CN107037056A - 一种快速局部阈值分割的水果表面缺陷检测方法 - Google Patents

Abstract

本发明公开了一种快速局部阈值分割的水果表面缺陷检测方法。获取水果RGB彩色图像，对水果RGB彩色图像去除背景转换成灰度图像，形成目标图像，对目标图像转换成积分图像，用积分图像进行计算并对目标图像处理获得目标二值化图像，依次进行填洞和中值滤波处理获得水果表面缺陷图像，根据水果表面缺陷图像获得缺陷结果。本发明检测准确和实用，能有效避免对类球体状的水果图像亮度矫正处理，图像计算速度快，应用对象广，具有较大的应用价值。

Description

一种快速局部阈值分割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，具体涉及一种快速局部阈值分割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，该技术能检测亮度较低的表面缺陷，但是会丢失在中心区域以及边缘区域的高亮度及中亮度表面缺陷；中国专利CN102788806A利用水果RGB图像和NIR图像，计算对比水果的缺陷形状、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误差，而且椭圆形水果长轴和短轴受到的光照朗伯现象不一样直接用该区域像素点直接进行亮度平均处理，会对缺陷检测带来误差；Li Jiangbo等人(2013)利用光照传输模型与图像比技术检测脐橙表面缺陷，该方法算法对较低亮度缺陷有效，但是容易丢失高亮度以及中亮度表面缺陷区域。(Automatic detection of common surface defects on oranges using combinedlighting transform and image ratio methods Jiangbo Li,Xiuqin Rao,PostharvestBiology and Technology 2013)；李江波等人(2011)利用水果表面亮度矫正单阈值脐橙表面缺陷提取，该方法会丢失高亮度表面缺陷区域(李江波，饶秀勤，应义斌.水果表面亮度不均校正及单阈值缺陷提取研究，农业工程学报,2011年12期)。

2)基于表面纹理特征的处理方法。López-García F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，而且检测脐橙表面缺陷类型有限。(López-García F,Andreu-García G,Blasco J,etal.Automatic detection of skin defects in citrus fruits using a multivariateimage analysis approach[J].Computers and Electronics in Agriculture,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).Citrus sorting by identification of the most common defects usingmultispectral computer vision.Journal of Food Engineering 83(2007)384–393)。

现有方法存在检测表面缺陷类型有限以及计算方法较复杂速度慢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

为了解决背景技术中检测表面缺陷类型有限以及计算方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，本发明的目的在于提供一种快速局部阈值分割的水果表面缺陷检测方法，适用于在线检测场合。

如图1所示，本发明解决其技术问题所采用技术方案的步骤如下：

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，形成目标图像P(i,j)；

3)对目标图像P(i,j)转换成积分图像I(x,y)；

4)用积分图像I(x,y)进行计算并对目标图像P(i,j)处理获得目标二值化图像D(i,j)；

5)将步骤4)得到目标二值化图像依次进行填洞和中值滤波处理获得水果表面缺陷图像，根据水果表面缺陷图像获得缺陷结果，图像中白色区域为缺陷。

所述步骤3)中，用以下公式获得积分图像I(x,y)：

式中：I(x,y)—积分图像像素点(x,y)的像素值，P(i,j)—目标图像像素点(i,j)的像素值，i和j分别表示目标图像像素的水平坐标和垂直坐标，x和y分别表示积分图像像素的水平坐标和垂直坐标。

所述步骤4)具体为：

4.1)扫描步骤2)中的目标图像P(i,j)每个像素，同时以积分图像中对应同一位置的每个像素作为窗口的中心像素，用25×25窗口扫描积分图像中对应同一位置的像素，窗口中超过积分图像边界的像素用中心像素的像素值填充，并计算每个25×25窗口中各个像素值的算数平均值，作为目标图像P(i,j)每个像素的分割值Q(i,j)；

4.2)用目标图像P(i,j)每个像素对应的分割值Q(i,j)进行计算，获得局部阈值S(i,j)，并根据局部阈值S(i,j)对目标图像P(i,j)中的像素进行重新赋值，遍历处理获得目标二值化图像D(i,j)。

所述步骤4.2)中，对于目标图像P(i,j)每个像素(背景像素0不参与计算)依据对应的分割值Q(i,j)通过以下公式进行计算每个像素各自的局部阈值S(i,j)：

式中：S(i,j)—像素的局部阈值，Q(i,j)—分割值，T—修正数，默认是5；

然后扫描目标图像P(i,j)每个像素(背景像素0不参与)：若像素值大于分割局部阈值S(i,j)时，则将该像素的像素值赋值为1；若像素值小于等于分割局部阈值S(i,j)时，则不进行处理；

遍历每个像素处理获得目标二值化图像D(i,j)。

所述步骤5)中填洞采用以下公式完成填洞然后进行3×3中值滤波，得到表面缺陷图像：

F_k＝(F_k-1E)∩D^c,F_k＝F_k-1

式中：F—填洞图像处理结果；D—二值化图像完成形态学膨胀的数据；E—四连通域；k—计算次数，k＝1,2,3…；D^c—D的补集。

本发明具有的有益效果是：

本发明利用缺陷和正常区域领域灰度信息变化特点，能有效避免对类球体状的水果及农产品的亮度矫正，无需额外对类球体状的脐橙进行亮度矫正，克服表面光场分不均匀导致缺陷检测带来的干扰，可适应多种水果表面缺陷检测，检测准确和实用。

本发明虽然采用的局部分割方式，但是方法速度快，克服了现有局部分割方式计算速度慢的问题(现有技术中全局分割方式都比较快，局部分割方式都比较慢)，有利用实际应用，具有较大的应用价值。

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中原始图像。

图3是本发明实施例1中目标图像。

图4是本发明实施例1中积分图像。

图5是本发明实施例1中目标二值化图像。

图6是本发明实施例1中四连通域。

图7是本发明实施例1中提取表面缺陷图像。

图8是脐橙风伤果原始图。

图9是脐橙风伤果表面缺陷检测结果图。

图10是脐橙蓟马果原始图。

图11是脐橙蓟马果表面缺陷检测结果图。

图12是脐橙介壳虫果原始图。

图13是脐橙介壳虫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是脐橙药害果原始图。

图21是脐橙药害果表面缺陷检测结果图。

图22是脐橙表皮破裂腐烂果原始图。

图23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，本发明的实施例及其实施过程如下：

1)拍摄样本水果RGB彩色图像，如图2所示。

2)对水果RGB彩色图像去除背景转换成灰度图像，获得如图3所示的目标图像P(i,j)。

3)对目标图像P(i,j)用公式(1)获得如图4所示的积分图像I(x,y)：

4)扫描目标图像P(i,j)每个像素，同时用25×25窗口扫描积分图像中相对应像素，窗口中超过积分图像边界的像素用边界像素填充，并计算每个25×25窗口的算数平均值，作为目标图像P(i,j)每个像素的分割值Q(i,j)；

5)目标图像P(i,j)每个像素(背景像素0不参与计算)依据对应的分割值Q(i,j)通过公式(2)进行计算局部阈值S(i,j)。

然后扫描目标图像P(i,j)每个像素(背景像素0不参与)当大于分割局部阈值S(i,j)时，则将与当前窗口中心像素具有同样位置的目标图像P(i,j)中的像素赋值为0否则赋值为1，遍历处理获得如图5所示的目标二值化图像D(i,j)。

6)二值化图像D(i,j)采用公式(3)完成填洞然后进行3×3中值滤波，得到如图7所示表面缺陷图像，其中白色区域为缺陷区域。

F_k＝(F_k-1E)∩D^c,F_k＝F_k-1 (3)

式中，E采用如图6所示的四连通域。

本发明实施例分别对脐橙风伤果、脐橙蓟马果、脐橙介壳虫果、脐橙溃疡果、脐橙裂果、脐橙炭疽病果、脐橙药害果、脐橙表皮破裂腐烂果进行了实施实验，相关原始图像和检测结果图像分别如附图8～图23所示：

图8是脐橙风伤果的原始图像，图9是图8的检测结果图，其中白色区域为缺陷区域。

图10是脐橙蓟马果的原始图像，图11是图10的检测结果图，其中白色区域为缺陷区域。

图12是脐橙介壳虫果的原始图像，图13是图12的检测结果图，其中白色区域为缺陷区域。

图14是脐橙溃疡果的原始图像，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是脐橙药害果的原始图像，图21是图20的检测结果图，其中白色区域为缺陷区域。

图22是脐橙表皮破裂腐烂果的原始图像，图23是图22的检测结果图，其中白色区域为缺陷区域。

由上述各个实施例原始图像和检测结果图相对比可见，本发明对水果大小、形状的变化不敏感，且能检测脐橙9种表面缺陷(风伤果、蓟马果、介壳虫果、溃疡果、裂果、炭疽病、药害果、表皮破裂型腐烂果)。另外，图像处理速度快，在CPU为i5-2410处理器的台式机上实现一帧水果图像检测的时间不大于28ms，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价值。

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 (5)

1.一种快速局部阈值分割的水果表面缺陷检测方法，其特征在于所述方法包括如下步骤：

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，形成目标图像P(i,j)；

3)对目标图像P(i,j)转换成积分图像I(x,y)；

4)用积分图像I(x,y)进行计算并对目标图像P(i,j)处理获得目标二值化图像D(i,j)；

5)将步骤4)得到目标二值化图像依次进行填洞和中值滤波处理获得水果表面缺陷图像，根据水果表面缺陷图像获得缺陷结果。

2.根据权利要求1所述的一种快速局部阈值分割的水果表面缺陷检测方法，其特征在于：所述步骤3)中，用以下公式获得积分图像I(x,y)：

式中：I(x,y)—积分图像，P(i,j)—目标图像，i和j分别表示目标图像像素的水平坐标和垂直坐标，x和y分别表示积分图像像素的水平坐标和垂直坐标。

3.根据权利要求1所述的一种快速局部阈值分割的水果表面缺陷检测方法，其特征在于：所述步骤4)具体为：

4.1)扫描步骤2)中的目标图像P(i,j)每个像素，同时以积分图像中对应同一位置的每个像素作为窗口的中心像素，用25×25窗口扫描积分图像中对应同一位置的像素，窗口中超过积分图像边界的像素用中心像素的像素值填充，并计算每个25×25窗口中各个像素值的算数平均值，作为目标图像P(i,j)每个像素的分割值Q(i,j)；

4.2)用目标图像P(i,j)每个像素对应的分割值Q(i,j)进行计算，获得局部阈值S(i,j)，并根据局部阈值S(i,j)对目标图像P(i,j)中的像素进行重新赋值，遍历处理获得目标二值化图像D(i,j)。

4.根据权利要求3所述的一种快速局部阈值分割的水果表面缺陷检测方法，其特征在于：所述步骤4.2)中，首先对于目标图像P(i,j)每个像素依据对应的分割值Q(i,j)通过以下公式进行计算每个像素各自的局部阈值S(i,j)：

式中：S(i,j)—像素的局部阈值，Q(i,j)—分割值，T—修正数；

然后扫描目标图像P(i,j)每个像素：若像素值大于分割局部阈值S(i,j)时，则将该像素的像素值赋值为1；若像素值小于等于分割局部阈值S(i,j)时，该像素的像素值赋值为0；

最后遍历每个像素处理获得目标二值化图像D(i,j)。

5.根据权利要求1所述的一种快速局部阈值分割的水果表面缺陷检测方法，其特征在于：所述步骤5)中填洞采用以下公式完成填洞然后进行3×3中值滤波，得到表面缺陷图像：

F_k＝(F_k-1E)∩D^c,F_k＝F_k-1

式中：F—填洞图像处理结果；D—二值化图像完成形态学膨胀的数据；E—四连通域；k—计算次数，k＝1,2,3…；D^c—D的补集。