基于LPFM的大米边缘检测研究.docVIP

PAGE PAGE 1 基于LPFM的大米边缘检测研究 　　摘要：提出利用一种局部的幂函数映射图像增强方法（LPFM），来提取大米数字图像中的特征信息，以实现大米的边缘检测。该方法基于图像子块和迭代窗口，对照度不均的图像增强效果显著，与传统的方法比较，具有速度快、所得图像区分度高、背景噪声小的特点；它结合Otsu算法实现了对大米边缘的精确性检测，对图像背景噪声进行了有效滤除，并能够正确提取大米边缘。LPFM方法在食品储存和运输过程中对大米质量的检测起到了很好的效果，为大米质量的检测提供了技术支持。 　　关键词：LPFM算法；边缘检测；Otsu算法；增强效果 　　中图分类号：TP391.4文献标志码：A文章编号：1006-8228（2013）05-39-02 　　ResearchofriceedgedetectionbasedonLPFMalgorithm 　　SunZhenguo，LiHaijun 　　（Departmentofcomputerscienceandtechnology，DezhouUniversity，Dezhou，Shandong253023，China） 　　Abstract：Alocalizedpowerfunctionmapping（LPFM）algorithmisintroducedtoextractthefeatureinformationofricefromdigitalimageandrealizesriceedgedetection.Imagewithnon-uniformbrightnessisenhancedspecifically，basedonsub-blockofimageanditerativewindow.TheLPFMalgorithmhastheadvantageofhigherspeed，higherdistinctiondegreeofimageandlowerbackgroundnoisethanthetraditionalone.PrecisiondetectionofriceedgeisrealizedbycombiningwiththeOtsualgorithm.Backgroundnoiseisfilteredouteffectivelyandtheedgeofthericeimageisextracted.TheLPFMmethodplaysagoodroleindetectingricequalityinfoodstoringandtransportingandprovidestechnicalsupportforricequalitycontrol. 　　Keywords：LPFM；edgedetection；Otsualgorithm；enhancementseffect 　　0引言 　　由于各种原因，光照程度不均匀的大米图像是比较常见的。因为大米在存放、运输过程中受到环境因素的影响，往往表现出照度不均、模糊、对比度差的特点。这给检测人员的诊断或者图像处理都带来了困难，但是用整体检测的方法又难以得到预期的效果，所以应考虑通过增强局部对比度来提升整幅图像的质量。 　　本文提出了基于局部的幂函数映射图像增强方法，对增强对比度有可能带来的图像背景噪声进行了有效滤除。 　　1局部幂函数映射方法 　　1.1图像子块的划分 　　通过计算机视觉获取大米图片，然后将图像划分为M×N个不重叠子块，再设置一定重叠区域，如图1所示。虽然不重叠区域通过双线形插值可以有效去除网格效应，速度得到很大提升，但是由于它不是全采样，处在子块边框上的细节部分总会有一定程度的损失。引入一定的重叠区域，可以使各子块的灰度映射函数更趋合理，这与单纯改变不重叠子块的大小是不同的[1-2]。 　　1.2每一子块求取灰度映射函数 　　大部分的大米图片，其背景比较简单，灰度值偏低且分布均匀，通过设置一定的灰度均值和方差，可以有效判断该子块是否属于纯背景。 　　⑴对于纯背景区域，映射函数为： 　　⑴ 　　该映射函数相当于将目标区域的灰度范围压缩到源区域的灰度范围内，这样既可以有效抑制噪声的产生，又使得最后在灰度插值时各区域间过渡比较均匀。 　　⑵包含边缘或前景的区域，映射函数为： 　　⑵ 　　其中，xMin和xMax分别为子块中像素的灰度最小值和最大值。C为映射系数，对于X射线图像，可将C设为2D-1，以增加图像的亮度和动态范围。D为图像位数。 　　2轮廓提取 　　经过LPFM处理的图像可使图像的前景和后景很好地进行划分，但是图像的边缘存在着毛刺，这样会影响到下一步对大米质量检测的效果。为了达到大米质量检测效果，必须对图像进行进一步处理，本文采用了数学形态学图像处理方法和Otsu算法对图像进行了