CN105344620A - 基于物料形状的色选方法 - Google Patents

基于物料形状的色选方法 Download PDF

Info

Publication number
CN105344620A
CN105344620A CN201510673881.8A CN201510673881A CN105344620A CN 105344620 A CN105344620 A CN 105344620A CN 201510673881 A CN201510673881 A CN 201510673881A CN 105344620 A CN105344620 A CN 105344620A
Authority
CN
China
Prior art keywords
image
background
original image
color
region
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
Application number
CN201510673881.8A
Other languages
English (en)
Other versions
CN105344620B (zh
Inventor
方茂雨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HEFEI ANJINGLONG ELECTRONICS CO Ltd
Original Assignee
HEFEI ANJINGLONG ELECTRONICS CO Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by HEFEI ANJINGLONG ELECTRONICS CO Ltd filed Critical HEFEI ANJINGLONG ELECTRONICS CO Ltd
Priority to CN201510673881.8A priority Critical patent/CN105344620B/zh
Publication of CN105344620A publication Critical patent/CN105344620A/zh
Application granted granted Critical
Publication of CN105344620B publication Critical patent/CN105344620B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/04—Sorting according to size

Abstract

本发明属于图像处理技术领域，特别涉及一种基于物料形状的色选方法，包括如下步骤：(A1)通过相机或摄像机获取物料的原始图像，原始图像中物料颜色与背景色相异；(B1)以背景色取值范围为阈值，对原始图像进行二值化处理得到黑白图像；(C1)对黑白图像进行背景膨胀处理，该膨胀处理的结构元素取值大于等于细物料的尺寸；(D1)将步骤C1处理后的图像中含有粗大物料的区域标记、选出，余下所需要的物料。通过对原始图像的二值化、膨胀处理，将较细的物料与背景融合到一起，只留下尺寸较粗的物料，这样，通过色选机的吹气系统将不合格的、较粗的物料吹出，余下的都是合格的、较细的物料。

Description

基于物料形状的色选方法
技术领域
本发明属于图像处理技术领域，特别涉及一种基于物料形状的色选方法。
背景技术
色选机是一种主要根据颜色来分选物料的自动分选设备。最初色选机主要是应用于大米色选，而现在则已广泛应用于茶叶、中药材、香料、杂粮、脱水蔬菜、废塑料、矿石等多种物料的色选。
其中某些物料在分选时，仅凭颜色并不能完全区分好料和杂质。例如在分选铁观音茶叶时，需要把已卷成球状的茶叶球和仍是条状的茶叶片分开；在分选一般茶叶时，需要把茶叶片和细的茶叶梗分开；在分选花椒、胡椒等香料时，也需要把花椒颗粒和细的花椒梗分开。在这几种情况中，好料和杂质都有着明显的形状特征上的不同，在上述情况中，要分选的物料和杂质颜色都是基本相同的，所以仅凭颜色无法将它们区分。
发明内容
本发明的首要目的在于提供一种基于物料形状的色选方法，能够方便的色选得到尺寸较细的物料。
为实现以上目的，本发明采用的技术方案为：一种基于物料形状的色选方法，包括如下步骤：(A1)通过相机或摄像机获取物料的原始图像，原始图像中物料颜色与背景色相异；(B1)以背景色取值范围为阈值，对原始图像进行二值化处理得到黑白图像；(C1)对黑白图像进行背景膨胀处理，该膨胀处理的结构元素取值大于等于细物料的尺寸；(D1)将步骤C1处理后的图像中含有粗大物料的区域标记、选出，余下所需要的物料。
与现有技术相比，本发明存在以下技术效果：通过对原始图像的二值化、膨胀处理，将较细的物料与背景融合到一起，只留下尺寸较粗的物料，这样，通过色选机的吹气系统将不合格的、较粗的物料吹出，余下的都是合格的、较细的物料。
本发明的另一个目的在于提供一种基于物料形状的色选方法，能够方便的色选得到尺寸较粗的物料。
为实现以上目的，本发明采用的技术方案为：一种基于物料形状的色选方法，包括如下步骤：(A2)通过相机或摄像机获取物料的原始图像，原始图像中物料颜色与背景色相异；(B2)以背景色取值范围为阈值，对原始图像进行二值化处理得到黑白图像；(C2)对黑白图像进行背景膨胀处理，该膨胀处理处理的结构元素取值大于等于细物料的尺寸；(D2)对步骤C2处理后的图像进行背景腐蚀处理，该腐蚀处理的结构元素取值大于等于步骤C2中的结构元素尺寸；(E2)对步骤D2处理后的图像进行反相处理；(F2)对步骤C2、E2处理后的图像进行交集处理；(G2)对步骤F2处理后的图像中含有细长物料的区域标记、选出，余下所需要的物料。
与现有技术相比，本发明存在以下技术效果：通过对原始图像的二值化、膨胀、反相、交集处理，将较粗的物料与背景融合到一起，只留下尺寸较细的物料，这样，通过色选机的吹气系统将不合格的、较细的物料吹出，余下的都是合格的、较粗的物料。
附图说明
图1是本发明实施例一的流程示意图；
图2是本发明实施例二的流程示意图；
图3是本发明实施例二的处理过程示意图，其中图3a为彩色图像。
具体实施方式
下面结合图1至图3，对本发明做进一步详细叙述。根据所需要物料的不同，这里提供了两个实施例。
参阅图1，实施例一，在某些场合下对物料的色选时，细长的物料满足形状要求或是要选择的物料，粗大的物料不满足形状要求或者是需要剔除的物料。这里采用的方案是：一种基于物料形状的色选方法，包括如下步骤：(A1)通过相机或摄像机获取物料的原始图像，原始图像中物料颜色与背景色具有便于识别的色差；(B1)以背景色取值范围为阈值，对原始图像进行二值化处理得到黑白图像；(C1)对黑白图像进行背景膨胀处理，该膨胀处理的结构元素取值大于等于细物料的尺寸；(D1)将步骤C1处理后的图像中含有粗大物料的区域标记、选出，余下所需要的物料。步骤C1中的背景膨胀处理也可以称为物料腐蚀处理。
通过背景膨胀处理或物料腐蚀处理，将细长物料与背景融合到一起，对于粗大物料依然有部分未被膨胀或腐蚀，此时余下的有物料标记的部分即为粗大物料，只要标记该物料位置、并通过后续的吹起系统选出，余下的就都是满足需求的细长物料。
参阅图2，实施例二，某些场合下对物料进行色选时，粗大的物料满足形状要求或是要选择的物料，细长的物料不满足形状要求或者是需要剔除的物料，比如铁观音茶叶、花椒和花椒梗等。这种情况下采用的方案是：一种基于物料形状的色选方法，包括如下步骤：(A2)通过相机或摄像机获取物料的原始图像，原始图像中物料颜色与背景色相异；(B2)以背景色取值范围为阈值，对原始图像进行二值化处理得到黑白图像；(C2)对黑白图像进行背景膨胀处理，该膨胀处理的结构元素取值大于等于细物料的尺寸；(D2)对步骤C2处理后的图像进行背景腐蚀处理，该腐蚀处理的结构元素取值大于等于步骤C2中的结构元素尺寸；(E2)对步骤D2处理后的图像进行反相处理；(F2)对步骤C2、E2处理后的图像进行交集处理；(G2)对步骤F2处理后的图像中含有细长物料的区域标记、选出，余下所需要的物料。这里通过一系列的处理，将细长物料标记并选出，余下的就都是合格的粗大物料。同样地，这里所述及的背景腐蚀处理也就是物料膨胀处理。
实施例一中的二值化处理、膨胀处理原理与实施例二中的相同，下面通过实施例二对这些处理方法进行详细的描述。
参阅图3，图3a即为彩色的原始图像，所述步骤B2进行二值化处理后，背景区域标记为0，物料区域标记为1，如图3b所示；步骤C2中，对标记为0的区域进行膨胀处理，处理后的图像如图3c所示；步骤D2中，对标记为1的区域进行膨胀处理，处理后的图像如图3d所示；步骤E2中，反相处理即图中的标记0、1分别改为1、0，图3d经反相处理后即变成图3e；步骤F2中，交集处理即将两幅图像相同位置的两个标记进行逻辑与运算，算后的图像如图3f所示；步骤G2中，标记为1的区域即含有物料的区域。
在处理的时候，不一定非要将将背景区域标记为0，也可以标记为1，只不过在后续的处理中相应的进行改动。具体地，所述步骤B2进行二值化处理后，背景区域标记为1，物料区域标记为0；步骤C2中，对标记为1的区域进行膨胀处理；步骤D2中，对标记为0的区域进行膨胀处理；步骤E2中，反相处理即图中的标记0、1分别改为1、0；步骤F2中，交集处理即将两幅图像相同位置的两个标记进行逻辑或运算，这里需要注意的是运用的是逻辑或运算而不是逻辑与，因为这里最终选择的是两幅图像中都是0的区域；步骤G2中，标记为0的区域即含有物料的区域。
二值化的处理过程中，HIS模式的图像比RGB模式的图像处理起来更方便，所述的步骤B2中，先将原始图像由RGB模式转换为HSI模式，HSI值同时满足HMIN≤H≤HMAX、SMIN≤S≤SMAX、IMIN≤I≤IMAX的区域即为背景区域，其中[HMIN，HMAX]，[SMIN，SMAX]，[IMIN，IMAX]为HIS模式原始图像中背景区域颜色的HSI值取值范围。

Claims (5)

1.一种基于物料形状的色选方法，包括如下步骤：
(A1)通过相机或摄像机获取物料的原始图像，原始图像中物料颜色与背景色具有便于识别的色差；
(B1)以背景色取值范围为阈值，对原始图像进行二值化处理得到黑白图像；
(C1)对黑白图像进行背景膨胀处理，该膨胀处理的结构元素取值大于等于细物料的尺寸；
(D1)将步骤C1处理后的图像中含有粗大物料的区域标记、选出，余下所需要的物料。
2.一种基于物料形状的色选方法，包括如下步骤：
(A2)通过相机或摄像机获取物料的原始图像，原始图像中物料颜色与背景色相异；
(B2)以背景色取值范围为阈值，对原始图像进行二值化处理得到黑白图像；
(C2)对黑白图像进行背景膨胀处理，该膨胀处理的结构元素取值大于等于细物料的尺寸；
(D2)对步骤C2处理后的图像进行背景腐蚀处理，该腐蚀处理的结构元素取值大于等于步骤C2中的结构元素尺寸；
(E2)对步骤D2处理后的图像进行反相处理；
(F2)对步骤C2、E2处理后的图像进行交集处理；
(G2)对步骤F2处理后的图像中含有细长物料的区域标记、选出，余下所需要的物料。
3.如权利要求2所述的基于物料形状的色选方法，其特征在于：所述步骤B2进行二值化处理后，背景区域标记为0，物料区域标记为1；步骤C2中，对标记为0的区域进行膨胀处理；步骤D2中，对标记为1的区域进行膨胀处理；步骤E2中，反相处理即图中的标记0、1分别改为1、0；步骤F2中，交集处理即将两幅图像相同位置的两个标记进行逻辑与运算；步骤G2中，标记为1的区域即含有物料的区域。
4.如权利要求2所述的基于物料形状的色选方法，其特征在于：所述步骤B2进行二值化处理后，背景区域标记为1，物料区域标记为0；步骤C2中，对标记为1的区域进行膨胀处理；步骤D2中，对标记为0的区域进行膨胀处理；步骤E2中，反相处理即图中的标记0、1分别改为1、0；步骤F2中，交集处理即将两幅图像相同位置的两个标记进行逻辑或运算；步骤G2中，标记为0的区域即含有物料的区域。
5.如权利要求2所述的基于物料形状的色选方法，其特征在于：所述的步骤B2中，先将原始图像由RGB模式转换为HSI模式，HSI值同时满足HMIN≤H≤HMAX、SMIN≤S≤SMAX、IMIN≤I≤IMAX的区域即为背景区域，其中[HMIN，HMAX]，[SMIN，SMAX]，[IMIN，IMAX]为HIS模式原始图像中背景区域颜色的HSI值取值范围。
CN201510673881.8A 2015-10-14 2015-10-14 基于物料形状的色选方法 Active CN105344620B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510673881.8A CN105344620B (zh) 2015-10-14 2015-10-14 基于物料形状的色选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510673881.8A CN105344620B (zh) 2015-10-14 2015-10-14 基于物料形状的色选方法

Publications (2)

Publication Number Publication Date
CN105344620A true CN105344620A (zh) 2016-02-24
CN105344620B CN105344620B (zh) 2018-10-23

Family

ID=55320761

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510673881.8A Active CN105344620B (zh) 2015-10-14 2015-10-14 基于物料形状的色选方法

Country Status (1)

Country Link
CN (1) CN105344620B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107971240A (zh) * 2017-11-21 2018-05-01 合肥工业大学 一种动力电池电芯破碎产物铜铝箔颗粒的色选方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5619592A (en) * 1989-12-08 1997-04-08 Xerox Corporation Detection of highlighted regions
US5867610A (en) * 1992-02-18 1999-02-02 Neopath, Inc. Method for identifying objects using data processing techniques
CN1603013A (zh) * 2004-11-02 2005-04-06 江苏大学 基于三个摄像系统在线水果品质检测分级的装置与方法
CN101626489A (zh) * 2008-07-10 2010-01-13 苏国政 无人值守目标智能识别与自动跟踪的方法及其系统
CN101770645A (zh) * 2010-02-10 2010-07-07 中国农业大学 高分辨率棉花异性纤维彩色图像的快速分割方法与系统
CN102339385A (zh) * 2011-07-28 2012-02-01 南京焦耳科技有限责任公司 基于组合光透视的叶中含梗及含梗率视觉识别检测方法
CN103559712A (zh) * 2013-11-07 2014-02-05 合肥安晶龙电子有限公司 黑瓜子色选方法
CN104021369A (zh) * 2014-04-30 2014-09-03 南京农业大学 基于数字图像处理技术的单株水稻穗部籽粒数计数方法
CN104156961A (zh) * 2014-08-12 2014-11-19 东北林业大学 灰度缺陷图像提取方法
CN104700112A (zh) * 2015-02-02 2015-06-10 电子科技大学 一种基于形态特征的粪便中寄生虫虫卵检测方法
CN104899584A (zh) * 2015-06-29 2015-09-09 宁波江丰生物信息技术有限公司 一种基于模糊思想的染色切片识别方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5619592A (en) * 1989-12-08 1997-04-08 Xerox Corporation Detection of highlighted regions
US5867610A (en) * 1992-02-18 1999-02-02 Neopath, Inc. Method for identifying objects using data processing techniques
CN1603013A (zh) * 2004-11-02 2005-04-06 江苏大学 基于三个摄像系统在线水果品质检测分级的装置与方法
CN101626489A (zh) * 2008-07-10 2010-01-13 苏国政 无人值守目标智能识别与自动跟踪的方法及其系统
CN101770645A (zh) * 2010-02-10 2010-07-07 中国农业大学 高分辨率棉花异性纤维彩色图像的快速分割方法与系统
CN102339385A (zh) * 2011-07-28 2012-02-01 南京焦耳科技有限责任公司 基于组合光透视的叶中含梗及含梗率视觉识别检测方法
CN103559712A (zh) * 2013-11-07 2014-02-05 合肥安晶龙电子有限公司 黑瓜子色选方法
CN104021369A (zh) * 2014-04-30 2014-09-03 南京农业大学 基于数字图像处理技术的单株水稻穗部籽粒数计数方法
CN104156961A (zh) * 2014-08-12 2014-11-19 东北林业大学 灰度缺陷图像提取方法
CN104700112A (zh) * 2015-02-02 2015-06-10 电子科技大学 一种基于形态特征的粪便中寄生虫虫卵检测方法
CN104899584A (zh) * 2015-06-29 2015-09-09 宁波江丰生物信息技术有限公司 一种基于模糊思想的染色切片识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
龚声蓉等: "《数字图像处理与分析》", 31 May 2014 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107971240A (zh) * 2017-11-21 2018-05-01 合肥工业大学 一种动力电池电芯破碎产物铜铝箔颗粒的色选方法

Also Published As

Publication number Publication date
CN105344620B (zh) 2018-10-23

Similar Documents

Publication Publication Date Title
US11922615B2 (en) Information processing device, information processing method, and storage medium
CN111047554B (zh) 一种基于实例分割的复合绝缘子过热缺陷检测方法
CN103559500B (zh) 一种基于光谱与纹理特征的多光谱遥感图像地物分类方法
Liu et al. A method of segmenting apples at night based on color and position information
CN109086687A (zh) 基于pca降维的hog-mblbp融合特征的交通标志识别方法
CN105608456A (zh) 一种基于全卷积网络的多方向文本检测方法
CN104182719B (zh) 一种图像识别方法及装置
CN110852323B (zh) 一种基于角点的空中目标探测方法
CN103679138A (zh) 舰船与港口先验知识支持的大型舰船检测方法
CN110751089A (zh) 基于数字图像和卷积特征的火焰目标检测方法
CN104021544B (zh) 一种温室蔬菜病害监控视频关键帧提取方法即提取系统
CN102096821A (zh) 基于复杂网络理论的强干扰环境下的车牌识别方法
CN108520278A (zh) 一种基于随机森林的路面裂缝检测方法及其评价方法
CN105913441A (zh) 一种用于改善视频中目标检测性能的阴影去除方法
CN103473785A (zh) 一种基于三值化图像聚类的快速多目标分割方法
CN110472628A (zh) 一种基于视频特征的改进Faster R-CNN网络检测漂浮物方法
CN104897671A (zh) 一种水果果梗花萼的识别系统
CN105344620A (zh) 基于物料形状的色选方法
CN111008608A (zh) 一种基于深度学习的夜间车辆检测方法
US20080310685A1 (en) Methods and Systems for Refining Text Segmentation Results
Muhammad Automatic date fruit classification by using local texture descriptors and shape-size features
CN103544716A (zh) 一种对图像的像素进行颜色分类的方法及装置
CN109101985A (zh) 一种基于自适应邻域测试的图像误匹配点对剔除方法
CN104268845A (zh) 极值温差短波红外图像的自适应双局部增强方法
CN112989985B (zh) 一种融合夜间灯光数据与Landsat8 OLI影像的城市建成区提取方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant