CN102930247B - 一种基于计算机视觉的甘蔗茎节识别方法 - Google Patents

Abstract

本发明公开了一种基于计算机视觉的甘蔗茎节识别方法，它的操作步骤如下：1）用MATLAB软件对采集到的甘蔗茎节图像进行处理，采用灰度处理和索贝尔边缘提取对甘蔗茎节预处理，得到索贝尔边缘图像；2）再结合数学形态学对预处理后的不连续、细小边缘进行膨胀、腐蚀再膨胀，消除甘蔗茎边缘及无用小边缘，获得甘蔗茎节的边缘直线图像；3）然后通过MATLAB中的Radon函数对甘蔗茎节的边缘直线图像进行直线提取，求出茎节直线距离坐标中心的距离，从而确定甘蔗茎节的正确位置。本发明方法为甘蔗种茎切割防伤芽装置的控制研究提供准确信号。

Description

一种基于计算机视觉的甘蔗茎节识别方法

技术领域

本发明涉及一种识别方法，特别是一种基于计算机视觉的甘蔗茎节识别方法。

背景技术

以甘蔗为主要原料的甘蔗产业是广西的优势和特色产业，在广西经济发展中具有举足轻重的地位，是广西经济发展的重要支柱和帮助广大蔗农脱贫致富的经济来源。世界各甘蔗产地大都在一定程度上实现了甘蔗种植的机械化。国外的种植机具备良好性能、功能趋于完善，但尚未配备专业的防伤芽切断装置。国内的种植机则更难实现在蔗种切断过程中自动防伤芽的目的。在农业方面，计算机视觉有着广泛的应用。因此在甘蔗切割时，可运用计算机视觉技术有效的防止伤芽。目前国内外在此领域的研究都还处于起步阶段。相近研究有陆尚平等基于机器视觉的甘蔗茎节特征提取与识别；国外，伊朗Moshashai K利用灰度图像阀值分割的方法对甘蔗茎节识别做了初步研究。甘蔗种植时如出现甘蔗芽损伤，进而影响作物产量，因此研究甘蔗茎节识别方法具有非常重要的意义，能为实现对含有蔗芽的片段进行有效的智能切断提供理论基础。但至今为止，尚未见有甘蔗茎节识别方法的相关报导。

发明内容

本发明所要解决的技术问题是提供一种识别准确性较高的基于计算机视觉的甘蔗茎节识别方法。

本发明以如下技术方案解决上述技术问题：

本发明一种基于计算机视觉的甘蔗茎节识别方法，它的操作步骤如下：

1）用MATLAB软件对采集到的甘蔗茎节图像进行处理，采用灰度处理和索贝尔垂直边缘提取对甘蔗茎节预处理，得到索贝尔边缘图像；

2）再结合数学形态学对预处理后的不连续、细小边缘进行膨胀、腐蚀再膨胀，消除甘蔗茎边缘及无用小边缘，获得甘蔗茎节的边缘直线图像；

3）然后通过MATLAB中的Radon函数对甘蔗茎节的边缘直线图像进行直线提取，求出茎节直线距离坐标中心的距离，从而确定甘蔗茎节的正确位置。

所述步骤1）的具体操作是：

读入图像，先对图像进行灰度转换，再采用索贝儿算子进行垂直方向的探测，其运算结果是一副边缘图像，由下列计算公式表示：

f_y(x,y)=f(x-1,y-1)+2f(x-1,y)+f(x-1,y+1)            （1)

-f(x+1,y-1)-2f(x+1,y)-f(x+1,y+1)

G[f(x，y)]＝|f′_y(x，y)|                            （2）

式中f(x,y)是具有整数像素坐标的输入图像，f_y(x,y)表示像素点(x,y)在y方向上的差分，f′_y(x,y)表示y方向的一阶微分，式子2中G[f(x,y)]为索贝儿垂直算子的梯度，求出梯度后，可设定一个常数T，当G[f(x,y)]>T时，标出该点为边界点，其像素值设定为0，其他的设定为255。

所述步骤2）的具体操作是：

对预处理后的图像进行膨胀处理，将细小的断续的茎节边缘连续起来并加宽，膨胀所使用的结构元素是半径为2个像素大小的圆；然后使用两个线段结构元素se90和se0，其中se90表示长度为30个像素的竖直的线，se0表示长度为3.5个像素的水平的线，对膨胀后的图像腐蚀；最后进行基于结构因素为线段的膨胀即基于边界长度的膨胀，结构因素选用上一步中se90，即获得甘蔗茎节的边缘直线图像。

所述步骤3）的具体操作是：

以2）步骤处理后的图片的中心为原点建立直角坐标系；二元函数f(x,y)在某一方向上的投影是f(x,y)在该方向上的线积分，f(x,y)的投影可以沿任意角度θ进行，通常f(x,y)的Radon变换是f(x,y)平行于y'轴的线积分，其转换公式如下：

$R_{\mathrm{\θ}}\left(x^{\′}\right)=\underset{-\∞}{\overset{+\∞}{\∫}}f(x^{\′}\cos \mathrm{\θ}-y^{\′}\sin \mathrm{\θ},x^{\′}\sin \mathrm{\θ}+y^{\′}\cos \mathrm{\θ}){\mathrm{dy}}^{\′}---\left(3\right)$

其中：

$\left[\begin{array}{c}{x}^{\′}\\ y^{\′}\end{array}\right]=\left[\begin{array}{cc}\cos \mathrm{\θ}& \sin \mathrm{\θ}\\ -\sin \mathrm{\θ}& \cos \mathrm{\θ}\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]=\left[\begin{array}{c}x\cos \mathrm{\θ}+y\sin \mathrm{\θ}\\ y\cos \mathrm{\θ}-x\sin \mathrm{\θ}\end{array}\right]$

通过Radon变换获得的茎节边缘直线投影的峰值，峰值所对应的坐标即甘蔗茎节位置坐标，从而确认正确的茎节位置。

本发明方法为国内外尚未配备防伤芽切断装置的甘蔗种植机械提供参考，运用计算机图像处理技术来实现切割器切割甘蔗部位的快速、准确判断，降低了蔗种茎节的伤芽率、甘蔗生产成本，节约蔗种，提高劳动生产力。本发明方法为甘蔗种茎切割防伤芽装置的控制研究提供准确信号。

附图说明

图1是本发明实施例1所需要识别的黑蔗茎节原图像。

图2是使用Sobel算子在垂直方向上对图1进行了图像边缘探测。

图3是基于边界直径的方法对图2进行膨胀的运行结果。

图4是基于边界长度的方法对图3进行腐蚀的运行结果。

图5是基于边界长度的方法对图4进行膨胀的运行结果。

图6是图5在结合图1的基础上建立边缘图像坐标。

图7是对图6的边缘图像进行Radon变换的结果。

具体实施方式

下面对本发明方法作进一步的描述：

第一，读入采集到的甘蔗茎节图像进行灰度处理，再采用索贝儿算子进行垂直方向的探测。通常由下列计算公式表示：

f_y(x,y)=f(x-1,y-1)+2f(x-1,y)+f(x-1,y+1)            (1)

-f(x+1,y-1)-2f(x+1,y)-f(x+1,y+1)

G[f(x,y)]=|f′_y(x,y)|                              （2）

式中f(x,y)是具有整数像素坐标的输入图像，f_y(x,y)表示像素点(x,y)在y方向上的差分，f′_y(x,y)表示y方向的一阶微分，式子2中G[f(x,y)]为索贝儿垂直算子的梯度。求出梯度后，可设定一个常数T，当G[f(x,y)]>T时，标出该点为边界点，其像素值设定为0，其他的设定为255，MATLAB可自动选择常数T的大小（该功能是MATLAB软件自带的）来达到理想效果。

第二，对索贝尔边缘提取的图像进行膨胀处理，将细小的断续的茎节边缘连续起来并加宽，第一次膨胀所使用的结构元素是半径为2个像素大小的圆；然后使用两个线段结构元素se90和se0（其中se90表示长度为30个像素的竖直的线；se0表示长度为3.5个像素的水平的线）对第一次膨胀后的图像腐蚀；最后进行基于结构因素为线段的膨胀即基于边界长度的膨胀。结构因素选用上一步中se90。

第三，利用MATLAB中的Radon函数对上一步处理后的图像进行直线提取。图像处理工具箱的Radon函数用来计算指定方向上的图像矩阵的投影。

以上一步处理后的图片的中心为原点建立如图6所示的直角坐标系。二元函数f(x,y)在某一方向上的投影是f(x,y)在该方向上的线积分。f(x,y)的投影可以沿任意角度θ进行，通常f(x,y)的Radon变换是f(x,y)平行于y'轴的线积分（y'轴是原始坐标轴y逆时针轴旋θ角度后的结果，x'轴是原始坐标轴x逆时针轴旋θ角度后的结果）。转换公式如下：

$R_{\mathrm{\θ}}\left(x^{\′}\right)=\underset{-\∞}{\overset{+\∞}{\∫}}f(x^{\′}\cos \mathrm{\θ}-y^{\′}\sin \mathrm{\θ},x^{\′}\sin \mathrm{\θ}+y^{\′}\cos \mathrm{\θ}){\mathrm{dy}}^{\′}---\left(3\right)$

其中：

$\left[\begin{array}{c}{x}^{\′}\\ y^{\′}\end{array}\right]=\left[\begin{array}{cc}\cos \mathrm{\θ}& \sin \mathrm{\θ}\\ -\sin \mathrm{\θ}& \cos \mathrm{\θ}\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]=\left[\begin{array}{c}x\cos \mathrm{\θ}+y\sin \mathrm{\θ}\\ y\cos \mathrm{\θ}-x\sin \mathrm{\θ}\end{array}\right]$

经过循环运算，f(x,y)在某个角度θ投影时R会有一个最大值，该最大值所对应的x即为所求甘蔗节直线距离坐标中心的距离。甘蔗水平输送时，竖直方向上的位置被限定，甘蔗节直线在水平方向上的投影比较小，为计算方便可以忽略。

最后在MATLAB中建立一个M文件求出甘蔗节直线距离坐标中心的距离。M文件见例子。

实施例1

图1所示为本实施例所需要识别的黑蔗茎节图像。

首先，对原图像灰度转换，再使用索贝儿算子在垂直方向上进行了图像边缘探测，如图2所示。

I=imread('图1.jpg');％读入图像

I=rgb2gray(I);％图像灰度转换

[VSFAT Threshold]=edge(I，'sobel',0.07,'vertical');％边缘探测，算子为垂直sobel

figure,imshow(VSFAT),title('vertical');％显示边缘探测图像

对索贝尔边缘提取的图像进行膨胀处理，将细小的断续的茎节边缘连续起来并加宽。使用膨胀以及通过一个结构元素se。se表示半径为2个像素的圆。

se=strel('disk',2);

WEIGHT=double(imdi late(VSFAT,se));

同时边界附近的像素被赋值为0。程序运行结果如图3所示。

WEIGHT([1:3end-[0:2]],:)=0;

WEIGHT(:,[1:3end-[0:2]])=0;

figure;imshow(WEIGHT);title('Weight array');

使用两个线段结构元素：se90和se0，对图像进行腐蚀。程序运行结果如图4所示。

se90=strel('line',30,90);％线，长度为30，角度为90度

se0=strel('line',3.5,0);％线，长度为3.5，角度为0度

BW1=imerode(WEIGHT,[se90se0]);％腐蚀

figure,imshow(BW1);

对甘蔗茎节边缘图像进行基于结构因素为线段的膨胀即基于边界长度的膨胀。结构因素选用上步骤中se90。程序运行结果如图5所示。

BW2=imdilate(BW1,[se90]);％膨胀

figure,imshow(BW2);

结合原图像建立如图6所示的坐标图像，图片像素为176×169,中心像素即坐标原点在（88,85）。

对图5进行直线提取，具体代码如下：

theta=-90:90;;％角度范围

[R,xp]=Radon(BW2,theta);％Radon变换

figure,imagesc(theta,xp,R);

colormap(gray);％显示变换图像，设置色彩索引图

xlabel('\theta(degree)');

ylabel('x\prime');％设置x轴和y轴标签

title('R-{\theta}(x\prime)');％设置图像标签

colorbar;％显示色彩索引条

运行结果如图7所示。计算出Radon变换矩阵中的峰值，这些峰值对应于图5边缘图像中的直线。在图7中可以清晰看出茎节边缘直线投影的峰值，峰值所对应的坐标即甘蔗茎节位置坐标。

由Radon变换而来的图像可知，亮度占有一定区域或存在一个以上的亮点，这说明：茎节直线有重合或有多根直线，但这多根直线挨的很近并都是在甘蔗茎节节宽范围内，所以并不影响本发明对甘蔗茎节位置的确认。

图7中，现要求出当R取得最大值时，对应x的值，即茎节直线距离坐标中心的距离。R是一个176×169的二维矩阵，故R的最强值就出现在这个二维矩阵中最大元素的位置。具体MATLAB实现的代码如下：

需要在MATLAB中建立一个如下M文件：

然后再接前面步骤的程序，运行程序：R;[x,y]=find point(R)运行结果为:

max_point=52.2387

x=37

y=10

所以当max(R)=52.2387时，x=37。

再将像素按比例转换为实际距离，即得到甘蔗节的实际位置。该比例是图片的像素大小与实际拍摄范围大小的比值，它主要由物距焦距决定的，是本领域技术人员依据照相机成像原理及常规手段就能得到的数值。本发明在实施例中的比例系数：像素/实际距离=7.3，该参数值就是通过拍照时已知的像素大小和测量照片的拍摄范围比出来的。

试验验证：

从大量的甘蔗种中随机抽取20组黑蔗实验样品进行实验，如表1所示，将实际茎节坐标x实与通过Radon提取的边缘直线的位置x进行统计分析，验证本发明所提出的甘蔗种茎节识别的准确性。

表1黑蔗茎节坐标数据表                            单位：mm

实验号	1	2	3	4	5	6	7	8	9	10
											x实	-26.1	13.3	-7.9	10.1	-21.5	-12.1	2.4	24.8	-17.2	24.8
x	-24.3	15.5	-6.7	8.2	-21.1	-14.2	2.4	26.1	-17.4	23.3
											实验号	11	12	13	14	15	16	17	18	19	20
x实	1.5	-8.3	-16.6	20.3	18.3	3.9	-25.1	3.9	-20.1	24.6
											x	2.9	-6.2	-15.8	22.9	17.5	5.1	-22.5	4.8	-21.3	26.5

分析表1的实验数据，我们不难发现，计算机运算出来的数据与实际测量的数据非常接近，根据

可算出甘蔗茎节位置的吻合度η_准确=91.16%，

试验数据可以分为理论值和误差两部分，理论值就是在没有误差干扰情况下应有的结果，它可以用同一水平下重复试验结果的平均值来估计，但在表1中x^实实测即为理论值。

一般

其中，r：水平数，n_i重复数。

由于x^实实测为理论值，所以可把x^实实测作为同一水平下重复试验结果的平均值。

S_误=(-26.1+24.3)²+(13.5-15.5)²+(-7.9+6.7)²+(10.1-8.2)²

ΛΛ+(-20.1-21.3)²+(27.3-26.5)²＝47.18

而

即 $\stackrel{\‾}{x}=\frac{1}{20}(-26.1+13.3-7.9+10.1+\mathrm{\Λ\Λ}+3.9-20.1+27.3)=-0.215$

试验数据如没有误差和因素水平效应影响，全部的试验数据都应一样，为因此试验数据x_ij与总平均值之差可以反映出总波动。取它们的平方后相加即得总偏差平方和。

把数据代入公式(7)得S_总=5964.11，S_因=5916.93

知道了误差和因素水平分别对指标的影响之后，还需要将误差和总偏差进行比较，以判断误差对指标的影响是否显著。但不能通过直接比较S_误和S_总的大小来进行。因为它们的大小不仅和参与计算的数据大小有关。而一般计算S_误和S_总所含数据的个数不同，因此要进行比较时，首先要消除数据个数的影响。为此提出自由度概念。自由度由f表示

一般：f_总=总试验次数-1

f_因=因素水平数-1

f_误=_总-f_因=n-r

S/f----平均偏差平方和（均方和）

由于均方和消除了数据个数的影响，所以可以通过比较S_误/f_误和S_总/f_总，来判断误差是否偏大而产生错误。

令：F=(S_误/f_误)/(S_总/f_总)               (8)

如果F大，说明计算机算出来的数据与实际测量的数据相比较，误差很小。反之相反。把数据代入公式(8)得F=(5964.11/39)/(47.18/20)≈64.83

查表得：F_0.01(f_总，f_误)=F_0.01(39,20)=2.77

F=64.83>F_0.01=2.77

因此，计算机算出来的数据误差非常小，可信度非常高。对于造成数据误差的原因有：人工测量所产生的误差、图像处理算法的精度等。

Claims (1)

1.一种基于计算机视觉的甘蔗茎节识别方法，其特征在于，它的操作步骤如下：

1)用MATLAB软件对采集到的甘蔗茎节图像进行处理，采用灰度处理和索贝尔垂直边缘提取对甘蔗茎节预处理，得到索贝尔边缘图像，具体操作是：

读入图像，先对图像进行灰度转换，再采用索贝儿算子进行垂直方向的探测，其运算结果是一副边缘图像，由下列计算公式表示：

f_y(x,y)＝f(x-1,y-1)+2f(x-1,y)+f(x-1,y+1)    (1)

-f(x+1,y-1)-2f(x+1,y)-f(x+1,y+1)

G[f(x,y)]＝|f′_y(x,y)|    (2)

式中f(x,y)是具有整数像素坐标的输入图像，f_y(x,y)表示像素点(x,y)在y方向上的差分，f′_y(x,y)表示y方向的一阶微分，式子2中G[f(x,y)]为索贝儿垂直算子的梯度，求出梯度后，可设定一个常数T，当G[f(x,y)]>T时，标出该点为边界点，其像素值设定为0，其他的设定为255；

2)再结合数学形态学对预处理后的不连续、细小边缘进行膨胀、腐蚀再膨胀，消除甘蔗茎边缘及无用小边缘，获得甘蔗茎节的边缘直线图像，具体操作是：

对预处理后的图像进行膨胀处理，将细小的断续的茎节边缘连续起来并加宽，膨胀所使用的结构元素是半径为2个像素大小的圆；然后使用两个线段结构元素se90和se0，其中se90表示长度为30个像素的竖直的线；se0表示长度为3.5个像素的水平的线，对膨胀后的图像腐蚀；最后进行基于结构因素为线段的膨胀即基于边界长度的膨胀，结构因素选用上一步中se90，即获得甘蔗茎节的边缘直线图像；

3)然后通过MATLAB中的Radon函数对甘蔗茎节的边缘直线图像进行直线提取，求出茎节直线距离坐标中心的距离，从而确定甘蔗茎节的正确位置，具体操作是：

以2)步骤处理后的图片的中心为原点建立直角坐标系；二元函数f(x,y)在某一方向上的投影是f(x,y)在该方向上的线积分，f(x,y)的投影可以沿任意角度θ进行，通常f(x,y)的Radon变换是f(x,y)平行于y'轴的线积分，其转换公式如下：

$R_{\mathrm{\θ}}\left(x^{\′}\right)=\underset{-\∞}{\overset{+\∞}{\∫}}f(x^{\′}\cos \mathrm{\θ}-y^{\′}\sin \mathrm{\θ},x^{\′}\sin \mathrm{\θ}+y^{\′}\mathrm{con\θ})d{y}^{\′}---\left(3\right)$

其中：

$\left[\begin{array}{c}{x}^{\′}\\ y^{\′}\end{array}\right]=\left[\begin{array}{cc}\cos \mathrm{\θ}& \sin \mathrm{\θ}\\ -\sin \mathrm{\θ}& \cos \mathrm{\θ}\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]=\left[\begin{array}{c}x\cos \mathrm{\θ}+y\sin \mathrm{\θ}\\ y\cos \mathrm{\θ}-x\sin \mathrm{\θ}\end{array}\right]$

通过Radon变换获得的茎节边缘直线投影的峰值，峰值所对应的坐标即甘蔗茎节位置坐标，从而确认正确的茎节位置。