CN103268615A

CN103268615A - 基于目标提取与改进形态学算子的木粉边缘检测算法

Info

Publication number: CN103268615A
Application number: CN2013102197594A
Authority: CN
Inventors: 任洪娥; 张健; 刘冕; 董本志
Original assignee: Northeast Forestry University
Current assignee: Northeast Forestry University
Priority date: 2013-06-05
Filing date: 2013-06-05
Publication date: 2013-08-28

Abstract

基于目标提取与改进形态学算子的木粉边缘检测算法包括以下步骤：拍摄木粉显微放大图像，对其进行分析与处理，将RGB图像转换到HSV颜色空间，基于S分量进行二值化提取目标，通过最佳方向元改进传统形态学检测算子，以此获得较好的木粉边缘。本发明的方法不受背景的噪声影响、边缘检测效果好、定位准确、避免多方向边缘检测合成的权重选择，同时可以根据不同需求对边缘图像进行细化等后续处理，指导下一步的识别过程，对实现木粉目数智能化检测具有重要的意义。

Description

基于目标提取与改进形态学算子的木粉边缘检测算法

所属技术领域

本发明涉及一种基于显微图像的木粉边缘检测算法，尤其涉及一种基于HSV颜色空间目标提取与改进形态学算子的边缘检测算法。

背景技术

随着近些年我国木粉加工行业的兴起与壮大，木粉广泛地应用在各行各业，在节约资源的同时有效地缓解了供求关系的紧张。木粉来源广泛，作为一种低碳、环保的新型材料，已成为木材很好的替代品。木粉的应用领域主要取决于木粉目数，生产中常用筛网法检测粉体目数，这种方法操作繁琐、浪费时间和精力、在筛网过程中容易造成颗粒的再次断裂；科学研究中还运用粒度分析仪、激光衍射法等，但仪器价格昂贵，应用范围受限，不能很好地推广到生产中，从而使木粉自动化加工实现难度增大。木粉目数快速有效的识别，对实现木粉的有效利用具有重要意义。边缘检测在木粉目数识别中具有关键性的作用，目前图像边缘检测的方法很多，但由于目标不同，方法并不能通用。常用的RGB颜色模型由于R、G、B三分量之间存在很强的相关性，不具有进行彩色图像处理所要求的独立性和均匀性指标，而HSV颜色空间更符合人眼对色彩感知的特征，其三个分量相互独立、有较强的稳健性。王夏黎等人在文献1“一种基于HSV颜色空间的车辆牌照提取方法”（计算机工程,2004,30(17)）中利用HSV颜色空间对输入的含有汽车牌照的彩色图像直接进行处理，设计一种车牌检验方法，实现车牌定位。数学形态学具有完美的数学基础，在边缘检测领域取得了很好的效果，如李杰等在文献2“基于数学形态学的边缘检测算法的研究”（计算机科学,2012,39(6A)）中通过一种改进的形态学算子，有效地检测出边缘，并保持了边缘平滑性。结构元的大小与对不同方向的敏感性均关系到边缘检测的性能，多尺度形态学算子能够减少结构元素对边缘检测的影响，黄海龙等人在文献3“一种基于数学形态学的多形状多尺度边缘检测算法”（东北大学学报(自然科学版),2010,31(10)）中，使用不同方向和大小的结构元素提取边缘，并计算信息熵确定权重系数，对边缘做融合处理，抑制噪声影响，具有很好的鲁棒性。以上所述均为基于HSV颜色空间目标提取与改进形态学算子的木粉边缘检测算法提供了理论依据。

发明内容

本发明的目的是提供一种基于目标提取与改进形态学算子的木粉边缘检测算法，该算法采用基于HSV颜色空间的S分量实现目标提取，通过选取每个尺度下最佳方向的结构元改进形态学算子，实现木粉边缘检测。算法不受背景的噪声影响，边缘检测效果好，定位准确。

为了达到上述目的，本发明采用如下技术方案：

基于目标提取与改进形态学算子的木粉边缘检测算法，包括以下步骤：

(1)将采集到的RGB图像变换到HSV颜色空间，提取S分量进行阈值分割，进行数学形态学及滤波去噪等操作，获取去除背景的二值化目标；

(2)对目标二值后的图像采用改进的形态学边缘检测算子：

G_{n} (f) = \frac{1}{2} {\frac{1}{n} Σ_{i = 1}^{n} [f - fΘ e_{i}^{m}] Θ e_{i - 1}^{m} + \frac{1}{n} Σ_{i = 1}^{n} [f &CirclePlus; e_{i}^{m} - fΘ e_{i}^{m}] Θ e_{i - 1}^{m}}

检测木粉图像边缘，其中，n为总尺度，

为第i个尺度时最佳方向的结构元。

附图说明

图1是基于目标提取与改进形态学算子的木粉边缘检测算法流程图；

图2是实验用的木粉显微放大图像；

图3是木粉图像HSV颜色空间三分量图，其中图(a)为H分量图、图(b)为S分量图、图(c)为V分量图；

图4是基于S分量对木粉图像进行二值化提取结果，其中图(a)为二值化模板、图(b)为目标提取结果；

图5是对二值化图像进行边缘检测的结果；

图6是对椒盐噪声图进行边缘检测的结果，其中图(a)为椒盐噪声图、图(b)为边缘检测结果；

具体实施方式：

图1是基于目标提取与改进形态学算子的木粉边缘检测算法流程图；本发明的基于目标提取与改进形态学算子的木粉边缘检测算法包括以下步骤：

（1）将采集到的RGB图像变换到HSV颜色空间；

（2）提取S分量进行阈值分割；

（3）进行数学形态学及滤波去噪等操作，获得去除背景的二值化目标；

（4）采用本发明提出的改进的形态学边缘检测算子检测木粉图像边缘，获得最终结果。

图2为采集到的木粉显微放大图像；

图3为木粉图像HSV颜色空间三分量图，其中图(a)为H分量图、图(b)为S分量图、图(c)为V分量图。由于S分量较好地凸显了完整木粉颗粒，因此采用S分量去除背景提取目标；

图4为通过上述分析对木粉显微放大图像进行基于S空间提取目标，并进行数学形态学及滤波去噪等操作得到的结果图，其中图(a)为二值化模板、图(b)为目标提取结果。从该实验结果分析，该方法能够成功地从背景中分离出木粉颗粒；

图5是对所得二值分割结果图像采用改进的形态学算子进行边缘检测得到的结果图。从实验结果可以看出，改进的形态学边缘检测算子，获得了连续完整的木粉颗粒边缘，提高了边缘定位能力；

图6是对原图像加入0.1%的椒盐噪声，并通过基于HSV颜色空间目标提取与改进的形态学算子检测边缘的结果。从实验结果可以看出，基于HSV空间的S分量很好地解决了背景噪声的影响，改进的形态学边缘检测算子获得了清晰、连续、平滑的木粉边缘。

Claims

1.基于目标提取与改进形态学算子的木粉边缘检测算法，包括以下步骤：

(2)对目标提取后的二值图像采用改进的形态学边缘检测算子检测木粉图像边缘，获取最终结果，算法结束。

2.根据权利要求1所述的基于改进形态学算子的木粉边缘检测算法，其特征在于，所述步骤(1)的RGB图像根据公式

变换到HSV颜色空间，选取目标与背景对比度较大的S分量进行二值化处理。

3.根据权利要求1所述的基于目标提取与改进形态学算子的木粉边缘检测算法，其特征在于，所述步骤(2)的改进的形态学边缘检测算子为：

其中，n为总尺度，

为第i个尺度时最佳方向的结构元。