CN111524156A - 一种基于距离变换和角点检测的重叠柑橘分割方法 - Google Patents

Abstract

本发明公开了一种基于距离变换和角点检测的重叠柑橘分割方法，包括如下步骤：1)对二值图像进行距离变换及阈值分割后得到柑橘中心区域图像；2)计算柑橘中心区域图像中各孤立区域质心并连接质心得到长轴；3)对二值图像进行中值滤波，然后用Robert算子进行边缘检测，获得边缘图像；4)计算边缘图像的边缘像素的USAN值；5)取前k个最大的USAN值并进行非极大值抑制，获得边界角点；6)基于长轴和边界角点对二值图像进行分割。本发明的有益效果是：本发明能对重叠柑橘二值图像角点进行快速且精准地确定，提出分离点确定的三个准则，能有效地将重叠柑橘进行分割。

Description

一种基于距离变换和角点检测的重叠柑橘分割方法

技术领域

本发明涉及图像处理领域，具体涉及一种基于距离变换和角点检测的重叠柑橘分割方法。

背景技术

柑橘产业作为我国重要的贸易农产品发展产业，在我国被广泛地种植，种植面积居世界第一，总产量占世界第三位。在柑橘果实的生产作业中，果实的采摘环节是一个较为复杂的环节，在全部生产作业中比重较大。正是由于采摘作业的复杂性，使其自动化程度较低，柑橘果实的采摘往往都是通过人工进行，不仅劳动强度大，同时也产生了大量的人工成本。

采摘机器人不仅有助于减轻人工作业强度、降低生产成本，还能保障果实适时采收，保证了果实的质量及产量。然而，自然条件下生长的柑橘果实，其空间位置和方向是随机性的，果实重叠是现象十分常见，往往存在受枝叶遮挡的情况，要在这样非结构化的柑橘生长环境中实现重叠果实的精准识别，是采摘机器人投入实际应用的一大难题。

发明内容

针对现有技术中存在的问题，本发明提出了一种基于距离变换和角点检测的重叠柑橘分割方法，实现对重叠柑橘的有效分割与识别。

本发明的技术方案如下：

一种基于距离变换和角点检测的重叠柑橘分割方法，其特征在于，包括如下步骤：

1)对二值图像进行距离变换及阈值分割后得到柑橘中心区域图像；

2)计算柑橘中心区域图像中各孤立区域质心并连接质心得到长轴；

3)对二值图像进行中值滤波，然后用Robert算子进行边缘检测，获得边缘图像；

4)计算边缘图像的边缘像素的USAN值；

5)取前k个最大的USAN值并进行非极大值抑制，获得边界角点；

6)基于长轴和边界角点对二值图像进行分割。

所述的一种基于距离变换和角点检测的重叠柑橘分割方法，其特征在于，所述步骤1)具体步骤如下：

1.1)用非欧式距离算法中的城市街区距离来对二值图像进行距离变换，城市街区距离D_b(p,q)的定义公式如下：

D_b(p,q)＝|x-s|+|y-t|；其中，(x,y)为p点的坐标，(s,t)为q点的坐标；

1.2)对距离变换结果图像进行阈值分割，从而获得柑橘中心区域图像。

所述的一种基于距离变换和角点检测的重叠柑橘分割方法，其特征在于，所述步骤2)具体步骤如下：

2.1)得到柑橘中心区域图像后，计算图像中两个孤立区域的质心，由于图像是二值图像，因此孤立区域的像素值大小相等，质心计算公式如下：

其中，x_c是质心的横坐标，y_c是质心纵坐标。n表示某孤立区域像素的数量，x_j，x_j分别表示孤立区域某像素的横坐标和纵坐标；

2.2)计算得到两个孤立区域的质心后，将质心进行连接获得一条将柑橘二值图像分成两部分的长轴，重叠柑橘分割的分割线将与长轴相交，而分割线与柑橘轮廓的交点，也即分割点，将位于长轴两侧；

2.3)计算质心连线的斜率k及两个质心的中点C。

所述的一种基于距离变换和角点检测的重叠柑橘分割方法，其特征在于，所述步骤4)具体步骤如下：

4.1)判断像素点是否属于USAN区域的公式为：

式中，r₀表示模板核(中心像素)在图像中位置，r则是模板内其他像素的位置，I(r)表示图像灰度值；

通过公式计算USAN区域面积即USAN值：

n(r₀)＝∑_rc(r,r₀)。

所述的一种基于距离变换和角点检测的重叠柑橘分割方法，其特征在于，所述步骤5)具体步骤如下：

5.1)选取前k个最大的USAN所在的位置，并称这些位置的像素点为伪角点，最后，对选取到的USAN进行非极大值抑制，以避免出现局部的重复角点；

5.2)非极大值抑制实现流程如下：

5.2.1)找到某一个伪角点；

5.2.2)判断在预设半径的领域内是否存在其他伪角点，若存在其他伪角点，则比较对应USAN值大小，若该伪角点的USAN值比其他伪角点都大，则保留，否则去除；

5.2.2)重复步骤1-2，直至遍历完成，得到边界角点。

6.根据权利要求1所述的一种基于距离变换和角点检测的重叠柑橘分割方法，其特征在于，所述步骤6)具体步骤如下：

6.1)计算边界角点两两组合情况下构成直线的斜率，并找到其中与两个质心连线斜率乘积最接近的一组，视为分离点，当存在两条及以上直线与长轴是接近垂直的关系时，选择最接近长轴中心的那条作为分割线。

本发明的有益效果是：

1)本发明能对重叠柑橘二值图像角点进行快速且精准地确定，提出分离点确定的三个分离标准，能有效地将重叠柑橘进行分割。三个分离标准为：1)分离点分布于长轴两侧；2)分离点的连线与长轴之间的夹角接近90°；3)当存在两条及以上直线与长轴是接近垂直的关系时，选择最接近长轴中心的那条作为分割线。

2)本发明处理的对象是二值图像，且较为复杂的运算集中于图像边缘，因此运行速度快。

3)在对非极大值点进行抑制时，只需要考虑求得的前n个极大值，进一步降低了计算量，也赋予算法更好的稳定性。

附图说明

图1为本发明的总流程图；

图2为本发明的遍历流程图；

图3为本发明的二值图像；

图4为本发明的质心及其连线；

图5为本发明的柑橘中心区域；

图6为本发明的质心及连线图；

图7为本发明的边缘图像；

图8为本发明的圆模板；

图9为本发明的角点分布图；

图10为本发明的分离效果图一；

图11为本发明的分离效果图二。

具体实施方式

以下结合说明书附图，对本发明作进一步描述。

如图1-11所示，本发明实施的前提是已从彩色图像中分割得到重叠柑橘的二值图像，现以以下最佳实施例来说明本发明，但不用来限制本发明的范围。

实施例中名如无特别说明，所采用的方法均为本领域常规技术手段。

本发明提出了一种基于距离变换和角点检测的重叠柑橘分割方法，实现对重叠柑橘的有效分割与识别，如图1所示，该方法包括基于距离变换将重叠柑橘分割成接近对称两部分的长轴，K-USAN角点检测，以及分离点的确定。其中，K-USAN角点检测包括(1)平滑图像边缘；(2)寻找到柑橘轮廓(3)计算边缘像素的USAN值；(4)取前k个最大的USAN值，并记录其位置(5)非极大值抑制。

实施例如下：

步骤1)(距离变换及阈值分割)：

1.1)在图像处理领域，距离是对两个像素点之间的几何特征的一种描述；距离变换得到的结果图中，离背景部分距离越远，该点的像素值越高；从理论上讲，对于距离的计算有两类方法:欧式距离和非欧式距离。为了提高运行速度，本发明使用非欧式距离中的较简单的城市街区距离来进行距离变换，城市街区距离D_b(p,q)的定义公式如下：

D_b(p,q)＝|x-s|+|y-t|

其中，(x,y)为p点的坐标，(s,t)为q点的坐标。

距离变换的结果图像如图4所示；为了从距离变换结果图像中获得有用的信息，对距离变换结果图像进行阈值分割，从而获得如图5所示的柑橘中心区域图像。

步骤2)(计算质心并连接得到长轴)：

得到柑橘中心区域图像后，计算图像中两个孤立区域的质心；由于图像是二值图像，因此孤立区域的像素值大小相等；质心计算公式如下：

其中，x_c是质心的横坐标，y_c是质心纵坐标。n表示某孤立区域像素的数量，x_j，x_j分别表示孤立区域某像素的横坐标和纵坐标。

计算得到两个孤立区域的质心后，将质心进行连接即可获得一条可以将柑橘二值图像分成大致均匀的两部分的长轴。不难发现，把重叠柑橘分割的分割线将与长轴相交，而分割线与柑橘轮廓的交点，也即分割点，将位于长轴两侧。

计算质心连线的斜率k及两个质心的中点C。

步骤3)(中值滤波及边缘检测)：

对二值图像进行中值滤波，然后用Robert算子进行边缘检测，获得如图7所示的边缘图像。

步骤4)(计算边缘像素的USAN值)：

由于柑橘分离点可能是钝角点，因此设计了半径为5的圆模板，如图8所示。圆模板的半径大小是一个可调节参数，通过调节半径大小，能使算法应用于不同分辨率图像的角点检测，在对本实施例柑橘图像进行分离点检测时，半径设置为5。半径为5的圆模板，将邻域窗口内的每个像素点的灰度值和中心像素作比较，若两者的灰度差值小于一定阈值，则认为该像素点与中心像素(核)具有相似的灰度值，满足这一条件的像素组成的区域称为吸收核同值区USAN(Univalue Segment Assimilating Nucleus)。

本发明处理的对象是二值图像，同质区域的像素值是相等的。因此，判断像素点是否属于USAN区域的公式为：

式中，r₀表示模板核(中心像素)在图像中位置，r则是模板内其他像素的位置，I(r)表示图像灰度值。

通过公式计算USAN区域面积即USAN值：

n(r₀)＝∑_rc(r,r₀)；

n为USAN区域的面积大小值。

步骤5)(取前k个最大的USAN值并进行非极大值抑制)：

由于不能事先确定角点的具体数量，也为了避免分离点没有被找到，选取前k个最大的USAN所在的位置，并称这些位置的像素点为伪角点。最后，对选取到的USAN进行非极大值抑制，以避免出现局部的重复角点。

非极大值抑制实现流程如下：

1)找到某一个伪角点；

2)判断在半径为3的领域内是否存在其他伪角点。若存在其他伪角点，则比较对应USAN值大小，若该伪角点的USAN值比其他伪角点都大，则保留，否则去除。需要说明地，非极大值抑制抑制的领域半径为可调节参数，在本实施例中根据分离结果将之设定为3。

3)重复步骤1-2，直至遍历完成。

6)(基于长轴和边界角点的分割)：

检测得到角点之后，考虑的枝叶遮挡情况的存在，最终得到的可能不止两个分离点，如图9所示。为了确定最终的分离点，结合图9提出可两个分离标准：1)分离点分布于长轴两侧；2)分离点的连线与长轴之间的夹角接近90°。

分别计算上节得到的角点两两组合情况下构成直线的斜率，找到其中两个质心连线斜率乘积最接近的一组，视为分离点。如图9所示，P₁，P₂，P₃是用K-USAN算法找到的三个角点。由于在长轴下方只有一个点P₁，根据第一条先验知识可以首先确定P₁为其中一个分离点。下一步，分别计算P₁与P₂，P₃连线的斜率，即可以确定P_1,2直线为分割线，P₁和P₂是两个分割点。但是，仍需要考虑到另一侧相似位置也出现了枝叶遮挡，这种情况下不能排除检测到角点P₄的可能性。由图9可知，P_3,4与C_1,2的夹角也接近90°。当P_1,2与P_3,4接近平行时，用上述两个先验知识不能进一步判断分离点。因此，要引出第三条分离标准来指导分割，即：当存在两条及以上直线与长轴是接近垂直的关系时，选择最接近长轴中心的那条作为分割线。

Claims (6)

1.一种基于距离变换和角点检测的重叠柑橘分割方法，其特征在于，包括如下步骤：

1)对二值图像进行距离变换及阈值分割后得到柑橘中心区域图像；

2)计算柑橘中心区域图像中各孤立区域质心并连接质心得到长轴；

3)对二值图像进行中值滤波，然后用Robert算子进行边缘检测，获得边缘图像；

4)计算边缘图像的边缘像素的USAN值；

5)取前k个最大的USAN值并进行非极大值抑制，获得边界角点；

6)基于长轴和边界角点对二值图像进行分割。

2.根据权利要求1所述的一种基于距离变换和角点检测的重叠柑橘分割方法，其特征在于，所述步骤1)具体步骤如下：

1.1)用非欧式距离算法中的城市街区距离来对二值图像进行距离变换，城市街区距离D_b(p,q)的定义公式如下：

D_b(p,q)＝|x-s|+|y-t|；其中，(x,y)为p点的坐标，(s,t)为q点的坐标；

1.2)对距离变换结果图像进行阈值分割，从而获得柑橘中心区域图像。

3.根据权利要求1所述的一种基于距离变换和角点检测的重叠柑橘分割方法，其特征在于，所述步骤2)具体步骤如下：

2.1)得到柑橘中心区域图像后，计算图像中两个孤立区域的质心，由于图像是二值图像，因此孤立区域的像素值大小相等，质心计算公式如下：

其中，x_c是质心的横坐标，y_c是质心纵坐标。n表示某孤立区域像素的数量，x_j，x_j分别表示孤立区域某像素的横坐标和纵坐标；

2.2)计算得到两个孤立区域的质心后，将质心进行连接获得一条将柑橘二值图像分成两部分的长轴，重叠柑橘分割的分割线将与长轴相交，而分割线与柑橘轮廓的交点，也即分割点，将位于长轴两侧；

2.3)计算质心连线的斜率k及两个质心的中点C。

4.根据权利要求1所述的一种基于距离变换和角点检测的重叠柑橘分割方法，其特征在于，所述步骤4)具体步骤如下：

4.1)判断像素点是否属于USAN区域的公式为：

式中，r₀表示模板核(中心像素)在图像中位置，r则是模板内其他像素的位置，I(r)表示图像灰度值；

通过公式计算USAN区域面积即USAN值：

n(r₀)＝∑_rc(r,r₀)。

5.根据权利要求1所述的一种基于距离变换和角点检测的重叠柑橘分割方法，其特征在于，所述步骤5)具体步骤如下：

5.1)选取前k个最大的USAN所在的位置，并称这些位置的像素点为伪角点，最后，对选取到的USAN进行非极大值抑制，以避免出现局部的重复角点；

5.2)非极大值抑制实现流程如下：

5.2.1)找到某一个伪角点；

5.2.2)判断在预设半径的领域内是否存在其他伪角点，若存在其他伪角点，则比较对应USAN值大小，若该伪角点的USAN值比其他伪角点都大，则保留，否则去除；

5.2.2)重复步骤1-2，直至遍历完成，得到边界角点。

6.根据权利要求1所述的一种基于距离变换和角点检测的重叠柑橘分割方法，其特征在于，所述步骤6)具体步骤如下：

6.1)计算边界角点两两组合情况下构成直线的斜率，并找到其中与两个质心连线斜率乘积最接近的一组，视为分离点，当存在两条及以上直线与长轴是接近垂直的关系时，选择最接近长轴中心的那条作为分割线。

Images