CN105044128A - 基于光照背景差影法的水果表面缺陷检测方法 - Google Patents

Abstract

本发明公开了一种基于光照背景差影法的水果表面缺陷检测方法。是先对RGB彩色图像去除背景转换成灰度图像，对灰度图像进行中值滤波获得光照背景图像，将光照背景图减去灰度图像获得差影图像，差影图像进行对比度调整，然后阈值分割获得二值化图像，二值化图像进行区域填充和中值滤波获得表面缺陷图像。本发明有效避免了对水果及农产品形状、大小的依赖以及避免了亮度矫正带来较复杂的计算方法，也避免了依赖高光谱以及多光谱成像硬件带来的高成本性问题。能够有效检测多种表面缺陷。方法应用对象较广，方法算法简便易于程序实现，而且算法流程执行速度快从而提高检测效率，在水果及农产品品质计算机视觉在线检测方面具有应用潜力。

Description

基于光照背景差影法的水果表面缺陷检测方法

技术领域

本发明涉及计算机视觉图像处理方法，具体涉及一种基于光照背景差影法的水果表面缺陷检测方法。

背景技术

表面缺陷检测是水果分级的重要依据之一，在世界各国的水果评级标准中有严格的规定。国内外大量学者研究通过计算机视觉方式检测水果及农产品表面缺陷，但是许多农产品是类球体，二维图形中部的灰度值要远大于边缘的灰度值，导致表面缺陷图像检测的困难。

经过现有的技术检索发现，方法主要分为三类：

1)基于球体灰度模型的处理方法。譬如专利文献中国专利CN101984346A记载了一种基于低通滤波的水果表面缺陷检测方法，首先获得去除背景的R分量图像，利用水果彩色图像通过离散傅里叶变换进行低通滤波然后离散傅里叶反变换获得表面亮度图像，前者图像除以后者图像得到均一化亮度图像，再采用单阈值实现水果表面缺陷分割，该技术涉及频域转换计算较复杂；中国专利CN102788806A利用水果RGB图像和NIR图像，计算对比说水果缺陷形状、大小，但是水果不是严格球体，该专利用二值图像外接矩形最大宽度近似水果直径，最大宽度的一半作为迭代次数终止条件。这种方法对非圆形的椭圆形水果会产生缺陷检测误差。

2)基于表面纹理特征的处理方法。López-GarcíaF等人(2010)利用多元图像理论以及表面纹理特征算法训练方法检测脐橙表面缺陷，该算法比较复杂不易用于在线。(López-GarcíaF,Andreu-GarcíaG,BlascoJ,etal.Automaticdetectionofskindefectsincitrusfruitsusingamultivariateimageanalysisapproach[J].ComputersandElectronicsinAgriculture,2010,71(2):189-19)。

3)基于多光谱成像技术的处理方法。J.Blascoa等人利用多光谱成像设备进行脐橙表面缺陷分析，该方法硬件成本较高和复杂(2007)(J.Blascoa,N.Aleixos.(2007).Citrussortingbyidentificationofthemostcommondefectsusingmultispectralcomputervision.JournalofFoodEngineering83(2007)384–393)。

现有方法存在检测表面缺陷类型有限以及算法较复杂难以用于在线检测或者依赖成本较高的复杂硬件成像技术的问题，因此需要新的水果表面缺陷检测方法。

发明内容

本发明的目的在于提供一种基于光照背景差影法的水果表面缺陷检测的方法，相比背景技术，识别方法更简便检测速度更快，表面缺陷检测类型多以及对象实用性较广。

本发明解决其技术问题所采用的技术方案步骤如下：

1)获取水果RGB彩色图像；

2)对水果RGB彩色图像去除背景转换成灰度图像；

3)灰度图像进行中值滤波获得光照背景图像；

4)将步骤3)中的光照背景图像减去步骤2)中的灰度图像获得差影图像；

5)差影图像进行对比度调整，灰度阈值分割获得二值化图像；

6)二值化图像进行区域填充和中值滤波获得表面缺陷图像。

所述步骤(3)对灰度图像进行80×80的中值滤波，得到光照背景图像。

所述步骤(5)对差影图像的所有像素值用公式(1)进行对比度调整，获得对比度调整图像，然后对对比度调整图像每一个像素进行扫描，如果该像素的灰度数值大于分割阈值69，将该像素点的赋值1，否则赋值0，得到二值化图像；

$Y=\left\{\begin{array}{cc}0& I<0\\ \frac{19}{3}\&times;I& 0\&le;I\&le;25\\ \frac{51}{115}\&times;(I-25)+153& I>25\end{array}\right.---\left(1\right)$

式中：

I—差影图像所有像素值；

Y—对比度调整结果所有像素值。

所述步骤(5)中对二值化图像用公式(2)进行区域填充，然后进行4×4的中值滤波，得到表面缺陷图像；

F_k＝(F_k-1E)∩D^c,F_k＝F_k-1(2)

式中：

F—图像处理结果；

D—二值化图像的数据；

E—四连通域；

k—次数，k＝1，2，3…；

D^c—D的补集。

本发明具有的有益效果是：

本发明对于检测水果表面缺陷具有很好的准确性和实用性，有效避免了对水果及农产品形状、大小的依赖以及避免了亮度矫正带来较复杂的计算方法，也避免了依赖高光谱以及多光谱成像硬件带来的高成本性问题。能够有效检测多种表面缺陷，譬如能检测脐橙多种表面缺陷。方法应用对象较广，方法算法简便易于程序实现，而且算法流程执行速度快从而提高检测效率，在水果及农产品品质计算机视觉在线检测方面具有较大的应用潜力。

附图说明

图1是本发明方法的流程图。

图2是本发明实施例1中原始彩色图像。

图3是本发明实施例1中灰度图像。

图4是本发明实施例1中光照背景图像。

图5是本发明实施例1中差影图像。

图6是本发明实施例1中对比度调整图像。

图7是本发明实施例1中二值化图像。

图8是本发明实施例1中表面缺陷图像。

图9是本发明实施例1中四连通域图。

图10是脐橙风伤果原始图。

图11是脐橙风伤果表面缺陷检测结果图。

图12是脐橙蓟马果原始图。

图13是脐橙蓟马果表面缺陷检测结果图。

图14是脐橙溃疡果原始图。

图15是脐橙溃疡果表面缺陷检测结果图。

图16是脐橙裂果原始图。

图17是脐橙裂果表面缺陷检测结果图。

图18是脐橙炭疽病果原始图。

图19是脐橙炭疽病果表面缺陷检测结果图。

图20是脐橙表皮破裂腐烂果原始图。

图21是脐橙表皮破裂腐烂果表面缺陷检测结果图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的说明。

如图1所示，本实施例包括以下步骤：

1)获取水果RGB彩色图像，获得如图2所示的原始彩色图像。

2)对原始彩色图像去除背景转成灰度图像，获得如图3所示的灰度图像。

3)对灰度图像进行80×80的中值滤波，获得如图4所示的光照背景图像。

4)光照背景图像减去灰度图像，获得如图5所示的差影图像。

5)对差影图像的所有像素值用公式(1)进行对比度调整获得如图6所示的对比度调整图像，然后对对比度调整图像每一个像素进行扫描，如果该像素的灰度数值大于分割阈值69，将该像素点的赋值1，否则赋值0，得到如图7所示的二值化图像。

$Y=\left\{\begin{array}{cc}0& I<0\\ \frac{19}{3}\&times;I& 0\&le;I\&le;25\\ \frac{51}{115}\&times;(I-25)+153& I>25\end{array}\right.---\left(1\right)$

式中：

I—差影图像所有像素值；

Y—对比度调整结果所有像素值；

6)对二值化图像用公式(2)进行填洞，然后进行4×4的中值滤波，得到如图8所示的表面缺陷图像，其中白色区域为缺陷区域。

F_k＝(F_k-1E)∩D^c,F_k＝F_k-1(2)

式中：

F—图像处理结果；

D—二值化图像的数据；

E—如图9所示的四连通域；

k—次数，k＝1，2，3…；

D^c—D的补集。

图10是脐橙风伤果的原始彩色图像，图11是图10的检测结果图，其中白色区域为缺陷区域。

图12是脐橙蓟马果的原始彩色图像，图13是图12的检测结果图，其中白色区域为缺陷区域。

图14是脐橙虫伤果的原始彩色图像，图15是图14的检测结果图，其中白色区域为缺陷区域。

图16是脐橙裂果的原始彩色图像，图17是图16的检测结果图，其中白色区域为缺陷区域。

图18是脐橙炭疽病果的原始彩色图像，图19是图18的检测结果图，其中白色区域为缺陷区域。

图20是脐橙表皮破裂腐烂果的原始彩色图像，图21是图20的检测结果图，其中白色区域为缺陷区域。

上述具体实施方式用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (4)

1.一种基于光照背景差影法的水果表面缺陷检测方法，其特征在于，该方法包括如下步骤：

1)获取水果RGB彩色图像；

2)对水果RGB彩色图像去除背景转换成灰度图像；

3)灰度图像进行中值滤波获得光照背景图像；

4)将步骤3)中的光照背景图像减去步骤2)中的灰度图像获得差影图像；

5)差影图像进行对比度调整，灰度阈值分割获得二值化图像；

6)二值化图像进行区域填充和中值滤波获得表面缺陷图像。

2.根据权利要求1所述的一种基于光照背景差影法的水果表面缺陷检测方法，其特征在于：所述步骤(3)对灰度图像进行80×80的中值滤波，得到光照背景图像。

3.根据权利要求1所述的一种基于光照背景差影法的水果表面缺陷检测方法，其特征在于：所述步骤(5)对差影图像的所有像素值用公式(1)进行对比度调整，获得对比度调整图像，然后对对比度调整图像每一个像素进行扫描，如果该像素的灰度数值大于分割阈值69，将该像素点的赋值1，否则赋值0，得到二值化图像；

$Y=\left\{\begin{array}{cc}0& I<0\\ \frac{19}{3}\&times;I& 0\&le;I\&le;25\\ \frac{51}{115}\&times;(I-25)+153& I>25\end{array}\right.---\left(1\right)$

式中：

I—差影图像所有像素值；

Y—对比度调整结果所有像素值。

4.根据权利要求1所述的一种基于光照背景差影法的水果表面缺陷检测方法，其特征在于：所述步骤(5)中对二值化图像用公式(2)进行区域填充，然后进行4×4的中值滤波，得到表面缺陷图像；

F_k＝(F_k-1E)∩D^c,F_k＝F_k-1(2)

式中：

F—图像处理结果；

D—二值化图像的数据；

E—四连通域；

k—次数，k＝1，2，3…；

D^c—D的补集。