（水利水电工程专业论文）基于数字图像处理的储粮害虫图像边缘检测研究.pdf

华中科技大学硕士学位论文 摘要 我国是世界上最大的粮食生产、储藏及消费大国，搞好粮食储藏是关系到国计民 生的大事。近年来，我国粮食总储量高达5 0 0 0 亿公斤。为了确保粮食的安全储藏， 每年国家用于粮食储备方面的补贴费用就有数百亿元，但仍有不少粮食因管理决策不 善等原因而遭受损失，其中，国库储粮损失率在o 2 左右，损失十分惊人，而虫害 是主要因素之一。我国“十五”粮食行业科技发展规划明确提出要实现粮仓虫害 的自动化检测。目前国内外的扦样、声测、近红外等检测方法均不能准确地在线提供 粮虫的种类、密度等信息。另外，随着储粮害虫抗药性的提高，它们的种类和密度近 年来有上升的趋势，这给粮虫的自动检测提出了更高的要求。因此，开发科学实用、 准确方便的储粮害虫在线检测系统是很有必要的，也是极为迫切的。 利用图像识别的方法在线检测储粮害虫，具有准确度高、价格低廉、效率高、无 污染、劳动量小、便于和粮库现有的计算机粮情检测系统相连接等优点，有助于粮库 管理人员进行科学的决策，以及时采取合理的防治措施，达到粮食保质、保量、保鲜 的目的。 本文主要完成了以下工作： 对于采集了的图像，粮虫和粮食是混合在一起的，为了识别害虫，所以我们对害 虫进行边缘检测，以检测出粮虫的边缘轮廓。进而阈值分割，以将害虫的轮廓从背景 中分离出来。得到害虫的轮廓后，提取相关的特征参数。进行快速检测与准确分类， 并实时地给出任意检测点的粮虫种类，密度，害虫的生长阶段等信息。 关键词：储粮害虫 图像识别边缘检测阈值分割轮廓跟踪 华中科技大学硕士学位论文 j ；= 目= = z = = = = = - _ _ 目；= = = = = t = = = ；= _ = ；= = = = = = e t ；= = = = = = = = = = ；目1 目= z = j e = - _ 皇 a b s t r a c t c h i n ai st h el a r g e s tc o u n t r yo fg r a i np r o d u c t i o n ，s t o r a g ea n dc o n s u m p t i o ni nt h e w o r l d d o i n gw e l ls t o r e d g r a i nm a n a g e m e n ti sav e r yi m p o r t a n tt i l i n ga b o u tt i l en a t i o n a l e c o n o m ya n dt h ep e o p l e sl i v e l i h o o d i nr e c e n ty e a r s ，t h es t o r e dg r a i ni s m o r et h a n5 0 0 b i l l i o n so fk i l o g r a m si no u rc o u n t r y n ec e n t e rg o v e r n m e n to f f e r sb i l l i o n so fr m bt ot h e g r a i nd e p o r t si no r d e rt om a n a g i n gs t o r a g ew e l l b u tp l e n t yo fs t o r a g es t i l lw a sa t t a i n t e d b e c a u s eo ft h ei l lm a n a g e m e n t t h es t o r e d g r a i nl o s si sv e r ys e r i o u sc a l c u l a t e db yt h e c u r r e n to 2 l o s sr a t i oi nt h en a t i o n a lg r a i nd e p o r t s t h es t o r e d g r a i ni n s e c tp e s ti so n eo f t h ei m p o r t a n tf a c t s 7 r i l ef i f t hg r a i nt r a d es c i e n c ea n dt e c h n o l o g yd e v e l o p m e n t p r o g r a m m i n g ”p u tf o r w a r dd e f i n i t e l y t or e a l i z ea u t o m a t i cd e t e c t i o na b o u ts t o r e d g r a i n i n s e c t p e s t s t h e w a y so f t h e s a m p l i n g ，t h e s o u n d d e t e c t i n g ，t h e n e a r i n f r a r e da n d o t h e r s i nt h ew o r dc a n t s u p p l yw e l la n dt r u l yt h eg r a i np e s t sc a t e g o r y ，d e n s ea n do t h e r p a r a m e t e r s i na d d i t i o n ，w i t ht h ei n c r e a s eo ft h es t o r e d g r a i np e s t sd r u gf a s t n e s s ，t h e i r c a t e g o r ya n dd e n s ea r ei n c r e a s i n gi nr e c e n ty e a r s a sar e s u l t ，d e v e l o p i n gak i n do f s c i e n t i f i c ，p r e c i s i o n ，s i m p l ed e t e c t i o nt e c h n o l o g yf o rs t o r e d - g r a i np e s t si sv e r yn e c e s s a r y a n di m p e r i o u s t h e r ea r eas e r i e so fa d v a n t a g e sm a k i n gu s eo ft h ei m a g er e c o g n i t i o nt e c h n o l o g yt o d e t e c tt i l es t o r e d g r a i np e s t s ，s u c ha sh i g hp r e c i s e ，l o wp r i c e ，h i g h c f f i c i e n c y , n op o l l u t i o n ， l e s sl a b o r ，c o n v e n i e n tc o n n e c t i o nw i t ht h ec o m p u t e rg r a i n d e t e c t i o ni ng r a i nd e p o r t s ，a n ds o o n i tc a nh e l pt i l eg r a i nm a n a g e r st om a k e s c i e n t i f i cd e c i s i o n s ；i no r d e rt ot h e yc a nt a k e r a t i o n a lp r e v e n t i o n - m e a s u r e si nt i m e ，t h es t o r a g ec a nb em a n a g e di nq u a l i t y , q u a n t i t ya n d g r e e n n e s s t h em a i nw j r ki sa sf o l l o w s ： n a m e l yu t i l i z ec o m p u t e rv i s i o np a t t e r np r o c e s sa n dr e c o g n i t i o nt e c h n o l o g yo ft h e m o d e ，c a r r yo nt h em e a s u r i n go ft h eg r a i nw o r l n ，j u d g ea n dd i s c e r n f o rg a t h e rg o o d p i c t u r e ，g r a i nw o r ma n dg r a i nm i xt o g e t h e r , i no r d e rt od i s c e mp e s t s ，w ec a r r yo nt h ee d g e t om e a s u r et ot h ep i c t u r ea tf i r s t ，b ym e a s u r i n gt h ee d g eo u t l i n ew h i c hg e t so f ft h eg r a i n w o r m c a r r yo nt o i tt h r e s h o l dv a l u ec u ta p a r t ，i no r d e rt o s e p a r a t ea n dc o m eo u to f i i 华中科技大学硕士学位论文 = = = 目目_ _ 目_ _ _ _ e = = 目= = = = = = = = = = = j _ - _ _ = | = _ ；= = = j | = e t = = = j _ _ - e j ；= = = = = = = = = j = 目- _ 置i i e ；= = = 目= = = = = - b a c k g r o u n do u t l i n eo fp e s t b e s i d e s ，d r a wt h er e l e v a n tc h a r a c t e r i s t i cp a r a m e t e r , m e a s u r i n g f a s ta n da c c u r a t ec l a s s i f i c a t i o n a n dg i v ea n do f f e rw a n t o ng r a i nw o r mk i n do fc h e c kp o i n t r e a l - t i m e ，d e n s i t y , g r o w t hs t a g e ，e t c i n f o r m a t i o no fp e s t k e yw o r d ：s t o r e d g r a i ni n s e c t si m a g er e c o g n i t i o n t h ee d g em e a s u r i n g t h r e s h o l ds e g m e n t a t i o nt h eo u t l i n ef o l l o w i n g 1 1 1 独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得 的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他 个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集 体，均己在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名 日期：4 年i t 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有 权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和 借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据 库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密口，在年解密后适用本授权书。 本论文属于 不保密口。 ( 请在以上方框内打“4 ”) 学位敝作者躲劬斫 日期：州年i f 月f 口日 撇：声建中 曰期：a 心年，) 月d 日 华中科技大学硕士学位论文 1 1 课题研究的背景 1 前言 粮食储存是关系到国计民生的大事，特别是对于几乎占世界人口四分之一的中 国来说，搞好粮食储存无疑具有更为重要的意义。粮食产后储藏期间，储粮害虫造成 的为害十分严重【1 j 。据统计，我国国有粮库粮食损失率每年在总储备的0 2 左右，其 中虫害是主要的原因之一。若能使储粮损失率降低0 0 5 ，每年可为国家挽回经济损 失2 5 亿，这个数字极为可观 2 】。为了有效防治害虫，就要预测它们发生趋势、数量、 种群动态及潜在为害，而且也要评估各项防治措施和策略所得到的不同预期结果。为 此，首先应监测储粮害虫发生和主要生态因素、抽样分析。常规抽样的方法系采用扦 取粮样，过筛后分析虫种及虫量。在粮粒堆积的空间多次分层取样，工作量极大，劳 动强度高，样本过筛后从杂质中分析害虫费时，既存在着一定的误差，又无法获得大 量样本对害虫发生动态作出分析。这一问题已引起国内外学者的关注，探讨并研究新 的储粮害虫测报技术成为储粮害虫的一个研究热点，并形成”取样及诱捕”( s a m p l i n g a n d t r a p p i n g ) 新的研究领域。其中储粮害虫声音检测研究报道较多，近1 0 年来，在美 国已由最初在小容器监测钻蛀为害粮粒和水果幼虫声音的技术( w e b b ，1 9 8 8 ，v i c k e t a l ，1 9 8 8 ) 发展到目前实现多点监测储粮害虫声音微机监测系统( h a g s t r u m ，1 9 9 4 ) ，但这 一技术只能实现粮堆害虫取食及活动声音的监测，判断粮害虫”有”或”无”、”多”或”少 ”，而无法记录害虫种群数量，且因受外界因素的干扰，用于储粮害虫测报还受到很 大的限制。另一种技术是探管式诱捕器( p r o b et r a p ) ：这一装置为一园管状，上部均匀 排布有向下的斜孔，插入粮椎可诱捕粮堆活动的成虫及幼虫。这一设备操作简便，灵 敏度超过插样选筛的方法( w r i g h te t a l ，1 9 9 0 ；w h i t ee ta 1 ) ，但国外研制的这种塑料制做的 检测器只能用于粮面5 0 c m 区间害虫检测。 为了解决国内粮情测控系统不能测虫，国外粮虫声音检测技术无法实现害虫数 薰监测的突出问题，我们发现，近年来发展迅猛的机器视觉技术可以解决这一问题。 在在线粮库害虫的虫情测报中，机器视觉系统采用c c d 照相机摄取粮仓害虫检测图 像，并转化为数字信号，再采用先进的计算机硬件与软件技术，运用数字信号处理技 术、计算机图像处理与分析技术、模式识别等技术，结合数学形态学的某些技术手段 华中科技大学硕士学位论文 和专家系统技术，通过对储粮的图像采集、图像数字转化、性状识别和分析，使计算 机能自动提取粮仓害虫的形态性状、智能识别害虫种类，并能对害虫的数量自动计数， 从而可以输出数据、发出指令，构成科学保粮专家系统的主要部分。与其它粮情测控 系统相比，基于机器视觉的粮情检测系统最大优点是精确，快速，可靠，更易操作。 1 2 论文研究的内容及要点 围绕基于图像识别的储粮害虫在线检测系统的研发课题，本论文以储粮害虫为 对象，研究用图像处理和模式识别技术来实现储粮害虫的在线检测和识别，重点在设 计出最适合粮虫边缘检测和阚值分割的图像处理算法。全文共分8 章。 第一章概述了国内外储粮害虫测报技术的慨况、水平和发展趋势，将图像处理 和模式识别技术相结合，提出了基于图像识别的储粮害虫检测的新方法，并指出对其 进行深入研究的必要性。 第二章简要论述了基于图像识别的储粮害虫检测系统的功能、总体设计思路以 及系统的软、硬件设计。 第三章用v c + + 6 0 编程实现储粮害虫的读入和保存。 第四章利用每个像素的邻域内像素的均值和方差进行自适应图像增强，采用一 种修正的自适应邻域平均法实现图像的平滑去噪。 第五章编程实现多种不同的边缘提取算法( 如梯度算予，拉普拉斯算子，s o b e l 算子、k i r s c h 算子、m a r r - h i l d r e t h 算法、c a n n y 算法、s h e n c a s t a n 边缘检测算法以及 数学形态学的边缘检测算法) ，在实际研究中讨论它们在图像处理中的优劣，并将它 们应用于粮虫图像的边缘检测中，以设计出最适合粮虫边缘检测的图像处理算法，实 现轮廓提取和跟踪。该章为本文的重点研究内容。 第六章编程实现自动闽值分割和给定阈值分割二种图像分割算法，并将这些算 法应用于粮虫图像的分割中，找出适合粮虫图像的最优分割方法。系统中对分割后的 二值图像依次进行开启、闭合操作来实现目标内外部的噪声消除或减弱。 第七章简述了粮虫特征抽取与分类识别的方法。 第八章结论与展望，简要总结了本论文的主要工作，并提出了进一步的改进措 施。 2 华中科技大学硕士学位论文 2 基于图像识别的储粮害虫检测系统 2 1 检测系统的功能 在我们研究的基于图像识别的储粮害虫检测系统中，机器视觉系统采用c c d 照相 机摄取粮仓害虫检测图像，并转换为数字信号，再采用先进的计算机硬件与软件技术， 运用数字信号处理技术、计算机图像处理与分析技术、模式识别等技术，结合数学形 态学的某些技术手段和专家系统技术，通过对储粮粮虫的图像采集、图像数字转化、 性状识别和分析，使计算机能自动提取粮仓害虫的形态性状、智能识别害虫种类，并 能对害虫的数量自动计数，从而可以输出数据、发出指令，构成科学保粮专家系统的 主要部分【3 】。系统结构如图2 1 所示，与其他粮情测控系统相比，基于机器视觉的在线 粮库虫情测报系统最大的优点是精确、快速、可靠，更易操作。 图2 1 基于图像识别的储粮害虫智能检测识别系统结构图 2 2 检测系统硬件设计 从图2 - 1 可知，检测系统由硬件和软件两部分组成。硬件系统应满足完成仓库中 多层粮样的自动抽取、传送和粮样的图像获取、图像处理和分析。其总体组成如图 2 - 2 所示。主要包括h 】 5 】： 华中科技大学硕士学位论文 圈2 2 储粮害虫自动识别系统硬件总体框图 ( 1 ) 粮样抽取机构：采用类似与吸尘器的原理，利用负压将检测点的粮食吸入 取样装置。抽取机构启动后，随着取样装爱内的空气排出，装置的内外部形成压差， 吸粮铝管( 通过软管连接到取样装置上) 端口附近的粮食受负压作用，而被吸入取样器。 在使用的过程中，若检测超过1 米深的粮食，可根据需要自行加接铝管( 每根1 米， 采用螺纹衔接) 。取样装置对密闭性要求较高，漏气会导致抽取不到粮食或抽取粮食 太少【4 】【5 1 。 当粮食样本需要在线检测时，可将控制手柄置于“检测”档( 通常情况) ，这样粮 食便经过2 0 倾角的椭圆挡板，再经粮样通道流至传送带，传送过程中由c c d 摄像 机实时摄取图像序列。装置，到采样部位时再切换，以提高检测的效率。其中要解决 取样装置的密闭性问题和能采集任意点的粮虫样，粮虫采样器应设计为手提式，方便 使用。 ( 2 ) 传送机构；传送机构中的粮样通道可以调节高度，以保证传送带上定点检 测的粮样呈单层状态。若其下端与传送带的距离过大，则传送带上的麦粒过厚，一些 害虫可能被部分或全部遮挡影响检测识别率；若下端与传送带的距离过小，则传送 带上麦粒过少或没有麦粒，影响系统检测效率。本装置挡板下端与传送带的距离以 3 m m 时效果最佳。 传送机构中电机的选择要求体积尽可能小，一方面节约空间，另一方面减轻重量。 同时还需满足转速低、力矩大、速度可调。另外，电机转速对获取的粮虫图像质量及 系统检测效率影响很大，实验证明，当电机电压为1 0 5 v 时，电机转速为1 8 4 转分， 传送带的运动速度为3 1 7 9 3 厘米分，此时获取的图像比较清晰，有利于后续的图像 处理【4 】【5 1 。 在传送带材料的选择上，若过于光滑，使用时容易打滑，若质地过厚，由于连接 4 华中科技大学硕士学位论文 处较厚，会使传送带的转动不均匀( 传送带的长度较短，展开后的总长度为2 7 0 r a m ) 。 试验表明，使用背面有较大摩擦系数的柔质材料效果较好。 ( 3 ) 数字图像摄像室：c c d 摄像机视区内的光照要均匀，以免所摄取的图像局 部偏暗，局部偏亮：不能有反光现象：传送带表面的颜色尽量与粮虫本身的颜色形成 较大的反差。 光源的颜色选择对图像的质量影响很大，若选用白色光源，出现反光现象，获取 的图像质量不好。经过反复试验，发现选择与背景色一致的灯光效果较好。 另外灯光强弱的调节，可用所获图像的目标边界较清晰为标准。由于后续的自适 应图像处理能自动改善图像的质量，故可适当放宽对光强的要求。 ( 4 ) 图像采集视觉系统：由c c d 获取图像，采用p c i 总线，实现图像采集卡、 内存、c p u 、显卡和显示器间的数据传送。为保证检测的高效性和准确性，要解决传 送装置、图像获取设备、图像数据传送设备和图像处理之间的速度匹配。 为避免图 形的变形，我们将c c d 摄像机放置在传送带的正上方，距离传送带的高度为2 2 0 m m 。 间隔o 5 分钟进行传送粮食样本( 1 公斤) ，当粮食样本( 1 公斤) 途经摄象机视区时， c c d 摄像机实时地摄取粮虫样本的图像序列；采集卡间隔0 6 秒将采集到的图像信号 由p c i 总线高速传送到微机内存；运用图像处理、图像分析和模式识别算法来判别害 虫的种类、密度等信息，为综合防治提供决策依据。 2 3 检测系统软件设计 为了便于编程、管理及系统的进一步改善和功能扩展，本文采用了模块化设计方 法，该软件主要分为以下几个模块【6 】： ( 1 ) 文件读写模块： ( 2 ) 图像处理及识别算法程序模块； ( 3 ) 动态采集与实时处理模块； ( 4 ) 粮情数据库管理模块； ( 5 ) 粮仓专家经验库管理模块； ( 6 ) 系统帮助模块。 各模块之间既相对独立又相互联系，总体结构如图2 3 所示： 华中科技大学硕士学位论文 图2 - 3 储粮害虫智能检测软件系统结构图 其中，文件读写模块完成图像数据读入与保存功能；算法程序模块是由许多图像 处理及模式识别算法组成的一个动态链接库；实时处理模块完成实时采集图像及处 理，并最终给出检测结果( 包括害虫的有无、种类、密度以及专家经验提示) ；粮情数 据库管理模块包括害虫历史数据查询，对比统计分析的显示，报表汇总与打印等；粮 仓专家经验库管理模块包括储粮害虫及其防治知识的查询、显示等；系统帮助模块主 要是介绍有关系统使用的信息f 6 】。 本系统以w i n d o w s9 x 2 0 0 0 为操作平台。考虑到系统的实时性要求较高，而v c 既是一种可视化的编程语言，又具有传统c 语言代码灵活，执行速度快等优点，因此 以v c + + 6 0 作为开发工具。具体设计时采用面向对象的设计方法( o o p ) ，将各种图像 处理算法( 主要包括图像变换、预处理、边缘检测、形态学处理以及特征提取五个子 功能) 分别封装在不同的类中，并将这些类放入一个动态连接库中，这样便于以后调 用和软件功能的增强，而且生成的可执行代码量小、速度快。 在本论文中，我们主要实现预处理、边缘检测软件部分，并将按流程图给出各种 算法的数学描述和具体的语言实现。总体框图如图2 - 4 所示，具体工作流程如下t ( 1 ) c c d 获取原始图像后，首先读取原始图像，用经验阈值使图像快速二值化， 并提取面积特征，依据面积特征值快速判断该帧图像是否有粮虫。若该帧图像有粮虫， 需要进行后续处理口j 。 ( 2 ) 在采集粮虫图像对，由于传送带的运动、抽取装蔑中电机运转所产生的震动、 粮样中灰尘对c c d 摄像机镜头的影响等因素，使系统获取的图像带有噪声。若有粮 虫，需要对图像进行平滑、增强处理。 ( 3 ) 通过深入研究数字图像多种不同的边缘提取算法( 如梯度算子，拉普拉斯 6 华中科技大学硕士学位论文 算子，s o b e l 算子、k i r s c h 算子、m a r r - h i l d r e t h 算法、c a n n y 算法、s h e n c a s t a n 边缘 检测算法以及数学形态学的边缘检测算法) 在粮虫图像的边缘检测中的实现，比较它 们在害虫图像处理中的优劣，以设计出最适合粮虫边缘检测的图像处理算法。 ( 4 ) 从国内外对昆虫图像的研究基础出发，本研究拟实现自动闽值和给定阈值 二种图象分割算法，并将这些算法应用于粮虫图像的分割中，找出适合粮虫图像的最 优分割方法。 ( 5 ) 二值分割后的粮虫背景图像可能含有孤立点噪声，粮虫目标也可能有小的 孔洞，用数学形态学中的开启闭合运算对其进行滤波处理。 ( 6 ) 针对处理后的二值图像，提取出面积、周长、复杂度、占空比等粮虫对象 的原始特征并运用模拟退火算法、遗传算法等组合优化技术对其进行选择。 ( 7 ) 送入加权距离分类器和最近邻分类器等分类器进行分类识别。 ( 8 ) 检测完毕后，给出仓内最高密度点的害虫种类及密度，并提示相应的防治 措施。 华中科技大学硕士学位论文 3 储粮害虫图像读入与保存 3 1 读入原始图像 现实生活中的物理图像内的信息呈现的是一种二维信息，表明了其中物质或能 量的实际分布，所以我们就可以把图像看作是一个连续变化的函数：图像上各点的 灰度是其在位置的函数，可以表示为g = f ( x y ) 。而将一幅图像进行数字化，就是 要把模拟图像分割成有限的均匀小网格区域。而每个小区域都是一个规则的正方 形。于是每个小网格就可以代表一个像素，每个像素的灰度值采用个接数来表示。 将图像进行采样和量化后，就得到图像的数字图像。在采样过程中，若每行的像素 为m 个，每列的像素为n 个，则整幅图像就对应为一个m * n 的整数矩阵，这样 我们就可以获取数字图像中关于像素的两个属性：位置和灰度，位置由采样点的两 个坐标确定，也就对应了网格的行和列；而灰度就表明了该像素的明暗程度。灰度 图是指只含亮度信息，不含色彩信息的图像，就想我们平时看到亮度由明到暗的黑 白照片。将灰度值划分为2 5 6 等级，0 代表最亮，为白色；2 5 5 代表最暗，为黑色。 可以很容易用b m p 文件来表示灰度图，就是将r g b 的各个值设置为相同，即 r = g = b 。 d i b 是d e v i c e - i n d e p e n d e n tb i t m a p ( 设备无关图，他通常以b m p 文件的形式存放 在磁盘中。本论文就是处理的d i b 图。d i b 图是标准的w i n d o w s 位图格式，b m p 文 件中包含了一个d i b ，一个b m p 文件大体上分成4 个部分： 3 1 。1 位强文件头，为一个结构体 t y p e d e f s t r u c t t a g b i t m a p f i l e h e a d e rf b f r y p c ；指定文件类型，必须为0 x 4 2 4 d b f s i z e指定文件大小 b f r e s e r v e d l 保留字，不用考虑 b f r e s e r v e d 2同上 b f o f f s e t s为从文件头到实际的位图数据的偏移字节数 l b n 飞d a p f e h e a d e rf a r 。l p b i t m a p f i l e h e a d e r ， * p b i t m a p f e h e a d e r ： 8 华中科技大学硕士学位论文 3 1 2 位图文件信息头，也是一个结构体 t y p e d e f s t r u c t t a g b i t m a p i n f o h e a d e r b i s i z e 指定该结构的长度 b i w i d t h 图像的宽度 b i h e i i 曲t 图像的高度 b i t l l a n e s 必须为1 b i b i t c o u n t 表示颜色的位数 b i c o m p r e s s i o n 指定位图是否为压缩格式 b i s i z e l m a g e 实际的位图占的字节数 b i x p e l s p e r m e t e r 目标设备的水平分辨率，单位为像素 b i y p e l s p e r m e t e r 垂直方向的分辨率 b i c l r u s e d 本图像用到的颜色数 b i c l r l m p o r t a m ，指定本图像中重要的颜色数 b i t m a p i n f o h e a d e r f a r l p b i t m a p i n f o h e a d e r ， * p b m a p i n f o h e a d e r 3 1 3 调色板信息，其结构体如下 t y p e d e f s t r u c t t a g p a l e t t e b y t e r g b b l u e ； 该颜色的蓝色分量 b y t e r g b g r e e n ； 该颜色的绿色分量 b y t e r g b r e d ； 该颜色的红色分量 b y t e r g b r e s e r v e d ；保留值 r g b q u a d 3 2 保存读入图像 w i n d o w s 支持一些重要的d i b 访问函数，但是在m f c 中没有封装，我们将其封 装在一些自己编写的函数中，以完成需要的一些功能。其头文件如下： ，将d i b 图在计算机屏幕上显示出来，调用s t r e t c h d i b i t s 0 或者s e t d i b t o d e v i c e 0 来绘制对象 b o o lw i n a p i p a i n t d i b ( h d c ，l p r e c t , i - i d i b ，l p r e c t , c p a l e t t e + p p a l ) ； 9 华中科技大学硕士学位论文 台q 建d i b 对象调色板，从d i b 中读取颜色并存到调色板中 b o o lw 玳a p i c r e a t e d i b p a l e t t e ( 1 i d l l 3h d l l 3 ，c p a l e t t e * c p a l ) ； 返回d i b 图像像素起始位置，返回值是其指针 l p s t rw l n a p i f i n d d i b b i t s ( l p s t rl p b i ) ： ，返回d i b 的宽度 d w o r dw i n a p i d i b w i d t h ( l p s t rl p d m ) , 返回d i b 的高度 d w o r dw i n a p i d i b h e i g h t ( l p s t ri p d i b ) ； ，返回d i b 调色板的大小 w o r dw i n a p i p a l e t t e s i z e ( l p s t rl p b i ) ； ，计算d i b 调色板的颜色数目，单色返回2 ，依次类推 w o r dw i n a p i d i b n u m c o l o r s ( l p s t rl p b i ) ； ，拷贝内存块，复制指定的内存区域，返回复制后的新内存区域 h g l o b a lw i n a p ic o p y h a n d l e ( h g l o b a l h ) ； ，将d i b 对象保存到指定的文件中，由c f i l e 类完成文件的打开和关闭工作 b o o lw 矾a p i s a v e d i b ( h d i bh d i b c f i l e & f i l e ) ； ，读取d i b 对象 i - i d i bw 烈a p i r e a d d m f i l “c f i l e f i l e ) ； 将指定的2 5 6 色d i b 对象保存为2 5 6 色p c x 文件 b o o lw i n a p i d i b t o p c x 2 5 6 ( l p s t rl p o m c f i l e f i l e ) ； 读取2 5 6 色p c x 文件 h d i bw n a p i r e 瓤l p c x 2 5 6 ( c f i l e & f i l e ) ； 我们在m f c 中调用这些函数，将在具体的事件中使用。 l o 华中科技大学硕士学位论文 4 1 图像增强 4 储粮害虫图像增强及平滑 4 1 1 概述 图像增强是数字图像处理的基本内容。在图像的生成、传输或交换过程中，由于 多种因素的影响，总要造成图像质量的下降。增强技术的主要目的是对一幅给定的图 像进行：0 n t ，克服某些因素所造成的质量下降，以突出图像中的主要信息，削弱或除 去某些不重要的信息，使它的结果对某种特别应用来说比原始图像更合适 8 j ( 9 】。在这 里需注意的是“特别”的含义，因为处理是为了特定的目的去改善图像质量，它并不 能增加原始图像的信患，通常会损失一些信息。但是，图像增强的结果却能加强对特 定信息的识别能力，使图像更适合于人的视觉特性或机器的识别。然而，由于对图像 的质量要求在不同用途条件下没有一般的标准，因此从根本上说，图像增强技术还没 有统一的理论，观察者是某种增强技术优劣的最终判断者【10 1 。 目前常用的增强技术根据其处理所依赖的空间不同，可分为基于图像域( 空间域) 的方法和基于变换域( 频域) 的方法两大类。主要内容包括：直方图修改处理、图像平 滑、图像锐化等n 1 1 f 1 2 l 。第一类直接在图像所在的空间进行处理，而后者是通过在图像 的变换域而间接进行的。进一步而言，前现实生活中的物理图像内的信息呈现的是一 种二者对图像的每次处理是对单个像素进行的或者是对小的予图像( 模板) 进行的，即 可分为两组：基于像素( 点) 的和基于模板的。在基于像素的处理( 也叫点处理) 中，增 强过程对每个像素的处理与其它像素无关；而模板处理则是指每次处理( 或操作) 是基 于图像中的某个小区域进行的。 在图像处理中，空域是指由像素组成的空间，空域增强的方法指直接作用于像素 的增强方法，可表示为( 4 1 ) 所示： g ( x ) ) = e h f ( x ，y ) 】 ( 4 一1 ) 其中，f ( x ，y ) 和g ( x ，y ) 分别为增强前后的图像，而e h 代表增强操作。从增 强操作容易实现的角度出发，最常用的邻域是正方形。 频域空间的增强方法有两个关键： 华中科技大学硕士学位论文 ( 1 ) 将图像从图像空间转换到频域空间所需的变换( 用t 表示) 以及再将图像从 频域空间转换回图像空间所需的变换( 用r 1 表示) ； ( 2 ) 在频域空间对图像进行增强加工的操作( 设用e h 表示) 。此时的增强可表示 为( 4 - 2 ) 所示： g ( x ，y ) = t “i e h 【可( _ ) c ，y ) 】， ( 4 2 ) 4 1 2 图像增强在害虫检测系统中的应用 对于本文的基于图像识别的害虫检测系统，在理想的情况下，所采集的原始图像 质量较好，可以直接进行分割处理。但是，由于传送带的运动、电动机运转所产生的 震动以及光照的稳定性与均匀性等其它因素的影响，c c d 所得到的图像有时并不令 人十分满意( 不是特别稳定) ，如传送带的运动和电动机的运转可能使所摄取的图像变 得模糊、光照的不均匀性可能使图像的对比度质量下降等，因此在必要的时候需要对 图像进行增强处蝌1 0 1 。 4 1 3 自适应图像增强 由于粮虫目标属于运动的小目标研究对象，若使用全局性算法( 直方图变换、直 方图均衡等) 不仅不易提取出信号，反而还可能降低清晰度，为此要研究一种适宜于 小目标提取的自适应增强算法。本系统所采用的自适应增强是利用每个像素的邻域内 像素的均值和方差的特性进行的，其基本思想就是要自适应增强微弱峰和谷之间的反 差。以对图像各区域进行动态调节，增强区域内部的局部对比度，达到既影响动态范 围又影响对比度的目的【1 3 】【1 4 1 。 对于g = f ( x ，y ) 的二维图像，具体增强算法如下： ( 1 ) 计算每一像素点在( 2 m + 1 ) ( 2 n + 1 ) 邻域内的均值g g = i 击忑，( f ，) ( 4 3 ) ( 2 m + 1 ) ( 2 n + 1 ) f 妻，篡、 ( 2 ) 计算灰度差g a g = f ( x ，y ) 一g ( 工，y ) ( 4 4 ) ( 3 ) 计算自适应调整系数r 这里以像素点0 ，力为中心的( 2 m + 1 ) ( 2 n + 1 ) 矩形邻域内灰度的局部均值和局部方 1 2 华中科技大学硕士学位论文 差为依据来定义调整系数。 r：尘一一(4-5) c r ( x ，y ) + b 嘶 y ) 22 面面1 ，量，碧州棚坷y ) 2 ( 4 _ 6 ) + fv + 一 其中，a 一是一个常数，其值大则各灰度层次之间的距离加大，但灰度层次的总 数可能会减小；其值小则各灰度层次之间的距离较小，灰度层次比较丰富，但明暗对 比度稍弱。因此a 的值可根据具体情况而定。b 是一个限制因子，为一个小的正数， 主要是为了防止盯( _ ) c ，y ) 为零时出现除以零的现象，另外对a 也有一定的约束作用u 0 】。 ( 4 ) 将坐标原点沿灰度轴上移c 各单位即可，如式所示。为了使g 7 的值上下都 不自l 超界，可按式( 4 7 ) 和( 4 8 ) 来处理。 g 7 = k a g4 - c ( 4 7 ) f 0当g 冬0 g ，：j g 当o g ，2 5 5 ( 4 - 8 ) 【2 5 5 当g 2 5 5 在储粮害虫检测系统中，系统对处理速度要求较高，因此为了提高系统的实时性， 可将盯( x ，y ) m l c i 来代替。娥, - f n ，n a ( x ，y ) 的邻域取为3 x 3 ，c = 3 0 ，b = 1 0 ，a = 1 2 8 时所获取的图像效果较好吲。图4 - 1 为获取的原始图像，经该法处理后的图像如图4 2 所示。由图可见，原始图像局部偏暗，局部偏亮，增强后的图像局部对比度得到增大， 效果良好。 图4 - 1 粮虫的原始图像图4 - 2自适应增强后的图像 华中科技大学硕士学位论文 4 2 图像平滑 4 2 i 概述 图像平滑( 也称滤波) 主要目的在于消除各种干扰和嗓音，这些噪音可能是在图像 采集、量化等过程中产生的，也可能是图像传送过程中产生的。其表现是图像信息被 干扰噪声污损，这类噪音具有离散性和随机性的特点。通常把消除这类噪音的处理方 法称为图像的平滑。图像平滑的困难在于尽量避免降低图像的清晰度，不使图像的边 缘进一步模糊【1 6 】。 4 2 2 图像平滑算法及其在害虫检测系统中的应用 最常用的空间域平滑法有邻域平均法和中值滤波法，其中邻域平均法虽然对噪声 的抑制能力较强，但会使图像的边缘产生严重的模糊，给边缘的检测带来困难；中值 滤波也会使图像边缘产生一定程度的模糊。鉴于此，本文采用一种修正的自适应邻域 平均法”，它计算比较简单，既能有效的平滑噪声，又能锐化模糊的图像边缘。设 ，( x ，y ) 为待处理图像，g ( x ，y ) 是平滑后的图像，则有： t ， _ 。 _ j m n 。 m a x 。) ( 4 9 ) m lj m a x ，no ) 其它 其中，s 为坝先设定的邻域，一股选以该像素为中心的一个正方形区域，其 像素总数为n ；n g 、n 。、n 1 分别代表s 内的灰度值大于、等于、d , q 询nm 的像素 数；m 为灰度平均值，其求解公式为m = 专。蒹，t f ) ；m s 、m r 为灰度上偏差和下偏 差，计算分别见式( 4 - i 0 ) 和( 4 一n ) ；艿2 为邻域s 的灰度方差，计算如式( 4 1 2 ) 。 叩击似一优 驰珊 f ) m = m 一嘉m f ) ( 刈) 她m ，f ) n g 或n gn ，且相差很大时，万2 也较大，修正项也随着 增加，从而起到既平滑又锐化边缘的作用。该方法和传统的邻域平均法及中值滤波法 的处理效果如图4 3 4 6 所示。 图4 3 原始有噪图像图4 4 中值滤波法平滑后图像 图4 。5 邻域平均法平滑后图像图4 - 6 修正的邻域平均法平滑后图像 从实验结果可以看出，传统的邻域平均法和中值滤波法都会使图像产生一定的模 糊，图像的边缘细节信息损失很大，而用该修正的邻域平均法在去除图像噪声的同时， 又很好地保持了图像的边缘，所以滤波后的图像很清晰，处理效果好。 华中科技大学硕士学位论文 5 储粮害虫图像边缘检测 由图2 1 可知，在本系统中，储粮害虫图像边缘检测算法是关键，因为边缘检测 算法的正确性直接关系着特征参数提取的有效性，从而决定着分类器决策的正确性和 系统决策的正确性。所以本文主要研究储粮害虫图像边缘检测算法。 5 1 储粮害虫图像边缘检测问题提出 所谓边缘( e d g e ) 是指图像局部亮度变化最显著的部分。边缘主要存在于目标与目 标、目标与背景、区域与区域( 包括不同色彩) 之间，是图像分割、纹理特征提取和形 状特征提取等图像分柝的重要基础。边缘检钡1 ( e d g ed e t e c t i o n ) 常常是图像分析和理解 的第一步。在储粮害虫图像处理中，对c c d 获取的原始采样图像进行滤波