度積分計算和人工計算的比較

3 結(jié) 論

稻米堊白度測定特征提取算法研究是堊白度算法不斷完善的過程。研究從圖像的噪聲過濾、邊沿檢測算法和抽象出邊沿線出發(fā)，提出了利用微分學計算稻米堊白度的算法，通過農(nóng)業(yè)部提供的堊白度和堊白粒率計算公式，對計算結(jié)果進行了詳細的分析；同時，與傳統(tǒng)人工計算方法進行比較，得到了積分算法準確度更高的結(jié)論。稻米堊白度測定特征提取算法是基于二維平面的堊白度計算方法，隨著三維技術的發(fā)展，利用三重積分通過體積比計算堊白率的算法一定會是堊白度計算的另一個新起點。

[1] 陳丁山，陳 鵬，李東暉，等. 基于計算機圖像處理的稻米堊白測定系統(tǒng)的研究[J]. 湖南農(nóng)業(yè)大學學報（自然科學版），2011，37（5）：469-473.

[2] 譚永杰，曹 彥，王永亮. 圖像噪聲類型識別研究[J]. 周口師范學院學報，2013，30（5）：129-131.

[3] 段瑞玲，李慶祥，李玉和. 圖像邊緣檢測方法研究綜述[J]. 光學技術，2015，3（31）：415-419.

[4] 魏偉波，芮筱亭. 圖像邊緣檢測方法研究[J]. 計算機工程與應用，2006，（30）：88-91.

[5] NY147—88，米質(zhì)測定方法[S].

[6] GB1354—2009，優(yōu)質(zhì)大米質(zhì)量指標[S].

[7] 蕭浪濤，李東暉，藺萬煌，等. 一種測定稻米堊白性狀的客觀方法[J].中國水稻科學，2001，15（3）：206-208.

（責任編輯：成 平）

Research on an Algorithm for Feature Extraction of Rice Chalkiness Determination

HEN Cong，DAI Xiao-peng，LI Dong-hui，F(xiàn)AN Zhen-yu
（College of Information Science and Technology, Hunan Agricultural University, Changsha 410128, PRC）

in order to improve the traditional rice chalkiness calculation methods, which are dif fi cult to operate and low in accuracy, a new algorithm for rice chalkiness determination was proposed. Calculation of rice grains area and the area of the chalky area, furthermore, rice chalkiness was calculated, which greatly improved the accuracy of the algorithm and laid the foundation for the establishment of rice quality evaluation index system.

rice chalkiness; image processing; feature extraction; integral calculus

S11+2

：A

：1006-060X（2017）07-0098-03

10.16498/j.cnki.hnnykx.2017.007.027

2017-04-12

湖南省教育廳項目（17k044，17A092）

申 聰（1996-），男，湖南永州市人，本科生，專業(yè)：計算機科學與技術。

戴小鵬