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 PDFInfo
- 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
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
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。
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)
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)
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 |
-
2015
- 2015-10-14 CN CN201510673881.8A patent/CN105344620B/zh active Active
Patent Citations (11)
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)
Title |
---|
龚声蓉等: "《数字图像处理与分析》", 31 May 2014 * |
Cited By (3)
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 |