基于图像处理机采棉杂质提取算法.docVIP

基于图像处理机采棉杂质提取算法 　　摘要：针对国产采棉机采收含杂率高、杂质分布复杂、难以快速检测等问题，提出了一种基于图像处理的机采棉杂质图像提取算法。该算法在HSI颜色模型、Lab颜色模型下设计试验采集图像，利用中值滤波处理图像，然后对图像进行自适应阈值分割，分割棉花和杂质图像，通过连通域分析绘制棉花轮廓和杂质轮廓，在此基础上计算其像素面积，得到杂质面积百分比。结果表明，该算法可有效分割机采棉中的常见杂质，为机采棉含杂率的快速评估奠定基础。 　　关键词：颜色模型；图像处理；机采棉；杂质；自适应阈值；特征提取；算法 　　中图分类号： S126；TN911.73文献标志码： A文章编号：1002-1302（2014）01-0366-03 　　收稿日期：2013-05-16 　　项目资助：新疆生产建设兵团高新技术企业创新专项（编号：2012AC001）。 　　作者简介：田昊（1988―），男，山东德州人，硕士研究生，从事智能化检测技术与分级装备研究。E-mal：th5828@163.com。 　　通信作者：王维新，教授，从事精确农业及其智能机械设计与环境控制研究。Tel：（0993）2058039；E-mal：weixin_wang@126.com。机采棉含杂率是衡量采棉机工作质量的重要标准之一，根据国家农业行业标准NY/T 1133―2006《采棉机作业质量》可知，机采棉含杂率应≤12%。近年来，随着精细农业的不断发展和机采棉质量要求的不断提高，降低机采棉含杂率成为国产采棉机研制及优化改进的一项重要任务。而如何快速准确地检测机采棉的含杂率并为采棉机的研制和优化提供数据支持，成为一项亟待解决的问题。 　　随着机器视觉技术和图像处理技术的不断发展，基于图像的棉花杂质检测技术和皮棉异纤检测技术已展开了一定的研究。郭俊先等采用高光谱成像技术对表层棉花杂质进行表层棉花杂质检测[1-2]。丁名晓等针对工业环境中非均匀光照条件下的棉花图像，利用Gabor滤波器提取图像的纹理特征，结合形态学滤波和连通域分析检测出棉花中的杂质[3]。王伟等提出了一种实用的棉花杂质高速检测方法，该方法采用3D-LUT技术、HSI色彩空间、彩色运动补偿技术等[4]。李国辉等采用 Gabor算子提取多个方向的特征向量，融合成特征图，由此增大背景与目标之间的对比度，提取杂质特征[5]。Siddaiah等计算轧花后杂质占棉花样本面积的比例，对比自适应网络模糊推理系统（ANFIS）和其他识别算法[6]。Tae等将原棉彩色图像转化成灰度图像，采用 8 领域方法，选择阈值分离出植物性杂质，计算杂质数量、含量和分布[7]。 　　上述研究的算法较复杂，多适用于棉纺加工中的皮棉和梳棉等，不适宜机采棉杂质的检测研究。本研究旨在运用VS2010开发平台和OpenCV开源机器视觉库，设计开发机采棉杂质检测算法，为机采棉含杂率快速、准确地检测与估算奠定基础。 　　1图像获取与试验设备 　　本试验针对国有自主产权梳齿式统收采棉机，随机采集样本。样本杂质含量较高，且分布复杂，杂质以棉铃壳、枝秆、碎叶为主。试验选取杂质分布均匀且具有代表性的棉花样本100 mm×120 mm，将其平铺在绿色背景板上，厚度约10 mm。 　　图像采集设备主要由Matrox/Meteor-Ⅱ图像采集卡、TMC-7DSP数字彩色摄像机、4支F40BX/480荧光灯光源等组成。图像处理硬件平台为Inter CoreTM Duo，CPU E8400 3.00 GHz，1 G内存，Windows XP 操作系统。开发平台为VS2010环境下加载的OpenCV 2.3.1开源视觉数据库。 　　OpenCV是一个开源的计算机视觉库，采用C/C++语言编程，提供了丰富的图像及计算机视觉处理函数，为数字图像处理、计算机视觉技术应用提供了极大的方便[8]。 　　2机采棉杂质图像分割 　　本算法先将原图像（图1）转换为HSI和Lab颜色模型，分别提取HSI模型的色饱和度（S）分量和Lab模型的b分量；然后进行形态学滤波降噪处理，采用自适应阈值分割图像，提取棉花图像和杂质图像，再运用边缘检测、连通区域分析计算各自像素面积。具体算法流程如图2所示。 　　2.1颜色模型 　　2.1.1HSI颜色模型HSI模型完全反映了人感知颜色的基本属性，与人感知颜色的结果一一对应，因此，HSI模型被广泛应用于人的视觉系统感知演的的图像表示和处理系统中。 　　RGB转换为HSI颜色模型： 　　H=θ，G≥B 　　2π-θ，GB，（1） 　　S=1-31R+G+B[min（R，G，B）]，（2） 　　I=R+G+B13；（3） 　　其中： 　　θ=cos-1（R-G）+（R-B）12（R-G）2+（R-B）（G-