基于机器视觉的颗粒识别计数.pdfVIP

黼 望 基于机器视觉的颗粒识别计数 王海燕，张瑜慧 (宿迁学院计算机科学系，江苏宿迁223800) 摘 要：针对检测种子千粒重时种子图像在不同光照条件下的分割问题，研究了RGB空间以及HSV空间 的颜色特征，并对其进行了分析对比，然后引入像素灰度级和邻域灰度级构成的二维直方图，提出了一种基 于种子色调特征的自动分割算法。由于基于二维直方图的分割算法增加了各个像素点的邻域信息，从而增 强了抗干扰能力，提高了分割的准确性，进而再结合极限腐蚀的方法实现对种子的计数。实验结果表明：采 用本文的算法可对不同光照强度下的种子图像进行有效的分割及识别计数。 关键词：种子；分割；Otsu；直方图 中图分类号：TP391 文献标志码：A 改善文献E43中处理不同颜色目标时需更换色差分 0 引言 量的不足，扩大适用范围，并且针对文献[-43和文献 千粒重是体现种子大小与饱满程度的一项重要 Es-I中由于光照引起的颜色失真，引入基于像素灰度 指标，是检验种子质量和作物考种的内容，也是田间 级和领域像素灰度级的二维直方图，提出新的分割 预测产量时的重要依据。目前对基于机器视觉技术 方法，改善分割效果。 的类圆物体的检测计数方法有很多，例如：Hough 1图像分割算法 变换圆检测法[1]，基于数学形态学的腐蚀膨胀法和 流域法[21等，但这些计数方法的准确性和实用性都 1．1 RGB颜色特征分析 是建立在对采集到的图像进行良好预处理基础之上 RGB彩色空间模型是根据三基色原理建立起 的，由于受环境的影响，实际采集的图像往往存在较 来的，是基本的颜色表示模型，其他的颜色表示模型 多的噪声。不能准确分割目标与背景将会严重影响 都可通过RGB模型转化得到。其优点是比较简单、 后续对种子计数的准确性，因此，如何准确提取种子 直观，它直接面向硬件设备，在使用时无须转换。提 图像是所要解决的关键问题。 取RGB空间中颜色系统的色差分量，通过对比，发 目前很多学者对提取目标图像口]进行了有益的 现黄豆图像1(a)的(2R—B)色差灰度值和背景的灰 探索，如司永胜等[43在提取苹果目标时利用目标与 度值差异较明显，其直方图分布基本呈双峰状，如图 背景的颜色色差，并结合色差比的方法进行自适应 1(e)所示，这样的图像用Otsu算法[63可以得到很好 阈值分割，可有效去除枝、叶的干扰，但对于苹果表 的分割效果。 面由于光照而出现的颜色失真没有很好地解决；蔡 为了验证采用RGB空间色差分量进行图像分 割的有效性，拍摄不同光照下的黄豆图像的图1 健荣等[53研究了HIS颜色空间下基于色调和饱和 度的自动阈值分割，该法在处理直方图双峰不明显 的图像时准确率有所下降。 发现其效果明显不如图1(c)，底部阴影部分以及表 在此基础上，本文利用HSV空间的色调分量， 面的光斑没有能够消除。分析其直方图发现出现了 3个波峰，且谷底也不是很明显，这将严重影响0t— su分割算法的性能。由此可以看出基于RGB空间 收稿日期：2013—10—18 的色差分割不能很好地适应不同的光照条件，不能 基金项目：宿迁市市级项目(Z2010017；Z201206) 作者简介：王海燕(1975--)．女(汉)，江苏宿迁，讲师，硕士 解决因颜色失真而引起的错误分割