CN108830862B - 基于图像分割的螃蟹朝向识别方法 - Google Patents
基于图像分割的螃蟹朝向识别方法 Download PDFInfo
- Publication number
- CN108830862B CN108830862B CN201810586745.9A CN201810586745A CN108830862B CN 108830862 B CN108830862 B CN 108830862B CN 201810586745 A CN201810586745 A CN 201810586745A CN 108830862 B CN108830862 B CN 108830862B
- Authority
- CN
- China
- Prior art keywords
- crab
- image
- point
- abdomen
- orientation
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000003709 image segmentation Methods 0.000 title claims abstract description 25
- 230000003187 abdominal effect Effects 0.000 claims abstract description 98
- 241000238557 Decapoda Species 0.000 claims abstract description 33
- 210000001015 abdomen Anatomy 0.000 claims description 125
- 230000003628 erosive effect Effects 0.000 claims description 24
- 230000011218 segmentation Effects 0.000 claims description 11
- 210000001113 umbilicus Anatomy 0.000 claims description 10
- 210000000078 claw Anatomy 0.000 claims description 6
- 210000000080 chela (arthropods) Anatomy 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像分割的螃蟹朝向识别方法,属于图像处理技术领域。该方法获取螃蟹的腹部图像,根据螃蟹的腹部图像获取螃蟹的腹部壳体形状,获取腹部壳体形状的最小外接矩形,根据最小外接矩形和螃蟹的公母情况识别出螃蟹朝向;解决了现在无法自动化智能地区分螃蟹的朝向的问题;达到了提高区分螃蟹朝向的智能化程度的效果。
Description
技术领域
本发明实施例涉及图像处理技术领域,特别涉及一种基于图像分割的螃蟹朝向识别方法。
背景技术
螃蟹是一种经济价值和营养价值都很高的水产品。在螃蟹销售前,为了美观和避免螃蟹挣扎出现蟹钳蟹爪掉落的情况,会将螃蟹绑扎。
目前,绑扎螃蟹大部分依靠人工完成,在绑扎过程中熟练工和非熟练工的绑扎速度不同,绑扎效果不同,还可能出现被蟹钳夹伤的情况。
发明内容
为了解决现有技术的问题,本发明实施例提供了一种基于图像分割的螃蟹朝向识别方法。该技术方案如下:
第一方面,提供了一种基于图像分割的螃蟹朝向识别方法,该方法包括:
获取螃蟹的腹部图像;
根据腹部图像获取螃蟹的腹部壳体形状;
获取腹部壳体形状对应的最小外接矩形;
根据最小外接矩形和螃蟹的公母情况识别出螃蟹朝向,螃蟹朝向为螃蟹的头部与水平方向的关系,水平方向是螃蟹所在平面的水平方向。
可选的,当螃蟹为母螃蟹时,根据腹部图像获取螃蟹的腹部壳体形状,包括:
将腹部图像转换为二值化腹部图像;
对二值化腹部图像进行腐蚀处理,得到第一腐蚀腹部图像,第一腐蚀图像中螃蟹的腹部与蟹钳、蟹爪分离;
利用区域分割去除第一腐蚀腹部图像中的小区域,得到第二腐蚀腹部图像;
对第二腐蚀腹部图像进行膨胀处理,得到母螃蟹的腹部壳体形状。
可选的,当螃蟹为公螃蟹时,根据腹部图像获取螃蟹的腹部壳体形状,包括:
将腹部图像转换为二值化腹部图像;
对二值化腹部图像进行腐蚀处理,得到第三腐蚀腹部图像,第三腐蚀腹部图像中螃蟹的尖脐与腹部分离;
对第三腐蚀腹部图像进行区域分割处理,得到螃蟹尖脐图像和螃蟹主体图像,螃蟹主体图像不包括公螃蟹的尖脐;
对螃蟹尖脐图像进行膨胀处理;
将膨胀处理后的螃蟹尖脐图像与螃蟹主体图像进行或运算,得到螃蟹填补图像;
对螃蟹填补图像进行腐蚀处理,得到第四腐蚀腹部图像;
利用区域分割去除第四腐蚀腹部图像中的小区域,得到螃蟹壳体图像;螃蟹壳体图像包括公螃蟹的尖脐;
将螃蟹壳体图像与螃蟹主体图像进行与运算,得到公螃蟹的腹部壳体形状,公螃蟹的腹部壳体形状不包括公螃蟹的尖脐。
可选的,当螃蟹为母螃蟹时,根据最小外接矩形和螃蟹的公母情况识别出螃蟹的朝向,包括:
计算最小外接矩形的短边朝向;最小外接矩形的短边朝向为最小外接矩形的短边与水平方向的夹角;
根据最小外接矩形的四个角确定第一点、第二点、第三点和第四点;
检测第一点和第二点构成的线段上像素值为1的像素点个数是否大于第三点和第四点构成的线段上像素值为1的像素点个数;
若检测到第一点和第二点构成的线段上像素值为1的像素点个数大于第三点和第四点构成的线段上像素值为1的像素点个数,则将螃蟹朝向确定为短边朝向;
若检测到第一点和第二点构成的线段上像素值为1的像素点个数小于第三点和第四点构成的线段上像素值为1的像素点个数,则将螃蟹朝向确定为短边朝向与180度之差;
其中,第一点和第二点在母螃蟹的腹部壳体形状的3/4位置处,第三点和第四点在母螃蟹的腹部壳体形状的1/4位置处,第一点、第二点、第三点和第四点在母螃蟹的腹部壳体的边缘上。
可选的,当螃蟹为公螃蟹时,根据最小外接矩形和螃蟹的公母情况识别出螃蟹朝向,包括:
计算最小外接矩形的短边朝向;短边朝向为最小外接矩形的短边与水平方向的夹角;
检测中心点与腹部壳体形状所在图像的下边缘之间是否存在像素值为1的像素点;
若检测到中心点与腹部壳体形状所在图像的下边缘之间不存在像素值为1的像素点,则将螃蟹朝向确定为短边朝向;
若检测到中心点与腹部壳体形状所在图像的下边缘之间存在像素值为1的像素点,则将螃蟹朝向确定为短边朝向与180度之差。
本发明实施例提供的技术方案带来的有益效果是:
通过获取螃蟹的腹部图像,根据螃蟹的腹部图像获取螃蟹的腹部壳体形状,获取腹部壳体形状的最小外接矩形,根据最小外接矩形和螃蟹的公母情况识别出螃蟹朝向;解决了现在无法自动智能化地区分螃蟹朝向的问题;达到了提高区分螃蟹朝向的智能化程度的效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的一种基于图像分割的螃蟹朝向识别方法的流程图;
图2是根据现有技术获取的公螃蟹的腹部壳体形状的示意图;
图3是根据另一示例性实施例示出的一种基于图像分割的螃蟹朝向识别方法的流程图;
图4是根据另一示例性实施例示出的一种母螃蟹的腹部壳体形状的示意图;
图5是根据另一示例性实施例示出的一种母螃蟹的腹部壳体形状及最小外接矩形的示意图;
图6是根据另一示例性实施例示出的一种母螃蟹的腹部壳体形状及最小外接矩形的示意图;
图7是根据另一示例性实施例示出的一种基于图像分割的螃蟹朝向识别方法的原理示意图;
图8是根据另一示例性实施例示出的一种基于图像分割的螃蟹朝向识别方法的原理示意图;
图9是根据又一示例性实施例示出的一种基于图像分割的螃蟹朝向识别方法的流程图;
图10是根据又一示例性实施例示出的一种公螃蟹的腹部壳体形状的示意图;
图11是根据又一示例性实施例示出的一种公螃蟹的腹部壳体形状及最小外接矩形的示意图;
图12是根据又一示例性实施例示出的一种公螃蟹的腹部壳体形状及最小外接矩形的示意图;
图13是根据又一示例性实施例示出的一种基于图像分割的螃蟹朝向识别方法的原理示意图;
图14是根据又一示例性实施例示出的一种基于图像分割的螃蟹朝向识别方法的原理示意图;
图15是根据再一示例性实施例示出的一种公螃蟹的腹部壳体形状及最小外接矩形的示意图;
图16是根据再一示例性实施例示出的一种母螃蟹的腹部壳体形状及最小外接矩形的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
在对螃蟹的朝向进行识别之前,需要区分螃蟹的公母,可以通过人工区分螃蟹的公母,也可以通过智能设备自动区分螃蟹的公母,并获取螃蟹的腹部图像,建立螃蟹的腹部图像与螃蟹的公母的对应关系。
螃蟹朝向是螃蟹的头部与水平方向的关系,螃蟹的头部与水平方向的关系包括螃蟹的头部与水平方向的夹角,以及螃蟹的头部与螃蟹的腹部的位置关系;本发明实施例中所涉及的水平方向为螃蟹所在平面的水平方向;螃蟹的头部与螃蟹的腹部的位置关系分为两种情况:螃蟹的头部在腹部之上,以及螃蟹的头部在腹部之下。
本发明实施例在螃蟹的腹部图像及所使用的相关图像建立图像坐标系,水平方向即图像坐标系中y轴所指示的方向。
请参考图1,其示出了本发明一个实施例提供的基于图像分割的螃蟹朝向识别方法的流程图。如图1所示,该基于图像分割的螃蟹朝向识别方法可以包括以下步骤:
在步骤101中,获取螃蟹的腹部图像。
通过图像采集装置获取螃蟹的腹部图像。
可选的,螃蟹的腹部图像为彩色图像。
在步骤102中,根据腹部图像获取螃蟹的腹部壳体形状。
可选的,对腹部图像进行灰度化、二值化、去噪等处理,再根据处理后的图像获取螃蟹的腹部壳体形状。
然而当公螃蟹的蟹钳或蟹爪离腹部的尖脐较近时,常规的图像处理方法无法获取正确的公螃蟹的腹部壳体形状。如图2所示,公螃蟹的腹部图像中蟹钳与尖脐较近,利用常规的图像处理方法获取的公螃蟹的腹部壳体形状并不是真实的腹部壳体形状。
因此,针对公螃蟹和母螃蟹需要利用不同的处理方法获取腹部壳体形状。在提取公螃蟹的腹部壳体形状时需要先将尖脐与腹部分离,再获取不包括尖脐的腹部壳体形状。
在步骤103中,获取腹部壳体形状对应的最小外接矩形。
在步骤104中,根据最小外接矩形和螃蟹的公母情况识别出螃蟹朝向。
螃蟹的腹部壳体形状近似为椭圆形,获取腹部壳体形状对应的最小外接矩形,最小外接矩形的短边朝向是类椭圆形的短轴朝向,即可以根据最小外接矩形的短边朝向确定螃蟹朝向。
可选的,获取最小外接矩形的短边朝向。
最小外接矩形的短边朝向是指最小外接矩形的短边与水平方向的夹角。
根据最小外接矩形的短边朝向和螃蟹的公母情况识别出螃蟹朝向。
根据最小外接矩形的短边朝向只能够确定出螃蟹的对称轴与水平方向的夹角,但是不能确定螃蟹的头部与水平方向的位置关系以及螃蟹的头部与水平方向的夹角,即不能判断出螃蟹的头部是朝上还是朝下,因此,还需要再根据螃蟹的公母情况确定螃蟹朝向。
综上所述,本发明实施例提供的基于图像分割的螃蟹朝向识别方法,通过获取螃蟹的腹部图像,根据螃蟹的腹部图像获取螃蟹的腹部壳体形状,获取腹部壳体形状的最小外接矩形,根据最小外接矩形和螃蟹的公母情况识别出螃蟹朝向;解决了现在无法自动化智能地区分螃蟹的朝向的问题;达到了提高区分螃蟹朝向的智能化程度的效果。
由于螃蟹分为公螃蟹和母螃蟹,本发明实施例提供的基于图像分割的螃蟹朝向分割方法也需要根据螃蟹的公母情况来识别出螃蟹朝向,为了清楚地阐述本方案的内容,本发明实施例将依据螃蟹的公母情况进行分别阐述。
当螃蟹为母螃蟹时,图3示出了本发明另一个实施例提供的基于图像分割的螃蟹朝向识别方法的流程图。如图3所示,该基于图像分割的螃蟹朝向识别方法可以包括以下步骤:
在步骤301中,获取螃蟹的腹部图像。
该步骤在步骤101中进行了阐述,这里不再赘述。
在步骤302中,将腹部图像转换为二值化腹部图像。
可选的,对腹部图像进行预处理,将腹部图像转换为二值化腹部图像,预处理包括灰度化、灰度变换、去噪、二值化。
在步骤303中,对二值化腹部图像进行腐蚀处理,得到第一腐蚀腹部图像。
第一腐蚀腹部图像中螃蟹的腹部与蟹钳、蟹爪分离。
利用圆盘形结构元对二值化腹部图像进行腐蚀处理,将螃蟹的蟹钳、蟹爪与腹部分离,得到第一腐蚀腹部图像。
可选的,圆盘形结构元的尺寸根据实际情况确定,本发明实施例对此不作限定。
在步骤304中,利用区域分割去除第一腐蚀腹部图像中的小区域,得到第二腐蚀腹部图像。
第一腐蚀腹部图像中的小区域是指除面积最大的连通域以外的连通域。面积最大的连通域对应母螃蟹的腹部壳体。
可选的,利用区域分割确定第一腐蚀腹部图像中的连通域,并将除面积最大的连通域以外的连通域去除,得到第二腐蚀腹部图像。
在步骤305中,对第二腐蚀腹部图像进行膨胀处理,得到母螃蟹的腹部壳体形状。
在一个例子中,获取母螃蟹的腹部图像后,执行步骤302至步骤305后得到如图4所示的腹部壳体形状。
在步骤306中,获取母螃蟹的腹部壳体形状对应的最小外接矩形。
可选的,得到母螃蟹的腹部壳体形状对应的最小外接矩形的坐标为:(xmin',ymin'),(xmax',ymin'),(xmax',ymax'),(xmin',ymax')。
比如:将凸包函数与最小外接矩形的策略集成为minboundrect函数,minboundrect函数的定义为:
function[rectx,recty,area,perimeter]=minboundrect(x,y);
其中,输入量(x,y)是不规则图形中像素值为1的点的坐标,输出量是最小外接矩形四个角的坐标rectx,recty,以及最小外接矩形的面积area,周长perimeter,在本发明实施例中,输入量为母螃蟹的腹部壳体形状中边缘像素点的坐标。
需要说明的是,获取最小外接矩形的方法有多种,本发明实施例对此不作限定。
在本发明实施例中以利用minboundrect函数获取螃蟹的腹部壳体形状对应的最小外接矩形为例,可由如下步骤实现:
步骤3061,利用凸包函数计算出腹部壳体形状的全部凸点。
可选的,利用凸包函数convexhull计算腹部壳体形状的全部凸点,凸包函数convexhull返回坐标集合,坐标集合中包括腹部壳体的全部凸点的坐标。
步骤3062,针对全部凸点,以任意两个相邻的两个凸点做直线,以直线为边确定出腹部壳体形状的外接矩形,并计算外接矩形的面积。
每次从全部凸点中选取两个相邻的凸点做直线,并以直线为边确定出腹部壳体形状的外接矩形,并计算外接矩形的面积;直到全部凸点中所有相邻的两个凸点都被选取过为止。
比如:坐标集合中共有20个凸点,各个凸点按顺序排列,选取第1、2个凸点做直线,以直线为边确定出腹部壳体形状的外接矩形,并计算外接矩形的面积;选取第2、3个凸点做直线,以直线为边确定出腹部壳体形状的外接矩形,并计算外接矩形的面积;以此类推,选取第19、20个凸点做直线,以直线为边确定出腹部壳体形状的外接矩形,并计算外接矩形的面积;选取第20、第1个凸点做直线,以直线为边确定出腹部壳体形状的外接矩形,并计算矩形的面积。
以两个相邻的凸点为例,获取腹部壳体形状的外接矩形可以由如下步骤实现:
1、以两个相邻的凸点做直线,以直线为边确定腹部壳体形状的外接矩形。
腹部壳体形状在外接矩形的内部。
2、计算直线的斜率,根据直线的斜率计算出直线的角度α。
直线的角度α是指直线与水平方向的夹角。
直线的角度α的取值范围为0°至180°。
3、逆时针旋转腹部壳体形状,旋转角度为90°-α。
当直线的角度α为30°时,旋转角度为60°,即将腹部壳体形状逆时针旋转60°;当直线的角度α为100°时,旋转角度为-10°,即将腹部壳体逆时针旋转-10°,也即将腹部壳体形状顺时针旋转10°。
直线跟随腹部壳体形状旋转后,变为竖直向上的直线,在旋转后的图像中,最小外接矩形的四个角的坐标是:(xmin,ymin),(xmin,ymax),(xmax,ymax),(xmax,ymin)。
4、根据坐标(xmin,ymin),(xmin,ymax),(xmax,ymax),(xmax,ymin)计算出外接矩形的面积,并记录坐标(xmin,ymin),(xmin,ymax),(xmax,ymax),(xmax,ymin)及旋转角度90°-α。
步骤3063,将面积最小的外接矩形作为最小外接矩形。
可选的,获取面积最小的外接矩形的坐标(xmin,ymin),(xmin,ymax),(xmax,ymax),(xmax,ymin)及旋转角度90°-α;将腹部壳体形状顺时针旋转90°-α,将图像恢复为逆时针旋转之前的状态。
再根据坐标(xmin,ymin),(xmin,ymax),(xmax,ymax),(xmax,ymin)计算出最小外接矩形的实际坐标为(xmin',ymin'),(xmax',ymin'),(xmax',ymax'),(xmin',ymax'),即得到最小外接矩形。
在一个例子中,图5示出了将腹部壳体形状逆时针旋转90°-α后得到的图像,在旋转后的图像中最小外接矩形51的坐标为(xmin,ymin),(xmin,ymax),(xmax,ymax),(xmax,ymin);图6是将图5顺时针旋转90°-α后的图像,可以根据旋转角度确定最小外接矩形51的实际坐标为(xmin',ymin'),(xmax',ymin'),(xmax',ymax'),(xmin',ymax')。
在步骤307中,计算最小外接矩形的短边朝向。
最小外接矩形的短边朝向为最小外接矩形的短边与水平方向的夹角。
可选的,根据最小外接矩形的坐标(xmin',ymin'),(xmax',ymin'),(xmax',ymax'),(xmin',ymax')计算最小外接矩形的四边的长度,根据长度确定出最小外接矩形的短边,并根据短边的坐标计算最小外接矩形的短边朝向θ。
短边朝向θ的取值范围为0°至180°。
在步骤308中,根据最小外接矩形的四个角确定第一点、第二点、第三点、第四点。
其中,第一点和第二点在母螃蟹的腹部壳体形状的3/4位置处,第三点和第四点在母螃蟹的腹部壳体形状的1/4位置处,第一点、第二点、第三点和第四点都在母螃蟹的腹部壳体的边缘上。
在一个例子中,如图7和图8所示,根据逆时针旋转90°-θ后的图像中的最小外接矩形的坐标(xmin,ymin),(xmin,ymax),(xmax,ymax),(xmax,ymin),确定出在腹部壳体形状的3/4位置处的第一点X1和第二点X2,在腹部壳体形状的1/4位置处的第三点X3和第四点X4,第一点X1、第二点X2、第三点X3和第四点X4在腹部壳体形状的边缘上。
在步骤309中,检测第一点和第二点构成的线段上像素值为1的像素点个数是否大于第三点和第四点构成的线段上像素值为1的像素点个数。
获取第一点和第二点构成的线段上像素值为1的像素点个数,以及第三点和第四点构成的线段上像素值为1的像素点个数。
像素值为1的像素点在图像上是亮点,即在图像上显示为白色。
以图8为例,获取第一点X1和第二点X2构成的线段X1X2上像素值为1的像素点个数,获取第三点X3和第四点X4构成的线段上X3X4像素值为1的像素点个数。
若检测到第一点和第二点构成的线段上像素值为1的像素点个数大于第三点和第四点构成的线段上像素值为1的像素点个数,则执行步骤310;若检测到第一点和第二点构成的线段上像素值为1的像素点个数小于第三点和第四点构成的线段上像素值为1的像素点个数,则执行步骤311。
在步骤310中,将螃蟹朝向确定为短边朝向。
若检测到第一点和第二点构成的线段上像素值为1的像素点个数大于第三点和第四点构成的线段上像素值为1的像素点个数,则将螃蟹朝向确定为最小外接矩形的短边朝向θ。
由于短边朝向为正值,可以得知母螃蟹的头部朝上,即母螃蟹的头部在腹部之上,母螃蟹的头部与水平方向的夹角为短边朝向θ。
在步骤311中,将螃蟹朝向确定为短边朝向与180度之差。
若检测到第一点和第二点构成的线段上像素值为1的像素点个数小于第三点和第四点构成的线段上像素值为1的像素点个数,则将螃蟹朝向确定为最小外接矩形的短边朝向θ与180度之差。
由于短边朝向θ小于180度,短边朝向θ与180度之差为负值,可以得知母螃蟹的头部朝下,即母螃蟹的头部在腹部之下,母螃蟹的头部与水平方向的夹角为短边朝向θ与180度之差。
在图7所示的例子中,可以识别出母螃蟹的螃蟹朝向为:母螃蟹的头部在腹部之上,母螃蟹的头部与水平方向的夹角为短边朝向θ。
当螃蟹为公螃蟹时,为了得到完整的腹部壳体形状,需要对获得到二值化腹部图像进行预处理。图9示出了本发明又一实施例提供的基于图像分割的螃蟹朝向识别方法的流程图。如图9所示,该基于图像分割的螃蟹朝向识别方法可以包括以下步骤:
在步骤901中,获取螃蟹的腹部图像。
该步骤在步骤101中进行了阐述,这里不再赘述。
在步骤902中,将腹部图像转换为二值化腹部图像。
该步骤在步骤302中进行了阐述,这里不再赘述。
在步骤903中,对二值化腹部图像进行腐蚀处理,得到第三腐蚀腹部图像。
第三腐蚀腹部图像中公螃蟹的尖脐与腹部分离。
可选的,利用小尺寸的结构元对二值化腹部图像进行腐蚀处理,使尖脐与螃蟹的腹部分离。
在步骤904中,对第三腐蚀腹部图像进行区域分割处理,得到螃蟹尖脐图像和螃蟹主体图像。
螃蟹主体图像中不包括公螃蟹的尖脐。
在步骤905中,对螃蟹尖脐图像进行膨胀处理。
在步骤906中,将膨胀处理后的螃蟹尖脐图像与螃蟹主体图像进行或运算,得到螃蟹填补图像。
螃蟹填补图像中,填补了公螃蟹的尖脐与螃蟹腹部壳体之间的缝隙。
在步骤907中,对螃蟹填补图像进行腐蚀处理,得到第四腐蚀图像。
可选的,利用圆盘形结构对螃蟹填补图像进行腐蚀处理,得到第四腐蚀图像。
可选的,圆盘形结构元的尺寸与图像大小相关,具体尺寸根据实际需要确定。
在步骤908中,利用区域分割去除第四腐蚀图像中的小区域,得到螃蟹壳体图像。
螃蟹壳体图像包括公螃蟹的尖脐。
第四腐蚀图像中的小区域是指出面积最大和面积次大的连通域以外的连通域。面积最大的连通域对应公螃蟹的不包括尖脐部分的腹部壳体,面积次大的连通域对应公螃蟹的尖脐。
可选的,利用区域分割确定第四腐蚀腹部图像中的连通域,并将除面积最大和面积次大的连通域以外的连通域去除,得到螃蟹壳体图像。
在步骤909中,将螃蟹壳体图像与螃蟹主体图像进行与运算,得到公螃蟹的腹部壳体形状。
公螃蟹的腹部壳体形状不包括公螃蟹的尖脐。
在另一个例子中,获取公螃蟹的腹部图像后,执行步骤902至步骤909后得到如图10所示的腹部壳体形状。
在步骤910中,获取公螃蟹的腹部壳体形状对应的最小外接矩形。
获取螃蟹的腹部壳体形状的最小外接矩形的方法在步骤306中进行了阐述,本领域技术人员可以直接确定公螃蟹的腹部壳体形状对应的最小外接矩形的方法,这里不再赘述。
可选的,得到公螃蟹的腹部壳体形状对应的最小外接矩形的坐标为:(xmin',ymin'),(xmax',ymin'),(xmax',ymax'),(xmin',ymax')。
可选的,获取面积最小的外接矩形在逆时针旋转后的四个角的坐标及旋转角度;将腹部壳体形状顺时针旋转,顺时针旋转的角度与逆时针旋转时的旋转角度相同,再根据坐标(xmin,ymin),(xmin,ymax),(xmax,ymax),(xmax,ymin)计算出最小外接矩形的实际坐标(xmin',ymin'),(xmax',ymin'),(xmax',ymax'),(xmin',ymax'),即得到最小外接矩形。
在一个例子中,图11示出了将腹部壳体形状逆时针旋转后得到的图像,最小外接矩形11的坐标为(xmin,ymin),(xmin,ymax),(xmax,ymax),(xmax,ymin);图12是将图11顺时针旋转后的图像,可以根据旋转角度确定最小外接矩形11的实际坐标(xmin',ymin'),(xmax',ymin'),(xmax',ymax'),(xmin',ymax');顺时针旋转的角度与逆时针旋转的角度相同。
在步骤911中,计算最小外接矩形的短边朝向。
最小外接矩形的短边朝向为最小外接矩形的短边与水平方向的夹角。
可选的,根据最小外接矩形的坐标(xmin',ymin'),(xmax',ymin'),(xmax',ymax'),(xmin',ymax')计算最小外接矩形的四边的长度,根据长度确定出最小外接矩形的短边,并根据短边的坐标计算最小外接矩形的短边朝向θ。
短边朝向θ的取值范围为0°至180°。
在步骤912中,根据最小外接矩形确定腹部壳体形状的中心点。
可选的,根据最小外接矩形的短边朝向θ,将腹部壳体形状逆时针旋转90°-θ,根据逆时针旋转后的最小外接矩形的四个角的坐标(xmin,ymin),(xmin,ymax),(xmax,ymax),(xmax,ymin),确定公螃蟹的腹部壳体形状的中心点的坐标。
在另一个例子中,图10所示的公螃蟹的腹部壳体形状的最小外接矩形的短边朝向为θ,逆时针旋转90°-θ后得到图13,确定出腹部壳体形状的中心点Q。
由于逆时针旋转90°-θ后的最小外接矩形的坐标为(xmin,ymin),(xmin,ymax),(xmax,ymax),(xmax,ymin),此时中心点Q的坐标(x',y')为:
在步骤913中,检测中心点与腹部壳体形状所在图像的下边缘之间是否存在像素值为1的像素点。
过中心点做一条垂直于腹部壳体形状所在图像的下边缘的直线,垂直直线与图像的下边缘的交点和中心点构成一条线段,检测该线段上是否存在像素值为1的像素值点。
像素值为1的像素点在图像上是亮点,即在图像上显示为白色。
如图13所示,过中心点Q做直线12,直线12垂直于腹部壳体形状所在图像的下边缘,直线12与下边缘的交点为点P;图14是图13的原理示意图,图14中矩形ABCD为腹部壳体形状的最小外接矩形,以图14为例,获取中心点Q和点P构成的线段QP上是否存在像素值为1的像素点;若检测到线段QP上存在像素值为1的像素点,则表示中心点与腹部壳体形状所在的图像的下边缘之间存在像素值为1的像素点;若检测到线段QP上不存在像素值为1的像素点,则表示中心点与腹部壳体形状所在的图像的下边缘之间不存在像素值为1的像素点。
若检测到中心点与腹部壳体形状所在图像的下边缘之间存在像素值为1的像素点,则执行步骤914;若检测到中心点与腹部壳体形状所在图像的下边缘之间不存在像素值为1的像素点,则执行步骤915。
在步骤914中,将螃蟹朝向确定为短边朝向与180度之差。
若检测到中心点与腹部壳体形状所在图像的下边缘之间存在像素值为1的像素点,则将螃蟹朝向确定为腹部壳体形状的最小外接矩形的短边朝向与180度之差。
由于短边朝向θ小于180度,短边朝向θ与180度之差为负值,可以得知公螃蟹的头部朝下,即公螃蟹的头部在腹部之下,公螃蟹的头部与水平方向的夹角为短边朝向θ与180度之差。
在步骤915中,将螃蟹朝向确定为短边朝向。
若检测到中心点与腹部壳体形状所在图像的下边缘之间不存在像素值为1的像素点,则将螃蟹朝向确定为腹部壳体形状的最小外接矩形的短边朝向。
由于短边朝向为正值,可以得知公螃蟹的头部朝上,即公螃蟹的头部在腹部之上,公螃蟹的头部与水平方向的夹角为短边朝向θ。
在图13所示的例子中,可以识别出公螃蟹的螃蟹朝向为:公螃蟹的头部在腹部之上,公螃蟹的头部与水平方向的夹角为短边朝向θ。
此外,通过对公螃蟹的二值化腹部图像进行预处理,可以获取到完整的公螃蟹的腹部壳体形状,有利于提高螃蟹朝向识别的准确性。
在另一个例子中,螃蟹为公螃蟹,根据图9所示的基于图像分割的螃蟹朝向识别方法,识别出公螃蟹的腹部壳体形状的最小外接矩形如图15所示,根据图9所示的基于图像分割的螃蟹朝向识别方法可以识别出螃蟹朝向为公螃蟹的腹部壳体形状的最小外接矩形的短边朝向与180度之差,即公螃蟹的头部在腹部之下,公螃蟹的头部与水平方向的夹角为最小外接矩形的短边朝向与180度之差。
在另一个例子中,螃蟹为母螃蟹,根据图3所示的基于图像分割的螃蟹朝向识别方法,识别出母螃蟹的腹部壳体形状的最小外接矩形如图16所示,根据图3所示的基于图像分割的螃蟹朝向识别方法可以识别出螃蟹朝向为母螃蟹的腹部壳体形状的最小外接矩形的短边朝向与180度之差,即母螃蟹的头部在腹部之下,母螃蟹的头部与水平方向的夹角为最小外接矩形的短边朝向与180度之差。
需要说明的是:上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于图像分割的螃蟹朝向识别方法,其特征在于,所述方法包括:
获取螃蟹的腹部图像;
根据所述腹部图像获取所述螃蟹的腹部壳体形状;
获取所述腹部壳体形状对应的最小外接矩形;
计算所述最小外接矩形的短边朝向;所述短边朝向为所述最小外接矩形的短边与水平方向的夹角,所述水平方向是所述螃蟹所在平面的水平方向;
当所述螃蟹为母螃蟹时,根据所述最小外接矩形的四个角确定第一点、第二点、第三点和第四点;
检测所述第一点和所述第二点构成的线段上像素值为1的像素点个数是否大于所述第三点和所述第四点构成的线段上像素值为1的像素点个数;
若检测到所述第一点和所述第二点构成的线段上像素值为1的像素点个数大于所述第三点和所述第四点构成的线段上像素值为1的像素点个数,则将所述螃蟹朝向确定为所述短边朝向;
若检测到所述第一点和所述第二点构成的线段上像素值为1的像素点个数小于所述第三点和所述第四点构成的线段上像素值为1的像素点个数,则将所述螃蟹朝向确定为所述短边朝向与180度之差;
其中,所述第一点和所述第二点在母螃蟹的腹部壳体形状的3/4位置处,所述第三点和所述第四点在所述母螃蟹的腹部壳体形状的1/4位置处,所述第一点、所述第二点、所述第三点和所述第四点在所述母螃蟹的腹部壳体的边缘上;
当所述螃蟹为公螃蟹时,根据所述最小外接矩形确定腹部壳体形状的中心点;
检测所述中心点与所述腹部壳体形状所在图像的下边缘之间是否存在像素值为1的像素点;
若检测到所述中心点与所述腹部壳体形状所在图像的下边缘之间不存在像素值为1的像素点,则将所述螃蟹朝向确定为所述短边朝向;
若检测到所述中心点与所述腹部壳体形状所在图像的下边缘之间存在像素值为1的像素点,则将所述螃蟹朝向确定为所述短边朝向与180度之差;
其中,所述螃蟹朝向为所述螃蟹的头部与所述水平方向的关系。
2.根据权利要求1所述的方法,其特征在于,当所述螃蟹为母螃蟹时,所述根据所述腹部图像获取所述螃蟹的腹部壳体形状,包括:
将所述腹部图像转换为二值化腹部图像;
对所述二值化腹部图像进行腐蚀处理,得到第一腐蚀腹部图像,所述第一腐蚀腹部 图像中螃蟹的腹部与蟹钳、蟹爪分离;
利用区域分割去除所述第一腐蚀腹部图像中的小区域,得到第二腐蚀腹部图像;
对所述第二腐蚀腹部图像进行膨胀处理,得到所述母螃蟹的腹部壳体形状。
3.根据权利要求1所述的方法,其特征在于,当所述螃蟹为公螃蟹时,所述根据所述腹部图像获取所述螃蟹的腹部壳体形状,包括:
将所述腹部图像转换为二值化腹部图像;
对所述二值化腹部图像进行腐蚀处理,得到第三腐蚀腹部图像,所述第三腐蚀腹部图像中螃蟹的尖脐与腹部分离;
对所述第三腐蚀腹部图像进行区域分割处理,得到螃蟹尖脐图像和螃蟹主体图像,所述螃蟹主体图像不包括公螃蟹的尖脐;
对所述螃蟹尖脐图像进行膨胀处理;
将膨胀处理后的螃蟹尖脐图像与所述螃蟹主体图像进行或运算,得到螃蟹填补图像;
对所述螃蟹填补图像进行腐蚀处理,得到第四腐蚀腹部图像;
利用区域分割去除所述第四腐蚀腹部图像中的小区域,得到螃蟹壳体图像;所述螃蟹壳体图像包括公螃蟹的尖脐;
将螃蟹壳体图像与所述螃蟹主体图像进行与运算,得到所述公螃蟹的腹部壳体形状,所述公螃蟹的腹部壳体形状不包括所述公螃蟹的尖脐。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810586745.9A CN108830862B (zh) | 2018-06-08 | 2018-06-08 | 基于图像分割的螃蟹朝向识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810586745.9A CN108830862B (zh) | 2018-06-08 | 2018-06-08 | 基于图像分割的螃蟹朝向识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108830862A CN108830862A (zh) | 2018-11-16 |
CN108830862B true CN108830862B (zh) | 2021-11-30 |
Family
ID=64144901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810586745.9A Active CN108830862B (zh) | 2018-06-08 | 2018-06-08 | 基于图像分割的螃蟹朝向识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108830862B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111428785B (zh) * | 2020-03-23 | 2023-04-07 | 厦门大学 | 基于深度学习的河豚鱼个体识别方法 |
CN111466432B (zh) * | 2020-04-14 | 2021-12-14 | 北京爱国小男孩科技有限公司 | 智能螃蟹、虾蛄分割方法、分割机和分割流水线 |
CN113326850B (zh) * | 2021-08-03 | 2021-10-26 | 中国科学院烟台海岸带研究所 | 一种基于实例分割的日本蟳群体行为视频分析方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09178444A (ja) * | 1995-12-26 | 1997-07-11 | Yamato Scale Co Ltd | 画像処理による形状測定方法とその選別装置 |
EP1017019A3 (en) * | 1998-12-31 | 2007-01-10 | Eastman Kodak Company | Method for automatic determination of main subjects in photographic images |
CN103154974A (zh) * | 2011-03-07 | 2013-06-12 | 株式会社Ntt都科摩 | 字符识别装置、字符识别方法、字符识别系统以及字符识别程序 |
CN105426810A (zh) * | 2014-09-17 | 2016-03-23 | 株式会社东芝 | 信息处理装置和图像修改方法 |
CN106127749A (zh) * | 2016-06-16 | 2016-11-16 | 华南理工大学 | 基于视觉注意机制的目标零件识别方法 |
CN106651825A (zh) * | 2015-11-03 | 2017-05-10 | 中国科学院沈阳计算技术研究所有限公司 | 一种基于图像分割的工件定位与识别的方法 |
CN106780525A (zh) * | 2016-11-18 | 2017-05-31 | 北方工业大学 | 基于坐标旋转最小外接矩形的光学遥感图像船只方向特征提取方法 |
CN106887009A (zh) * | 2017-01-04 | 2017-06-23 | 努比亚技术有限公司 | 一种实现交互式图像分割的方法、装置及终端 |
CN107195069A (zh) * | 2017-06-28 | 2017-09-22 | 浙江大学 | 一种人民币冠字号自动识别方法 |
-
2018
- 2018-06-08 CN CN201810586745.9A patent/CN108830862B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09178444A (ja) * | 1995-12-26 | 1997-07-11 | Yamato Scale Co Ltd | 画像処理による形状測定方法とその選別装置 |
EP1017019A3 (en) * | 1998-12-31 | 2007-01-10 | Eastman Kodak Company | Method for automatic determination of main subjects in photographic images |
CN103154974A (zh) * | 2011-03-07 | 2013-06-12 | 株式会社Ntt都科摩 | 字符识别装置、字符识别方法、字符识别系统以及字符识别程序 |
CN105426810A (zh) * | 2014-09-17 | 2016-03-23 | 株式会社东芝 | 信息处理装置和图像修改方法 |
CN106651825A (zh) * | 2015-11-03 | 2017-05-10 | 中国科学院沈阳计算技术研究所有限公司 | 一种基于图像分割的工件定位与识别的方法 |
CN106127749A (zh) * | 2016-06-16 | 2016-11-16 | 华南理工大学 | 基于视觉注意机制的目标零件识别方法 |
CN106780525A (zh) * | 2016-11-18 | 2017-05-31 | 北方工业大学 | 基于坐标旋转最小外接矩形的光学遥感图像船只方向特征提取方法 |
CN106887009A (zh) * | 2017-01-04 | 2017-06-23 | 努比亚技术有限公司 | 一种实现交互式图像分割的方法、装置及终端 |
CN107195069A (zh) * | 2017-06-28 | 2017-09-22 | 浙江大学 | 一种人民币冠字号自动识别方法 |
Non-Patent Citations (3)
Title |
---|
A simple method for fitting of bounding rectangle to closed regions;D.Chaudhuri;《Pattern Recognition》;20070731;全文 * |
基于图像识别的螃蟹自动分级系统及其控制程序;朱艳 等;《食品与机械》;20151130;全文 * |
实验小鼠体态特征图像识别算法研究;范勋;《中国优秀硕士学位论文全文数据库 信息科技辑》;20120715;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108830862A (zh) | 2018-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108830862B (zh) | 基于图像分割的螃蟹朝向识别方法 | |
CN106934803B (zh) | 电子器件表面缺陷的检测方法及装置 | |
JP2018198053A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN109146832B (zh) | 一种视频图像的拼接方法、装置、终端设备及存储介质 | |
WO2010055629A1 (ja) | 特徴量抽出装置、物体識別装置及び特徴量抽出方法 | |
CN106709500B (zh) | 一种图像特征匹配的方法 | |
CN115294099B (zh) | 一种钢板轧制过程发纹缺陷的检测方法及系统 | |
CN110544300B (zh) | 一种基于二维手绘图像特征自动生成三维模型的方法 | |
CN111882568B (zh) | 火灾图像边缘提取处理方法、终端及系统 | |
CN111932490B (zh) | 一种用于工业机器人的视觉系统抓取信息提取方法 | |
CN105447489B (zh) | 一种图片ocr识别系统的字符与背景粘连噪声消除方法 | |
CN112750107A (zh) | 基于轮廓边数拟合与凸包处理的球形工件识别方法及系统 | |
CN112580447B (zh) | 一种基于边缘二阶统计与融合的电力线检测方法 | |
CN115760820A (zh) | 一种塑料件缺陷图像识别方法及应用 | |
CN110415251A (zh) | 一种背景检测的图像分割方法与装置 | |
JPH0415884A (ja) | 画像処理装置 | |
CN108776793A (zh) | 一种基于区域分割的螃蟹公母识别方法 | |
CN115619813A (zh) | Sem图像前景提取方法、装置、计算机设备及存储介质 | |
CN112257717B (zh) | 一种针对未矫正图像的直线、椭圆和交点识别定位方法 | |
CN114049380A (zh) | 目标物体定位追踪方法、装置、计算机设备和存储介质 | |
CN110232391B (zh) | 一种基于素描信息的光学遥感图像舰船轮廓提取方法 | |
CN112329556A (zh) | 一种交通标志检测方法、装置、电子设备和存储介质 | |
CN112580594A (zh) | 文档识别方法、装置、计算机设备和存储介质 | |
Voles et al. | Nautical scene segmentation using variable size image windows and feature space reclustering | |
CN110599511A (zh) | 一种保留图像边缘的图像滤波方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |