CN115937549B - 一种基于颜色和形状特征的木材数量计数方法 - Google Patents
一种基于颜色和形状特征的木材数量计数方法 Download PDFInfo
- Publication number
- CN115937549B CN115937549B CN202310036446.9A CN202310036446A CN115937549B CN 115937549 B CN115937549 B CN 115937549B CN 202310036446 A CN202310036446 A CN 202310036446A CN 115937549 B CN115937549 B CN 115937549B
- Authority
- CN
- China
- Prior art keywords
- wood
- image
- area
- counting
- color
- 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
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明公开了一种基于颜色和形状特征的木材数量计数方法,涉及木材自动计数技术领域,包括如下步骤:彩色木材图像RGB空间转换至HSV空间;HSV空间模糊增强;HSV空间提取位于指定范围内的像素;形态学运算去除小面积噪声;区域轮廓形状匹配去噪;凸包边数检测去噪;凹点检测去粘连计数。本发明提供的这种方法提高了木材计数的准确性,尤其是对于噪声干扰比较严重的图像,木材计数效果较好。
Description
技术领域
本发明涉及木材自动计数技术领域,特别涉及一种基于颜色和形状特征的木材数量计数方法。
背景技术
当前,在林场车载木材运输过程中,需要对木材进行查验计数,小型林场主要以人工计数为主,人工计数劳动强度大,工作效率低,易出错;也有一些大型林场采用图像识别方法进行自动计数。
目前基于图像识别的木材识别方法,主要是通过对排列比较整齐的木材的图像进行处理来得到木材数量的一种方法。常用的木材计数方法有基于Hough变换的圆形检测方法,然而实际中的木材截面并不规则,该方法检测效果特别差;也有人采用简单模板匹配法,简单模板匹配是利用木材模板,与待测图像进行匹配得到统计结果的方法,然而木材差异较大,简单模板匹配无法取得较好的效果;随着深度学习的进展,也有利用Mask-RCNN来进行目标检测,获得了较好的效果,然而深度学习方法对硬件要求很高,在低档电脑和手机上无法运行。
发明内容
本发明提供了一种基于颜色和形状特征的木材数量计数方法,包括以下步骤:
获取木材图像,将木材图像从RGB空间转换至HSV空间;
对HSV空间的木材图像的H、S、V分别进行模糊增强;
在进行模糊增强后的HSV图像中设置阈值提取像素;
取形态学结构算子为3×3圆形算子,进行四次开运算对提取像素后木材图像中的小面积噪声点进行消除;
根据消除小面积噪声点后的木材图像建立木材模板,对所述木材模板与木材图像连通区域进行相似度匹配,去除相似度低的区域;
对相似度匹配后的木材图像计算连通区域内的凸包边数,将凸包边数低于阈值的连通区域去除,对相似度匹配后的木材图像进行降噪;
对降噪后的木材图像采用凹点检测法去除粘连,得到最终的图像,统计图像中连通的目标区域得到木材数量。
优选的,所述将木材图像从RGB空间转换至HSV空间,包括如下步骤:
观察若干木材图像;
判断木材截面红色成分的对比度,若红色对比度不够,通过将木材图像从RGB空间转换至HSV空间增强颜色对比度。
优选的,所述对HSV空间的木材图像的H、S、V分别进行模糊增强,包括如下步骤:
分别对木材图像的H、S、V进行模糊增强,将色调H值变低,将亮度V与饱和度S变高。
优选的,所述根据消除小面积噪声点后的木材图像建立木材模板,对所述木材模板与木材图像连通区域进行相似度匹配,去除相似度低的区域,具体包括如下步骤:
检测处理后木材图像中所有的目标连通区域外轮廓;
比较所述目标连通区域外轮廓与木材模板形状的Hu距相似度,若所述相似度低于阈值,去除相似度低的区域,将该区域改为背景。
优选的,所述对降噪后的图像采用凹点检测法去除粘连,得到最终的图像,统计图像中连通的目标区域得到木材数量,具体包括如下步骤:
获取外连通区域,用圆拟合连通区域,获得拟合圆半径;
计算边界上点的切线,如果切线上有超过阈值t1的点数通过连通区域内部,则认为该点为凹点;
计算凹点间两两距离,如果距离小于阈值t2,则连接此两点作为分隔线;
连通区域分割后,统计连通区域个数,即是林木个数。
与现有技术相比,本发明具有如下显著优点:
本发明通过对图像空间进行转换,通过转换后的色彩空间对图像进行模糊增强与区域相似度比对,并对相似度匹配后的图像进行降噪与粘连,得到最终的图像及数量,提高了木材计数的准确性,尤其是对于噪声干扰比较严重的图像,木材计数效果较好,提高了木材识别的准确率。
附图说明
图1为本发明提供的典型车载木材图像;
图2为本发明提供的HSV颜色增强后的图像;
图3为本发明提供的HSV阈值提取后图像;
图4为本发明提供的木材形状模板;
图5为本发明提供的图像处理流程图。
具体实施方式
下面结合本发明中的附图,对本发明实施例的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
为了便于理解和说明,如附图1-5所示,本发明提供了一种基于颜色和形状特征的木材数量计数方法,包括以下步骤:
步骤1:获取木材图像,将木材图像从RGB空间转换至HSV空间。
观察大量的木材图像,如图1所示,木材截面红色成分比较多,但红色不够明显,对比度不够强,典型车载木材图像如图1所示。摄像机拍摄到的图像包含RGB三通道,为了增强颜色对比度,将木材图像从RGB空间转换至HSV空间。
H是指光的颜色,即色调。色调在区间[0,180]内取值,红色的色调值为0。
S代表色彩的深浅,也叫饱和度。饱和度在区间[0,255]内取值。
V指光的明暗,也叫亮度。亮度在区间[0,255]内取值。
步骤2:对HSV空间的木材图像的H、S、V分别进行模糊增强。
如图2所示,模糊增强后H值变得更低,即红色更红,而亮度和饱和度值变得更高。HSV空间模糊增强后的图像转换至RGB空间后如图2所示,可以看出,模糊增强后木材图像红色特征更加明显。
步骤3:在进行模糊增强后的HSV图像中设置阈值提取像素。
其中,取0≤H≤10,60≤S≤255,60≤V≤255。提取后的图像如图3所示,可见图像中存在较多干扰,需要进一步处理。
步骤4:取形态学结构算子为3×3圆形算子,进行四次开运算对提取像素后的木材图像中的小面积噪声点进行消除。
步骤5:由于林木截面近似圆形,根据消除小面积噪声点后的木材图像建立木材模板,对所述木材模板与木材图像连通区域进行相似度匹配,去除相似度低的区域,木材模板如图4所示。
先检测出木材图像中所有的目标连通区域外轮廓,比较目标连通区域外轮廓与模板形状的相似度,若所述相似度低于阈值,则将该区域改为背景。采用Hu距计算图像相似度。
步骤6:对相似度匹配后的木材图像计算连通区域内的凸包边数,将凸包边数低于阈值的连通区域去除,对相似度匹配后的木材图像进行降噪。
经过形状相似度匹配并不能完全消除噪声区域,接下来计算区域凸包进一步去噪。由于木材区域近似圆形,木材区域凸包具有较多的边,而剩下的噪声区域凸包则具有较少的边,利用此特征即可消除噪声区域。
步骤7:对降噪后的图像采用凹点检测法去除粘连,得到最终的图像并计数,统计图像中连通的目标区域即可得到木材数量。
具体包括,经过上述处理步骤后,噪声基本清除,但存在木材粘连现象。为把粘连的木材图像分割开,采用凹点检测法去粘连,步骤如下:
获取外连通区域,用圆拟合连通区域,获得拟合圆半径;取拟合圆半径的二分之一作为阈值t1,拟合圆半径四分之一作为阈值t2。
计算边界上点的切线,如果切线上有超过阈值t1的点数通过连通区域内部,则认为该点为凹点。
计算凹点间两两距离,如果距离小于阈值t2,则连接此两点作为分隔线。
粘连木材图像分割后,统计连通区域个数,即是木材数量。
以上内容是结合具体优选实施方式对本发明做进一步详细说明,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的保护范围。
Claims (4)
1.一种基于颜色和形状特征的木材数量计数方法,其特征在于,包括以下步骤:
获取木材图像,将木材图像从RGB空间转换至HSV空间;
对HSV空间的木材图像的H、S、V分别进行模糊增强;
在进行模糊增强后的HSV图像中设置阈值提取像素;
取形态学结构算子为3×3圆形算子,进行四次开运算对提取像素后木材图像中的小面积噪声点进行消除;
根据消除小面积噪声点后的木材图像建立木材模板,对所述木材模板与木材图像连通区域进行相似度匹配,去除相似度低的区域;
对相似度匹配后的木材图像计算连通区域内的凸包边数,将凸包边数低于阈值的连通区域去除,对相似度匹配后的木材图像进行降噪;
对降噪后的木材图像采用凹点检测法去除粘连,得到最终的图像,统计图像中连通的目标区域得到木材数量;
所述对降噪后的图像采用凹点检测法去除粘连,得到最终的图像,统计图像中连通的目标区域得到木材数量,具体包括如下步骤:
获取外连通区域,用圆拟合连通区域,获得拟合圆半径;
计算边界上点的切线,如果切线上有超过阈值t1的点数通过连通区域内部,则认为该点为凹点;
计算凹点间两两距离,如果距离小于阈值t2,则连接此两点作为分隔线;
连通区域分割后,统计连通区域个数,即是木材数量。
2.如权利要求1所述的一种基于颜色和形状特征的木材数量计数方法,其特征在于,所述将木材图像从RGB空间转换至HSV空间,包括如下步骤:
观察若干木材图像;
判断木材截面红色成分的对比度,若红色对比度不够,通过将木材图像从RGB空间转换至HSV空间增强颜色对比度。
3.如权利要求1所述的一种基于颜色和形状特征的木材数量计数方法,其特征在于,所述对HSV空间的木材图像的H、S、V分别进行模糊增强,包括如下步骤:
分别对木材图像的H、S、V进行模糊增强,将色调H值变低,将亮度V与饱和度S变高。
4.如权利要求1所述的一种基于颜色和形状特征的木材数量计数方法,其特征在于,所述根据消除小面积噪声点后的木材图像建立木材模板,对所述木材模板与木材图像连通区域进行相似度匹配,去除相似度低的区域,具体包括如下步骤:
检测处理后木材图像中所有的目标连通区域外轮廓;
比较所述目标连通区域外轮廓与木材模板形状的Hu距相似度,若所述相似度低于阈值,去除相似度低的区域,将该区域改为背景。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310036446.9A CN115937549B (zh) | 2023-01-09 | 2023-01-09 | 一种基于颜色和形状特征的木材数量计数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310036446.9A CN115937549B (zh) | 2023-01-09 | 2023-01-09 | 一种基于颜色和形状特征的木材数量计数方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115937549A CN115937549A (zh) | 2023-04-07 |
CN115937549B true CN115937549B (zh) | 2023-08-04 |
Family
ID=86556047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310036446.9A Active CN115937549B (zh) | 2023-01-09 | 2023-01-09 | 一种基于颜色和形状特征的木材数量计数方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115937549B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023137A (zh) * | 2016-05-03 | 2016-10-12 | 华中科技大学 | 一种基于轮廓优化的木材计数方法 |
CN107909138A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于安卓平台的类圆颗粒物计数方法 |
WO2018086299A1 (zh) * | 2016-11-11 | 2018-05-17 | 广东电网有限责任公司清远供电局 | 基于图像处理的绝缘子缺陷检测方法及系统 |
CN110610474A (zh) * | 2019-07-04 | 2019-12-24 | 上海大学 | 一种基于红外图像的太阳能板缺陷实时检测方法 |
-
2023
- 2023-01-09 CN CN202310036446.9A patent/CN115937549B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023137A (zh) * | 2016-05-03 | 2016-10-12 | 华中科技大学 | 一种基于轮廓优化的木材计数方法 |
WO2018086299A1 (zh) * | 2016-11-11 | 2018-05-17 | 广东电网有限责任公司清远供电局 | 基于图像处理的绝缘子缺陷检测方法及系统 |
CN107909138A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于安卓平台的类圆颗粒物计数方法 |
CN110610474A (zh) * | 2019-07-04 | 2019-12-24 | 上海大学 | 一种基于红外图像的太阳能板缺陷实时检测方法 |
Non-Patent Citations (1)
Title |
---|
结合k-means聚类和Hough变换的原木根数统计方法;钟新秀;景林;林耀海;孙蕾;;宜宾学院学报(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115937549A (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104715239B (zh) | 一种基于去雾处理和权重分块的车辆颜色识别方法 | |
CN107633503B (zh) | 一种自动检测谷粒中残留秸秆的图像处理方法 | |
CN111260616A (zh) | 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法 | |
US8965123B2 (en) | System and method for processing image for identifying alphanumeric characters present in a series | |
CN103824091B (zh) | 一种用于智能交通系统的车牌识别方法 | |
CN109035195B (zh) | 一种织物疵点检测方法 | |
CN110334750B (zh) | 输电线路铁塔螺栓锈蚀程度图像分类识别方法 | |
CN109472788B (zh) | 一种飞机铆钉表面的伤痕检测方法 | |
CN104361336A (zh) | 一种水下视频图像的文字识别方法 | |
CN107316311B (zh) | 细胞核图像轮廓捕获设备及其方法 | |
CN108563979B (zh) | 一种基于航拍农田图像判别水稻稻瘟病病情的方法 | |
CN103942816B (zh) | 一种基于图像处理的木材单板节子数量和大小的识别方法 | |
CN110309806B (zh) | 一种基于视频图像处理的手势识别系统及其方法 | |
CN106875412B (zh) | 一种两个重叠果实的分割定位方法 | |
CN109544583B (zh) | 一种提取皮革图像感兴趣区域的方法、装置及设备 | |
CN108875747A (zh) | 一种基于机器视觉的小麦不完善粒识别方法 | |
Shaikh et al. | A novel approach for automatic number plate recognition | |
CN110930321A (zh) | 一种能够自动选取目标区域的蓝/绿幕数字图像抠取方法 | |
Arunachalam et al. | Identification of defects in fruits using digital image processing | |
CN110728286B (zh) | 一种基于火花图像的砂带磨削材料去除率识别方法 | |
CN109682821B (zh) | 一种基于多尺度高斯函数的柑橘表面缺陷检测方法 | |
WO2020130799A1 (en) | A system and method for licence plate detection | |
CN115937549B (zh) | 一种基于颜色和形状特征的木材数量计数方法 | |
Wang et al. | Adaptive binarization: A new approach to license plate characters segmentation | |
CN115994921A (zh) | 一种融合HSV模型和改进Otsu算法的成熟樱桃果实图像分割方法 |
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 |