基于圖像處理的機(jī)采棉雜質(zhì)圖像提取

基于圖像處理的機(jī)采棉雜質(zhì)圖像提取

由于機(jī)械選擇的特殊性，是衡量機(jī)械產(chǎn)品的重要標(biāo)準(zhǔn)之一。根據(jù)國家農(nóng)業(yè)行業(yè)標(biāo)準(zhǔn)（nyt1133-2006）的操作質(zhì)量，機(jī)械選擇的針頭重量為12%。近年來,隨著精細(xì)農(nóng)業(yè)的不斷發(fā)展和機(jī)采棉質(zhì)量要求的不斷提高,降低機(jī)采棉含雜率成為國產(chǎn)采棉機(jī)研制及優(yōu)化改進(jìn)的一項(xiàng)重要任務(wù)。而如何快速準(zhǔn)確地檢測(cè)機(jī)采棉的含雜率并為采棉機(jī)的研制和優(yōu)化提供數(shù)據(jù)支持,成為一項(xiàng)亟待解決的問題。隨著機(jī)器視覺技術(shù)和圖像處理技術(shù)的不斷發(fā)展,基于圖像的棉花雜質(zhì)檢測(cè)技術(shù)和皮棉異纖檢測(cè)技術(shù)已展開了一定的研究。郭俊先等采用高光譜成像技術(shù)對(duì)表層棉花雜質(zhì)進(jìn)行表層棉花雜質(zhì)檢測(cè)［1－2］。丁名曉等針對(duì)工業(yè)環(huán)境中非均勻光照條件下的棉花圖像,利用Gabor濾波器提取圖像的紋理特征,結(jié)合形態(tài)學(xué)濾波和連通域分析檢測(cè)出棉花中的雜質(zhì)［3］。王偉等提出了一種實(shí)用的棉花雜質(zhì)高速檢測(cè)方法,該方法采用3D-LUT技術(shù)、HSI色彩空間、彩色運(yùn)動(dòng)補(bǔ)償技術(shù)等［4］。李國輝等采用Gabor算子提取多個(gè)方向的特征向量,融合成特征圖,由此增大背景與目標(biāo)之間的對(duì)比度,提取雜質(zhì)特征［5］。Siddaiah等計(jì)算軋花后雜質(zhì)占棉花樣本面積的比例,對(duì)比自適應(yīng)網(wǎng)絡(luò)模糊推理系統(tǒng)(ANFIS)和其他識(shí)別算法［6］。Tae等將原棉彩色圖像轉(zhuǎn)化成灰度圖像,采用8領(lǐng)域方法,選擇閾值分離出植物性雜質(zhì),計(jì)算雜質(zhì)數(shù)量、含量和分布［7］。上述研究的算法較復(fù)雜,多適用于棉紡加工中的皮棉和梳棉等,不適宜機(jī)采棉雜質(zhì)的檢測(cè)研究。本研究旨在運(yùn)用VS2010開發(fā)平臺(tái)和OpenCV開源機(jī)器視覺庫,設(shè)計(jì)開發(fā)機(jī)采棉雜質(zhì)檢測(cè)算法,為機(jī)采棉含雜率快速、準(zhǔn)確地檢測(cè)與估算奠定基礎(chǔ)。1圖像采集和圖像處理本試驗(yàn)針對(duì)國有自主產(chǎn)權(quán)梳齒式統(tǒng)收采棉機(jī),隨機(jī)采集樣本。樣本雜質(zhì)含量較高,且分布復(fù)雜,雜質(zhì)以棉鈴殼、枝稈、碎葉為主。試驗(yàn)選取雜質(zhì)分布均勻且具有代表性的棉花樣本100mm×120mm,將其平鋪在綠色背景板上,厚度約10mm。圖像采集設(shè)備主要由Matrox/Meteor-Ⅱ圖像采集卡、TMC-7DSP數(shù)字彩色攝像機(jī)、4支F40BX/480熒光燈光源等組成。圖像處理硬件平臺(tái)為Interue3ebCoreTMDuo,CPUE84003.00GHz,1G內(nèi)存,WindowsXP操作系統(tǒng)。開發(fā)平臺(tái)為VS2010環(huán)境下加載的OpenCV2.3.1開源視覺數(shù)據(jù)庫。OpenCV是一個(gè)開源的計(jì)算機(jī)視覺庫,采用C/C++語言編程,提供了豐富的圖像及計(jì)算機(jī)視覺處理函數(shù),為數(shù)字圖像處理、計(jì)算機(jī)視覺技術(shù)應(yīng)用提供了極大的方便［8］。2模型編碼和噪聲濾波本算法先將原圖像(圖1)轉(zhuǎn)換為HSI和Lab顏色模型,分別提取HSI模型的色飽和度(S)分量和Lab模型的b分量;然后進(jìn)行形態(tài)學(xué)濾波降噪處理,采用自適應(yīng)閾值分割圖像,提取棉花圖像和雜質(zhì)圖像,再運(yùn)用邊緣檢測(cè)、連通區(qū)域分析計(jì)算各自像素面積。具體算法流程如圖2所示。2.1基于色度值的圖像屬性2.1.1HSI顏色模型HSI模型完全反映了人感知顏色的基本屬性,與人感知顏色的結(jié)果一一對(duì)應(yīng),因此,HSI模型被廣泛應(yīng)用于人的視覺系統(tǒng)感知演的的圖像表示和處理系統(tǒng)中。RGB轉(zhuǎn)換為HSI顏色模型:其中:2.1.2Lab顏色模型由于人類視覺系統(tǒng)的響應(yīng)是粗略的對(duì)數(shù)關(guān)系(可以感知約1%的相對(duì)亮度變化),國際照明協(xié)會(huì)(CIE)定義了XYZ空間的一個(gè)非線性重映射稱作L*a*b*或CIELAB［9］,其亮度或色度上的差別在感覺更一致。從RGB到XYZ的轉(zhuǎn)換為:亮度的L*分量定義為:其中:Yn是標(biāo)稱白的亮度值(Fairchild2005)且是三次根的有限斜率近似,δ=6/29,所產(chǎn)生的0~100標(biāo)度粗略地度量等量的亮度可感知性。以類似的方式,a*和b*分量定義為:其中:(Xn,Yn,Zn)是測(cè)量白點(diǎn)。2.1.3顏色模型在本研究中的應(yīng)用顏色特征是應(yīng)用最廣泛的視覺特征,提取簡(jiǎn)單,容易描述。與其他特征相比,顏色特征對(duì)圖像尺寸、方向和視角的依賴性小,表現(xiàn)出較強(qiáng)的魯棒性［10］。不同的顏色模型涵蓋不同的顏色特征,通過顏色模型的轉(zhuǎn)換可對(duì)圖像的某些特征進(jìn)行提取分離,從而為圖像處理提供方便。本研究結(jié)合HIS、Lab等2種顏色模型的優(yōu)點(diǎn):(1)都將亮度單獨(dú)從圖像中提出,且不影響圖像的彩色信息,可以有效地消除光照不均給圖像帶來的影響;(2)2種顏色模型所提取的分量都與人類的視覺感知緊密相連,可以更容易、更有效地模擬人的色彩感知,從而對(duì)圖像進(jìn)行分割。2.2模型圖像分量提取顏色分量提取可將顏色模型中不同分量的信息進(jìn)行分離,以灰度級(jí)的方式描述顏色信息的強(qiáng)弱,實(shí)現(xiàn)三維顏色空間的二維表達(dá)。2.2.1HSI顏色分量提取將采集的機(jī)采棉RGB圖像轉(zhuǎn)換為HSI模型圖像,提取HSI模型圖像的3個(gè)分量H(色調(diào))、S(飽和度)、I(亮度),分量灰度圖提取效果圖3所示。2.2.2Lab顏色分量提取將采集的機(jī)采棉RGB圖像轉(zhuǎn)換為L(zhǎng)ab模型圖像,提取Lab模型圖像的3個(gè)分量L(亮度)、a(洋紅色至綠色)、b(黃色至藍(lán)色),分量灰度提取效果見圖4。飽和度(S)形容顏色的鮮艷程度,棉花顏色接近白色,飽和度最高且易于分割。機(jī)采棉雜質(zhì)以紅棕色和褐色為主,分量下雜質(zhì)灰度較高,而背景板(綠色)灰度較低。因此,b分量下雜質(zhì)提取快而準(zhǔn)確。結(jié)合棉花雜質(zhì)顏色與棉花及背景板顏色的差異,選取飽和度(S)和黃藍(lán)色軸(b)可快速有效地分割圖像。2.3中值濾波器、濾波器的應(yīng)用在獲取棉花圖像時(shí),由于種種原因如光照、相機(jī)結(jié)構(gòu)、對(duì)象特性等因素,往往會(huì)引入噪聲。圖像處理過程中,顏色模型的轉(zhuǎn)換、分量的提取都會(huì)產(chǎn)生影響圖像處理效果的噪聲,有效消除噪聲可以降低圖像處理難度,提高圖像的處理質(zhì)量。中值濾波器可較好地保留圖像細(xì)節(jié),處理迅速,應(yīng)用廣泛。二維中值濾波輸出為:其中:W為二維模板,為盡量減少因?yàn)V波降噪而造成的目標(biāo)對(duì)象面積差異,經(jīng)試驗(yàn)表明,選取的二維模板W為3×3的區(qū)域時(shí),效果最佳。2.4算法設(shè)計(jì)及加權(quán)方法圖像閾值化是通過設(shè)定特定的閾值,將圖像或圖像特征提取出來,達(dá)到分割圖像的目的。閾值化的方法很多,經(jīng)典算法有分水嶺法、區(qū)分式聚類法、凝聚式聚類法等。本研究用到的OpenCV中的自適應(yīng)閾值是通過計(jì)算像素點(diǎn)(m,n)周圍b×b區(qū)域的加權(quán)平均,然后減去一個(gè)常數(shù)c來得到自適應(yīng)閾值。加權(quán)方法分為平均加權(quán)和高斯加權(quán),本研究使用平均加權(quán)方法。閾值T計(jì)算如下:圖像分割效果如圖5、圖6所示。2.5輪廓特征檢測(cè)對(duì)圖像輪廓的提取,本研究用到的是OpenCV中的cvFindContours和cvDrawContours2個(gè)函數(shù)。cvFindContours函數(shù)可以從二值圖像和Canny邊緣檢測(cè)圖像中獲取輪廓信息,以序列和數(shù)組的形式儲(chǔ)存,并將多個(gè)輪廓聚合成輪廓樹。根據(jù)圖像輪廓周圍灰度值的不同將輪廓分為外部輪廓和孔。cvDrawContours函數(shù)通過cvFindContours函數(shù)檢測(cè)到的輪廓繪制輪廓特征。根據(jù)輸入?yún)?shù)的不同,可繪制所需輪廓(圖7)。對(duì)棉花特征內(nèi)的雜質(zhì)孔洞行進(jìn)內(nèi)部填充,計(jì)算面積;對(duì)雜質(zhì)面積進(jìn)行計(jì)算并求和。棉花像素面積為586157,雜質(zhì)像素總面積為54608。機(jī)采棉雜質(zhì)面積占棉花總面積的比率為9.32%。3棉田織物的雜質(zhì)檢測(cè)針對(duì)機(jī)采棉雜質(zhì)成分特征及分布狀況,結(jié)合圖像處理顏色空間理論,設(shè)計(jì)機(jī)采棉雜質(zhì)提取試驗(yàn)。根據(jù)飽和度(S)與黃藍(lán)色軸(b)分量,選取可區(qū)分棉花與雜質(zhì)的綠色背景板進(jìn)行試驗(yàn)。試驗(yàn)結(jié)果表明,綠色背景板在S分量中與棉花灰度差異明顯,在b分量中與雜質(zhì)灰度差異明顯。因此,選取綠色背景板可容易地進(jìn)行圖像分割、特征提取。利用OpenCV開源數(shù)據(jù)庫,通過顏色模型轉(zhuǎn)換、分量提取、中值濾波消噪、自適應(yīng)閾值分割、輪廓繪制等處理,得到了較理想的棉花面積和雜質(zhì)總面積。棉花像素面積為586157,雜質(zhì)像素總面積為54608,雜質(zhì)面積比率9.3