CN111798472A - 一种基于hsi空间的绪下茧分割和识别方法 - Google Patents
一种基于hsi空间的绪下茧分割和识别方法 Download PDFInfo
- Publication number
- CN111798472A CN111798472A CN202010667993.3A CN202010667993A CN111798472A CN 111798472 A CN111798472 A CN 111798472A CN 202010667993 A CN202010667993 A CN 202010667993A CN 111798472 A CN111798472 A CN 111798472A
- Authority
- CN
- China
- Prior art keywords
- image
- segmentation
- point
- cocoon
- points
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000011218 segmentation Effects 0.000 title claims abstract description 37
- 238000012545 processing Methods 0.000 claims description 7
- 241000255789 Bombyx mori Species 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 239000000853 adhesive Substances 0.000 claims description 2
- 230000001070 adhesive effect Effects 0.000 claims description 2
- 239000002245 particle Substances 0.000 abstract description 4
- 238000006243 chemical reaction Methods 0.000 abstract description 3
- 238000007599 discharging Methods 0.000 abstract 1
- 239000008187 granular material Substances 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 7
- 238000003709 image segmentation Methods 0.000 description 5
- 238000009795 derivation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06T7/12—Edge-based segmentation
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
-
- 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
- G06T7/64—Analysis of geometric attributes of convexity or concavity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于HSI空间的绪下茧分割和识别方法。背景分割,对输入图像进行颜色空间转换,得到HSI颜色空间图,获取I通道和S通道图像,使用Kmeans算法和阈值法分别分割I通道和S通道图像的目标和背景,对分割后的I通道和S通道图像进行二值化和“或”运算,运算结果为完整分割图像;目标识别,获取完整分割图像的轮廓图,根据轮廓线上的像素点数量判断是否存在黏连,利用曲率尺度空间法获取黏连轮廓上的角点,利用位置关系判据获取角点中的凹点,对凹点进行匹配,构造合适的分割线分割黏连部分并进行连通域标记,以此实现绪下茧粒的识别。本发明对缫丝过程中绪下茧粒的统计提供了可靠有效的技术支持。
Description
技术领域
本发明属于图像处理领域,具体涉及一种基于HSI空间的绪下茧分割和识别方法。
背景技术
在蚕茧缫丝过程中,自动缫每一个工位池里的蚕茧被称为绪下茧,检验员每隔3分钟需要对绪下茧粒进行记录。人工识别统计的方式存在工作量大、效率低、劳动力成本高的缺点,且在不停循环检测的过程中,容易导致视觉疲劳,致使准确率降低。
随着图像处理领域不断的发展,针对蚕茧图像分割和识别问题,许多学者结合图像处理领域的现有算法提出了自己的看法,将图像处理技术应用到这一问题上,并取得的一定的成果。
目前这些算法主要针对于未进行缫丝的蚕茧,因此在进行图像分割时采用的方法比较简单,但在缫丝过程中蚕茧被放置于水中,随着茧丝不断被抽出,蚕茧逐渐趋于透明,边缘与背景融合。为保持纤度不变,需要不断加入新的蚕茧。使用现有算法分割会遗漏大量信息,不便于后续识别绪下茧粒,因此提出一种基于HSI空间的绪下茧图像分割和识别方法,该方法可用于缫丝过程中绪下茧粒的识别,对于提高缫丝工艺的自动化程度具有重要意义。
发明内容
为解决上述问题,本发明所述的一种基于HSI空间的绪下茧分割和识别方法,能够对缫丝过程中的绪下茧粒进行识别。
本发明采用的技术方案是:
步骤1,颜色空间转换,将采集到的绪下茧图像从RGB空间转换至HSI空间,并获取I通道和S通道图像;
步骤2,图像分割,利用Kmeans算法和阈值分割方法分别对I通道和S通道图像进行背景分割,对分割后的图片进行二值化处理并求取并集,获得完整分割图像;
步骤3,凹点检测,获取完整分割图像的轮廓图,根据轮廓线上的像素点数量判断是否存在黏连,利用曲率尺度空间法筛选出黏连轮廓上的角点集合,利用位置关系判据筛选出角点集合中的凹点;
步骤4,凹点匹配,对步骤3中的凹点进行两两匹配,构造分割线分割黏连蚕茧;
步骤5,绪下茧粒识别,对步骤4中的图像进行连通域标记,识别图中的连通域作为原图中的绪下茧,利用圆形对输入图像中的绪下茧进行标记。
所述步骤1中对RGB图片转换颜色空间模型时使用几何推导法设计算法,具体公式如下:
所述步骤3中的凹点检测方法包括以下步骤:
步骤3.1,使用结构元素5x5的椭圆对完整分割图像进行形态学闭操作;
步骤3.2,利用Canny算子图像进行边缘检测,获得完整分割图像的边缘轮廓,根据轮廓线上的像素点数量n判断是否存在黏连,n可根据实际情况进行设置;
步骤3.3,在低尺度空间上计算黏连边缘轮廓上各点曲率值,所有的曲率局部最大值作为候选角点;
步骤3.4,获得角点的坐标,依次求取角点坐标的前继点和后继点,求取前继点和后继点连线的中点,若中点位于轮廓外,则认为该角点是凹点,并保存该角点坐标,否则剔除该角点。
所述步骤4中的凹点匹配方法包括以下步骤:
步骤4.1,依次遍历凹点集合,从第一个凹点开始寻找该凹点匹配点,计算该凹点到其余凹点的欧式距离,选取最短连线为凹点匹配点;
步骤4.2,判断两点连线是否处于封闭轮廓内部,如果处于内部则这两点连线为分割线,若不在内部,剔除该匹配凹点后返回步骤4.1。
所述步骤5中,首先要对面积小于S像素的连通域进行剔除,S可根据实际情况设置,再进行连通域标记。
本发明与现有技术相比具有的有益效果有:
1、根据缫丝过程中的绪下茧呈现的特征,在不同通道对其进行背景分割,解决了传统分割方法在绪下茧趋于透明时无法分割背景与目标,与传统分割方法相比获得的分割图像更加完整。
2、在黏连分割方面,将角点检测方法与凹点判据相结合,提高了凹点搜寻的准确率。
附图说明
附图1为本发明方法流程图。
附图2a为采集的绪下茧图像。
附图2b为S通道图。
附图2c为I通道图。
附图2d为Kmeans分割图。
附图2e为阈值分割图。
附图2f为完整分割图。
附图2g为轮廓提取图。
附图2h为凹点检测图。
附图2i为黏连分割图。
附图2j为绪下茧粒识别图。
具体实施方式
下面结合附图及实施例来对本发明进行进一步的阐释说明。
本发明实施例及其实施过程如下:
下面以一张缫丝过程的绪下茧图像为例,对一种基于HSI空间的绪下茧分割和识别方法做详细描述。
如图1所示,为应用基于HSI空间的绪下茧分割和识别方法,对绪下茧粒进行分割和识别,制定了如下步骤:
步骤1,颜色空间转换,采集到的绪下茧图像如图2a所示,利用几何推导法设计算法将图2a从RGB颜色空间转换至HSI颜色空间,具体公式如下:
得到HSI颜色空间图,进行通道分离获取S通道和I通道图像,如图2b和2c所示;
步骤2,图像分割,利用Kmeans算法和阈值分割方法分别对I通道和S通道图像进行背景分割,本实施例中给定初始K值和阈值分别为3和35,对分割后的图片进行二值化处理,如图2d和2e所示,对图2d和2e进行“或”运算,获得完整分割图像,如图2f所示;
步骤3,凹点检测,使用结构元素5x5的椭圆对图2f进行形态学闭操作,之后使用Canny算子进行边缘检测,获得完整分割图像的边缘轮廓,如图2g所示,根据轮廓线上的像素点数量n判断是否存在黏连,本实施例中n为500,在低尺度空间上计算黏连边缘轮廓上各点曲率值,所有的曲率局部最大值作为候选角点,依次求取角点坐标的前继点和后继点连线的中点,若中点位于轮廓外,则认为该角点是凹点,并保存该角点坐标,否则剔除该角点,凹点检测结果如图2h所示;
步骤4,凹点匹配分割,依次遍历凹点集合,从第一个凹点开始搜索该凹点匹配点,计算该凹点到其余凹点的欧式距离,选取最短连线为凹点匹配点,判断两点连线是否处于封闭轮廓内部,如果处于内部,则保留这条连线为分割线,如果不在内部,则剔除该匹配凹点返回重新执行步骤4,直到循环次数大于凹点个数,退出循环,黏连分割图如图2i所示;
步骤5,绪下茧粒识别,对图像2i中面积小于S的连通域进行去除,避免噪声干扰,本实施例中S设置为100,根据连通域位置在原图中标记绪下茧并统计绪下茧粒,如图2j所示。
图2a-2j为利用本发明的方法得到的实例图。
综上,本发明提出的方法,一种基于HSI空间的绪下茧分割和识别方法,对于缫丝过程中的绪下茧识别取得了良好的效果。该方法针对性强,能够识别缫丝过程中的绪下茧。
Claims (4)
1.一种基于HSI空间的绪下茧分割和识别方法,其特征在于,包括以下步骤:
步骤1,采集缫丝过程的绪下茧图像,将采集到的图像从RGB颜色空间转换至HIS颜色空间,并获取I通道和S通道图像;
步骤2,利用Kmeans算法和阈值分割方法分别对步骤1中I通道和S通道图像进行背景分割,对分割后的图片进行二值化处理,获得I通道和S通道的二值化图像并求取并集,得到完整分割图像;
步骤3,获取完整分割图像的轮廓图,根据轮廓线上的像素点数量判断是否存在黏连,利用曲率尺度空间法筛选出黏连轮廓上的角点集合,利用位置关系判据筛选出角点集合中的凹点;
步骤4,对步骤3中的凹点进行两两匹配,构造分割线分割黏连蚕茧;
步骤5,对步骤4中的图像进行连通域标记,识别图中的连通域作为原图中的绪下茧,利用圆形对输入图像中的绪下茧进行标记。
2.根据权利要求1所述一种基于HSI空间的绪下茧分割和识别方法,其特征在于步骤3中的凹点检测方法包括以下步骤:
步骤3.1,使用结构元素5x5的椭圆对完整分割图像进行形态学闭操作;
步骤3.2,利用Canny算子图像进行边缘检测,获得完整分割图像的边缘轮廓,当轮廓线上的像素点数量大于所设定的阈值n时认为存在黏连,n可根据实际情况设置;
步骤3.3,在低尺度空间上计算黏连边缘轮廓上各点曲率值,所有的曲率局部最大值作为候选角点;
步骤3.4,获得角点的坐标,依次求取角点坐标的前继点和后继点连线的中点,若中点位于轮廓外,则认为该角点是凹点,并保存该点坐标,否则剔除该点。
3.根据权利要求1所述一种基于HSI空间的绪下茧分割和识别方法,其特征在于步骤4中的凹点匹配方法包括以下步骤:
步骤4.1,依次遍历凹点集合,从第一个凹点开始寻找该凹点匹配点,计算该凹点到其余凹点的欧式距离,选取最短连线为凹点匹配点;
步骤4.2,判断两点连线是否处于封闭轮廓内部,如果处于内部则这两点连线为分割线,如果不在内部,则剔除该匹配凹点返回步骤4.1。
4.根据权利要求1所述一种基于HSI空间的绪下茧分割和识别方法,其特征在于步骤5中,要剔除面积小于S像素的连通域,S可根据实际情况设置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010667993.3A CN111798472A (zh) | 2020-07-13 | 2020-07-13 | 一种基于hsi空间的绪下茧分割和识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010667993.3A CN111798472A (zh) | 2020-07-13 | 2020-07-13 | 一种基于hsi空间的绪下茧分割和识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111798472A true CN111798472A (zh) | 2020-10-20 |
Family
ID=72808357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010667993.3A Pending CN111798472A (zh) | 2020-07-13 | 2020-07-13 | 一种基于hsi空间的绪下茧分割和识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111798472A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113139936A (zh) * | 2021-03-31 | 2021-07-20 | 武汉钢铁有限公司 | 一种图像分割处理方法及装置 |
CN115294167A (zh) * | 2022-10-08 | 2022-11-04 | 维柏思特衬布(南通)有限公司 | 基于数据处理的蚕茧数目识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447669A (zh) * | 2016-04-08 | 2017-02-22 | 潍坊学院 | 基于圆形蒙版面积比率判别的粘连颗粒图像凹点分割方法 |
CN109389616A (zh) * | 2018-11-09 | 2019-02-26 | 中国计量大学 | 一种蚕茧图像背景分割方法 |
-
2020
- 2020-07-13 CN CN202010667993.3A patent/CN111798472A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447669A (zh) * | 2016-04-08 | 2017-02-22 | 潍坊学院 | 基于圆形蒙版面积比率判别的粘连颗粒图像凹点分割方法 |
CN109389616A (zh) * | 2018-11-09 | 2019-02-26 | 中国计量大学 | 一种蚕茧图像背景分割方法 |
Non-Patent Citations (1)
Title |
---|
孙卫红 等: "基于颜色特征和支持向量机的蚕茧分类方法研究", 《蚕业科学》, no. 1, pages 86 - 95 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113139936A (zh) * | 2021-03-31 | 2021-07-20 | 武汉钢铁有限公司 | 一种图像分割处理方法及装置 |
CN113139936B (zh) * | 2021-03-31 | 2022-07-08 | 武汉钢铁有限公司 | 一种图像分割处理方法及装置 |
CN115294167A (zh) * | 2022-10-08 | 2022-11-04 | 维柏思特衬布(南通)有限公司 | 基于数据处理的蚕茧数目识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113989279B (zh) | 基于人工智能及图像处理的塑料薄膜质量检测方法 | |
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 | |
CN109800824B (zh) | 一种基于计算机视觉与机器学习的管道缺陷识别方法 | |
CN110175982B (zh) | 一种基于目标检测的缺陷检测方法 | |
CN106651872B (zh) | 基于Prewitt算子的路面裂缝识别方法及系统 | |
CN102426649B (zh) | 一种简单的高准确率的钢印数字自动识别方法 | |
CN111753577B (zh) | 自动采摘机器人中的苹果识别与定位方法 | |
CN108181316B (zh) | 一种基于机器视觉的竹条缺陷检测方法 | |
CN109447945B (zh) | 基于机器视觉和图形处理的小麦基本苗快速计数方法 | |
CN107203990A (zh) | 一种基于模板匹配与图像质量评估的标贴破损检测方法 | |
CN115082466B (zh) | 一种pcb表面焊点缺陷检测方法及系统 | |
CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别系统与方法 | |
CN105424709A (zh) | 一种基于图像标记的水果表面缺陷检测方法 | |
CN110599507B (zh) | 一种番茄识别定位方法及系统 | |
CN106875412B (zh) | 一种两个重叠果实的分割定位方法 | |
CN113706490B (zh) | 一种晶片缺陷检测方法 | |
CN105868708A (zh) | 一种图像目标识别方法及装置 | |
CN111798472A (zh) | 一种基于hsi空间的绪下茧分割和识别方法 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN111178177A (zh) | 一种基于卷积神经网络的黄瓜病害识别方法 | |
CN110751619A (zh) | 一种绝缘子缺陷检测方法 | |
CN114511770A (zh) | 道路标识标牌识别方法 | |
CN110084587B (zh) | 一种基于边缘上下文的餐盘自动结算方法 | |
CN110455201B (zh) | 基于机器视觉的茎秆作物高度测量方法 | |
CN112329664A (zh) | 一种原核期胚胎原核数量的评估方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201020 |