基于OpenCV烤烟烟叶图像高斯去噪法.docVIP

基于OpenCV烤烟烟叶图像高斯去噪法 　　摘要：烟叶等级的划分是烤烟收购过程中的重要措施，能够合理分配和利用烟叶资源，从而有效提高后期烟制品的质量，提高经济效益。烟叶图像采集是基于图像处理技术的烤烟智能化分级的基础，图像质量及预处理结果决定着后期烟叶分级的准确性及可靠性。为了减少外界环境对图像质量的影响，采用自控化密闭不透光采集装置对烟叶进行图像采集，同时采用高斯滤波方法对烟叶图像进行去噪处理，并选用相对熵（RE）及峰值信噪比（PSNR）为评价指标，确定较优的高斯滤波参数高斯核k及标准差σ，从而获得?^好的烟叶图像去噪效果。 　　关键词：烤烟烟叶；图像处理；高斯滤波；峰值信噪比；相对熵 　　中图分类号： S126；TP391.41 文献标志码： A 　　文章编号：1002-1302（2016）11-0373-03 　　烟草是一种重要经济作物，在国民经济中占有很大的比重[1-3]。烤烟烟叶作为一种重要原料，其质量直接影响后期烟制品的加工工艺和品质。因此，在烟叶收购过程中，通常须要根据烟叶的外观品质和内在质量对烟叶进行等级判定，以便能合理分配和利用烟叶[4]，从而提高烟制品的质量。 　　传统的烟叶分级主要是依靠人为经验和感官进行判定，存在很大的主观性和随机性，分级效率和精度低[5-8]，逐渐难以适应烟叶质量检测与分级标准不断细化和规范化的客观要求。随着信息技术及模式识别在烟草领域的应用[9-11]，烟叶分级逐步趋于智能化和自动化。图1为基于机器视觉的烤烟烟叶智能化分级系统图。 　　由图1可知，烟叶图像采集是烤烟烟叶分级中特征提取的关键基础，然而在烟叶图像采集过程中，由于烟叶在收获或放置环境中会产生皱缩现象，因此在拍摄过程中烟叶处于不平整的状态，拍摄到的烟叶图像可能会出现局部的暗光[12]。另外，拍摄环境以及成像设备等噪声的干扰，使得采集的图像含有噪音，对后期烟叶图像特征提取产生一定的干扰，产生特征信息上的偏差，从而影响烟叶分级的准确性。因此在进行特征提取前，须对图像进行去噪处理，以保证在提高图像质量的同时保留足够的图像信息[13]，以确保后期特征数据的可靠性及准确性。 　　本研究采用一种自控化密闭不透光采集装置，能够减少外界环境对烟叶成像过程中的噪声干扰，同时针对所采集到的烟叶图像，运用开放源代码的图像及视频分析库OpenCV对图像进行高斯去噪处理，降低图像在采集、传输及存储时所产生的噪声，保证图像质量。相比于单独使用Visual C++，OpenCV为数字图像处理提供了较多函数[14]，从而减少大量编码信息[15]，降低编程难度，简化程序复杂性，缩短图像处理时间，提高烟叶分级效率。 　　1 试验材料、设备与方法 　　由于生长环境以及生长区域的差异，烟叶的种类、形态以及生态特性会有所不同。本研究所选用的烟叶产自河南，其长度约为52 cm，宽度为15 cm，经烤制后进行烟叶图像采集以及高斯去噪研究。烘烤后烟叶含水率为11%左右，颜色呈橘黄色，无明显的残伤，烟叶相对比较完整。图2为所用烤烟烟叶。 　　烟叶图像采集所用设备为一种自控化密闭不透光采集装置，如图3所示（除去密闭装置）。该装置上方固定1个小型 USB 3.0接口数字面阵CCD彩色面阵相机（型号为 MV-VDM200SM/SC）进行逐行扫描，并配以2个对称的LED光源作为反射光源。为了避免在采集过程中外界光线进入到采集箱中，装置用银灰色遮光布进行遮挡，以保证采集装置处于不透光的环境，确保所采集到烟叶图像的准确性。相机的拍摄由光电传感器进行外触发，实现对烟叶图像的间断采集。 　　图4为烟叶图像处理系统流程。采集时，将烤烟烟叶平铺放置在采集装置输送带上，并以0.05 m/s的速度输送。相机距输送带0.54 m，照度取（2 070±50）lx。通过该采集装置，可一定程度减少外界环境对图像采集的部分噪声干扰，增强图像质量，为后续烟叶分级提供可靠的图像基础。 　　2 烟叶图像的高斯去噪 　　图像在采集、传输以及存储的过程中会存在噪声，并产生叠加[16]，影响图像的视觉效果，并使得图像产生特征退化，图像质量降低，从而为后期的图像处理造成相当大的难度，影响所提取图像特征信息的准确性。为了减少噪声的干扰，保证获得准确的烟叶图像信息，可采用滤波方法对图像进行去噪处理[17]。整个去噪过程在Visual studio中调用OpenCV函数库完成。 　　在图像处理中，由于大多数噪声都可近似服从高斯分布的白噪声[18]，通过高斯函数进行滤波去噪具有重要的应用价值。相比于其他滤波算法，高斯滤波具有较好的平滑效果和灵活的滤波调节尺度，因此广泛应用于图像处理及模式识别中[19]。如下所示为3×3高斯滤波模板： 　　采用高斯滤波方法去噪，其效果为平滑和模糊图像。为了减少图像