CN113763266A - 一种基于图像处理的蜜柚纵剖与横剖皮厚测量方法 - Google Patents
一种基于图像处理的蜜柚纵剖与横剖皮厚测量方法 Download PDFInfo
- Publication number
- CN113763266A CN113763266A CN202110916586.6A CN202110916586A CN113763266A CN 113763266 A CN113763266 A CN 113763266A CN 202110916586 A CN202110916586 A CN 202110916586A CN 113763266 A CN113763266 A CN 113763266A
- Authority
- CN
- China
- Prior art keywords
- section
- peel
- longitudinal
- cross
- honey pomelo
- 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.)
- Granted
Links
- 235000012907 honey Nutrition 0.000 title claims abstract description 293
- 238000000034 method Methods 0.000 title claims abstract description 36
- 240000000560 Citrus x paradisi Species 0.000 title claims abstract 93
- 238000012512 characterization method Methods 0.000 claims abstract description 61
- 238000001914 filtration Methods 0.000 claims abstract description 24
- 238000010586 diagram Methods 0.000 claims description 46
- 230000011218 segmentation Effects 0.000 claims description 38
- 238000009499 grossing Methods 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 6
- 235000013399 edible fruits Nutrition 0.000 claims description 5
- 238000005520 cutting process Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims 1
- 238000000691 measurement method Methods 0.000 abstract description 4
- 230000002349 favourable effect Effects 0.000 abstract description 2
- 244000276331 Citrus maxima Species 0.000 description 190
- 235000020971 citrus fruits Nutrition 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 241000207199 Citrus Species 0.000 description 3
- 235000001759 Citrus maxima Nutrition 0.000 description 2
- 241000220324 Pyrus Species 0.000 description 2
- 235000021017 pears Nutrition 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 244000141359 Malus pumila Species 0.000 description 1
- 235000021016 apples Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像处理的蜜柚纵剖与横剖皮厚测量方法。方法包括:利用搭建的图像采集系统采集蜜柚的纵剖与横剖图像,经过背景去噪、孔洞填充及平滑滤波后得到其剖面区域。对于横剖区域,获取其果皮横剖区域轮廓图,提出了一种基于果皮面积比的蜜柚横剖皮厚测量方法;对于纵剖蜜柚,获取其果皮纵剖轮廓图,提出了一种基于果皮面积比、赤道位置皮厚、顶部皮厚及底部皮厚的一种蜜柚纵剖皮厚表征方法。本发明为蜜柚皮厚的测量提供了更加科学客观的纵剖与横剖皮厚测量方法,该方法也有利于快速间接表征蜜柚可食率。
Description
技术领域
本发明涉及一种蜜柚皮厚测量表征方法,尤其是涉及了一种基于图像处理的蜜柚纵剖与横剖皮厚测量方法。
背景技术
我国是世界上柚种植面积最大的国家,产量居世界第一。蜜柚果皮厚度的正确科学表征对于蜜柚的生产分级及质量评价具有重要的实际意义。传统的可食率测量主要通过测量果肉及非果肉部分的重量比,该测量方式耗时耗力,且在分选过程中会有较多水分蒸发,进而对结果产生较大影响。而探究蜜柚皮厚的表征方法可以间接表征出蜜柚的可食率,具有快速、测量过程水分蒸发少等优势。
目前现有的皮厚测量方法主要有目测观察法、扫描电镜法、显微镜法、测微尺法、磨粉法等,但这些方法多用于种子的种皮厚度测量,目前尚无准确统一的蜜柚皮厚测量表征方法。
侯宝贵等(1981)(侯宝贵,李体智.介绍一种测定果皮厚度的简易方法[J].山西果树,1981(04):58.)建立了果皮厚度与果皮弹力之间的关系,测定了苹果和梨的果皮厚度。
周高峰等(2019)(周高峰,王小丽,王梦丹,姚峰先,刘贵东,管冠.一种精确测量柑橘果皮厚度的方法[P].CN 110068276 A2019.07.30.)公开了一种测量柑橘果皮厚度的方法,通过切取柑橘赤道处的横剖面扫描取出皮部分取均值作为皮厚。
蜜柚多呈现上小下大的形状,主要为近椭圆形、梨形,且蜜柚果皮厚度分布不均,多呈现出上部皮厚较厚,赤道面位置及底部果皮厚度分布较均匀的现象,因此仅采用纵剖或者横剖计算均值作为其皮厚的表征方法不具有良好的描述性。
发明内容
为了解决背景技术中存在的问题和需求,本发明提供了一种基于图像处理的蜜柚纵剖与横剖皮厚测量方法。
本发明的技术方案如下:
本发明包括以下步骤:
1)原始图像采集:对蜜柚分别进行纵剖与横剖后,置于光照箱内,利用俯视RGB相机分别采集蜜柚横剖原图及蜜柚纵剖原图;
2)剖面区域图获取:分别对蜜柚横剖原图及蜜柚纵剖原图依次进行背景去噪、孔洞填充、平滑滤波和掩膜处理后,分别得到蜜柚横剖区域图及蜜柚纵剖区域图;
3)蜜柚横剖果皮区域获取:对蜜柚横剖区域图依次进行阈值分割、横剖果皮区域获取和果皮区域噪声点去除后,获得蜜柚横剖果皮区域二值图BWh;
4)蜜柚果皮横剖轮廓图获取:对蜜柚横剖果皮区域二值图BWh依次进行边缘检测、标记连通域和求取果皮轮廓连通域后,获得蜜柚果皮横剖轮廓图;
5)蜜柚横剖果皮厚度表征:根据蜜柚果皮横剖轮廓图计算蜜柚横剖果皮厚度面积表征因子,利用蜜柚横剖果皮厚度面积表征因子表征蜜柚横剖果皮厚度;
6)蜜柚纵剖果皮区域获取:对蜜柚纵剖区域图依次进行纵剖分量图阈值分割、纵剖果皮区域获取、蜜柚瓤心去除和纵剖果皮区域噪声点去除后,获得蜜柚纵剖果皮区域二值图BWz;
7)蜜柚果皮纵剖轮廓图获取:对蜜柚纵剖果皮区域二值图BWz重复步骤4),获得蜜柚果皮纵剖轮廓图;
8)蜜柚纵剖果皮厚度表征:根据蜜柚果皮纵剖轮廓图计算蜜柚纵剖果皮厚度表征因子,利用蜜柚纵剖果皮厚度表征因子表征蜜柚横剖果皮厚度。
所述步骤2)具体为:
2.1)背景去噪:将蜜柚横剖原图及蜜柚纵剖原图分别转换为蜜柚横剖灰度图和蜜柚纵剖灰度图,利用阈值分割法分别去除蜜柚横剖灰度图和蜜柚纵剖灰度图中的背景噪声后,得到蜜柚横剖背景去噪图及蜜柚纵剖背景去噪图;
2.2)孔洞填充:利用imfill函数分别对蜜柚横剖背景去噪图及蜜柚纵剖背景去噪图中的孔洞部分进行孔洞填充,获得填充孔洞的蜜柚横剖背景去噪图及蜜柚纵剖背景去噪图;
2.3)平滑滤波:使用中值滤波分别对填充孔洞的蜜柚横剖背景去噪图及蜜柚纵剖背景去噪图进行滤波平滑后,分别得到蜜柚横剖二值图及蜜柚纵剖二值图;
2.4)掩膜处理:将蜜柚横剖二值图及蜜柚纵剖二值图作为掩膜分别作用于对应的蜜柚横剖原图及蜜柚纵剖原图,分别得到蜜柚横剖区域图及蜜柚纵剖区域图。
所述步骤3)具体为:
3.1)横剖分量图阈值分割:分别获取蜜柚横剖区域图的红色分量图及绿色分量图,再分别进行阈值分割后,分别得到横剖红色分量二值图r1及横剖绿色分量二值图g1;
3.2)横剖果皮区域获取:遍历横剖红色分量二值图r1及横剖绿色分量二值图g1的所有像素,对于每一像素(i,j),当且仅当r1(i,j)=g1(i,j)=1,其中r1(i,j)为横剖红色分量二值图r1中像素(i,j)的像素值,g1(i,j)为横剖绿色分量二值图g1中像素(i,j)的像素值,则蜜柚横剖区域图中该像素(i,j)的像素值设置为1,否则设为0,得到横剖分量阈值分割图gr1;
3.3)横剖果皮区域噪声点去除:运用中值滤波对横剖分量阈值分割图gr1进行平滑滤波,去除部分噪声点,得到蜜柚横剖果皮区域二值图BWh。
所述步骤4)具体为:
4.1)边缘检测:利用canny算子检测蜜柚横剖果皮区域二值图BWh的边缘轮廓后,得到含噪边缘轮廓图像E′;
4.2)标记连通域:遍历含噪边缘轮廓图像E′的所有像素点,对每一像素,利用八领域检测法检测当前像素与其余像素的连通性,具有连通性的像素标记为同一个连通域,反之则为不同连通域,获得含噪边缘轮廓图像E′的各个连通域,按照像素数量的大小将各个连通域进行排序;
4.3)果皮轮廓连通域求取:取出最大的连通域保存为横剖果皮外边缘轮廓Eout1,取出次大的连通域保存为横剖果皮内边缘轮廓Ein1,二者共同组成蜜柚果皮横剖轮廓图。
所述步骤5)具体为:
统计蜜柚果皮横剖轮廓图中的横剖果皮外边缘轮廓EHout内部的总像素面积并记为横剖外边缘轮廓总像素面积AHout,统计蜜柚果皮横剖轮廓图中的横剖果皮内边缘Ein1内部的总像素面积并记为横剖内边缘轮廓总像素面积AHin,根据横剖外边缘轮廓总像素面积AHout和横剖内边缘轮廓总像素面积AHin计算蜜柚横剖果皮厚度面积表征因子,通过以下公式进行计算,最终利用蜜柚横剖果皮厚度面积表征因子表征蜜柚横剖果皮厚度:
其中,AHout表示横剖外边缘轮廓总像素面积,AHin表示横剖内边缘轮廓总像素面积,α1为蜜柚横剖果皮厚度面积表征因子。
所述步骤6)具体为:
6.1)纵剖分量图阈值分割:分别获取蜜柚纵剖区域图的纵剖红色分量图及纵剖绿色分量图,再分别进行阈值分割后,分别得到纵剖红色分量二值图r2及纵剖绿色分量二值图g2;
6.2)纵剖果皮区域获取:遍历纵剖红色分量二值图r2及纵剖绿色分量二值图g2的所有像素,对于每一像素(i,j),当且仅当r2(i,j)-g2(i,j)>0,其中r2(i,j)为纵剖红色分量二值图r2中像素(i,j)的像素值,g2(i,j)为纵剖绿色分量二值图g2中像素(i,j)的像素值,设置蜜柚纵剖区域图中像素(i,j)的像素值为1,否则设为0,得到纵剖分量阈值分割图gr2;
6.3)蜜柚瓤心去除:纵剖分量阈值分割图gr2求取形心,将距形心距离小于预设阈值d的部分去除,获得去除瓤心的纵剖分量阈值分割图gr3;
6.4)纵剖果皮区域噪声点去除:运用中值滤波对去除瓤心的纵剖分量阈值分割图gr3进行平滑滤波,去除部分噪声点,得到蜜柚纵剖果皮区域二值图BWz。
所述步骤8)具体为:
记蜜柚果皮纵剖轮廓图的纵剖果皮外边缘轮廓为EZout,蜜柚果皮纵剖轮廓图的纵剖果皮内边缘轮廓为EZin;
8.1)纵剖顶部厚度:分别求取出纵剖果皮外边缘轮廓EZout的上顶点坐标lz1(x3,y3)、纵剖果皮内边缘轮廓EZin的上顶点坐标lz2(x3,y3),记该两点之间的竖直距离为纵剖顶部厚度dzt;
8.2)纵剖底部厚度:分别求取出纵剖果皮外边缘轮廓EZout的下顶点坐标lz1(x4,y4)、纵剖果皮内边缘轮廓EZin的下顶点坐标lz2(x4,y4),记该两点之间的竖直距离为纵剖底部厚度dzb;
8.3)纵剖左右侧厚度:获取纵剖果皮外边缘轮廓EZout的最左、最右点lz1(x1,y1)、lz1(x2,y2),求取该两点之间的外边缘水平距离dz1;获取纵剖果皮内边缘轮廓EZin的最左、最右点lz2(x1,y1)、lz2(x2,y2),求取该两点之间的内边缘水平距离dz2;则纵剖左右侧厚度dzlr满足dzlr=dz1-dz2;
8.4)蜜柚纵剖果皮厚度表征:对蜜柚果皮纵剖轮廓图重复步骤5),得到蜜柚纵剖果皮厚度面积表征因子α2,根据纵剖顶部厚度dzt、纵剖底部厚度dzb、纵剖左右侧厚度dzlr和蜜柚纵剖果皮厚度面积表征因子α2计算获得蜜柚纵剖果皮厚度表征因子,通过以下公式进行设置,再利用蜜柚纵剖果皮厚度表征因子表征蜜柚纵剖果皮厚度:
β=b1·dzt+b2·dzb+b3·dzlr+b4·α2
其中,b1为纵剖顶部厚度系数,b2为纵剖底部厚度系数,b3为纵剖左右侧厚度系数,b4为蜜柚纵剖果皮厚度面积表征因子系数,dzt为纵剖顶部厚度,dzb为纵剖底部厚度,dzlr为纵剖左右侧厚度,α2为蜜柚纵剖果皮厚度面积表征因子,β为蜜柚纵剖果皮厚度表征因子。
本发明的有益效果为:
本发明为蜜柚皮厚的测量提供了更加科学客观的纵剖与横剖皮厚测量方法,该方法也有利于快速间接表征蜜柚可食率。对于横剖蜜柚,获取其果皮横剖区域轮廓图,提出了一种基于果皮面积比的蜜柚横剖皮厚测量方法;对于纵剖蜜柚,获取其果皮纵剖轮廓图,提出了一种基于果皮面积比、赤道位置皮厚、顶部皮厚及底部皮厚的一种蜜柚纵剖皮厚表征方法。可以解决蜜柚等具有不均匀皮厚的水果,仅采用纵剖或者横剖计算均值作为其皮厚的表征方法不具有良好的描述性的问题。
附图说明
图1是本发明的方法流程图。
图2是本发明的蜜柚横剖原图。
图3是本发明的蜜柚纵剖原图。
图4是本发明的蜜柚横剖背景去噪图。
图5是本发明的蜜柚纵剖背景去噪图。
图6是本发明的蜜柚横剖区域图。
图7是本发明的蜜柚纵剖区域图。
图8是本发明的蜜柚横剖果皮区域二值图。
图9是本发明的含噪边缘轮廓图像。
图10是本发明的蜜柚果皮横剖轮廓图。
图11是本发明的蜜柚纵剖果皮区域二值图。
图12是本发明的蜜柚果皮纵剖轮廓图。
图13是本发明的蜜柚纵剖果皮厚度表征示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
本发明选取柑橘类水果蜜柚作为实施例:
如图1所示,本发明包括以下步骤:
1)原始图像采集:对蜜柚分别进行纵剖与横剖后,置于光照箱内,利用俯视RGB相机分别采集蜜柚横剖原图(图2)及蜜柚纵剖原图(图3);
2)剖面区域图获取:分别对蜜柚横剖原图及蜜柚纵剖原图依次进行背景去噪、孔洞填充、平滑滤波和掩膜处理后,分别得到蜜柚横剖区域图及蜜柚纵剖区域图;
所述步骤2)具体为:
2.1)背景去噪:将蜜柚横剖原图及蜜柚纵剖原图分别转换为蜜柚横剖灰度图和蜜柚纵剖灰度图,利用阈值分割法分别去除蜜柚横剖灰度图和蜜柚纵剖灰度图中的背景噪声后,其中蜜柚横剖原图灰度阈值设置为150,蜜柚纵剖原图灰度阈值设置为60,得到蜜柚横剖背景去噪图(图4)及蜜柚纵剖背景去噪图(图5);
2.2)孔洞填充:蜜柚横剖背景去噪图及蜜柚纵剖背景去噪图中存在孔洞,利用imfill函数分别对蜜柚横剖背景去噪图及蜜柚纵剖背景去噪图中的孔洞部分进行孔洞填充,获得填充孔洞的蜜柚横剖背景去噪图及蜜柚纵剖背景去噪图;
2.3)平滑滤波:使用3*3的中值滤波分别对填充孔洞的蜜柚横剖背景去噪图及蜜柚纵剖背景去噪图进行滤波平滑后,分别得到蜜柚横剖二值图及蜜柚纵剖二值图;
2.4)掩膜处理:将蜜柚横剖二值图及蜜柚纵剖二值图作为掩膜分别作用于对应的蜜柚横剖原图及蜜柚纵剖原图,分别得到蜜柚横剖区域图(图6)及蜜柚纵剖区域图(图7);
3)蜜柚横剖果皮区域获取:对蜜柚横剖区域图依次进行阈值分割、横剖果皮区域获取和果皮区域噪声点去除后,获得蜜柚横剖果皮区域二值图BWh;
步骤3)具体为:
3.1)横剖分量图阈值分割:分别获取蜜柚横剖区域图的红色分量图及绿色分量图,再分别进行阈值分割后,分别得到横剖红色分量二值图r1及横剖绿色分量二值图g1;
3.2)横剖果皮区域获取:遍历横剖红色分量二值图r1及横剖绿色分量二值图g1的所有像素,对于每一像素(i,j),当且仅当r1(i,j)=g1(i,j)=1,其中r1(i,j)为横剖红色分量二值图r1中像素(i,j)的像素值,g1(i,j)为横剖绿色分量二值图g1中像素(i,j)的像素值,则蜜柚横剖区域图中该像素(i,j)的像素值设置为1,否则设为0,得到横剖分量阈值分割图gr1;
3.3)横剖果皮区域噪声点去除:运用中值滤波对横剖分量阈值分割图gr1进行平滑滤波,去除部分噪声点,得到蜜柚横剖果皮区域二值图BWh(图8);
4)蜜柚果皮横剖轮廓图获取:对蜜柚横剖果皮区域二值图BWh依次进行边缘检测、标记连通域和求取果皮轮廓连通域后,获得蜜柚果皮横剖轮廓图;
步骤4)具体为:
4.1)边缘检测:利用canny算子检测蜜柚横剖果皮区域二值图BWh的边缘轮廓后,得到含噪边缘轮廓图像E′,如图9所示;
4.2)标记连通域:遍历含噪边缘轮廓图像E′的所有像素点,对每一像素,利用八领域检测法检测当前像素与其余像素的连通性,当前像素的八领域中有像素,则该像素与当前像素具有连通性,具有连通性的像素标记为同一个连通域,反之则为不同连通域,获得含噪边缘轮廓图像E′的各个连通域,按照像素数量的大小将各个连通域进行排序;
4.3)果皮轮廓连通域求取:取出最大的连通域保存为横剖果皮外边缘轮廓Eout1,取出次大的连通域保存为横剖果皮内边缘轮廓Ein1,二者共同组成蜜柚果皮横剖轮廓图(图10);
5)蜜柚横剖果皮厚度表征:根据蜜柚果皮横剖轮廓图计算蜜柚横剖果皮厚度面积表征因子,利用蜜柚横剖果皮厚度面积表征因子表征蜜柚横剖果皮厚度;
步骤5)具体为:
统计蜜柚果皮横剖轮廓图中的横剖果皮外边缘轮廓EHout内部的总像素面积并记为横剖外边缘轮廓总像素面积AHout,统计蜜柚果皮横剖轮廓图中的横剖果皮内边缘EHin内部的总像素面积并记为横剖内边缘轮廓总像素面积AHin,根据横剖外边缘轮廓总像素面积AHout和横剖内边缘轮廓总像素面积AHin计算蜜柚横剖果皮厚度面积表征因子,通过以下公式进行计算,因蜜柚横剖面果皮厚度分布较为均匀,因此最终利用蜜柚横剖果皮厚度面积表征因子表征蜜柚横剖果皮厚度:
其中,AHout表示横剖外边缘轮廓总像素面积,AHin表示横剖内边缘轮廓总像素面积,α1为蜜柚横剖果皮厚度面积表征因子;
6)蜜柚纵剖果皮区域获取:对蜜柚纵剖区域图依次进行纵剖分量图阈值分割、纵剖果皮区域获取、蜜柚瓤心去除和纵剖果皮区域噪声点去除后,获得蜜柚纵剖果皮区域二值图BWz;
步骤6)具体为:
6.1)纵剖分量图阈值分割:分别获取蜜柚纵剖区域图的纵剖红色分量图及纵剖绿色分量图,再分别进行阈值分割后,分别得到纵剖红色分量二值图r2及纵剖绿色分量二值图g2;
6.2)纵剖果皮区域获取:遍历纵剖红色分量二值图r2及纵剖绿色分量二值图g2的所有像素,对于每一像素(i,j),当且仅当r2(i,j)-g2(i,j)>0,其中r2(i,j)为纵剖红色分量二值图r2中像素(i,j)的像素值,g2(i,j)为纵剖绿色分量二值图g2中像素(i,j)的像素值,设置蜜柚纵剖区域图中像素(i,j)的像素值为1,否则设为0,得到纵剖分量阈值分割图gr2;
6.3)蜜柚瓤心去除:利用regionprops函数并设置参数为centroid对纵剖分量阈值分割图gr2求取形心,将距形心距离小于预设阈值d的部分去除,获得去除瓤心的纵剖分量阈值分割图gr3;具体实施中,预设阈值d为220
6.4)纵剖果皮区域噪声点去除:运用中值滤波对去除瓤心的纵剖分量阈值分割图gr3进行平滑滤波,去除部分噪声点,得到蜜柚纵剖果皮区域二值图BWz(图11);
7)蜜柚果皮纵剖轮廓图获取:对蜜柚纵剖果皮区域二值图BWz重复步骤4),获得蜜柚果皮纵剖轮廓图(图12),蜜柚果皮纵剖轮廓图中包括纵剖果皮外边缘轮廓EZout和纵剖果皮内边缘轮廓EZin;
8)蜜柚纵剖果皮厚度表征:根据蜜柚果皮纵剖轮廓图计算蜜柚纵剖果皮厚度表征因子,利用蜜柚纵剖果皮厚度表征因子表征蜜柚横剖果皮厚度。
记蜜柚果皮纵剖轮廓图的纵剖果皮外边缘轮廓为EZout,蜜柚果皮纵剖轮廓图的纵剖果皮内边缘轮廓为EZin,如图13所示;
步骤8)具体为:
8.1)纵剖顶部厚度:分别求取出纵剖果皮外边缘轮廓EZout的上顶点坐标lz1(x3,y3)、纵剖果皮内边缘轮廓EZin的上顶点坐标lz2(x3,y3),记该两点之间的竖直距离为纵剖顶部厚度dzt;
8.2)纵剖底部厚度:分别求取出纵剖果皮外边缘轮廓EZout的下顶点坐标lz1(x4,y4)、纵剖果皮内边缘轮廓EZin的下顶点坐标lz2(x4,y4),记该两点之间的竖直距离为纵剖底部厚度dzb;
8.3)纵剖左右侧厚度:获取纵剖果皮外边缘轮廓EZout的最左、最右点lz1(x1,y1)、lz1(x2,y2),求取该两点之间的外边缘水平距离dz1;类似地,获取纵剖果皮内边缘轮廓EZin的最左、最右点lz2(x1,y1)、lz2(x2,y2),求取该两点之间的内边缘水平距离dz2;则纵剖左右侧厚度dzlr满足dzlr=dz1-dz2;
8.4)蜜柚纵剖果皮厚度表征:对蜜柚果皮纵剖轮廓图重复步骤5),得到蜜柚纵剖果皮厚度面积表征因子α2,因蜜柚纵剖面果皮厚度分布不均匀,主要表现为顶端皮厚明显偏厚的现象,因此根据纵剖顶部厚度dzt、纵剖底部厚度dzb、纵剖左右侧厚度dzlr和蜜柚纵剖果皮厚度面积表征因子α2计算获得蜜柚纵剖果皮厚度表征因子,通过以下公式进行设置,再利用蜜柚纵剖果皮厚度表征因子表征蜜柚纵剖果皮厚度:
β=b1·dzt+b2·dzb+b3·dzlr+b4·α2
其中,b1为纵剖顶部厚度系数,b2为纵剖底部厚度系数,b3为纵剖左右侧厚度系数,b4为蜜柚纵剖果皮厚度面积表征因子系数,dzt为纵剖顶部厚度,dzb为纵剖底部厚度,dzlr为纵剖左右侧厚度,α2为蜜柚纵剖果皮厚度面积表征因子,β为蜜柚纵剖果皮厚度表征因子。
Claims (7)
1.一种基于图像处理的蜜柚纵剖与横剖皮厚测量方法,其特征在于,包括以下步骤:
1)原始图像采集:对蜜柚分别进行纵剖与横剖后,置于光照箱内,利用俯视RGB相机分别采集蜜柚横剖原图及蜜柚纵剖原图;
2)剖面区域图获取:分别对蜜柚横剖原图及蜜柚纵剖原图依次进行背景去噪、孔洞填充、平滑滤波和掩膜处理后,分别得到蜜柚横剖区域图及蜜柚纵剖区域图;
3)蜜柚横剖果皮区域获取:对蜜柚横剖区域图依次进行阈值分割、横剖果皮区域获取和果皮区域噪声点去除后,获得蜜柚横剖果皮区域二值图BWh;
4)蜜柚果皮横剖轮廓图获取:对蜜柚横剖果皮区域二值图BWh依次进行边缘检测、标记连通域和求取果皮轮廓连通域后,获得蜜柚果皮横剖轮廓图;
5)蜜柚横剖果皮厚度表征:根据蜜柚果皮横剖轮廓图计算蜜柚横剖果皮厚度面积表征因子,利用蜜柚横剖果皮厚度面积表征因子表征蜜柚横剖果皮厚度;
6)蜜柚纵剖果皮区域获取:对蜜柚纵剖区域图依次进行纵剖分量图阈值分割、纵剖果皮区域获取、蜜柚瓤心去除和纵剖果皮区域噪声点去除后,获得蜜柚纵剖果皮区域二值图BWz;
7)蜜柚果皮纵剖轮廓图获取:对蜜柚纵剖果皮区域二值图BWz重复步骤4),获得蜜柚果皮纵剖轮廓图;
8)蜜柚纵剖果皮厚度表征:根据蜜柚果皮纵剖轮廓图计算蜜柚纵剖果皮厚度表征因子,利用蜜柚纵剖果皮厚度表征因子表征蜜柚横剖果皮厚度。
2.根据权利要求1所述的一种基于图像处理的蜜柚纵剖与横剖皮厚测量方法,其特征在于,所述步骤2)具体为:
2.1)背景去噪:将蜜柚横剖原图及蜜柚纵剖原图分别转换为蜜柚横剖灰度图和蜜柚纵剖灰度图,利用阈值分割法分别去除蜜柚横剖灰度图和蜜柚纵剖灰度图中的背景噪声后,得到蜜柚横剖背景去噪图及蜜柚纵剖背景去噪图;
2.2)孔洞填充:利用imfill函数分别对蜜柚横剖背景去噪图及蜜柚纵剖背景去噪图中的孔洞部分进行孔洞填充,获得填充孔洞的蜜柚横剖背景去噪图及蜜柚纵剖背景去噪图;
2.3)平滑滤波:使用中值滤波分别对填充孔洞的蜜柚横剖背景去噪图及蜜柚纵剖背景去噪图进行滤波平滑后,分别得到蜜柚横剖二值图及蜜柚纵剖二值图;
2.4)掩膜处理:将蜜柚横剖二值图及蜜柚纵剖二值图作为掩膜分别作用于对应的蜜柚横剖原图及蜜柚纵剖原图,分别得到蜜柚横剖区域图及蜜柚纵剖区域图。
3.根据权利要求1所述的一种基于图像处理的蜜柚纵剖与横剖皮厚测量方法,其特征在于,所述步骤3)具体为:
3.1)横剖分量图阈值分割:分别获取蜜柚横剖区域图的红色分量图及绿色分量图,再分别进行阈值分割后,分别得到横剖红色分量二值图r1及横剖绿色分量二值图g1;
3.2)横剖果皮区域获取:遍历横剖红色分量二值图r1及横剖绿色分量二值图g1的所有像素,对于每一像素(i,j),当且仅当r1(i,j)=g1(i,j)=1,其中r1(i,j)为横剖红色分量二值图r1中像素(i,j)的像素值,g1(i,j)为横剖绿色分量二值图g1中像素(i,j)的像素值,则蜜柚横剖区域图中该像素(i,j)的像素值设置为1,否则设为0,得到横剖分量阈值分割图gr1;
3.3)横剖果皮区域噪声点去除:运用中值滤波对横剖分量阈值分割图gr1进行平滑滤波,去除部分噪声点,得到蜜柚横剖果皮区域二值图BWh。
4.根据权利要求1所述的一种基于图像处理的蜜柚纵剖与横剖皮厚测量方法,其特征在于,所述步骤4)具体为:
4.1)边缘检测:利用canny算子检测蜜柚横剖果皮区域二值图BWh的边缘轮廓后,得到含噪边缘轮廓图像E′;
4.2)标记连通域:遍历含噪边缘轮廓图像E′的所有像素点,对每一像素,利用八领域检测法检测当前像素与其余像素的连通性,具有连通性的像素标记为同一个连通域,反之则为不同连通域,获得含噪边缘轮廓图像E′的各个连通域,按照像素数量的大小将各个连通域进行排序;
4.3)果皮轮廓连通域求取:取出最大的连通域保存为横剖果皮外边缘轮廓Eout1,取出次大的连通域保存为横剖果皮内边缘轮廓Ein1,二者共同组成蜜柚果皮横剖轮廓图。
5.根据权利要求1所述的一种基于图像处理的蜜柚纵剖与横剖皮厚测量方法,其特征在于,所述步骤5)具体为:
统计蜜柚果皮横剖轮廓图中的横剖果皮外边缘轮廓EHout内部的总像素面积并记为横剖外边缘轮廓总像素面积AHout,统计蜜柚果皮横剖轮廓图中的横剖果皮内边缘Ein1内部的总像素面积并记为横剖内边缘轮廓总像素面积AHin,根据横剖外边缘轮廓总像素面积AHout和横剖内边缘轮廓总像素面积AHin计算蜜柚横剖果皮厚度面积表征因子,通过以下公式进行计算,最终利用蜜柚横剖果皮厚度面积表征因子表征蜜柚横剖果皮厚度:
其中,AHout表示横剖外边缘轮廓总像素面积,AHin表示横剖内边缘轮廓总像素面积,α1为蜜柚横剖果皮厚度面积表征因子。
6.根据权利要求1所述的一种基于图像处理的蜜柚纵剖与横剖皮厚测量方法,其特征在于,所述步骤6)具体为:
6.1)纵剖分量图阈值分割:分别获取蜜柚纵剖区域图的纵剖红色分量图及纵剖绿色分量图,再分别进行阈值分割后,分别得到纵剖红色分量二值图r2及纵剖绿色分量二值图g2;
6.2)纵剖果皮区域获取:遍历纵剖红色分量二值图r2及纵剖绿色分量二值图g2的所有像素,对于每一像素(i,j),当且仅当r2(i,j)-g2(i,j)>0,其中r2(i,j)为纵剖红色分量二值图r2中像素(i,j)的像素值,g2(i,j)为纵剖绿色分量二值图g2中像素(i,j)的像素值,设置蜜柚纵剖区域图中像素(i,j)的像素值为1,否则设为0,得到纵剖分量阈值分割图gr2;
6.3)蜜柚瓤心去除:纵剖分量阈值分割图gr2求取形心,将距形心距离小于预设阈值d的部分去除,获得去除瓤心的纵剖分量阈值分割图gr3;
6.4)纵剖果皮区域噪声点去除:运用中值滤波对去除瓤心的纵剖分量阈值分割图gr3进行平滑滤波,去除部分噪声点,得到蜜柚纵剖果皮区域二值图BWz。
7.根据权利要求1所述的一种基于图像处理的蜜柚纵剖与横剖皮厚测量方法,其特征在于,所述步骤8)具体为:
记蜜柚果皮纵剖轮廓图的纵剖果皮外边缘轮廓为EZout,蜜柚果皮纵剖轮廓图的纵剖果皮内边缘轮廓为EZin;
8.1)纵剖顶部厚度:分别求取出纵剖果皮外边缘轮廓EZout的上顶点坐标lz1(x3,y3)、纵剖果皮内边缘轮廓EZin的上顶点坐标lz2(x3,y3),记该两点之间的竖直距离为纵剖顶部厚度dzt;
8.2)纵剖底部厚度:分别求取出纵剖果皮外边缘轮廓EZout的下顶点坐标lz1(x4,y4)、纵剖果皮内边缘轮廓EZin的下顶点坐标lz2(x4,y4),记该两点之间的竖直距离为纵剖底部厚度dzb;
8.3)纵剖左右侧厚度:获取纵剖果皮外边缘轮廓EZout的最左、最右点lz1(x1,y1)、lz1(x2,y2),求取该两点之间的外边缘水平距离dz1;获取纵剖果皮内边缘轮廓EZin的最左、最右点lz2(x1,y1)、lz2(x2,y2),求取该两点之间的内边缘水平距离dz2;则纵剖左右侧厚度dzlr满足dzlr=dz1-dz2;
8.4)蜜柚纵剖果皮厚度表征:对蜜柚果皮纵剖轮廓图重复步骤5),得到蜜柚纵剖果皮厚度面积表征因子α2,根据纵剖顶部厚度dzt、纵剖底部厚度dzb、纵剖左右侧厚度dzlr和蜜柚纵剖果皮厚度面积表征因子α2计算获得蜜柚纵剖果皮厚度表征因子,通过以下公式进行设置,再利用蜜柚纵剖果皮厚度表征因子表征蜜柚纵剖果皮厚度:
β=b1·dzt+b2·dzb+b3·dzlr+b4·α2
其中,b1为纵剖顶部厚度系数,b2为纵剖底部厚度系数,b3为纵剖左右侧厚度系数,b4为蜜柚纵剖果皮厚度面积表征因子系数,dzt为纵剖顶部厚度,dzb为纵剖底部厚度,dzlr为纵剖左右侧厚度,α2为蜜柚纵剖果皮厚度面积表征因子,β为蜜柚纵剖果皮厚度表征因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110916586.6A CN113763266B (zh) | 2021-08-11 | 2021-08-11 | 一种基于图像处理的蜜柚纵剖与横剖皮厚测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110916586.6A CN113763266B (zh) | 2021-08-11 | 2021-08-11 | 一种基于图像处理的蜜柚纵剖与横剖皮厚测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113763266A true CN113763266A (zh) | 2021-12-07 |
CN113763266B CN113763266B (zh) | 2023-11-17 |
Family
ID=78788939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110916586.6A Active CN113763266B (zh) | 2021-08-11 | 2021-08-11 | 一种基于图像处理的蜜柚纵剖与横剖皮厚测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113763266B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065149A (zh) * | 2012-12-21 | 2013-04-24 | 上海交通大学 | 网纹甜瓜果实表型提取与量化方法 |
US20150063651A1 (en) * | 2013-08-28 | 2015-03-05 | Fujitsu Limited | Image processing apparatus and image processing method |
WO2017133217A1 (en) * | 2016-02-03 | 2017-08-10 | Boe Technology Group Co., Ltd. | Method and apparatus for infrared thermal image contour extraction |
CN107808378A (zh) * | 2017-11-20 | 2018-03-16 | 浙江大学 | 基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法 |
-
2021
- 2021-08-11 CN CN202110916586.6A patent/CN113763266B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065149A (zh) * | 2012-12-21 | 2013-04-24 | 上海交通大学 | 网纹甜瓜果实表型提取与量化方法 |
US20150063651A1 (en) * | 2013-08-28 | 2015-03-05 | Fujitsu Limited | Image processing apparatus and image processing method |
WO2017133217A1 (en) * | 2016-02-03 | 2017-08-10 | Boe Technology Group Co., Ltd. | Method and apparatus for infrared thermal image contour extraction |
CN107808378A (zh) * | 2017-11-20 | 2018-03-16 | 浙江大学 | 基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法 |
Non-Patent Citations (1)
Title |
---|
韩伟聪;鲍光海;: "基于机器视觉的竹材尺寸测量系统设计", 中国测试, no. 07 * |
Also Published As
Publication number | Publication date |
---|---|
CN113763266B (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109191459B (zh) | 连铸坯低倍组织中心偏析缺陷的自动识别与评级方法 | |
CN101085442B (zh) | 基于rgb复合模型的柑橘图像处理分级的方法 | |
CN101153851B (zh) | 一种基于机器视觉的苹果检测分级方法 | |
CN109255757B (zh) | 一种机器视觉自然放置葡萄串果梗区域分割方法 | |
CN108181316B (zh) | 一种基于机器视觉的竹条缺陷检测方法 | |
CN108875747B (zh) | 一种基于机器视觉的小麦不完善粒识别方法 | |
Lü et al. | Leaf area measurement based on image processing | |
CN114897898B (zh) | 一种基于图像处理的木板质量分类方法 | |
CN106780347B (zh) | 一种基于oct图像处理的枇杷早期瘀伤鉴别方法 | |
CN103065149A (zh) | 网纹甜瓜果实表型提取与量化方法 | |
CN110838117B (zh) | 一种基于孔壁图像的岩石面孔隙度识别方法 | |
CN108074235A (zh) | 基于区域增长算法的碳纤维表面缺陷程度估计方法 | |
CN112907545A (zh) | 基于图像处理的种子芽长与根长检测方法 | |
CN114985283B (zh) | 一种多特征图像识别技术的茶叶识别方法 | |
CN113012105A (zh) | 基于图像处理的纱线毛羽检测评级方法 | |
CN115330868A (zh) | 一种基于深度学习与深度信息融合的葡萄采摘方法 | |
CN114332079A (zh) | 基于图像处理的塑料餐盒裂缝检测方法、装置及介质 | |
Yimyam et al. | Physical properties analysis of mango using computer vision | |
CN107657620A (zh) | 一种带纹理的金属凝固区域识别的方法及系统 | |
CN113763266B (zh) | 一种基于图像处理的蜜柚纵剖与横剖皮厚测量方法 | |
Ma et al. | Rapid estimation of apple phenotypic parameters based on 3D reconstruction | |
CN107993243B (zh) | 一种基于rgb图像的小麦分蘖数自动检测方法 | |
CN104764402B (zh) | 柑橘体积的视觉检测方法 | |
CN110653166B (zh) | 一种水果检测分级方法与装置 | |
CN116843743A (zh) | 一种基于三视角图像轮廓拟合的柚果体积测量方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |