CN103559712A - 黑瓜子色选方法 - Google Patents
黑瓜子色选方法 Download PDFInfo
- Publication number
- CN103559712A CN103559712A CN201310548126.8A CN201310548126A CN103559712A CN 103559712 A CN103559712 A CN 103559712A CN 201310548126 A CN201310548126 A CN 201310548126A CN 103559712 A CN103559712 A CN 103559712A
- Authority
- CN
- China
- Prior art keywords
- image
- black melon
- melon seed
- original image
- max
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Sorting Of Articles (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明涉及图像处理技术领域,特别涉及一种黑瓜子色选方法,包括如下步骤:(A)将图像传感器采集到的数据进行转换得到原始图像;(B)对原始图像选取阈值进行二值化处理得到的图像中只留有原始图像中的背景区域;(C)对步骤B得到的图像进行膨胀处理;(D)对原始图像选取另一阈值进行二值化处理得到的图像中只留有原始图像中黑瓜子的发白区域;(E)对步骤C和D得到的两幅图像进行取交集处理,得到的取交集处理后图像中只留有同时在这两幅图像中都存留的区域;(F)步骤E得到的图像中存留的区域即为黑瓜子中的白边区域,包含此白边区域的黑瓜子即为需要被选出的瑕疵黑瓜子。通过对原始图像的处理、膨胀,重新界定判定区域即膨胀后背景区域,再判断该区域中有无黑瓜子的白色部分,从而准确的判定出好的黑瓜子和带有白边的瑕疵黑瓜子。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种黑瓜子色选方法。
背景技术
黑瓜子是我国著名的特产,以其片大、皮薄、板平、口松、肉厚、乌黑发亮、味香隽永、品质优异等特点而著称,是我国传统的出口商品之一,我国是黑瓜子的主产国,产量和外销量均占世界首位。黑瓜子在收获的时候,会掺杂部分带白边的黑瓜子,这种带白边的黑瓜子不仅口感差,味道范苦,而且也没有什么营养价值,如果在出售的黑瓜子中夹杂有这种带白边的黑瓜子,就会影响黑瓜子整体品质和出售价格。
传统色选机在对此进行色选时,根据颜色来区别良品与不良品。色选机标记出白色区域,然后对黑瓜子进行筛选,但是由于好的黑瓜子中间也有白色区域,这样在进行筛选时,就会将好的黑瓜子也筛选出来,不能准确的选出只带有白边的黑瓜子,如图2a、2d所示,图2a是原始图像,图2d是仅标记白色区域的图像,可以看到很多好的中间有白色的黑瓜子也被选出来了,这样进行色选是不合理的。即使通过多次复选,也不能提高色选精度。
发明内容
本发明的首要目的在于提供一种黑瓜子色选方法,能够有效色选出带有白边的黑瓜子,且带出比非常低。
为实现以上目的,本发明采用的技术方案为:一种黑瓜子色选方法,包括如下步骤:(A)将图像传感器采集到的数据进行转换得到原始图像,原始图像中包含黑瓜子区域和背景区域;(B)对原始图像选取阈值进行二值化处理,得到的二值化处理后图像中只留有原始图像中的背景区域;(C)对步骤B得到的图像进行膨胀处理;(D)对原始图像选取另一阈值进行二值化处理,得到的二值化处理后图像中只留有原始图像中黑瓜子的发白区域;(E)对步骤C和D得到的两幅图像进行取交集处理,得到的取交集处理后图像中只留有同时在这两幅图像中都存留的区域;(F)步骤E得到的图像中存留的区域即为黑瓜子中的白边区域,包含此白边区域的黑瓜子即为需要被选出的瑕疵黑瓜子。
与现有技术相比,本发明存在以下技术效果:首先通过对原始图像的处理、膨胀,重新界定判定区域即膨胀后背景区域,再判断该区域中有无黑瓜子的白色部分,如果有,肯定是黑瓜子的白边而不是黑瓜子的中间白色,从而准确的判定出好的黑瓜子和带有白边的瑕疵黑瓜子,由于不是单纯的从颜色上进行区分,这样的判定结果更为精准。
附图说明
图1是本发明实施例的色选方法流程图;
图2是本发明实施例的处理过程示意图,其中2a、2b、2c、2d、2e、2f分别是步骤A、B、C、D、E、F处理后的图像,其中2a、2f为彩色图像,其余为黑白图像。
具体实施方式
下面结合图1至图2,对本发明做进一步详细叙述。
参阅图1、图2,一种黑瓜子色选方法,包括如下步骤:(A)将图像传感器采集到的数据进行转换得到原始图像,原始图像中包含黑瓜子区域和背景区域,如图2a所示;(B)对原始图像选取阈值进行二值化处理,得到的二值化处理后图像中只留有原始图像中的背景区域,即图2b中的黑色区域;(C)对步骤B得到的图像进行膨胀处理,如图2c所示;(D)对原始图像选取另一阈值进行二值化处理,得到的二值化处理后图像中只留有原始图像中黑瓜子的发白区域,即图2d中的黑色区域;(E)对步骤C和D得到的两幅图像进行取交集处理,得到的取交集处理后图像中只留有同时在这两幅图像中都存留的区域,即图2e中的黑色区域;(F)步骤E得到的图像中存留的区域即为黑瓜子中的白边区域,包含此白边区域的黑瓜子即为需要被选出的瑕疵黑瓜子,瑕疵黑瓜子就是图2f中有白色标记的黑瓜子。
本发明的最核心的思想是:以前是在整幅图片中进行黑瓜子白色的选取,现在是在黑瓜子的边缘区域内进行黑瓜子白色区域的选取。这样选出来的肯定是带有白边的黑瓜子,仅中间部分是白色的黑瓜子不会被选取出来。我们知道,背景中肯定不会出现黑瓜子的白色,所以为了使得步骤简便,本发明中将背景区域和黑瓜子的边缘区域作为一个整体构成一个新的判定区域,在这个区域中进行判定有无黑瓜子的白色。找出黑瓜子的边缘区域比找出新的判定区域要多一个处理步骤,本发明中采用最简洁却很有效的步骤对有白边的黑瓜子进行色选。
需要注意的是,所采集到的信息可以是摄像机拍摄的视频,也可以是相机连续拍摄的图像,一般在色选装置中,均采用摄像机拍摄视频信息,然后按帧提取出图像。另外,步骤B、C、D不一定非要按照此顺序执行,步骤B、C与步骤D可以同时进行,也可以D先执行,只有步骤C和D都完成时,才能执行步骤E取交集的动作。
作为本发明的优选方案,所述步骤A中进行的数据转换为:将图像传感器采集到的RGB模式图像数据转换为HSI模式图像数据,得到HSI模式的原始图像。RGB模式是工业界的一种颜色标准,是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的。HSI模式反映了人的视觉系统感知彩色的方式,以色调、饱和度和强度三种基本特征量来感知颜色。色调H(Hue):与光波的波长有关,它表示人的感官对不同颜色的感受,如红色、绿色、蓝色等,它也可表示一定范围的颜色,如暖色、冷色等。饱和度S(Saturation):表示颜色的纯度,纯光谱色是完全饱和的,加入白光会稀释饱和度。饱和度越大,颜色看起来就会越鲜艳,反之亦然。强度I(Intensity):对应成像亮度和图像灰度,是颜色的明亮程度。转换成HSI模式后的图像后,再根据H、S、I值进行二值化,其结果更为精准。
作为本发明的优选方案,为了使背景区域和黑瓜子区域能够较为精确的区分开,所述步骤A中得到的原始图像,其背景区域颜色的H、S、I值取值范围与黑瓜子所包含颜色的取值范围没有交集。换一种通俗的说法即:所述的背景区域颜色与黑瓜子存在便于识别的色差,背景可以使用蓝色、红色、绿色等,与黑瓜子的颜色明显不同,这样,在后续的二值化处理中,能够精确地区分出黑瓜子和背景区域。
由于将图像转换成HSI模式,因此在后续的二值化处理中是根据H、S、I的取值范围进行二值化的。所述步骤B中选取的二值化阈值为:HSI值同时满足HMIN_1≤H≤HMAX_1、SMIN_1≤S≤SMAX_1、IMIN_1≤I≤IMAX_1;其中[HMIN_1,HMAX_1],[SMIN_1,SMAX_1],[IMIN_1,IMAX_1]为原始图像中背景区域颜色的HSI值取值范围。所述步骤D中选取的二值化阈值为:HSI值同时满足HMIN_2≤H≤HMAX_2、SMIN_2≤S≤SMAX_2、IMIN_2≤I≤IMAX_2;其中[HMIN_2,HMAX_2],[SMIN_2,SMAX_2],[IMIN_2,IMAX_2]为原始图像中黑瓜子白色区域颜色的HSI值取值范围。
膨胀是数学形态学图像处理的一种方法,其效果是使图像的边缘向外扩张,扩张了多少由膨胀算法中使用的结构元素大小决定。在本发明中,步骤C膨胀处理中所用的结构元素为圆形,圆形半径r的大小与黑瓜子的正常黑色边缘宽度有关,r值应小于等度黑瓜子黑色边缘宽度,其取值范围为1≤r≤64。
Claims (6)
1.一种黑瓜子色选方法,包括如下步骤:
(A)将图像传感器采集到的数据进行转换得到原始图像,原始图像中包含黑瓜子区域和背景区域;
(B)对原始图像选取阈值进行二值化处理,得到的二值化处理后图像中只留有原始图像中的背景区域;
(C)对步骤B得到的图像进行膨胀处理;
(D)对原始图像选取另一阈值进行二值化处理,得到的二值化处理后图像中只留有原始图像中黑瓜子的发白区域;
(E)对步骤C和D得到的两幅图像进行取交集处理,得到的取交集处理后图像中只留有同时在这两幅图像中都存留的区域;
(F)步骤E得到的图像中存留的区域即为黑瓜子中的白边区域,包含此白边区域的黑瓜子即为需要被选出的瑕疵黑瓜子。
2.如权利要求1所述的黑瓜子色选方法,其特征在于:所述步骤A中进行的数据转换为:将图像传感器采集到的RGB模式图像数据转换为HSI模式图像数据,得到HSI模式的原始图像。
3.如权利要求2所述的黑瓜子色选方法,其特征在于:所述步骤A中得到的原始图像,其背景区域颜色的H、S、I值取值范围与黑瓜子所包含颜色的取值范围没有交集。
4.如权利要求1所述的黑瓜子色选方法,其特征在于:所述步骤B中选取的二值化阈值为:HSI值同时满足HMIN_1≤H≤HMAX_1、SMIN_1≤S≤SMAX_1、IMIN_1≤I≤IMAX_1;其中[HMIN_1,HMAX_1],[SMIN_1,SMAX_1],[IMIN_1,IMAX_1]为原始图像中背景区域颜色的HSI值取值范围。
5.如权利要求1所述的黑瓜子色选方法,其特征在于:所述步骤C膨胀处理中的结构元素为圆形,其半径的取值范围为1≤r≤64。
6.如权利要求1所述的黑瓜子色选方法,其特征在于:所述步骤D中选取的二值化阈值为:HSI值同时满足HMIN_2≤H≤HMAX_2、SMIN_2≤S≤SMAX_2、IMIN_2≤I≤IMAX_2;其中[HMIN_2,HMAX_2],[SMIN_2,SMAX_2],[IMIN_2,IMAX_2]为原始图像中黑瓜子白色区域颜色的HSI值取值范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310548126.8A CN103559712B (zh) | 2013-11-07 | 2013-11-07 | 黑瓜子色选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310548126.8A CN103559712B (zh) | 2013-11-07 | 2013-11-07 | 黑瓜子色选方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103559712A true CN103559712A (zh) | 2014-02-05 |
CN103559712B CN103559712B (zh) | 2016-04-13 |
Family
ID=50013951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310548126.8A Active CN103559712B (zh) | 2013-11-07 | 2013-11-07 | 黑瓜子色选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103559712B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105354836A (zh) * | 2015-10-14 | 2016-02-24 | 合肥安晶龙电子股份有限公司 | 色选方法 |
CN105344620A (zh) * | 2015-10-14 | 2016-02-24 | 合肥安晶龙电子股份有限公司 | 基于物料形状的色选方法 |
CN107081281A (zh) * | 2017-06-13 | 2017-08-22 | 安徽比达光电科技有限公司 | 一种智能色选机的算法 |
CN107552415A (zh) * | 2017-08-30 | 2018-01-09 | 天津颐和中威精密机器有限公司 | 一种应用于桔瓣分拣机的桔瓣分拣方法 |
CN108109417A (zh) * | 2017-12-14 | 2018-06-01 | 阜阳裕晟电子科技有限公司 | 一种基于图像处理技术的车辆播报方法 |
CN110523660A (zh) * | 2019-09-26 | 2019-12-03 | 合肥长隆光电科技有限公司 | 一种色选机用快速色选处理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101026685A (zh) * | 2007-03-23 | 2007-08-29 | 北京中星微电子有限公司 | 一种静止物体检测的方法及系统 |
CN101334837A (zh) * | 2008-07-31 | 2008-12-31 | 重庆大学 | 一种多方法融合的车牌图像定位方法 |
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
CN101739548A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 人眼检测方法及系统 |
-
2013
- 2013-11-07 CN CN201310548126.8A patent/CN103559712B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101026685A (zh) * | 2007-03-23 | 2007-08-29 | 北京中星微电子有限公司 | 一种静止物体检测的方法及系统 |
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
CN101334837A (zh) * | 2008-07-31 | 2008-12-31 | 重庆大学 | 一种多方法融合的车牌图像定位方法 |
CN101739548A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 人眼检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
李昊宇 等: "基于光度立体法的翘板黑瓜子识别方法研究", 《农业工程学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105354836A (zh) * | 2015-10-14 | 2016-02-24 | 合肥安晶龙电子股份有限公司 | 色选方法 |
CN105344620A (zh) * | 2015-10-14 | 2016-02-24 | 合肥安晶龙电子股份有限公司 | 基于物料形状的色选方法 |
CN105354836B (zh) * | 2015-10-14 | 2018-08-28 | 合肥安晶龙电子股份有限公司 | 色选方法 |
CN105344620B (zh) * | 2015-10-14 | 2018-10-23 | 合肥安晶龙电子股份有限公司 | 基于物料形状的色选方法 |
CN107081281A (zh) * | 2017-06-13 | 2017-08-22 | 安徽比达光电科技有限公司 | 一种智能色选机的算法 |
CN107081281B (zh) * | 2017-06-13 | 2019-04-19 | 安徽比达光电科技有限公司 | 一种智能色选机的算法 |
CN107552415A (zh) * | 2017-08-30 | 2018-01-09 | 天津颐和中威精密机器有限公司 | 一种应用于桔瓣分拣机的桔瓣分拣方法 |
CN107552415B (zh) * | 2017-08-30 | 2019-11-26 | 天津颐和中威精密机器有限公司 | 一种应用于桔瓣分拣机的桔瓣分拣方法 |
CN108109417A (zh) * | 2017-12-14 | 2018-06-01 | 阜阳裕晟电子科技有限公司 | 一种基于图像处理技术的车辆播报方法 |
CN110523660A (zh) * | 2019-09-26 | 2019-12-03 | 合肥长隆光电科技有限公司 | 一种色选机用快速色选处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103559712B (zh) | 2016-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103559712B (zh) | 黑瓜子色选方法 | |
EP3300024B1 (en) | Color identification system, color identification method, and display device | |
Liu et al. | CID: IQ–a new image quality database | |
CN106658169B (zh) | 一种基于深度学习多层次分割新闻视频的通用方法 | |
CN101882315B (zh) | 肤色区域的检测方法 | |
CN104599271B (zh) | 基于CIE Lab彩色空间的灰度阈值分割方法 | |
CN101650833B (zh) | 彩色图像质量评价方法 | |
CN105574514B (zh) | 温室生西红柿自动识别方法 | |
CN103780797A (zh) | 一种图像色彩增强的方法和装置 | |
CN108010024A (zh) | 一种盲参考色调映射图像质量评价方法 | |
CN101231757A (zh) | 一种图片主色调分析方法、装置及其在图片搜索中的应用 | |
CN102305769B (zh) | 应用于中国古画修复的多光谱抠图方法 | |
CN112598761A (zh) | 一种纺织服装色彩搭配协同设计与智能推荐方法 | |
CN101324955A (zh) | 基于颜色特征的植物根系图像分割方法 | |
CN108564631A (zh) | 车灯光导色差检测方法、装置及计算机可读存储介质 | |
CN104637425A (zh) | 流水线式led显示单元均匀性检测方法、系统及装置 | |
Shrestha et al. | Evaluation and comparison of multispectral imaging systems | |
Crichton et al. | Skin chromaticity gamuts for illumination recovery | |
Hussain et al. | Max-RGB based colour constancy using the sub-blocks of the image | |
CN106447603A (zh) | 一种彩色图像灰度化方法 | |
WO2023015609A1 (zh) | 一种基于组分线阵渐变特征的原切肉及其高仿肉的鉴别方法 | |
CN111160257B (zh) | 一种对光照变换稳健的单目人脸活体检测方法 | |
JP3410332B2 (ja) | 真珠の色分類装置 | |
CN107316040A (zh) | 一种光照不变的图像颜色空间变换方法 | |
CN104766301B (zh) | 一种基于图像的单色采集算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: The New Century Business Center No. 16 Acacia road 230088 in Anhui province Hefei city high tech Development Zone No. 6 standard factory 301, 302 Applicant after: HEFEI ANJINGLONG ELECTRONICS CO., LTD. Address before: The New Century Business Center No. 16 Acacia road 230088 in Anhui province Hefei city high tech Development Zone No. 6 standard factory 301, 302 Applicant before: Hefei Anjinglong Electric Co., Ltd. |
|
COR | Change of bibliographic data | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |