（计算机应用技术专业论文）珍珠图像的预处理与特征检测.pdf

浙江大学硕士学位论文摘要 摘要 珍珠产业是中国的传统产业和民族产业，我国是世界第一的珍珠大国。目前， 珍珠的等级评判主要靠人工依据珍珠的颜色、光泽、形状、纹理等进行大致估计。 这种估计在很大程度上受人为因素的影响，导致人为误差，造成分选质量差、人 工成本高、分选效率低、随意性大，从而给整个珍珠生产业带来较大的负面影响。 因此根据珍珠的特点，建立详细的分级标准、研制高速、高精度珍珠自动分选设 备对我国珍珠业的发展将起到重要的促进作用。 珍珠自动分选系统包括硬件系统、软件系统。珍珠自动分选系统的硬件部分， 主要包括照明系统，触发设备，工业相机，i o 控制卡，传送设备和分类器几个部 分。软件系统主要由边缘检测、形状检测、纹理检测、颜色识别等部分构成。珍 珠自动分选设备通过对珍珠进行动态采集，抓取珍珠的图象，对所抓取图象进行 分析处理，从而按照珍珠的大小、形状、瑕疵、颜色、光泽等特征指标进行分类。 珍珠的形状主要有圆形、椭圆形、扁形、其他形状等。本系统利用随机h o u g h 变换技术来检测珍珠形状，能够检测圆、椭圆、尖形和其它形状。珍珠纹理以珍 珠表面的瑕疵情况作为分选标准，有无暇、微暇、小暇、瑕疵、重暇等。珍珠图 像经边缘检测找到边界轮廓后，再对图像进行二值化处理，提取瑕疵信息，然后 进行瑕疵识别，并确定瑕疵类型。 关键词：边缘检测，形状检测，纹理检测 浙江大学硕士学位论文 a b s t r a c t p e a r li n d u s t r yi sc h i n a st r a d i t i o n a la n dn a t i o n a li n d u s t r y , c h i n ai st h ew o r l d s m a j o rc o u n t r i e so fp e a r l s a tp r e s e n t , t h ep e a r ll e v e lj u d g m gd e p e n d sl a r g e l yo i lt h e a r t i f i c i a le s t i m a t eo ft h ec o l o r , l u s t e r , s h a p e ，t e x t u r eo ft h ep e a r l t h i se s t i m a t ei nl a r g e m e a s u r eb ym a n - m a d ef a c t o r s ，l e a dt oh u m a ne r r o r , r e s u l t i n gi np o o rq u a l i t y , h i g h l a b o rc o s t s ，l o we f f i c i e n c yo fs e p a r a t i o n , a r b i t r a r i n e s s ，a n dt h u st ot h ee n t i r ep e a r l p r o d u c t i o ni n d u s t r yg r e a t e rn e g a t i v ei m p a c t p e a r la u t o m a t i cs o r t i n gs y s t e m , i n c l u d eh a r d w a r e ，s o f t w a r es y s t e m s t h eh a r d w a r e s y s t e mi n c l u d e su g h t m gs y s t e m s ，t r i g g e r i n ge q u i p m e n t , i n d u s t r i a lc a m e r a s ，i oc o n t r o l c a r d , a n dp a r t sf o rc l a s s i f i c a t i o n a n ds o f t w a r es y s t e mm a i n l yb yt h ee d g ed e t e c t i o n , s h a p ed e t e c t i o n , t e x t u r ed e t e c t i o n , a n dc o l o rd e t e c t i o n i no u rs y s t e m ，b yd y n a m i c c o l l e c t i n gt h ep e a r li m a g e ，w ed e f i n et h ec l a s so fp e a r l sa c c o r d i n gt ot h es h a p e ，c o l o r , l u s t e ra n df l a wo f p e a r l s m a i n l yt h es h a p eo fp e a r l sr o u n d ，o v a l ，f i a t , t h eo t h e rs h a p e ，a n ds o0 1 1 i nt h i s p a p e r , w eu s eh o u g ht r a n s f o r m a t i o nt od e t e c tt h es h a p eo fp e a r l s i tc a nr e c o g n i z e r o u n d ，e l l i p s ea n ds h a r ps h a p e b yt h ei m a g ee d g ed e t e c t i o n , w ef i n dt h eb o r d e ro f t h e p e a r l ，t h e nw eb i n a r yt h ep e a r li m a g e ，a n df e t c ht h et e x t u r ei n f o r m a t i o na n dp r o c e e dt o i d e n t i f yf l a w sa n dd e f e c t st y p e k e y w o r d s ：e d g ed e t e c t i o n , s h a p ed e t e c t i o n , t e x t u r ed e t e c t i o n 浙江大学硕士学位论文表目录 表目录 表4 1 珍珠形状类别及级别2 8 表5 1 珍珠纹理分选标准。3 7 i v 浙江大学硕士学位论文图目录 图目录 图2 1 珍珠自动分选软件过程示意图6 图3 1 珍珠图像预处理过程1 2 图3 2 预处理后的珍珠图像1 5 图3 3 珍珠定位得到的图像。1 5 图3 4s o b e l 边缘检测算子2 6 图3 5 边缘检测实验结果2 6 图4 1 形状检测流程图。3 4 图4 2 珍珠形状检测结果3 5 图5 i l o g 算子5 x 5 模板4 l 图5 2v 2 g 的截面图，其中w 为主瓣宽度4 2 图5 3 珍珠图像局部二值化结果4 3 图5 4 珍珠纹理检测结果4 3 浙江大学研究生学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。 除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成 果，也不包含为获得迸鎏盘鲎或其他教育机构的学位或证书而使用过的材料。与我一 同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者签名：钗辱互 签字日期2 呵年月加日 学位论文版权使用授权书 本学位论文作者完全了解逝垄盘鲎有权保留并向国家有关部门或机构送交本 论文的复印件和磁盘，允许论文被查阅和借阅。本人授权迸姿盘堂可以将学位论文的 全部或部分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段 保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) ， 学位论文作者签名：- 靛昝互 签字日期：伊孑年乡月扣日 导师签名： 狄到 签字日期：砂扩年乡月归日 浙江大学硕士学位论文 第1 章绪论 第1 章绪论 1 1 研究背景和意义 我国是世界第的珍珠大国，淡水养殖珍珠6 0 0 吨以上，约占世界总量的9 5 ， 海水养殖珍珠也占世界产量的6 0 以上。但是我国珍珠的贸易额却仅占世界的8 左右。高档珍珠少，产品附加值低。由于产量大、产值低，致使大量的珍珠没有 经过加工便流向海外。而大量的低档珍珠在国内市场上竞相以低价出售，严重影 响了珍珠在国人心目中的高贵形象，导致国内购买力不足。 淡水珠目前集中在浙江诸暨、广东湛江；海水珠分布在青岛、广东、广西沿 海等地。不同的珍珠，根据其大小、形状、光泽、瑕疵、颜色等特性，其价值不 同，而在实际的各种应用场合下，我们也需要采用不同等级的珍珠，这就需要对 珍珠进行分选工作。 作为珍珠生产的最后一个环节，珍珠的等级评判和自动分选，一直缺乏科学、 有效的技术方法。目前，珍珠的等级评判主要靠人工根据珍珠的颜色、光泽、形 状、瑕疵等进行大致估计。这种估计在很大程度上受人为因素的影响，导致人为 误差，造成分选质量差、人工成本高、分选效率低、随意性大，从而给整个珍珠 生产业带来较大的负面影响。因此根据珍珠的特点，建立详细的分级标准、研制 高速、高精度珍珠自动分选设备对我国珍珠业的发展将起到重要的促进作用，研 发高速、高精度珍珠自动分选设备将有利于提升我国珍珠业的国际地位，降低成 本、提高质量、走出珍珠业的“高产陷阱”，产生明显的社会和经济效益。 使用机器视觉、图像处理、模式识别技术对物体进行分级检测，在国内外各 领域已有广泛的应用，而对于农副产品的分级，在国外已有广泛的应用，比如 m r e e e e ，j t a y l o r t 】等人的“基于视觉的桔子品质的分级”，p h h e 血印埘m 【2 】的 “农产品的自动无伤分级”，以及dm b u l a n o n 3 】等人的“基于机器视觉的新鲜水 果分级”等但国内在这一领域的应用也有一些，如：b i nl i ，g el i1 4 1 提出的基于 z e m i k e 矩的珍珠形状分类方法，z h a oj i n g ，h ed o n g i i a n i s l 等人提出的水果检测方 浙江大学硕士学位论文第l 章绪论 法，g u a ns h u a n ，z h o uh o n g ，l i ug l 瑚g r o n g 【6 】等人提出的基于z e 玎l i l ( e 矩的大米 模糊分类等等。对于我国如此大产量的珍珠，目前所采用的分选方法基本上是人 工方式， 以这样的方式对珍珠进行分选，速度慢，不准确，而且耗费大量的人 力。由此，一个自然的想法就是使用现代化的科学技术，来完成这项工作，在节 省人力的同时，改善、提高珍珠分选的效率、准确程度等指标。 针对以上的想法，本论文中，在合理有效的硬件系统的配合下，我们使用图 像捕捉设备获取所需分选珍珠的图像信息，然后对采集到的图像信息进行特征提 取、分析，最后根据不同的指标，对珍珠进行合理的分类。本系统采用了图像处 理、模式识别技术等技术，实现了对珍珠的自动化分选。 1 2 技术难点 珍珠自动分选系统的实现存在着一些技术难点。 ( 1 ) 珍珠图像的获取。珍珠自动分选系统对珍珠图像的获取要求很高，如果珍珠 图像质量不够高，则在纹理检测方面会出现困难。普通的数码相机拍摄的珍珠图 片，常常清晰度不够，无法表现珍珠的真实纹理情况。另外，珍珠所处的背景的 情况也会影响珍珠图片的质量。所以，选取合适的相机进行拍摄，对珍珠自动分 选的速度和准确率都有很重要的影响。此外，选取不同的图像获取设备也会对珍 珠识别产生影响，专业的工业相机和普通的数码相机，拍摄的图像表现出来的纹 理信息、颜色真实度都不一样，专业的工业相机，更能真是的表现珍珠的各种特 征信息。另外珍珠图像的像素大小也会对识别产生影响。像素太低，就不能很好 地表现珍珠的细小纹理变化；像素太高，则会使珍珠识别时间变长，速度变慢， 影响识别效率。因此，选择合适的相机进行珍珠图像的拍摄，对整个珍珠自动分 选系统的实现至关重要。 ( 2 ) 珍珠定位。珍珠下落时位置存在不确定性，我们想要成功抓取珍珠图像，就 必须保证珍珠下落时能位于相机的拍摄范围之内。因此我们在照明球里加了一个 透明的无色玻璃管，来保证珍珠下落时能位于玻璃管内，也就处于相机拍摄范围 之内，虽然采用了此方法之后，珍珠的位置能大体得到保证，但是珍珠在玻璃管 2 浙江大学硕士学位论文 第l 章绪论 中所处的位置依然是随机的，仍需要在对珍珠进行处理，先对珍珠进行定位。理 想的拍摄结果是图片除了珍珠外的背景颜色都是黑色的，在照明球里加了透明的 无色玻璃管后，玻璃管的两边被拍摄下来后就会呈现白色的条带，这样在珍珠图 片里，珍珠的两边就会多出两条白色的直线带。而如果珍珠正好时贴着两边的玻 璃内壁落入拍摄范围的话，白色条带就会与珍珠部分重叠，这给珍珠的定位、以 及后续形状识别等工作造成了一定的困难。 ( 3 ) 形状检测。珍珠的形状千变万化，有圆形、椭圆、尖形、扁形以及各种不规 则的形状。珍珠自动分选系统要能够对上述形状做出快速又准确的分类，而对于 圆形椭圆形扁形等形状还要进行更细致的分类。目前对于除了规则圆形和椭圆形 的形状有比较成熟的算法外，其它形状的识别目前并没有高效率的成熟算法。 ( 4 ) 纹理检测。珍珠上的纹理分类五花a 1 7 ，按照较简单的分法可以分成：无暇、 微暇、小暇、瑕疵、重疵。但更细的分还可以分成小花点、小花皮、隐螺纹、中 花点、中花皮、浅螺纹、大花点、大花皮、深螺纹、花点花皮等，此外还有毛片、 乌心、白带、剥皮、白头等情况。某些纹理特征在珍珠图像中的表现非常接近， 很难区分，比如花皮和毛片。另外除了纹理检测本身困难之外，光照的影响也常 常会在珍珠的表面形成高光或者暗斑，这些斑点很容易被监测出来而被误判成珍 珠的纹理。 1 3 论文的主要内容和结构 珍珠自动分选设备通过图对珍珠进行动态采集，抓取珍珠的图象，通过对所 抓取图象进行分析处理，从而按照珍珠的圆度、光洁程度、大小等指标进行分类。 珍珠自动分选主要分成以下几个步骤：形状检测、光洁度分选、颜色分选。 本论文主要介绍了自动分选系统中的软件处理部分，包括珍珠定位、边缘检 测、形状检测、纹理检测等方面内容。论文的结构如下： 第一章为绪论，主要阐述了珍珠自动分选系统实现的背景和意义，并且大概 介绍了系统的主要构成和关键实现技术。 第二章为系统软件结构，简要的阐述了珍珠自动分选设备的软件处理流程， 3 浙江大学硕士学位论文 第l 章绪论 并且介绍了相关的实现技术。 第三章介绍的是珍珠定位及边缘检测。无论是形状检测、光洁度分选、颜色 检测哪一模块都需要先找到图像的边界轮廓。因此，选择好的边缘检测算法，更 精确的找到边缘点，对整个珍珠分选系统的实现起到相当关键的作用。本章先介 绍了传统的边缘检测技术以及一些当前新的边缘检测技术，然后介绍本系统中所 使用的技术方法，并给出了实验效果。 第四章针对于珍珠形状检测此模块内容，详细介绍了h o u g h 变换的检测边界 技术、以及系统中使用的随机h o u g h 变换检测椭圆方法。 第五章针对于珍珠纹理检测，这一模块内容，对局部二值化和寻找连通区域 做了详细的介绍。 第六章我们对全文进行了总结，并指出了以后进一步的研究方向。 4 浙江大学硕士学位论文 第2 章系统软件结构 第2 章系统软件结构 珍珠自动分选设备包括硬件系统和软件系统两大部分。整个系统由硬件和软 件构成。硬件主要负责照明，传送、触发、拍摄、分类几个部分。而软件则主要 负责图象处理，珍珠的形状、大小、纹理、颜色等特征的识别。本节将主要对珍 珠自动分选设备的软件处理系统流程做简要的介绍。 2 1 硬件结构 珍珠自动分选系统的硬件部分，主要包括照明系统，触发设备，工业相机， i o 控制卡，传送设备和分类器几个部分。 珍珠周围的照明环境对珍珠的影像获取有很大的影响。不均匀的照明会造成 珍珠表面各部分反光不一致，从而就会造成局部高光现象。而背景照明不足时， 由于珍珠的透明性质，较暗的背景就会吸收透过珍珠的光，从而造成相片上珍珠 的颜色与实际的颜色有差异。因此，要拍出符合软件处理条件的珍珠相片，对珍 珠所处环境的照明要求很高。 之所以出现高光现象，除了珍珠本身的物质构成原因之外，主要是由于照明 光线不均匀造成的。而光线之所以不均匀，主要是由于光源是点光源。因此要解 决局部高光现象，就要放弃使用点光源，转而构造面光源。为消除环境光对珍珠 颜色识别的影响，必须保证照明光线是纯白色的。否则有颜色的照明光会给珍珠 染上一层颜色，从而严重影响珍珠颜色的识别。 系统采用红外触发设备来控制相机进行图像采集。红外触发设备为不可见光 触发设备，不会对珍珠的颜色识别产生影响。在照明球体的两端分别放置触发发 射器和接收器，发射器发射红外光经过照明球体的中心位置，接收器接收红外光 线。当没有物体隔断发射器与接收器之间的光线的时候，则没有触发信号发生。 当珍珠自顶端落下经过照明球体中心时，红外光线被隔断，触发器就产生一个触 发信号，发送给控制盒，由控制盒控制相机进行拍摄。 浙江大学硕士学位论文 第2 章系统软件结构 系统采用黑白和彩色相机分开采集纹理图像与色彩图像，其原因是因为黑白 相机的纹理表现力比彩色相机好，因此做纹理检测的时候，采用的是黑白相机拍 摄的照片。而彩色相机则专门用来做颜色识别。 2 2 软件结构 软件系统主要由图像的处理与识别、分类控制信号组成。珍珠自动分选设备 通过对珍珠进行动态采集，抓取珍珠的图象，对所抓取图象进行分析处理，从而 按照珍珠的大小、形状、瑕疵、颜色、光泽等特征指标进行分类。整个软件处理 过程示意图如图2 1 所示。 图2 1 珍珠自动分选软件过程示意图 6 浙江大学硕士学位论文第2 章系统软件结构 2 2 1 图像预处理 在特征检测之前，需对图像进行预处理，其过程包括图像的去噪、图像灰度 化、图像放缩、珍珠定位、边缘检测等。 由图像采集设备获取得到的珍珠图像，并不适合直接作为珍珠检测的对象。 因为图片可能过大、噪点过多等原因，需要先对珍珠进行预处理，生成适合软件 处理的图片数据。本系统在进行检测之前，首先要将图像灰度化，然后再将图像 缩小为原来的四分之一。因为相机采集的图像过大，直接在原图像上进行处理会 导致检测速度过慢。 系统的目的是为了检测珍珠的特征属性，因此必须先把珍珠信息从整个图像 中提取出来，这就是珍珠定位过程。由于拍摄环境中为了约束珍珠自由落体的位 置，在照明球体内的中心位置有一根玻璃管，这个管子增大了珍珠定位的难度。 在珍珠图片的左右两边个有两条白色区域，这就是玻璃管。应为珍珠落入拍摄区 域的位置并不固定，因此有可能与玻璃管重叠，这给珍珠定位照成了一定困难。 珍珠的形状检测需要获得珍珠的边缘数据信息，因此我们还要进行珍珠边缘 检测。常见的边缘检测算法是基于各类算子的方法。本系统采用s o b e l 算子将珍 珠的灰度图像转换成梯度图，从而得到珍珠的边缘信息。后续的很多操作都是基 于珍珠的梯度图进行的。 2 2 2 形状检测 形状检测模块负责珍珠形状的识别。珍珠的形状千变万化，按照粗略的划分 主要可以分成圆形、椭圆形、扁形、其他形状。按照较细的分法，可以分成正圆、 圆、近圆、长椭圆、短椭圆、四面光、二面光、箭头、平头、其它形状。珍珠的 形状虽然多，但主要仍是以圆形为主。形状检测模块要求仍够根据以上标准判断 珍珠的形状。本系统的形状检测采用随机化的霍夫变换方法。霍夫变换是图像处 理中从图像中识别几何形状的基本方法之一，应用很广泛，也有很多改进算法。 能够应用于检测圆、椭圆、曲线、圆弧等。但是如果对珍珠的边缘点进行霍夫变 换，耗时较多，因此，本系统采取在以珍珠边缘五个等分点为基准随机抽取一定 7 浙江大学硕士学位论文第2 章系统软件结构 数量的点做霍夫变换，较大地提高了检测效率。 2 2 3 纹理检测 纹理检测模块主要负责检测珍珠表面的纹理信息。珍珠表面的纹理按照较简 单的分法可以分成：无暇、微暇、小暇、瑕疵、重疵。细的分法可以分成小花点、 小花皮、隐螺纹、中花点、中花皮、浅螺纹、大花点、大花皮、深螺纹、花点花 皮等。此外，还有毛片( 珍珠表面呈现鱼鳞状褶皱分布) 、鸟心( 珍珠表面视觉 呈暗黑色) 、白带( 珍珠表面有一圈明显的白色无光的带状瑕疵) 、剥皮( 珍珠表 面有一部分呈乳白色而无光的瑕疵) 、白头( 珍珠表面一端有明显的白色而无光 的带状瑕疵) 。这些信息都是由纹理检测模块根据珍珠图像上的数据来判别的。 纹理检测主要依靠统计珍珠表面的螺纹块的形状及面积来判断纹理类别。 2 2 4 颜色分类 颜色识别模块则负责判断珍珠的颜色。珍珠表面色彩可分为白色系列、红色 系列、黄色系列、黑色系列等色系，颜色识别模块要求能够按照白色、红色、黄 色、黑色等色系进行自动分选，同时在同一色系内将有色差的珍珠按照色彩的颜 色差异由深及浅进行再度分选。 由于珍珠表面颜色并不单一，不是纯色，因此在传统的颜色分类过程中，经 验成分扮演了重要的角色。因此在本系统中，采取统计机器学习分类方法，即支 持向量机作为珍珠颜色的分类器。 2 3 图像处理技术 本系统中，将主要采用机器视觉、图像处理、模式识别【刀等技术，对使用图 像捕捉设备采集到的目标物体的图像信息进行处理、特征提取，为珍珠的正确分 类提供合理、有效的数据依据。 2 3 1 机器视觉 人类在征服自然、改造自然和推动社会进步的过程中，面临着自身能力、能 8 浙江大学硕士学位论文第2 章系统软件结构 量的局限性，因而发明和创造了许多机器来辅助或代替人类完成任务。智能机器， 包括智能机器人，是这种机器最理想的形式，也是人类科学研究中所面临的最大 挑战之一。智能机器是指这样一种系统，它能模拟人类的功能，能感知外部世界 并有效地解决人所能解决的问题。人类感知外部世界主要是通过视觉、触觉、听 觉和嗅觉等感觉器官，其中约8 0 的信息是由视觉获取的。因此，对于智能机器 来说，赋予机器以人类视觉功能对发展智能机器是极其重要的，也由此形成了一 门新的学科一一机器视觉( 也称计算机视觉或图像分析与理解等) 。机器视觉的发 展不仅将大大推动智能系统的发展，也将拓宽计算机与各种智能机器的研究范围 和应用领域。 机器视觉是研究用计算机来模拟生物外显或宏观视觉功能的科学和技术。机 器视觉系统的首要目标是用图像创建或恢复现实世界模型，然后认知现实世界。 机器视觉系统获取的场景图像一般是灰度图像，即三维场景在二维平面上的投 影。此时，场景三维信息只能通过灰度图像或灰度图像序列来恢复处理，这种恢 复需要进行多点对一点的映射逆变换。在信息恢复过程中，还需要有关的场景知 识和投影几何知识。 机器视觉是一个相当新且发展十分迅速的研究领域。可以说，对机器视觉的 全球性研究热潮是从2 0 世纪8 0 年代开始的，到了8 0 年代中期，机器视觉获得了蓬 勃发展，新概念、新方法、新理论不断涌现。比如，基于感知特征群的物体识别 理论框架、主动视觉理论框架、视觉集成理论框架等等。 2 3 2 图像处理 所谓图像处理，就是对图像信息进行加工，以满足人的视觉心理或应用需求 的行为。图像处理的手段有光学方法和电子学( 数字) 方法。前者己经有很长的发 展历史，从简单的光学光波到现在的激光全息技术，光学处理理论已经日趋完善， 而且处理速度快，信息容量大，分辨率高，又很经济。但是光学处理图像精度不 够高，稳定性差，操作不便。从2 0 世纪初起，随着电子技术和计算机技术的不断 提高和普及，数字图像处理进入高速发展时期，数字图像处理就是利用数字计算 9 浙江大学硕士学位论文 第2 章系统软件结构 机或者其它数字硬件，对从图像信息转换而得的电信号进行某些数学运算，以提 高图像的实用性。例如从卫星图片中提取目标物的特征参数，三维物体断层图像 的重建等等。数字图像处理技术处理精度比较高，而且还可以通过改进处理软件 来优化处理效果。但是，由于数字图像处理的数据量非常庞大，因此处理速度相 对较差，这就限制了数字图像处理的发展。随着计算机技术的飞速发展，计算机 的运算速度大大提高，目前1 g h z 以上的c p u 已经开始推广应用，这将大大促进数 字图像处理技术的发展。 数字图像处理的英文名称是“d i g i t a ls i g n a lp r o c e s s i n g ”。通常所说的数字图像 处理是指计算机进行的处理，因此也称为计算机图像处理( c o m p u t e ri m a g e f r o c k i n g ) 。 图像处理与分析技术己广泛应用于办公自动化、工业机器人、地理数据处理、 医学数据处理、地球资源、遥感、交互式计算机辅助设计等领域。图像处理与分 析涉及到数学、计算机科学、模式识别、人工智能、信息论、生物医学等多种学 科，是- i l 多学科交叉应用技术。它在国家安全、经济发展、日常生活中充当着 越来越重要的角色，对国计民生有着不可忽略的作用。 2 3 3 模式识别 模式识别诞生于2 0 世纪2 0 年代，随着4 0 年代计算机的出现，5 0 年代人工智能 的兴起，模式识别在6 0 年代初迅速发展成一门学科。它所研究的理论和方法在很 多科学和技术领域中得到了广泛的重视，推动了人工智能系统的发展，扩大了计 算机应用的可能性。几十年来，模式识别研究取得了大量的成果，在很多地方得 到了成功的应用。但是，由于模式识别涉及到很多复杂的问题，现有的理论和方 法对于解决这些问题还有很多不足之处。 通常，我们把通过对具体的个别事物进行观测所得到的具有时间和空间分布 的信息称为模式，而把模式所属的类别或同一类中模式的总体称为模式类( 或简 称为类) 。有两种基本的模式识别方法，即统计模式识别方法和结构( 句法) 模式 识别方法，与此相应的模式识别系统都由两个过程所组成，即设计和实现。设计 1 0 浙江大学硕士学位论文第2 章系统软件结构 是指用一定数量的样本( 称为训练集或学习集) 进行分类器的设计。实现是指用所 设计的分类器对待识别的样本进行分类决策。 基于统计方法的模式识别系统主要由4 个部分组成：数据获取，预处理，特征 提取和选择，分类决策。 本系统中，将采用模式识别的整体处理流程框架，依次分别对珍珠进行图像 数据获取、预处理、特征提取和分类。 2 4 本章总结 本章阐述了珍珠自动分选系统的软件处理过程，简单的介绍了软件处理流程 中预处理、珍珠定位、边缘检测、形状检测、纹理检测、颜色识别等各方面的大 概情况，并且简要的介绍了软件处理系统中所采用的机器视觉、图像处理、模式 识别等方面的技术。 浙江大学硕士学位论文第3 章珍珠图像预处理 第3 章珍珠图像预处理 珍珠图像预处理主要包括图像缩放、珍珠定位、边缘检测等过程。其基本流 程如图3 1 所示。 3 1 图像缩放 图3 1 珍珠图像预处理过程 珍珠检测时所需的图像并不用很大。相反，过大的图像反而会使检测工作速 度变慢，而且大图像相对小图像，珍珠表面的纹理相对就比较分散，不利于纹理 检测，因此，图像预处理的第一步是要将过大的图像缩放，使其适合于做特征检 测。 数字图像模型可定义如下： i m a g e = a r r a y ( i ，j )公式( 3 1 ) 其中0 i w ，0 ， 其梯度大小为 g ( x ，y ) s = 最2 + s 2 公式( 3 7 ) 或取绝对值 g ( x ，y ) s = j 最l + i 最i 公式( 3 8 ) p r e w i t t 算子计算偏微分估计值的方法 只= 矿( x + l ，y 1 ) + 厂( z + l ，力+ f ( x + l ，y + 1 ) ) 一 矿( z 一1 ，y 1 ) + 厂( x 一1 ，y ) + f ( x 一1 ，y + 1 ) ) = 矿( 工一1 ，y + 1 ) + 厂( 五j ，+ 1 ) + 厂( 工+ l ，y + d - 矿( z 一1 ，y 1 ) + 厂( 而j ，一1 ) + 厂( z + l ，y - 1 ) ) g ( x ，j ，) p = 只2 + 0 2 公式( 3 9 ) g o ，y ) p = l l + i i 公式( 3 1 0 ) 在实际应用中，通常是利用模板来计算方向差分，不同的算子对应不同的模 板，它们产生的两个偏导数在图像一个点上用均方值或绝对值求和的方式结合起 1 9 浙江大学硕士学位论文 第3 章珍珠图像预处理 来。 3 3 1 2 二阶微分拉普拉斯算子 拉普拉斯算子是一个二阶导数算子，而前面提到的三种算子均为一阶导数算 子。该算子是一个与方向无关的各向同性( 旋转轴对称) 边缘检测算子。若只关 心边缘点的位置而不顾其周围的实际灰度差时，一般选择该算子进行检测。应用 拉普拉斯算子提取边缘的形式为 v 2 他y ) = 挈+ 学 公加1 1 ) 其离散形式定义为 v 2 ( 而力= 三( 五力= b + 1 ，力+ 八工一1 ，y ) + 厂( 五y + 1 ) + 厂( 五y 1 ) 一4 厂( 五力 与一阶微分相比，拉普拉斯算子对噪声更敏感，它使噪声成分加强，在实际 应用中很少直接用于边缘检测，常常是在进行平滑操作的同时进行二阶微分。 3 3 1 - 3l o g 算予 由于拉普拉斯算子为二阶差分，其方向信息丢失，常产生双像素，对噪声有 双倍加强作用，因此它很少直接用于边缘检测。鉴于此，m a l t 和i - i i l d r e t l a 将高斯 滤波和拉普拉斯边缘检测结合在一起，形成了l o g ( l a p l a e i a no f g a u s s i a n ) 算子， e p 高斯拉普拉斯算子，也常称为马尔算子( m a r r - h i l d r e t h ) 。该算子先用高斯算 子对图像进行平滑，然后采用拉普拉斯算子根据二阶微分过零点来检测图像边 缘。 高斯拉普拉斯算子通常具有如下形式： v 2 g y 加等等 = 专( 等一1 ) e x p ( 一等) 公却1 2 ) 式中，仃是方差。 l o g 算子是两种算子的结合，既具备高斯算子的平滑特点又具备拉普拉斯算 浙江大学硕士学位论文第3 章珍珠图像预处理 子锐化特点。平滑和锐化，积分和微分是一对矛盾的两个侧面，统一在一起后就 变成了最佳因子。因为图像中包含噪声，平滑和积分可以滤掉这些噪声，消除噪 声后再进行边缘检测( 锐化和微分) 会得到较好的效果。l o g 算子能很好的检测出 边缘，其抗干扰能力强，边界定位精度较高，边缘连续性好，且能提取对比度弱 的边界。 3 3 1 4c a n n y 边缘检测算子 c a n n y 算子是一类最优边缘检测算子，近年来在图像处理中得到了广泛应用。 根据边缘检测的有效性和定位的可靠性，c a n n y 研究了最优边缘检测器所需的特 性，推导出最优边缘检测器的数学表达式。 c a n n y 给m 了评价边缘检测性能优劣的三个指标： ( 1 ) 好的性噪比，即将非边缘点判为边缘点的概率要低，将边缘点判为非边缘点 的概率要低。 ( 2 ) 好的定位性能，即检测出的边缘点要尽可能在实际边缘的中心。 ( 3 ) 对单一边缘仅有单一响应，即单个边缘产生多个响应的概率要低，并且虚假 边缘响应应得到最大抑制。c a n n y 从这三项指标出发，推导出了最佳边缘检测算 子- c a n n y 边缘检测算子。该算子的基本思想是：先对处理的图像选择一定的g u a s s 滤波器进行平滑滤波，抑制图像噪声；然后采用一种称之为“非极值抑制” ( n o n m a x i m as u p p r e s s i o n ) 的技术，细化平滑后的图像梯度幅值矩阵，寻找图像中 的可能边缘点；最后利用双门限检测通过双阈值递归寻找图像边缘点，实现边缘 提取。 c a n n y 方法也使用拉普拉斯算子，该方法与其它边缘检测方法的不同之处在 于，它使用两种不同的阈值分别检测强边缘和弱边缘，并且仅当弱边缘与强边缘 相连时才将弱边缘包含在输出图像中，因此这种方法较其它方法而言不容易被噪 声“填充”，更容易检查出真正的弱边缘。 2 l 浙江大学硕士学位论文第3 章珍珠图像预处理 3 3 2 边缘检测新技术 3 3 2 1 基于小波的边缘检测 小波变换1 1 8 l 【1 9 l 是传统的f o u 6 破换的继承和发展。具有一定的分析非平稳信 号的能力，主要表现在高频处的时间分辨率高，低频处的频率分辨率高，即具有 变焦特性，因此特别适合于图像这一类非平稳信号的处理。经典的边缘检测算子 都没有自动变焦的思想。 通过小波多尺度提取图像边缘是一种非常有效的方法。由于小波变换具有的 多尺度特性，图像的每个尺度的小波变换都提供了一定的边缘信息。当尺度小时， 图像的边缘细节信息较为丰富，边缘定位精度较高，但易受到噪声的干扰；大尺 度时，图像的边缘稳定，抗噪性好，但定位精度差。将各尺度的边缘图像的结果综 合起来，发挥大小尺度的优势，就能得到精确的图像。 多尺度边缘检测的基本思想就是沿梯度方向，分别用几个不同尺度的边缘检 测算子在相应点上检测模极大值的变换情况，并通过对阈值的选取，再在不同尺 度上进行综合，得到最终边缘图像，可以较好的解决噪声和定位精度之间的矛 盾。 3 3 2 2 基于形态学的边缘检测 数学形态学是一种非线性滤波方法，在图像处理中已获得了广泛的应用。形 态学运算是物体形状集合与结构元素之间的相互作用，对边缘方向不敏感，并能 在很大程度上抑制噪声和探测真正的边缘。同时数学形态学在图像处理方面还具 有直观上的简单性和数学上的严谨性，在描述图像中物体形状特征上具有独特的 优势。因此，将数学形态学用于边缘检测，既能有效地滤除噪声，又可保留图像中 的原有细节信息，具有较好的边缘检测效果。 数学形态学的主要内容是设计一整套变换，来描述图像的基本特征或基本结 构。最常用的有7 种基本变换分别是膨胀、腐蚀、开、闭、击中、薄化、厚化。 其中膨胀和腐蚀是两种最基本最重要的变换，其它变换由这两种变换的组合来定 浙江大学硕士学位论文第3 章珍珠图像预处理 义。如：先腐蚀后膨胀的过程称为“开”运算，它具有消除细小物体，在纤细处分 离物体和平滑较大物体边界的作用：先膨胀后腐蚀的过程称为“闭”运算，具有 填充物体内细小空洞，连接邻近物体和平滑边界的作用。该算法简单，适于并行 处理，且易于硬件实现，适于对二值图像进行边缘提取。 用数学形态学运算进行边缘检测也存在着一定的不足比如结构元素单一的 问题。它对与结构元素同方向的边缘敏感而与其不同方向的边缘或噪声会被平滑 掉，即边缘的方向可以由结构元素的形状确定。但如果采用对称的结构元素，又 会减弱对图像边缘的方向敏感性。所以在边缘检测中。可以考虑用多方位的形态 结构元素，运用不同的结构元素的逻辑组合检测出不同方向的边缘。梁勇等人构 造的8 个方向的多方位形态学结构元素，应用基本形态运算，得到8 个方向的边 缘检测结果，再把这些结果进行归一化运算、加权求和，得到最终的图像边缘。 该算法在保持图像细节特征和平滑边缘等方面取得了很好的效果。 将模糊集合理论用于数学形态学就形成了模糊形态学。模糊形态学是传统形 态学从二值逻辑向模糊逻辑的推广，与传统数学形态学有相似的计算结果和相似 的代数特性。t o d d 和h i r o h i s a1 1 6 将模糊形态学推广到了边缘检测领域。目前，数 学形态学在理论上已趋于完备，与实际应用相结合，使之能用于实时处理将是今 后发展的一个重要方向。 3 3 2 3 基于分形理论的边缘检测 任意一幅图像都是有灰度的、非严格自相似的，不具有整体与局部的自相似， 但却存在局部之间的自相似即从局部上存在一定程度近似的分形结构。正是由 于存在局部之间的相似性就可以构造图像的迭代函数。分形几何中的压缩映射 定理，可以保证局部迭代函数的收敛，而分形几何中的拼贴定理，就允许一个完整 图像分成若干个分形结构，即构成一个迭代函数系统。有了这个迭代函数系统， 就必然决定了唯一的分形图形。这个图形被称为迭代函数系统的吸引子。因此，压 缩映射定理和拼贴定理，构成了分形在图像处理中的核心部分。 对于给定的一幅图像，寻找一个迭代函数系统，使它的吸引子与原图像尽量 浙江大学硕士学位论文 第3 章珍珠图像预处理 地吻合，因为迭代函数系统的吸引子与原图像间必然存在着差异，图像中的每个 子图分形结构也不同程度上存在差异，因此，子图的分形失真度大小不一，处在 边缘区的子图的分形失真度比较大而处在平坦区或纹理区子图的分形失真度相 对比较小。因此就可以利用图像边缘在分形中的这一性质来提取图像的边缘。 在检测图像边缘时，采用某种度量方法( 如最小二乘法) 测量子块与最佳匹配父块 的失真度，当计算的失真度值越大时，对应的边缘块越强，否则，对应的边缘块 越弱。设定某一阈值，作为区分边缘块的界限，与最佳匹配父块的失真度大于阈 值的子块就被划为边缘块。 3 3 2 4 基于模糊学的边缘检测 为了用不精确的知识表达事件人们提出了模糊集合的概念。模糊集合理论 能较好地描述人类视觉中的模糊性和随机性。在模式识别的各个层次都可以使用 模糊集合理论，如在特征层，可将输入模式表达成隶属度值的矩阵：在分类层， 可表达模糊模式的多类隶属度值。并提供损失信息的估计。模糊集合理论主要可 解决在模式识别的不同层次中，由于信息不全面、不准确、含糊、矛盾等造成的 不确定性问题。8 0 年代中期p a l 和k i n g 【1 7 】等人提出了一种图像边缘检测模糊算 法，首次将模糊集理论引入到图像的边缘检测算法中，能有效地将物体从背景中 分离出来并在模式识别和医疗图像处理中获得了良好的应用。该算法的思想是 首先用隶属度函数g 将图像映射成一个模糊隶属度矩阵，然后对该矩阵进行多 次非线性变换，以增强边缘信息，削弱非边缘信息，再对模糊隶属度矩阵进行g 1 变换，易得到经过增强的图像，最后用“m i n ”和“m a x 算子提取边缘。该算法 也存在一些缺陷，比如损失了一些低灰度值边缘信息，并且运算复杂。文献对p a l 算法进行了改进，提高了抗噪性能；文献则主要针对p a l 算法速度慢的问题，提 出了一种快速算法提高了检测速度。 3 3 2 5 基于人工智能的边缘检测 人工神经网络( 删是用大量的、非常简单的计算处理单元( 神经元) 构成的 浙江大学硕士学位论文第3 章珍珠图像预处理 非线性系统。它在不同程度和层次上模仿人脑神经系统的信息处理、存储和检索 功能具有学习、记忆、计算等各种能力。它的特点是使用多个基本的非线性计 算元素，并将它们组成网络。人工神经网络是进行模式识别的一种重要工具和方 法。它需要的输入知识较少，也比较适合于并行实现。近年来，人工神经网络正 广泛地被用于模式识别、信号与图像处理、人工智能及自动控制等领域。神经网 络的主要问题是输入与输出层的设计问题、网络数据的准备问题、网络权值的准 备及确定问题、隐层数及结点的问题、网络的训练问题。 在各种神经网络模型中，应用最广泛的一类是前馈神经网络，用于训练前馈 网络的最常用的学习方法是b p 算法。目前已有了很多基于b p 网络的边缘检测算 法，但是b p 网络收敛速度很慢，容易收敛于局部极小点，且数值稳定性差，参数 难以调整很难满足实际应用的要求。 c h u a 和y a n g 1 8 】提出用细胞神经网络来检测图像边缘，这种方法与传统方法 完全不同，首先将图像映射为一个神经网络，每个像素点是一个神经元，然后通 过动态方程引导神经元的状态向神经网络所定义的最低能量方向变化，来实现边 缘提取。 3 3 2 6 基于遗传算法的边缘检测 遗传算法是一种新发展起来的优化算法是基于自然选择和基因遗传学原理 的搜索算法，具有计算简单、功能强等特点，已应用于边缘检测算法中。 对于图像的边缘提取，采用二阶的边缘检测算子处理后要进行过零点检测， 其计算量很大、硬件实时资源占用大且速度慢，所以学术界提出了一种二次搜索 寻优的阈值选取策略。通过遗传算法进行边缘提取阈值的自动提取，能够显著地 提高阈值选取的速度可以对视觉系统所产生的边缘图像进行阈值的实时自动选 取，增强了整个视觉系统的实时性和鲁棒性。 3 3 3 我们所采用的边缘检测算法 由于珍珠下落间隔时间很多，我们的软件系统部分对速度要求较高，因此在 边缘检测部分，我们排除了各种较为复杂的方法，而采用较为简单的s o b c l 算子。 浙江大学硕士学位论文 第3 章珍珠图像预处理 ( ；享； 三曼 图3 4s o b e l 边缘检测算子 因此，使用s o b e l 算子运算，可以较好地得到珍珠的边缘信息以及珍珠表面的 纹理信息。由上一节珍珠定位中所得到的梯度图及定位区域，我们将很容易得到 珍珠的边缘点。我们将边缘点的坐标，记录在一个二维数组中，以便后续的处理 过程使用。图3 5 为边缘检测结果。 3 4 本章总结 图3 5 边缘检测实验结果 珍珠定位及边缘检测是珍珠形状检测、纹理检测、颜色识别等步骤的前提， 珍珠定位及边缘检测所得到的边缘二值图像及记录的边缘点将在后续检测过程 中使用。 珍珠定位将s o b e l 算子得到梯度图二值化，分析二值化图像的水平竖直直方 图，得到珍珠的左右、上下边界。 边缘检测是图像处理与识别中最基础的内容之一，一幅图像就是一个信息系 统，其大量信息是由它的轮廓边缘提供的。因此，边缘提取与检测在图像处理中 占有很重要的地位，其算法的优劣直接影响着所研制系统的性能。 传统的边缘检测算法有r o b e r t s 算子、s o b e l 算子、拉普拉斯微分算子等。而在 经典边缘算子基础上发展起来的边缘检测算子有