CN109389616A - 一种蚕茧图像背景分割方法 - Google Patents

一种蚕茧图像背景分割方法 Download PDF

Info

Publication number
CN109389616A
CN109389616A CN201811330422.XA CN201811330422A CN109389616A CN 109389616 A CN109389616 A CN 109389616A CN 201811330422 A CN201811330422 A CN 201811330422A CN 109389616 A CN109389616 A CN 109389616A
Authority
CN
China
Prior art keywords
silk cocoon
image
cocoon
silk
segment method
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.)
Pending
Application number
CN201811330422.XA
Other languages
English (en)
Inventor
孙卫红
黄志鹏
邵铁锋
梁曼
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.)
China Jiliang University
Original Assignee
China Jiliang University
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 China Jiliang University filed Critical China Jiliang University
Priority to CN201811330422.XA priority Critical patent/CN109389616A/zh
Publication of CN109389616A publication Critical patent/CN109389616A/zh
Pending legal-status Critical Current

Links

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
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种蚕茧图像背景分割方法，包括如下步骤：1）首先将蚕茧原图像转化为灰度图像；2）对蚕茧灰度图进行边缘检测，提取蚕茧目标轮廓；3）对提取的蚕茧轮廓图像进行膨胀；4）对膨胀后的图像中所有空洞区域填充；5）将所有连通域标记，选出代表蚕茧的最大连通域；6）对最大连通域图像进行腐蚀平滑；7）与蚕茧彩色原图取交集，生成去除背景后的蚕茧图像。本发明对蚕茧图像进行分割，有效地避免蚕茧图像环境信息对后续处理的影响，保证了蚕茧特征提取的完整性，满足实际使用要求。

Description

一种蚕茧图像背景分割方法
技术领域
本发明涉及一种蚕茧图像背景分割方法，属于图像处理领域。
背景技术
随着智能识别的发展，图像分割技术作为提取图像要素的基础方法已经在广泛领域得到应用。现有的图像分割方法主要分为基于阈值的分割方法、基于区域的分割方法以及基于特定理论的分割方法等。阈值分割算法是通过确定阈值，将阈值与像素点的灰度值逐个进行比较，而进行分割。区域分割法则需要选择一组能正确代表所需区域的种子像素，确定在生长过程中的相似性准则，制定让生长停止的条件或准则。总结目前常用的图像分割技术，其本质都是基于灰度值进行直接处理，因此如果类似蚕茧的彩色被检测物体，单纯采用阈值等分割处理技术并不准确，会遗漏大量的蚕茧重要信息，目标提取效果较差，对识别以及其他后续处理会造成严重影响，对此，需要一种可针对蚕茧图像进行准确分割，从而去除环境背景完整提取蚕茧特征信息的办法。
发明内容
本发明目的在于提供一种蚕茧图像背景分割方法，旨在解决目前无法对蚕茧进行准确的图像分割，造成特征采集遗漏的问题。
本发明所述的一种蚕茧图像背景分割方法，基于matlab开发平台，主要包括以下步骤：
1）首先将蚕茧原图像转化为灰度图像；
2）对蚕茧灰度图进行边缘检测，提取蚕茧目标轮廓；
3）对提取的蚕茧轮廓图像进行膨胀；
4）对灰度图像中所有的空洞区域填充；
5）将所有连通域标记，选出代表蚕茧的最大连通域；
6）对最大连通域图像进行腐蚀平滑；
7）与蚕茧彩色原图取交集，生成去除背景后的蚕茧图像。
本发明所述的一种蚕茧图像背景分割方法，步骤2）进行边缘检测主要是基于Canny算子进行边缘检测，步骤3）中对蚕茧轮廓图像膨胀的结构元素为5×5的矩形元素，此操作主要是为了避免图像中出现蚕茧轮廓边缘断裂情况，得到蚕茧图像的完整边缘，步骤6）对最大连通域腐蚀平滑的结构元素为距离参数为15的8边形，步骤7）与原图取交集主要是将原始图像中对应位置的R、G、B分量复制到新的分割图像中从而生成去除背景后的蚕茧图像。
附图说明
如图1所示，为本发明所述的一种蚕茧图像背景分割方法流程图。
如图2a所示，为采集的蚕茧图像。
如图2b所示,为蚕茧原图转化后的灰度图像。
如图2c所示，为Canny算子进行边缘检测后的轮廓图。
如图2d所示，为膨胀操作后的蚕茧轮廓图。
如图2e所示，为空洞区域填充图。
如图2f所示，为蚕茧图像的最大连通域。
如图2g所示，为最大连通域图像进行腐蚀平滑后的图像。
如图2h所示，为去除背景后的蚕茧图像。
具体实施方式
根据图1所示，一种蚕茧图像背景分割方法，基于matlab操作环境，主要包括以下步骤：
1）首先将蚕茧原图像转化为灰度图像；
2）对蚕茧灰度图进行边缘检测，提取蚕茧目标轮廓；
3）对提取的蚕茧轮廓图像进行膨胀；
4）对灰度图像中所有的空洞区域填充；
5）将所有连通域标记，选出代表蚕茧的最大连通域；
6）对最大连通域图像进行腐蚀平滑；
7）与蚕茧彩色原图取交集，生成去除背景后的蚕茧图像。
本发明所述的一种蚕茧图像背景分割方法，步骤1）中获得的蚕茧原始照片为RGB图像，转化公式为Gray（灰度） = R*0.299+G*0.587+B*0.114，步骤2）进行边缘检测主要是为了采集蚕茧的整体轮廓，这里选用Canny算子进行边缘检测，步骤3）中蚕茧轮廓图像膨胀的结构元素为5×5的矩形元素，用此元素扫描步骤2）的轮廓图像每一个像素，用结构元素与其覆盖的二值图像做“或”操作，如果有一个元素为0，结果图像的该像素为0，否则为255，此操作主要是为了避免图像中出现蚕茧轮廓边缘断裂情况，得到蚕茧图像的完整边缘，步骤4）对所有空洞区域填充，步骤5）将所有连通域标记后，按大小顺序进行排序，选取最大连通域，步骤6）对最大连通域腐蚀平滑主要是为了避免蚕茧外围茧衣以及环境噪声的干扰，结构元素为距离参数为15的8边形，用此元素扫描图像的每一个像素，并与其覆盖的二值图像做“与”操作，如果都为0，结果图像的该像素为0，否则为255。步骤7）与原图取交集主要是将原始图像中对应位置的R、G、B分量复制到新的分割图像中从而生成去除背景后的蚕茧图像。
对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明保护的范围。

Claims (4)

1.一种蚕茧图像背景分割方法，其特征在于，包括以下步骤：
1）首先将蚕茧原图像转化为灰度图像；
2）对蚕茧灰度图进行边缘检测，提取蚕茧目标轮廓；
3）对提取的蚕茧轮廓图像进行膨胀；
4）对图像中所有的空洞区域填充；
5）将所有连通域标记，选出代表蚕茧的最大连通域；
6）对最大连通域图像进行腐蚀平滑；
7）与蚕茧彩色原图取交集，生成去除背景后的蚕茧图像。
2.根据权利要求1所述的一种蚕茧图像背景分割方法，其特征在于，所述步骤2）进行边缘检测主要是使用Canny算子进行边缘检测。
3.根据权利要求1所述的一种蚕茧图像背景分割方法，其特征在于，所述步骤3）中对蚕茧轮廓图像膨胀主要是为了连接蚕茧边缘断裂处，采用的结构元素为5×5的矩形元素。
4.根据权利要求1所述的一种蚕茧图像背景分割方法，其特征在于，所述步骤6）对最大连通域腐蚀平滑是为了避免蚕茧外围茧衣以及环境噪声的干扰，结构元素为距离参数为15的8边形元素。
CN201811330422.XA 2018-11-09 2018-11-09 一种蚕茧图像背景分割方法 Pending CN109389616A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811330422.XA CN109389616A (zh) 2018-11-09 2018-11-09 一种蚕茧图像背景分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811330422.XA CN109389616A (zh) 2018-11-09 2018-11-09 一种蚕茧图像背景分割方法

Publications (1)

Publication Number Publication Date
CN109389616A true CN109389616A (zh) 2019-02-26

Family

ID=65428490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811330422.XA Pending CN109389616A (zh) 2018-11-09 2018-11-09 一种蚕茧图像背景分割方法

Country Status (1)

Country Link
CN (1) CN109389616A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110389127A (zh) * 2019-07-03 2019-10-29 浙江大学 一种金属陶瓷零件识别及表面缺陷检测系统和方法
CN111798472A (zh) * 2020-07-13 2020-10-20 中国计量大学 一种基于hsi空间的绪下茧分割和识别方法
CN115115633A (zh) * 2022-08-29 2022-09-27 南通沐沐兴晨纺织品有限公司 一种纺纱选茧智能拣选方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110389127A (zh) * 2019-07-03 2019-10-29 浙江大学 一种金属陶瓷零件识别及表面缺陷检测系统和方法
CN111798472A (zh) * 2020-07-13 2020-10-20 中国计量大学 一种基于hsi空间的绪下茧分割和识别方法
CN115115633A (zh) * 2022-08-29 2022-09-27 南通沐沐兴晨纺织品有限公司 一种纺纱选茧智能拣选方法及系统

Similar Documents

Publication Publication Date Title
CN107729899B (zh) 一种车牌号码识别方法及装置
CN109859171B (zh) 一种基于计算机视觉和深度学习的楼面缺陷自动检测方法
CN113658132B (zh) 基于计算机视觉的结构件焊缝检测方法
CN110838126B (zh) 细胞图像分割方法、装置、计算机设备和存储介质
CN111797712B (zh) 基于多尺度特征融合网络的遥感影像云与云阴影检测方法
CN109389616A (zh) 一种蚕茧图像背景分割方法
CN102819728A (zh) 一种基于分类模板匹配的交通标志检测方法
CN110427979B (zh) 基于K-Means聚类算法的道路水坑识别方法
CN109850518B (zh) 一种基于红外图像的实时矿用胶带预警撕裂检测方法
US11282235B2 (en) Vehicle surroundings recognition apparatus
CN106157323A (zh) 一种动态分块阈值和块搜索结合的绝缘子分割提取方法
CN109724988B (zh) 一种基于多模板匹配的pcb板缺陷定位方法
CN110751619A (zh) 一种绝缘子缺陷检测方法
CN105447489A (zh) 一种图片ocr识别系统的字符与背景粘连噪声消除方法
CN113610052A (zh) 一种基于深度学习的隧道渗漏水自动识别方法
CN110633635A (zh) 一种基于roi的交通标志牌实时检测方法及系统
CN114004858A (zh) 基于机器视觉识别航空线缆表面编码的方法及装置
CN113160220A (zh) 一种基于深度学习的检测门把手归位和弯曲的方法
CN113537037A (zh) 路面病害识别方法、系统、电子设备及存储介质
CN111401341B (zh) 一种基于视觉的减速带检测方法、装置及其存储介质
CN112686872A (zh) 基于深度学习的木材计数方法
CN115311443B (zh) 一种液压泵漏油识别方法
CN115063679B (zh) 一种基于深度学习的路面质量评估方法
CN111444903A (zh) 漫画气泡内文字定位方法、装置、设备及可读存储介质
CN116524410A (zh) 基于混合高斯模型的深度学习融合场面目标检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190226

WD01 Invention patent application deemed withdrawn after publication