毕业论文---稻米外观品质检测技术

毕业论文---稻米外观品质检测技术内容摘要：

24） 其等价方程： }:{ AxBxBBA   （ 25） 上式表明，开运算可以通过计算所有可以填入图像内部的结构元素平移的并求的。 实际上，开运算是先作腐蚀运算，再作膨胀运算的结果，如图 24 所示。 图 24 开运 算 开运算常常使用圆形结构元素，因为圆形结构元素具有旋转不变性。 利用圆形结构元素作开运算既可以起到磨光内边缘的作用（即可以使图像的尖角转化为背景）又可以起到低通滤波的效果。 开运算具有去噪的功能，主要去处图像中的微小连接，孤立点和突出部分，切断细长的搭接而起到分离的作用，使图像更加平滑。 A B (A B) B B A A B 基于图像的稻米外观 检测系统研究 10 根据稻米图像的特点，利用 22 的结构元素对稻米图像进行开运算，去除噪声，其结果如图 25 所示。 (a)带噪声 的稻米图像 (b)开运算后的稻米图像 图 25 稻米图像去噪 浙江理工大学信息电子学院本科毕业论文（设计） 11 第 3 章 稻米外观检测算法研究 稻米粒型的检测 稻米粒型是指稻米粒长与粒宽的比值，可以通过长度，宽度信息来描述，是稻米品种的重要特征之一，是商品稻米分类和定价的主要依据之一。 因此，有必要获得稻米粒型的准确信息。 目前，国内对稻米粒型的检测主要依赖于人工利用直尺等工具进行测量。 根据稻谷国家标准，采用直尺测量稻米粒型，即随机数取完整无损的精米 10 粒，平放于测量板上，按照头对 头、尾对尾，不重叠、不留隙的方式，紧靠直尺摆成一行，读出长度，求其平均值即为精米长度，精米宽度测量方法类似，由此引起的人为误差较大。 针对目前在稻米粒型检测中依靠人工费时、费力、精度难于控制等问题，本节拟通过最大类间方差法自动确定图像分割阈值，采用顶点链码和最小外接矩形方法获得稻米的长、宽信息 [30]。 二值图像链码表示 图像二值化之后一般包含许多相互独立的区域。 图像处理的重要任务就是将它们寻找出来，并对其进行分析和特征提取。 因此，描述区域的数据结构十分重要。 对图像中的区域有两种常用的表示方法，直 角坐标表示法和链码表示法。 (1) 直角坐标表示法：将图像边界上的各个坐标全部保留，把边界顺序勾画出来。 例如： ),(),(),(),( 332211 nn yxyxyxyx 等。 (2) 链码表示法：用起点坐标加方向码来表示图像边界上的各点坐标及其相互位置关系。 常见的有四领域链码和八领域链码，如图 31。 例如对于 8 连通链码，链码取值 7~0 ，按逆时针方向递增，链码值加 1 表示其方向顺时针旋转o45 ，当链码值超过 8 或者小于 0 时，就得除去或补上 8。 与直角坐标表示法比较 ，链码表示法的优点明显，它把二维图像的存储和处理变成一维链上的问题，对于处理大尺度的图像而言，链码表示法既节省了存储空间又提高了处理速度。 基于图像的稻米外观 检测系统研究 12 (a) 四领域链码 (b) 八领域链码 图 31 链码表示法 链码编码的基本思想是：先利用某种规则的单元格将图像铺满，然后对目标图像边界上的每一个节点根据与之相连的单元格的情况进行 编码。 从图像边界上任意一个节点出发，按一定方向沿着图像边界走一圈，依次将所有节点的编码都记录下来，所形成的序列就是该图像的链码编码。 顶点链码表示 链码表示法中应用最广泛的是弗里曼链码（ Freeman， 1961） [2224]。 在弗里曼之后提出多种编码的改进方案 [2526]， Bribiesca[27] （ 1999）提出的顶点链码编码（ Vertex chain code）就是其中之一。 顶点链码编码是利用边界线上单元格的边或者顶点进行编码，即从任意一个顶点出发按一定的方向由边界上所有顶点的编码组成的 一个序列。 Bribiesca 对顶点链码编码做了系统的研究，并给出了三角点阵和正六边形点阵中的顶点链码编码。 对于一幅二维图像来说，只有三角点阵，正六边形点阵，方形点阵能铺满整幅图像。 从应用的角度出发，利用方形点阵的八领域对二值图像进行顶点链码编码。 方形点阵的顶点链码编码方法如图 32 所示。 一个封闭的图形可以用编号为1， 2， 3 这三种元素进行编码。 2 0 6 3 5 1 7 4 1 0 3 2 浙江理工大学信息电子学院本科毕业论文（设计） 13 (a) 正方形点阵图形 (b) 顶点链编码元素 图 32 顶点链码编码 在二值化图像中，设黑色区域（像素值为 0）与白色区域（像素值为 255）由封闭的边界相区分。 因此，对区域边界的标定等价于对区域的标定。 对八邻域图像区域进行顶点链码编码方法如下 [28]：以  表示光标的当前位置，箭头 ( )表示前一时刻光标所在的位置，箭头方向表示行走的方向 (逆时针方向 )，序号 l， 2， 3， 4 表示位置关系编号。 当跟踪区域边界时，当前位置 与区域边界单元格的相互位置关系有 24种，由于只沿一个方向（逆时针方向）行走，因此，实际上只有如图 33 所示的 4 种位置关系。 1 2 3 图 33 四种位置关系 像素点的相对坐标定义如图 34 所示。 对于每一种位置关系，还要分析光标当前位置（  ）周围其余 5 个单元格是否空缺。 经研究发现，每一种位置关系都有六种对应的状态图。 以第一种位置关系为例，有如图 35 所示的 6 种对应的状态图。 图 35中的圆圈表示空缺单元格，即边界跟踪时可行走的方向。 当当前位置发生变化时，其坐标也相应发生改变，如 )1,1(  表示当前位置的 x 方向和 y 方向的坐标各加 1。 其余标记的意义可类推。 2 1 1 3 3 1 1 3 1 2 1 3 2 1 2 1 2 3 2 1 1 3 1 3 基于图像的稻米外观 检测系统研究 14 (1,1) (0,1) (+1,1) (1,0) (x,y) (+1,0) (1,+1) (0,+1) (+1,+1) 图 34 像素点坐标的定义 图 35 八近邻图像状态映射 由于位置关系的对称关系，将第一种位置关系下的状态图逆时针旋转 90o，可得到第二种位置关系的状态图。 以此类推，总共可得到 24 种位置关系。 这 24 种状态图构成的集合具有完备性和封闭型。 利用 24 种状态图之间的映射关系可方便地得到区域边界的顶点链码编码。 对于八领域，为每一个 位置状态规定一个顶点链子串，作为位置状态的输出、对于图 33 所示的第一种位置关系，表 31 给出了相应的链码子串。 由于对称的关系，只需给出其中的 6 个状态图的状态映射和输出映射，其余的 18 个状态图的输出状映射，可以通过对 6 个基本状态图的旋转获得。 (0,+1) (+1,0) (1,+1) (0， 0) (1,0) (+1,0) 当前状态图 下一时刻状态图 4 4 3 (+1,1) (+1,1) (+1,0) (+1,0) (+1,+1) (+1,+1) 当前状态图 下一时刻状态图 2 1 1 浙江理工大学信息电子学院本科毕业论文（设计） 15 表 31 八近邻顶点链码子串 输入状态图编号 八近邻顶点链码子串 1 2 31 32 331 332 实现最小外接矩形 由于稻米的外形近似椭圆形状，因此，目前计算稻米粒型的方法，主要是通过对稻 米进行椭圆拟合，求得椭球的长轴、短轴作为稻米的粒长、粒宽。 1999 年，黄星奕等 [4]利用计算机视觉技术研究了稻米的粒型检测，但要求米粒摆放时需朝同一个方向，其方法具有一定的局限性，限制了在实际过程中的应用。 2020 年，凌云等 [1]提出基于极坐标的粒型检测算法，通过先求出质心再求出最长轴与最短轴的方法，具有旋转不变性，但其对稻米外形进行椭圆拟合，因此准确度不是很高。 求稻米长宽实际上就是求其最小外接矩形（ MER），如果能够得出图像中稻米的最小外接矩形就可求得其长宽。 通常情况下，求 MER 方法首先对米粒进行区域标 记，获得标记区域的最左、右、上、下各点坐标值，计算其外接矩形面积大小，从 00开始，以 30为增量顺时针旋转二维图像矩阵，直至 900结束；比较标记区域外接矩形大小，当面积最小时获得 MER，此时 MER 长宽即为稻米的长宽。 此方法求 MER 是通过旋转图像矩阵来实现，计算量较大，特别当图像越大时，算法效率越差。 利用顶点链码方法将图像二维矩阵的旋转转换为一维链码上的计算，这样既节省了存储空间又提高了计算效率。 其寻找 MER 的主要思想是：首先利用边界跟踪自动机跟踪边界，得到区域边界的顶点链码表，通过解码将其转化为顶点的 x 轴方 向和 y轴方向的坐标，并找出最大和最小坐标即 ),( maxmax1 yxP 和 ),( minmin2 yxP ，以此两点连线作为对角线的矩形即为图像区域的最小外接矩形，其中矩形的 minmax xxL  ，宽基于图像的稻米外观 检测系统研究 16 为 minmax yyW 。 具体实现算法如下 [30]： (1) 将 24 种状态映射图保存在数组 TempArray 中，作为状态迁移的模板保存起来为后面进行状态匹配使用。 (2) 用行扫描的方式找到图像区域的边界点并将其作为前一个点 (用 PrePt 表示 )，以此 点为基础，寻找第 2 个边界点并将其作为当前点 (用 CurrPt 表示 )。 (3) 按照顺时针方向读入以点 CurrPt 为中心的 33 窗口，将其与存储在数组TempArray 中的模板进行比对，确定下一步行走的方向并重新设置前一个点PrePt 和当前点 CurrPt，输出边界点的链码子串。 (4) 当轮廓跟踪结束后，形成边界的链码表。 通过解码来寻找 x 和 y 轴方向上具有最大坐标和最小坐标的两个点，以两点连线为对角线的矩形即为图像区域的最小外接矩形。 (a)原始稻米图像 (b)MER 后结果图 图 36 稻米粒型检测图 粒型检测实验 本实验抽取 30 粒饱满米粒进行试验，首先对大米图像进行去噪、二值化处理，然后运用最小外接矩形法求得米粒的平均长度和平均宽度，求出米粒的宽长比。 本实验求得米粒的平均长度为 ， 均宽度为 ，长宽 比为 ， 平均面积为。 浙江理工大学信息电子学院本科毕业论文（设计） 17 稻米整精米率的检测 在国家标准 GB13501999《稻谷》 [29]中整精米的定 义为：糙米碾磨成精度为国家标准一等大米时，米粒产生破碎，其中长度仍达到完整精米粒平均长度的五分之四以上含五分之四的米粒。 整精米率是稻谷标准 GB13501999[29]中新增加的内容，也是优质稻谷标准 GB/T 178911999 中的分级质量指标之一。 整精米率是稻米加工品质优劣的指标，是稻米贸易中商家最关注的内容，它与碾米厂的经济效益密切相关。 目前，国内仍采用人工目测 识别整精米与碎米，并采用称重法获得整精米率的信息。 此方法 具有较强的主观性，而且检测工作量大 、 效率低。 针对此问题。