（控制理论与控制工程专业论文）基于计算机视觉的芒果分类.pdf

摭要基于计算机视觉的芒果分类摘要在我囡，水果品质检测大部分仍停留在靠人工感官进行识别判断豹原始阶段，这神主观判定效率低，误差大。导致了我国出口水果铃观质量较差，在国际市场上缺乏竞争力。与人工感官相比，计算机视觉检测具裔速度快、信息量大、检测准确的优点。基于计算机视觉技术的芒果分类系统主要由信息获取、预处理、图像分割、特征提取和分类器设计组成。信患获取主要是滨入标准亿的图片，颓处理怒对图像进行滤波议增强图像，本文采用符合人眼对颜色感知的s 颜色模型并对亮度通道i 进 亍中值滤波，用最大方差法计算图像分割所使用的阈值。在特征选择方面，本文采用次优搜索算法和分支定界算法搜索用于分类的特征，实验结果证明只有分支定界算法熊够保证搜索到的特征是最优特征。为了提高搜索效率，本文叉提出了改进的分支定界算法。实验证明改进的分支定界算法比传统的分支定界算法搜寻速度提高很多，而且隧着特征个数的增翮，有效性越来越明显。对于分类器的设计，本文采用了三种方法：c 一均值法、最近邻法和线性函数法。g 一均值算法不需要学习样本，但是分类误差比较大，这是因为它受初始聚类中心的影响；最近邻法和线性函数法需要学习样本，为了解决在小样本条件下兼顾学习样本和测试样本的问题，本文提出了留一法。实验证明最近邻法分类效果较好，而且比较简单，在保证学习样本数量的条件下，线性函数法效果最好。关键词： i s 模型中值滤波最大方差法改进的分支定界法瞎一法a b s t r a c tc l a s s f l c a t i o no fm a n g ob a s e do nc o m p u t e rv l s i o na b s t r a c ti no u rc o u n t r y ，d e t e c t i o n so ff r u i t sa r em a i n l yd e p e n d e do nt h eh u m a n ss e n s eo r g a n s ，w h i c hl e a dt ol o w n e s so fe f f i c i e n c ya n db i g n e s so fe r r o r t h ea p p e a r a n c eq u a l i t yo fe x p o r tf r u i t sl o o k su g l y 。a sar e s u l t ，t h ef r u i t sa r es h o r to fc o m p e t i t i o ni nt h ei n t e r n a t i o n a lm a r k e t c o m p a r i n gt oh u m a ns e n s eo r g a n s ，c o m p u t e rv i s i o nt e c h n o l o g yi sh i g h e r s p e e d ，l a r g e ri n f o r m a t i o na n dm o r ep r e c i s i o nq u a l i t y t h es y s t e mo fm a n g o sc l a s s i f i c a t i o nb a s e do nc o m p u t e rv i s i o ni sc o m p o s e do fa c q u i r i n gi n f o r m a t i o n ，i m a g ep r e t r e a t m e n t ，i m a g es e g m e n t a t i o n ，c h a r a c t e r i s t i c sp i c k e d u pa n dd e s i g n i n gc l a s s i f i c a t i o n a c q u i r i n gi n f o r m a t i o ni st oi m p o r ti nt h es t a n d a r di m a g e ，p r e t r e a t m e n ti st ob o o s tu pt h ei m a g e t h ec o l o rs y s t e mo fh i s ，w h i c hi sa c c o r d e dw i t hh u m a n sa p p e r c e p t i o no fc o l o r ，i sa d o p t e d ，t h e nm e d i a nf i l t e ri su s e dt of i l t e rt h ei m a g eo fi t h et h r e s h o l dw h i c hi su s e dn ri m a g es e g m e n t a t i o ni sc o m p u t e dw i t hm a x i m a ls q u a r ed i f f e r e l i c e w h e ni tc o m e st of e a t u r es e l e c t i o n ，s e v e r a li n f e r i o rt oo p t i m a ls o l u t i o nm e t h o d sa n dt h eb r a n c ha n db o u n d ( b a b ) a l g o r i t h ma r eu s e dt os e a r c ht h ef e a t u r e sf o rc l a s s i f i c a t i o n 。t h ee x p e r i m e n ts h o w st h a tt h ee x c l u s i v em e t h o di sb a ba l g o r i t h mt h a ti ss u r et oa c q u i r et h eo p t i m a lf e a t u r e s i no r d e rt oi n c r e a s es e a r c h i n ge f f i c i e n c y ，t h ei m p r o v e db r a n c ha n db o u n d ( i b a b )a l g o r i t h mi sm e n t i o n e d t h ee x p e r i m e n ts h o w st h a ti b a bi sm u c hf a s t e rt h a nb a ba n dm o r ea n dm o r ee f f e c t i v ew i t ht h ei n c r e a s i n go ft h ef e a t u r e s ，t h r e em e t h o d sa r ed i s c u s s e di nt h i sp a p e rt od e v i s et h ec l a s s i f i c a t i o n ：a b s t r a c tc - m e a nm e t h o d ，t h en e a r e s td i s t a n c ea n dl i n e a rf u n c t i o nm e t h o d c - m e a nm e t h o dd o e s n tr e q u i r et h el e a r n i n gs a m p l e s 。i td o e s n tw o r kw e l l ，b e c a u s ei ti sd e t e r m i n e db yt h eo r i g i nc e n t e r s t h en e a r e s td i s t a n c ea n dl i n e a rf u n c t i o nn e e dl e a r n i n gs a m p l e s t h em e t h o do fr e m a i n i n go n ei si n t r o d u c e dt os o l v et h ep r o b l e mt h a tt h e r ed o e s n th a v ee n o u g hs a m p l e s t h ee x p e r i m e n ta r g u e st h a tt h en e a r e s td i s t a n c ei sg o o da n dw o r k se a s i l y o nt h ec o n d i t i o no fs o m es a m p l e s 。t h em e t h o do fl i n e a rf u n c t i o ni sb e s t k e y w o r d s ：c o l o rs y s t e mo fh i s ；m e d i a nf i l t e r ；m a x i m a ls q u a r ed i f f e r e n c e ；i m p r o v e db r a n c ha n db o u n da l g o r i t h m ；r e m a i n i n g - o n ei i t第1 章l 言第 章雩 言 。 凌器疆凳静霾麓毒豢义我翻是个农业大国，水粜产餐居馓辨之酋，但出蹦赞所占的比例却较少。众掰羯翔，我瀚赛秘弱戮舔带场上耱永鬃，其菇蒺并不疆乎霎努褥类产瑟，造藏这静凌象蕊一令重要藏滚簸是零粱慕臻磊楚纛羁苇渗器。先避强豢拳梁录揍胎1 0 0 耍经避商品化处理( 清洗、打蟥、分级、包髓) 后投放市场，而我酾仅爵l 筠，结果鬟彩晌了承祭外观品质珏j 。水采的分懿棵包装直接影晌戮它在市翳主篓攀整，这怒鼗翼零聚生产鲎童魏太薄疆繇攀。建避蓬象戆承聚经过蠢赫化处疆淤舔，不仅拉舞了价格稽次，舔晨方便了麓藻者；瑟我嚣承榘由予采摘詹处理环节薄弱，使得外销水果的品质瓣以褥到傈溅，加上分类不严格，蕊置笼黢揍，惫装路驻鼗糙，捷嫩暴熬羚焦辩鼗争秀夫为辫低，嚣毙势爨迂经壤秀辫酶我溪零慕& 疆翡重簧因素。：分类是獠精簧求做出不黼类别的一种判断。我瀚健统盼水栗分类采取的方法主要窍以下三秘；t( 1 ) 天工分类。递进入精羧蘩塞接溪溅痰采来邀舒翔藜。然霹，人工努类有很大的缺淼，主要有：势确重大、生产效率低、分瓷标准难蕊确定、分类耩浚苓稳定。潮海奁芒果瓣势类振准审，饕色瑟积帮缺陷嚣积戆发爨，仅凭人豹斑驻难瑷耪镶邋分；露羹人长越超耀眼，会造成视爨痰势漫婕缝的举稳定，从褥涟成努类诶麓靛波魂。弱辩，藏搴卡分蘸下，无法巍鑫凑馥安产绫黥玺产麓力穗魄。( 2 ) 机械化分类。主群霄尺寸分类机期重焦分类机。尺寸分豢机主要由开蠢不嚣尺寸邋乳憨努袭筵送装嚣、分离滚淤、溏理勰子鞠骞分支酶输送芬装霆漱成。大小不同的承采分剐避入穗应斡掰张，孬由佼遴繁运走。熏澄分类撬裂心枉抒原理工佟。在杠杆端加有配重码，另一端为称莺的圆擞，麟盘上盛放褥检测承象。鲞承渠重鏊越过嚣重瓣麴黛蕊孵，在移失去乎鬻，瑟懿淘下魏剩，窳鬃筏魏嶷海辆盛翡类聚。氍藏稼凳类薮熬在一定糕魔童减轻? 赘赣强度，毽燃只能根据嫩鬃的大小期熬餐来分类，溅法完成形状、尺寸、成熟度、表丽缺黻等方褥的练食译定。第1 章簪l 害( 3 ) 兜惑癸类箕孛鑫麓努选螽痤麓最广。竞攀鑫动劳透台藤置像藜蹩莲糕嬲求象表露瓣不舔波长穗潮肉鹣必豹啜救窝爱射来静辑箕叛色特筑，跌瑟决定农果的质量镰缀，该方法只麓对承果鲍淡箍色泽进豁削别，而忽略其它方诼鲶特征，数存裘撮大蘸慧蕊缝，苓逶台永榘鼷震垒蘸稔溺翁鬈要。近年来，髓藩计算梳投求、露豫廷聪技术释模式锻掰技术静发糕* 计雾撬襁嫩检测技术糖代餐积越越人的视觉功熊潞面取褥了系列惊人的成粱，显示了强文熬垒套老。l ，2 计算枧视觉捡测技术弹雾援撬鬣捡溅搜拳帮攒剃凑诗募辊褴觉系统采伐替天王筏擞遴稽产熬囊爨检溺豹薪兴攘零，是箍蕊产菇震量懿骞散途径秘。谛群撬视觉蔻秣诗簿凝羁蓬稼滚取部分为工兵，潋图像狳瑾技术、戮椿分瓣搜零、模式识剐技术、久王智戳技寒为羲魏，处理嚣获褥的瘸像镶号，势从圈像中获取某些特定僚息。计募飙税觉援零竞嚣按照特囊澍象霞霄获获彀煞匿缘中餐辫大羹静落塞，遴造瓣遮热倍意的分褥褥弼物体氏寸、袭西毓溶、辨磊形状、液鬣包度等具体信怠，涟瓣嶷现耱鼹威熬的综合评价。计算枧视激技术的出现为产品表隧震激检测与控剿攥鬓? 奏力熬技零爨透，该装拳奉费浆壤震凌定了溶狰捡嚣方凌怒 接熬熬，j 鼙破坏瓣，丽蠢是灵活静。窀使禧产鑫袭溪覆爨戆捡渊蠢式发生了本葳魏变倦，碳实现蠢分老嚣豹宠全梭测，蕊且邋过程计算拶l 上实溉多秘自动识别技术秘智能技术阿极大擞窿捻测芍识捌任务豹自动他承乎和智能承乎，可取得显著豹经济散燕嚣社会效蕊。1 3 国内外鲋水果品暇融劫检测研究的现状诗冀瓿攥鬣按零在农产撼孛抟纛震是在褥苹我麓麓努婕崭露头麓戆。蘸饕瀚像处壤技术的专监佬冀计算机硬件成本盼下簿和遮液静提高，t 襁农产晶菇质瞧渤捡测壤域邈变褥越来趟黩有瑕弓l 力。嵌水聚晶震捡溅穷瑟，雹铃除了迸姆舞部品囊 擞丈枣、形羧、羰煎、袭耍缺麓等) 篓筏测终，还遴行内帮瑟鬟熬滗损检溅。寄蹙稔溅顼瓣蠢缝商磊稼置稔这菇燕辩饕求。在国蠹，拳采浆蘸震娥溅研究麸零代方野烛。羰藏，仍然矬量起步阶激。27 屯第1 章l 言1 。3 嚣羚辩求栗瑟霞蠹蘧羧溺豹骚突簪外麸7 年 弋末开始耐究鞠瘸诗舞机撬觉对莱安、麓菜送行爨璐检溅、分类的技拳，他们在这一领域做出了卓越的黉献p l ，主要成果蠢：g 。e 。r e h k u g l c r 等 1 9 8 6 年，1 9 8 9 零) 辩l 裂麓撬器援觉寝蒸获终戆势类标准对肇采避褥分类。毽融乎获取水果全酃表瑟图像溺罐，承暴表鼷缺陷情况笈焱，以及处溅意法上存在的鲺啄等，馒分级误羞较大。p 。c h e n ( 1 9 9 1 年、1 9 9 3 笨) 6 1 憨结7 援予农产熬熬鹱无授捡测移分缀魏一些方法。n 。s i n g h 嚣( 1 9 9 4 冬) 晰应用桃子的蛊方阕以及枯鄯列的缺陷像素，发展? 缺陷分割和图像处理方法。分析并实验了机器视觉系统在监测和识别主要缺黧穷覆瓣毪驻。谖弱畜芰要靛陷( 移霹、瘗痰、磋爨耪蠡魏) 懿辩予，慈翡谈别误差为2 8 6 。y t a o ( 1 9 9 5 年，1 9 9 8 簪) 1 8 , 9 1 0 】应用计算机视觉肖效地鉴别了码铃薯和葶巢敬表受颜色；曩璩形交撩冀法，实瑷了莛巍速条黪下鼹莩鬃袭疆簸藏弱撰臻麓硷测。1 9 9 5 年n o z o r 等研制了一种适成水果自动分级的机器视擞系统，利用水采酌颜色、尺寸、形狄和爨鲎参数汇合成为褥分缀水果的一个特征淘量，并将箕输久一个豢先谖练辩酶黼棒经耀终避行等缓魏掰，露矮蠢慕幸筝沟实验襻最，熊芷确分级攀为8 5 1 。r e y c rz w i g g d a a r 等( 1 9 9 6 年) 1 越研究了用机器褫觉检查桃和窬盼损伤。为彳在鬻橡孛梭誊褒蜜臻，磷究了爨像翁努辑算法。发臻捻奎掇伤较驽鏊方法燕比率法和麓分法。l a r u i z 等( 1 9 9 6 举) p 3 1 对3 种阁像分析方法进行了研究和评价，来解次嘏藏牧获稽糖浆长果援阕鼷。1 3 2 露蠹辩水栗品袋的磷究提对予爨辨臻宠蠢茸，强国对予诗骝援救觉承粜自动捡测技术熊磺究起步鞍浚，毽运攀零在氆篓鏊癸蔽臻经验兹蘩璐，也取褥了众多残暴。1 9 9 5 年，宴未i l t l 砖利用梳器视激技术、醉入工黼绻及先学源瑷对静态承粟滋学7 莱形 酷l | 溺、必寸测爨、鲛络稔溅冬势级戆磅究，承栗的谖剐攀达到8 0 5以上，但分缀迭魔较馒，其研究结果还只是处予实验龄段一3第l 章目f 禽1 9 9 7 年，徐婿l 琏嚣舔褒了静态泰暴税鬣蓬豫籍莠移簸理技术，挺离了承栗分缓懿并行娥耀嚣法，箕串糕耩经冀算法熬并舒殛理，淡及大夺、羰德、栗渗分缎憋势行勉攥冀法，在弗聋擎处理枧上撮箍了分级速艘。鹰系毽等( 1 9 9 8 ) 器8 醚稽了票窦表霞颜色氍嚣税爨分蒺袭寒蓊宠e 鞋撬器税觉自动捡溅聚餐袭萄着憩廉耨进行努缀，建立了室内瓤器褫凳蒜镜，获取苹暴浆实的色彩黼像，劳将r g b 蝮转换成h i s 蝮。2 0 0 0 年，攀茨孛瑟卿壤月瓿器巍觉黪静态攀栗迸舒捻灏与势绥，联褥竣磐瓣势缓穗霞黎滤袋。在蕺添稔溅孛，提爨蔡予参考鹭稼麓舔麓分繁蠢法，毒糗遮蠢效域分割嫩水果表鼷缺陷，劳可消除球形水果表瓣眨射强度以腮水果表谣熬魔、大小变化的影响。2 0 0 2 年，黉塞葬擎尊漪零紧实簿努缎戆凄悫鼙豫袋集饔分豢鑫凌i 篷甏蓉凌进杼了研究，涤成了对水暴动态图像实时采集帮分缀撼铡系统懿礤律设诗，实现了对水果实时位鬣信息的脚步跟踪。l r 0 0 3 每，错蜂秘l 器变了球落嚣豫魏获凄交换与豢夔瓷挠穰鳘，撼惑了器疆鬻豫戆灰凌黟灏色失真蔽最镆整，实验然累表凌，搂爱暴鸯较好蕊霄效性，蠢利乎恢复水果的舆实灰度和颇色。总之，嚣耨豳内努对予承祭品袋自动搜溅麴研究盘婺集孛在警袋、鬃、据撬簿零澎零栗方籀。迄今麓建，鹫予黪状零燕鬃藤誉慕，还菠骞旗关方嚣熬攘燃。因此。本文基于计算枫视觉对替果融幼分类的研究怒有意义的。 。4 搂式浚嬲戆疆囊骞瀵模式讽嬲辘是惩捉爨去镦成人类鸳然巾遥过视懿、孵赞、熬激簿感害去识别外界环境的自然信息的那魑工作下例是模式识别簇统原理圈，该系统圭要蠡溢下嚣令帮分踺成：落悫藜裴、鼗筵爨，特程舞驳零选择、势类捩燕 琏，努嚣1 。l 掰示；。其中，储息获取是机器获取要处理的信息；预处理楚对于信息进行平滑、裁豫、获褒变换等操箨，使读入豹籍意褥篓| 增强；黪襁淹致秘选择怒游灌魏君瓣嫠螽邂亵蘧于磐类耱稔蔹；差 粪凌繁慧巍霉黪茬辩骧惑遴 于务类。4第1 章i 吉图1 1 模式识别系统的基本结构f i g 1 ie l e m e n t a r yc o n s t r u c t o r so f p a t t e r nr e c o g n i t i o ns y s t e m模式识剐童黉分为基于统计的模式识剐和基于结构的模式识别丽犬类。统计模式识别是从被研究的模式中选择能足够代袭它的若干特征( 设为d令) ，每一个模式舔蠹这d 个特征组或豹在d 维空闽戆一令d 维特薤囊爨来我表，予怒每一个模式就在d 维特征空间中占有个位置。一个合理的假设是同类的模式在特征空间相距很近，而不同类的模式在特征空间则相距较远，这是因为榴躐较近豹模式意味着它们蚋各个特征棚黢不多，从两东弼一类中豹可能性也2较大。魏栗焉菜释方法来分骞l 特征空藤，使得霹一类模式大俸上都淼特征空蓠的同一个区域中，对于待分畿的模式，就可根据它的特征向量位于特征空间中哪个区域而判定它属于哪类模式。统计模式识别的主要任务就是用不同的4方滋浆分黪薤空阕，使惩识嬲豹嚣翦笈够达到。结构方法立足于分析模式的结构信息。至今比较成功的是句法缭构模式识别。该方法把横式的分层结构类比于语言中旬子的构造，这样就可利用形式语言学的理论来分析模式。众灏周知，句子楚由萃词按文法规则构成。弱样，模式鑫一些模式蕊毙按一定懿绥褥蔬掰缀合掰成，分拆模式鲡俺由基元稳成的筑则就是结构分析的内容，这相当于在形式谮言学中对一个句子作句法分析。句法结构模式识别就属于这个文法所代表的那个模式类。除了分类的信息以外，句法维棱方法还怒绘出攘式鹣缝擒售惠。本文采用綦于统计的模式识别方法。在本文中，对于芒果的识别，也按照一t 图的思路来进行。其中，芒果的特征提取和选择是非常关键的，如果特征向滚的提取不埝当，嚣使后蕊豹分类器设计褥再有效，分类效采也不会缀努。5第1 章引富1 5 本文研究的目的和内容本文所完成的主要工作有以下几点：( 1 ) 采用m a t l a b 自动裁剪秘芋动裁剪穗缕合的方法建焱标准豹实验黧片；( 2 ) r g b 颜惩橇鳖与h i s 颜色模型之阕黪关系班及蕨色模型嚣选择；( 3 ) 用中值滤波法进行滤波；( 4 ) 用最大方麓法计算图像分割使用的阈值；( s ) 磊r o b e r t s 箨子求取嚣豫戆边雾；( 6 ) 用次优搜索法、分支定界法以及改进的分支定界法提取芒果特征；( 7 ) 用c - 均值法、最近邻法以及线性判别法进行分类器设计：。6第2 章芒果图像的采集及标准图像的建立第2 章芒果图像的采集及标准图像的建立2 1系统软硬件及图像采集由于实验条件的限制，本文采用数码相机对芒果进行拍摄，同时为了模拟采摘时的实际环境，在自然光照的条件下对芒果图像进行采集。为了使实验具有充分的代表性，选用不同种类、不同颜色和大小的芒果进行实验。由于图像信息量大、处理时间长，因此要求计算机有较高的内存和c p u 。系统硬件主要包括数码相机、计算机等组成。软件采用m a n a b 进行编程。数码相机型号：奥林巴司相机参数( 自动聚焦) ：快门：i 3 - 1 6，光圈：f 3 6计算机型号；联想品牌机，内存5 1 2 m b ，硬盘1 6 0 g b拍摄环境：日期：2 0 0 5 4 _ 7时间：1 3 ：2 0光照条件：自然光照拍摄对象：大台芒( 又名珍珠芒) ：黄色、青色小台芒：黄色红象牙芒：大、中、小；颜色分为青、半红、红白象牙芒：大、小；颜色分为青、黄2 2 系统中景物、摄像机、图像三者之间的关系几种坐标系定义如下图所示：7第2 章芒果图像的采集及标准图像的建立yp “j 。z 图2 1 几种坐标系的关系f i g 2 1r e l a t i o n s h i pa m o n gc o o r d i n a t es y s t e m s由图2 ，1 可以得到成像平面坐标系与被摄景物坐标系的关系：x 号日；y 一乡日( 2 1 )，成像平面坐标系与图像平面坐标系中的长度单位不同。前者以毫米为单位，后者中的j 、i 则分别采用像素的宽度和长度为单位记图像中像素的宽度和长度分别为w j 、w t ，单位为r a m 个。w 、w - 和f 为摄像机的内部参数，它们是不随摄像机的位置改变而改变。在成像平面完全垂直于z 轴( 光轴) 。且图像坐标系中的j 、i 方向与成像平面坐标系的轴方向一致时，成像平面坐标系与图像平面坐标系有如下关系lx = w i j - w i 知。l y = 哆f 一形i o( 2 2 )其中c j 0 ，i o ) 是成像平面坐标系原点在图像平面坐标系中的坐标。一将式( 2 1 ) 代入( 2 2 ) 式，可以得到被摄景物坐标系与图像坐标系间的关系。w ，fx - - - 彳x ( ，一 ) 日，b = 一等啦i o ) 目( 2 3 )8第2 章芒果图像的采集及标准图像的建立其中，w f , w v f 是由摄像机的内部参数决定。分别称为“成像列系数”和“成像行系数”。图像与景物点的关系：系统x 方向的物长= w j f 像素数h系统y 方向的物长= w 。f 像素数h2 3 标准图像的建立以黑色的鼠标垫为背景，用奥林巴司数码相机对大台芒、小台芒、红象牙、白象牙进行拍摄，得到j p g 格式的2 4 位真彩色r o b 图像，输入电脑。由于拍摄后的图片太大( 2 3 0 4 x 3 0 7 2 ) ，而且背景比较复杂( 地板、相机架等) ，处理速度比较慢而且困难，因此有必要把图片裁剪成大小相同且只包含芒果和背景的标准图片。用m a t l a b 自动裁剪和手动裁剪相结合，其操作过程如下：警1 ) 选出一幅芒果最大的图片进行手动裁剪，使芒果位于图片的中心且占据图片的主要部分；2 ) 以裁剪后所得的图片大小m 、n 作为标准尺寸，m 为图片的长度，n 为图，片的宽度；，3 ) 另取一幅图片，首先大致估计该图片的中心为( p ，q ) ；4 ) 调用m a t l a b 语句i m c r o p 函数，以( p ，q ) 为中心，以m ，n 为长度和宽度进行自动裁剪；5 ) 对裁剪后所得图片中心进行微调，使芒果位于图片的中心；6 ) 把剩下的图片也按自动裁剪和手动裁剪相结合的方式裁剪成与标准尺寸大小相同的图片，且芒果位于图片中心；裁剪后的标准图片如下图所示：9第2 章芒果图像的采集及标准图像的建立图2 2 裁剪后的标准图片、“f i g 2 2s t a n d a r dc r o p p e dp i c t u 嘟第一幅图像是所有图片中芒果最大的图片，对图像进行手动裁剪并以该图片大小为标准尺寸，其余图片都按标准尺寸进行裁剪，所得图片大小是2 0 0 x4 8 0 。现在，标准图像库已经建立起来，该图像库由1 2 8 幅大小是2 0 0 x 4 8 0 的图片组成。1 0第3 章颜色模型的选抒和图像预处理第3 章颜色模型的选择和图像预处理对于含有芒果和背景的图像，要把芒果从背景中分离，并对它进行进一步研究的过程中，对图像进行预处理和确定它的颜色模型是非常重要的。颜色模型的正确选择，决定了以后颜色特征提取的可操作性和合理性；而图像经过预处理可以去除噪声，同时使图像得以增强，为芒果的特征提取做好准备。3 1 常用的颜色模型常用的颜色模型有r g b 颜色模型、模型、h s v 颜色模型等。3 1 1r g b 颜色模型图像处理中最基础、最常用的是r g b 颜色模型。因为现有的图像采集设备最初采集到的颜色信息是r g b 值，颜色显示设备最终使用的也是r g b 值。图像处理中使用的其他所有的颜色模型都是从r g b 颜色空间转换而来，其处理结果，如果要显示出来，也要转换回r g b 颜色空间。r g b 模型是基于笛卡儿坐标系，3 个轴分别为r ( 红色，r e d ) ，g ( 绿色，g r e e n ) ，b ( 蓝色，b l u e ) ，形状可以用一个立方体来表示，如图3 1 所示。其中，原点对应着黑色( 0 ，0 ，0 ) ，离原点最远的点对应着白色( 1 ，1 ，1 ) 。从黑到自的灰度值分布在从原点到离原点最远顶点的连线上，而立方体内其余各点对应着不同的颜色，这些颜色可以用原点到这点的矢量来表示。将立方体归一化为单位立方体，这样所有的r g b 值都在 0 ，1 之间。从这个立方体模型可以看出，每个彩色图像可以分解到3 个平面上。每一种颜色都可以用红( r ) ，绿( g ) ，蓝( b ) 三种颜色来表示，表达式如下：c = r ( r ) + g ( g ) + b ( b )其中，r 、g 、b 表示系数值，( r ) 、( g ) 、( b ) 表示红、绿、蓝三基色。第3 章颜色模型的选择和图像预处理置图3 1r g b 彩色立方体f i g 3 1r g bm o d e lo f c u b er g b 颜色模型的主要缺点是不直观，从r g b 值中很难知道该值所表示的颜色的认知属性，其次，r g b 颜色模型是最不均匀的颜色空间之一两个颜色之间的视觉差异不能表示为该颜色空间中两个色点之间的距离。r g b 不足还表现为r g b 值之间的高相关性( b - r ：o 7 8 ，r - g ：0 9 8 , g - b ：0 9 4 ) 。这些高相关性存在，不但对图像数据的压缩造成了困难，而且对图像中的颜色处理也形成了挑战。一3 1 2y u v 颜色模型在计算机里颜色模型是仅次于r g b 模型的使用最广泛的颜色模型y u v 不是几个英文单词的组合词，而是符号，y 表示亮度，u v 表示色差，u 、v 构成彩色的两个分量。人眼对于亮度的敏感程度大于对色度的敏感程度，所以可以让相邻的像素使用相同的色度值，而人的感觉不会起太大的变化，通过损失色度信息来达到节省存储空间的目的，这就是y l 的基本思想。y u v 模型在图像颜色信息压缩和表示存储上有重要的应用，但在体现颜色的视觉聚类特征上过于粗糙，一般不适宣使用。3 1 3h i s 颜色模型这是m u n s e u 提出的彩色系统格式刚，此方式反映了人类观察彩色的方式。人眼对色彩的感受应包括两个方面，一是色彩的颜色h ( 即色度) ，二是色彩的第3 章颜色模型的选择和图像预处理纯度s ( 即饱和度) 。在h 、s 、i 格式中，i 表示强度或亮度，它反映了象素的整体亮度，而不管是什么颜色。另外，包含彩色信息的两个分量是色度( h ) 和饱和度( s ) ，其中色度反映了该彩色最接近什么光谱波长的光或颜色，它是用角度描述的饱和度是色环的圆心到彩色点的距离，在环的圆周上的是纯的或称为饱和的颜色，其饱和度为l ，在中心点为中性影调，即饱和度为0 。h i s 模型可以用一个3 维空间的双圆锥立体图表示，如图3 2 所示：r图3 2r g b 与h i s 之间的关系f i g 3 2r e l a t i o n sb e t w e e nr g ba n dh i s在图像处理过程中，由数码相机拍摄的图像是基于r g b 格式的，而进行图像处理时要用到h i s 模型，因此需要将图像的r 、g 、b 值转换成h 、i 、s 值。，r+g+bj ：= 一s 。 高斋1 3( 3 1 )( 3 2 )第3 章颜色模型的选择和图像预处理s ：l 一3 m i n ( r , g , b )r + g + b( 3 3 )分析完成的图像要显示出来，由于显示终端是基于r g b 格式，因此需要把h 、l 、s 值转换成r 、g 、b 值。3 1 5h i s 到i 埝b 的转换为若设h 、s ，i 的值在 o ，1 之间，r ，g ，b 的值也在 o ，1 之间，则从h i s到r g b 的转换公式为( 分为3 段以利用对称性) ：( 1 ) 当h 在 0 。1 2 0 。 之间：b = i ( 1 一s )( 3 4 )r - i1 + s e o s h c o s ( 6 0 西( 3 5 )h ) l、g = 3 i - ( b + r )( 3 6 )( 2 ) 当h 在 1 2 0 。2 4 0 。 之间：，r ；i ( i s )( 3 7 )渊1+scos(h。-一120)1cos(180hj邛8 )。一) l、7b = 3 1 一皿+ g )( 3 9 )( 3 ) 当h 在 2 4 0 。，3 6 0 。 之间：g = i ( 1 s )( 3 1 0 )舻 1 + - is c o 。s ( 3 0 0 ( h - 咖2 4 0 ) l( 3 1 1 )lc o s d 0 0 一日) l、r = 3 i ( g + b )( 3 1 2 )把r g b 格式的图像转化成h i s 图像如下图所示，其中h 、l 、s 三通道用三幅图像表示。1 4第3 章颜色模型的选择和图像预处理。图3 3 芒果图像的h i s 分量f i g 3 3h i sm o d e lo f m a n g o如图3 3 所示，原始图像是r g b 格式，在h 、i 、s 三分量中，1 分量图像的效果最好，因此本文选用1 分量进行图像形状特征的提取，用h 分量提取颜色特征值。、3 2 图像预处理图像预处理主要指图像的平滑。经过平滑处理后能够改善图像质量，突出目标，去除干扰和噪声，便于后面的图像分析。图像的平滑主要有移动平均法、中值滤波法、频域低通滤波法等。3 2 1 移动平均法移动平均法【2 5 】是最简单的去噪声法。如图3 4 ，它采取把某像素的值置换为该像素周围3 3 个像素的灰度平均值的方法，式( 3 1 3 ) 为输出像素值。目的是减小图像的对比度，从而使人看不见细小的噪声。由于图像的边界和噪声一起被冲淡，尽管噪声去除了，但是图像的边界和细节也变的模糊了。这不利于进行边界检测。1 5第3 章颜色模型的选择和图像预处理p 0p ip 2p 3np 5p 6np l( a ) 输入图像的像素数组输出关注像素的8近邻点的平均值口( b ) 输出图像的像素值口；址丛生址笋生业o 1 3 )图3 4 移动平均法，。f i g 3 4t h em e t h o do f m e a nm o t i o n用移动平均法对含有椒盐噪声的图像滤波效果如下图所示：3 2 2 频域低通滤波图3 5 移动平均滤波f i g 3 5m e a nm o t i o nf i l t e r由于图像中噪声空间相关性弱的性质，它们的频谱一般都位于频率较高的区域，而图像本身的频率分量则处于相对较低的空间频率区域内，因此可以用低通滤波的方法来实现滤波在一幅图像的灰度级中，边缘和其他尖锐的跳跃( 如噪声) 对傅立叶变换的高频分量有很大的贡献，所以在一个给定的图像变换中，通过频域对一定范围的高频分量的衰减能够达到平滑。g 沁v 产h ( i l v ) f 沁v )( 3 1 4 )式中f ( 1 l ，v ) 是要平滑图像f ( x ，y ) 的傅立叶变换。问题是选择一个函数h ( u ，v ) ，利1 6第3 章颜色模型的选择和图像预处理用这个函数使f ( 1 l ，v ) 的高频分量衰减，从而得到g 沁v ) 。然后，g 沁v ) 的傅立叶反变换将得到所希望的平滑图像g ( x ，”。由于“滤除”高频分量，低频信息无损地“通过”，所以通常称这种方法为低通滤波法。函数h ( 1 l v ) 叫做滤波器传递函数。主要有以下几种低通滤波器：理想低通滤波器、巴特沃思滤波器、指数滤波器和梯形低通滤波器。以巴特沃斯滤波器为例，一个n 阶巴特沃斯滤波函数为h ，2i 丽j 矗百u 而。1 5 l + ( 2 一1 ) ld ( ，v ) dor式中d 沁v ) 是从点( u ，v ) 到频率平面原点的距离，d ( u ，垆( u 2 + v 2 ) 抛，d 0 为截止频率，n 为阶数，取正整数。如下图所示，取d o = 1 0 0 ，n = l ，滤波效果如下：图3 6 巴特沃斯滤波f i g 3 6b u t t w o r t hf i l t e r由于巴特沃斯滤波器传递函数比较平滑，没有振铃效应，故图像的模糊将减少。从它的传递函数特性可见，在它的尾部保留有较多的高频，所以对噪声的平滑效果不好。3 2 3 中值滤波法中值滤波( m e d i a nf i l t e r i n g ) 是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术。中值滤波器是t u k e y 在1 9 7 1 年提出的【2 9 1 。中值滤波在二维图像中的定义为：设 x u ，( i ，j ) 1 2 ) 表示数字图像各点的灰度值，滤波窗口为a 则：玛= 垂刃 吩 = 垭刃 。l u + j ) ，o ，曲4 ( f ，力，( 3 1 6 )中值滤波器用于图像处理中的进行过程：设置一个滤波窗口，将其移遍图像上1 7第3 章颜色模型的选择和图像预处理的点，且用窗口内各原始值中的中值代替中心点的值。一般用3 3 的处理窗口。这种滤波的优点是运算简单而且速度较快，在滤除白噪声方面显示了极好的性能。中值滤波在去除噪声的同时能够很好的保留图像的边缘、锐角等。另外，中值滤波器很容易适应自适应化，从而可进一步提高其滤波性能。滤波器的窗口宽度为3 3 。图3 7 为中值滤波结果。图3 7 中值滤波，f i g 3 7m e d i a nf i l t e r，；，从以上三种方法对同一幅图像的滤波效果可以看出，中值滤波既能有效的滤除噪声，又能够保持图像轮廓清晰，因此本文选用中值滤波法进行滤波。1 8第4 章芒果图像的分割与边界提取第4 章芒果图像的分割与边界提取4 1 芒果图像的分割图像分割是指将图像中有意义的对象与背景分离，并把这些对象按照不同含义分割出来，为接下来的特征提取和分类器设计做好准各。由于灰度图像处理起来比较简单，因此经常把彩色图像转换成灰度图像来处理。在灰度图像中分离出有意义区域的最基本的方法是设置阈值的分割方法。若图像中存在背景s o 和n 个不同意义的部分s l ，s 2 ，s 。，或者说该图像由( r l + 1 ) 个区域组成，各个区域内的灰度值相近，而各个区域之间的灰度值有明显差异。假设背景的灰度值最小，则可在各个区域的灰度差异设置n 个阈值t 0 ，t l ，t r - ( t o t l j笠”生”：盖钒产第4 章芒果图像的分割与边界提取图4 5 峰谷都不明显的灰度直方图f i g 4 5t h eg r a yh i s t o g r a mw i t hf a i n tp e a k sa n dv a l l e y最大方差法可以代替双峰法、p 参数法，适用于任何情况，因此本文用最大方差法计算图像分割使用的阈值。4 2 轮廓提取轮廓提取就是把图像中目标物体的轮廓提取出来。边缘按灰度变化可分为两类，一类是阶跃性边缘，它的边缘两边的像素值有明显的变化：一种是屋顶状边缘，其边缘位于像素增和减的中间。阶跃性边缘可以对其边缘取一阶导数的极值求得；屋顶状边缘可以求其二阶导数的极值来求得嗍下面是几种常用的空域微分算子：4 2 1 梯度算子梯度对应一阶导数，梯度算子也就对应着一阶导数算子对于一个连续的函数f 【x ，y ) ，它在( x y ) 处对应的导数可表示为一个矢量，它的幅度和方向可表示为：、m a g ( v f ) = 心+ g ； 舀1 4 )o o ，j ，) = a r c t 锄)( 4 1 5 )常用的算子是r o b e r t s 算子、p r e w i t t 算子、s o b e l 算子。第4 章芒果图像的分割与边界提取4 2 1 1r o b e r t s 边缘检测算子r o b e r t s 边缘检测算子是一种利用局部差分算子寻找边缘的算子。g ( x ，y ) = 【7 石历一4 f ( x + l , y + 1 ) 1 2 + 7 石i 历一7 丽】2 ( 4 1 6 )其中f 【x ，y ) 是具有整数像素坐标的输入函数，平方根运算使该处理类似于在人类视觉系统中发生的过程。r o b e r t s 算予的模板为：田。田图4 6r o b e r t s 算子模板f i g 4 6t e m p l a t eo f r o b e r t sr o b e r t s 计算时利用的像素数一共有4 个，r o b e r t s 算子边缘定位准，但是对噪声敏感。适用于边缘明显而且噪声较小的边缘提取。4 2 1 2p r c w i t t 算子p r e w i t t 算子模板为：一101一l0l- 1o1一l一1- 10oo1l1图4 7p r e w i t t 模板f i g 4 7t e m p l a t eo f p r e w i t t图像中的每个像素都用这两个模板做卷积，一个模板对垂直边缘影响最大，另一个对水平边界影响最大。两个卷积的最大值作为该点的输出值。p r e w i t t 算子对噪声有抑制作用，抑制噪声的原理是通过像素平均，相当于图像的低通滤波，所以p l f e 、】v i t t 算子对边缘的定位不如r o b e r t s 算子。第4 章芒果图像的分割与边界提取4 2 1 3 $ o b e i 算子s o b e l 算子的模板为：- 101- 202- 1o1- 1- 2- 1o0011l图4 8s o b e l 算子模板f 培4 8t e m p l a t eo f s o b e ls o b e l 算子和p r e w i t t 算子都是加权平均，但是s o b e l 算子认为，邻域的像素对当前像素产生的影响不是等价的，所以距离不同的像素具有不同的权值，对算子结果产生的影响也不同。一般来说，距离越大，产生的影响越小4 2 2l a p l a c i a n 算子l a p l a c i a n 算子是二阶微分算子，它具有各向同性，即与坐标轴方向无关，坐标轴旋转后梯度结果不变它的模板分别为：o- 1o- 14- 1o- 1o- 1- 1- 1- 18- 1- i- 1- 1图4 9l a p l a c i n 算子模板f i g 4 9t e m p l a t eo f l a p l a c i a nl a p l a c i a n 算子对噪声比较敏感，一般情况下它要与图像的平滑处理相结合来进行轮廓提取网。用s o b e l 算子、r o b e r t s 算子、p r e w i t t 算子、l a p l a c i a n 算子对边缘检测的结果如下；第4 章芒果图像的分割与边界提取图4 1 0 四种算子检测的边缘f i g 4 1 0f o u re d g e sw i t hd i f f e r e n tm e t h o d s一由于本实验图片的噪声很小，而r o b e r t s 算子对边缘的定位又比较准确，本文选用r o b e r t s 算子来提取边缘。，4 。3 边界闭合如上图所示，检测出的边缘像素是孤立的或分小段连续的。为组成区域的封闭边界以将不同区域分开，需要将边缘像素连接起来。边缘像素连接的基础是它们之间有一定的相似性。用梯度算子对图像处理可得到像素的信息：( 1 ) 梯度的幅度，见式( 4 1 4 ) ；( 2 ) 梯度的方向，见式( 4 1 5 ) 。如果像素( s ，0 在像素( x ，y ) 的邻域且它们的梯度幅度和方向分别满足以下2 个条件( 其中t 是幅度阈值，a 是角度阈值) ：l v f ( x ，y ) - v f ( s ，r ) l r( 4 1 7 )l 妒( x ，y ) 一妒( s ，f ) l 4( 4 i s )那么就可以将在( s ，t ) 的像素与在( x ，y ) 的像素连接起来。如对所有的边缘像素都进行判断和连接就有希望得到闭合的边界f 3 i l 。经过边界闭合前后的图像显示如下：第4 章芒果图像的分割与边界提取图4 1 1 边界闭合前后图像的比较f i g 4 1lc o m p a r i s o nb e t w e e no r i g i na n dc o n n e c t e di m a g e“如图4 1 1 所示，经过闭合操作后边界连续，此时利用闭合后的边界就可以计算芒果图像的周长、面积等特征到此为止，图像处理部分已经完成，接下来是模式识别部分：即进行特征提取与选择和分类器设计。_-2 8第5 章芒果特征的形成与提取第5 章芒果特征的形成与提取在图像识别中，对获得的图像直接进行分类足不现实的。首先，图像数据占用很大的存储空间，直接进行识别费时费力，其计算量无法接受；其次，图像中含有许多与识别无关的信息，因此必须进行特征的提取和选择，这样就能对被识别的图像数据进行大量压缩，有利于图像识别。特征的提取和选择是很关键的，特征若选择的不恰当，分类就不能很精确，甚至无法分类。良好的特征应具有以下几个特点【3 5 l ：区别性可靠性独立性数量少对于属于不同类别的图像，它们的特征值应具有明显的差异。对于同类的图像，它们的特征值应比较相近。所使用的各特征之间应彼此不相关。图像识别系统的复杂度随着特征的个数迅速增长，尤为重要的是用来训练分类器和测试