TWI277911B - An image processing method for selected fruit by the X-ray scanner to automatically identify the region of injury within the scanned fruit - Google Patents
An image processing method for selected fruit by the X-ray scanner to automatically identify the region of injury within the scanned fruit Download PDFInfo
- Publication number
- TWI277911B TWI277911B TW94105976A TW94105976A TWI277911B TW I277911 B TWI277911 B TW I277911B TW 94105976 A TW94105976 A TW 94105976A TW 94105976 A TW94105976 A TW 94105976A TW I277911 B TWI277911 B TW I277911B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- fruit
- threshold
- image processing
- processing method
- Prior art date
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Description
1277911 九、發明說明： 【發明所屬之技術領域】 本方法疋專為X光水果蟲害檢測機所設計之自動影像辨 識程式，利用數個影像處理之步驟，特別是適應性二元化之方 法來分離水果本身與蟲害區域之X光影像，^有效去除影像 中因水果本身厚度不一而造成強度值不一對辨識正確率之影 響。本方法可以分析X光檢測機所擷取之水果影像，自動的 辨識出遭受到蟲害之區域。 【先前技術】 目前國内之水果檢疫作業，尚停留在以人工將水果切開抽 檢之破壞性檢驗方式，不僅耗時耗力，且因無法大量檢查，可 罪度不高，而X光檢測機來執行檢疫工作可以提高簡易效率， 並且不用破壞水果，然而最終仍需要人來檢視影像，判定該水 果是否帶有蟲害。 而對於影像分離之技術，目前則多以全面性二元化閥值 (Global Thresholding)來執行，此方法為整張影像皆使用相 同的一個二元化閥值’除非所欲分離之影像之灰階值強度差異 相當大，否則容易有誤判之情形發生。 /' 【發明内容】 目f國内之水果檢疫作業，尚停留在以人工將水果切開抽 f之破壞性檢驗方式，不僅耗時耗力，且因無法大量檢查，可 罪度不尚’而X光檢測機來執行檢疫工作可以提高檢疫效率， 並且不用破壞水果，然而最終仍需要人來檢視影像，判定該水 果是否帶有蟲害。而對於影像分離之技術，目前則多以全面性 一兀化閥值（Global Thresholding)來執行，此方法為整張影 1277911 像皆使用相_ -個二元化閥值，除非所欲分 值強度差異相當大，倾料有誤狀情形發 1象之灰階 本項蟲害影雜疫觸綠乃糊·處理 光檢，機所擷取之影像⑽之灰階影像）執行辨識， 疑似蛾害之區域，其執行程序如圖一所示。 斷出 由 本影像處理方法之特點為可以有效避免χ光影 於水果厚度不-產生之灰階健錢化對二元化造成之？塑。 水果影像若以傳統之全面性二元化閥值處理（即所ϋ 化严）’將會取得環狀之影像，無法:離 水果及蟲害之μ。由於適雜二元化賊處理之特 =像素皆有其特定之二元化_，因此於執行二元化時^依 據该點四週之果肉灰階值強度來決定其二元化閥值。以此方法 則不會如傳統二元化一般將灰階值較低之果肉部份誤宝 蟲姓食之空洞。 、口 輸入之χ光影像經由上述步驟處理過後，由程式於 像標示出蟲害損傷部位，方便水果蟲害檢疫判讀。 & 【實施方式】 1·去除背景雜訊 景：^象在操取時，常有雜訊的產生，雜訊對於後續的影像處 理不但會造成不必要的計算，也會影響影像處理後的結果好壞， 因此取像的品質及前處理作業常是影響整個影像作業的重大 ^鍵。根據分析此種χ光影像的灰階分佈圖，背景像素均為 車父低灰階值，因此將灰階分佈圖上靠近全暗處第一個高峰附近 及以下之灰階值皆視為0，如此除了可去除所有背景雜訊的影 響，也可縮小作業區域，加快整個影像處理作業，還可作為水 果内部範圍之參考依據。 1277911 2·適應性二元化(Adaptive Thresholding；) 適應性二元化之目的是為了取代傳統式的全面性二元化， 給予每個像素不同的二元化閥值，此部份由LabVIEW呼叫自 行撰寫之動態連結檔（.dll)執行。針對一張灰階影像，適應 随—兀化之方法如下： a·)由影像最左上角取一 32x32像素大小之範圍(如圖二的示意 ，10)，計算此區域像素之灰階值平均值，此平均值即為該^ ^中心點像素之二元化賊。接下來料算朗右移16個像 ^(如圖二的示意圖η)，重複上述運算，可計算出整張影像上 距16像素之二元化閥值網點(如圖二的示意圖12)，而 上網點之閥值則直接設為255。 1 像上所有像素對應的二元化雖，依據上步驟所求
公式1 p(x\y)^ 其中，
In :相鄰四個網點之閥值 Rr·.4 :四個網點與該像素之距離 b·)依據計算 作0 出之二元化閥值對應表，對整張影像執行 二元化動 .去除水果輪廓 1277911 4·去除小區塊(Rem()ving s咖讀〇㈣ 先影ϊί 如果_粒及種子等，使得χ 理後，仍難iii trirf經過適應性二元化處 舱所4L 傷〜像—起留下來，不過此時這些果肉顆 雜却，晰、、、已變·小，損傷面積通常遠大於這些 i以可以採用區塊分析法(Blob八^以也)來去除這些小 *向邛分。根據實驗分析，這些小區塊的面積值視水果種類 的不同而麵差異，故在魏影像處理絲巾，材法設計了 一個可設定之參數，此參數隨所選定水果的不同而有變化。 【圖式簡單說明】 第一圖係影像處理之流程圖 第二圖係適應性二元化各步驟之示意圖 【主要元件符號說明】 10選取區域示意圖 11移動至下一區域示意圖 12閥值網點示意圖 13内差法示意圖 9
Claims (1)
- Ϊ277911 朽年P月4日修(爽)正本 ’其方法依序為： 十、申請專利範圍： 1· 一種水果X光影像蟲害自動辨識影像處理方法 去除雜訊-係去除經影像擷取時，所產生不必要的雜訊； 適應性二元化-係用於分離病蟲害損傷影像； 去除水果輪廓-係用來找到影像中物體的外型輪廓； 刪除小區域-係去除待測物雜訊區； 輸出結果_係將最後結果標示於原圖。 2·如申請專利範圍第1項所述之水果X光影像蟲害自動辨識影像處 理方法，其中去除雜訊進一步包括將灰階分佈圖上靠近全暗處 一個高峰附近及以下之灰階值皆視為0。 丨·如申請專利範圍第1項所述之水果X光影像蟲害自動辨識影像處 理方法，其中該去除雜訊方式是利用灰階值的不同。 4·如申請專利範圍第1項所述之水果X光影像蟲害自動辨識景^象产 理方法，其中適應性二元化可將影像分為數個小區你 ，依據各 小區塊計算出二元化閥值之網點後，再以伍内差法求出所有像 素之二元化閥值之方法。 塊先求 丨妒申請專利範圍第1項所述之水果X光影像蟲害自動辨識景〗像_ 瘳方法，其中該適應性二元化將影像切割成數塊，名 10 1277911 出其一元化閥值(Threshold)，該閥值即為此區塊中心像素的閥 值，而影像中的其他像素，則以最接近的四個區塊中心像素之 閥值及距離及帶入户(x’，y)= 其中’ II·..4為相鄰四個網點之閥值，Ri *為四個網點與該像素之 距離’求知各自閥值，求出每一像素的閥值後，套回原圖根據 之月D求出的每點閥值分別對每個像素作二元化處理，如此區域 性的二元化處理可成功的分離出蟲害損傷部分之影像。 6.如申請專利範圍第1項所述之水果χ光影像蟲害自動辨識影像處 理方法’其中去除影像中水果輪廓將原影像減去姻後之影像 以達到去除水果輪廓之目的。 11
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW94105976A TWI277911B (en) | 2005-03-01 | 2005-03-01 | An image processing method for selected fruit by the X-ray scanner to automatically identify the region of injury within the scanned fruit |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW94105976A TWI277911B (en) | 2005-03-01 | 2005-03-01 | An image processing method for selected fruit by the X-ray scanner to automatically identify the region of injury within the scanned fruit |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW200632786A TW200632786A (en) | 2006-09-16 |
| TWI277911B true TWI277911B (en) | 2007-04-01 |
Family
ID=38626078
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW94105976A TWI277911B (en) | 2005-03-01 | 2005-03-01 | An image processing method for selected fruit by the X-ray scanner to automatically identify the region of injury within the scanned fruit |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI277911B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109752391A (zh) * | 2018-12-25 | 2019-05-14 | 中国农业大学 | 一种基于机器视觉的胡萝卜表面缺陷识别量化方法 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI667620B (zh) * | 2018-01-25 | 2019-08-01 | 國立臺灣大學 | 蟲害監控系統 |
-
2005
- 2005-03-01 TW TW94105976A patent/TWI277911B/zh not_active IP Right Cessation
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109752391A (zh) * | 2018-12-25 | 2019-05-14 | 中国农业大学 | 一种基于机器视觉的胡萝卜表面缺陷识别量化方法 |
| CN109752391B (zh) * | 2018-12-25 | 2020-06-30 | 中国农业大学 | 一种基于机器视觉的胡萝卜表面缺陷识别量化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW200632786A (en) | 2006-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105092598B (zh) | 一种基于连通域的大幅面pcb板缺陷快速识别方法及系统 | |
| Rong et al. | Computer vision detection of surface defect on oranges by means of a sliding comparison window local segmentation algorithm | |
| Omid et al. | An expert egg grading system based on machine vision and artificial intelligence techniques | |
| US6614924B1 (en) | Adaptive mask technique for defect inspection | |
| Anand et al. | Flaw detection in radiographic weldment images using morphological watershed segmentation technique | |
| Boukouvalas et al. | Ceramic tile inspection for colour and structural defects | |
| CN109377485A (zh) | 一种方便面包装缺陷机器视觉检测方法 | |
| Nacereddine et al. | Weld defect detection in industrial radiography based digital image processing | |
| JP5192547B2 (ja) | 半導体基板の欠陥を検出する装置と方法 | |
| 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 | |
| Arivazhagan et al. | External and internal defect detection of egg using machine vision | |
| Ahmed et al. | Automatic crack detection from pavement images using fuzzy thresholding | |
| JP5520005B2 (ja) | 木材欠陥検出装置およびその方法 | |
| CN113971681A (zh) | 一种复杂环境下带式输送机边缘检测方法 | |
| TWI277911B (en) | An image processing method for selected fruit by the X-ray scanner to automatically identify the region of injury within the scanned fruit | |
| EP0985531A1 (fr) | Inspection automatique de la qualité d'impression par un modèle élastique | |
| CN117218437B (zh) | 一种ct技术结合机器学习原位定量土壤颗粒有机质的方法 | |
| JPH0961138A (ja) | ひび割れ抽出装置 | |
| Hassoon | Classification and Diseases Identification of Mango Based on Artificial Intelligence: A Review | |
| CN116843640A (zh) | 瓷砖表面凹坑缺陷检测方法、系统及存储介质 | |
| JPH06207909A (ja) | 表面欠陥検査装置 | |
| CN112465817B (zh) | 一种基于方向滤波器的路面裂缝检测方法 | |
| JP2003123073A (ja) | 欠陥検出方法 | |
| Kim et al. | Defect detection in ceramic images using sigma edge information and contour tracking method | |
| JP2022029137A (ja) | 電子機器画面部のグレード判定方法及びシステム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | Annulment or lapse of patent due to non-payment of fees |