（机械电子工程专业论文）基于数学形态学和色度学的烟叶外观特征提取方法研究.pdf

华中科技大学硕士学位论文 摘要 f 近年来，随着数字图像处理技术的发展，机器视觉在工农业领域的应用日 益广泛。烟草作为一种重要的初级出口产品，人工检测等级的方法使其品质难 以得到保证，在国际市场上缺乏竞争力。研究基于机器视觉的智能化烟叶自动 分级系统，对于提高识别的效率和准确度，增强产品的竞争力，有着不可低估 的作用。 数学形态学是一种用于信号和图像处理分析的新理论和新方法，它建立在 严格的数学基础上，在数字图像分析中有很多独到之处。 本文以数学形态学理 论为基础，探索了提取烟叶表面特征的方法，同时运用色度学理论实现了颜色 特征的识别。 本文的主要研究内容如下： 1 数学形态学用于图像特征提取的算法研究；恒括：运用形态学算法实现图 像边缘的识别：首先设计了一种运用形态学运算族中基本运算腐蚀运算的 组合算子提取图像外轮廓的方法，然后提出采用基于外轮廓形态学( c b 形态学1 算法分离烟叶图像中的叶脉信息；形态滤波用于纹理分析：讨论了灰值形态 学中开、闭形态滤波算子的性质，提出用多刻度形态滤波算子的算法来分析烟 叶的表面特征。、 2 色度学理论用于颜色特征提取的算法研究。在分析几种颜色色度系统的基础 上，提出综合两种色度系统的颜色表示分量来表示烟叶的颜色特征，使其更符 合人的视觉特性同时算法的效率更高。 3 在v i s u a lc + + 语言环境下开发了烟叶自动等级识别系统。i 该系统可以完成烟 叶图像的采集，对图像数据的形态学运算以及图像的各个特征值的分析等。此 程序具有可靠的图像分折和图像采集实时控制功能，完善的图形化用户界面， 方便的文件管理功能。 对烟叶外观特征提取的研究是作为丌发农产品品质检测系统的一个重要尝 试，因此它不仅具有重要的理论意义，而且具有广阔的应用前景。、3 苤焦通：数学形态学jc b 形态学，、形态滤波、多刻度结构元素j 纹勘色度学 色度系统 、 华中科技大学硕士学位论文 a b s t r a c t i nr e c e n ty e a r s w i t ht h ed e v e l o p m e n to ft h ed i g i t a li m a g ep r o c e s s i n gt e c h n o l o g y , t h e m a c h i n ev i s i o nh a sb e e nw i d e l yu s e dt oi n d u s t r i a la n da g r i c u l t u r a lf i e l d s a sak i n d o f i m p o r t a n ta g r i c u l t u r a le x p o r t ，h o w e v e r , t o b a c c oi so n l yg r a d e db y am a n u a lw a yi n d o m e s t i cs oa st ow e a ki t sc o m p e t i t i o nb e c a u s eo ft h eh i g hr a t eo ff a u l t y t h e r e f o r e ， t h er e s e a r c ho fa na u t o g r a d i n gs y s t e mi sv e r ys i g n i f i c a n tt oi m p r o v et h er e c o g n i z i n g e f f i c i e n c ya n dv e r a c i t ya n d t oe n h a n c et h ec o m p e t i t i o no f p r o d u c t s m a t h e m a t i c a lm o r p h o l o g yi san e wm e t h o df o rd i g i t a li m a g ep r o c e s s i n gb e c a u s ei t h a sal o to fi m p o r t a n tp r o p e r t i e sa n da p p l i c a t i o n si ni m a g ea n a l y s i sw i t hi t ss t r i c t l y m a t h e m a t i c a lt h e o r i e s b a s e do nt h et h e o r i e so fm a t h e m a t i c a lm o r p h o l o g ya n dc h r o m a t i c s ，i nt h i st h e s i s ， s e v e r a la l g o r i t h m sa r ei n v e s t i g a t e df o ra b s t r a c t i n gc h a r a c t e r i s t i c so f t h es u r f a c ei na t o b a c c ol e a r t h em a i nc o n t e n ta n da c h i e v e m e n t so ft h i st h e s i sa r es h o w n a sf o l l o w s ： 1 t h e s t u d y o ft h em e t h o d so fa b s t r a c t i n gf e a t u r e sb a s e do nt h et h e o r y o f m a t h e m a t i c a lm o r p h o l o g yi sc a r r i e do u ti nt w oa s p e c t s ( a ) am e t h o d o f r e c o g n i z i n ge d g e i ss t u d i e d f i r s t l y , ac o m p o s e da l g o r i t h mu s i n gt h e e r o s i o n ，o n eo ft h eb a s i ca r i t h m e t i ci nt h et h e o r yo fm a t h e m a t i c a lm o r p h o l o g y , i s i n t r o d u c e dt o g e t t h ec o n t o u ro fa n i m a g e a n dt h e n ，ac b ( c o n t o u r - b a s e d ) m o r p h o l o g y b a s e dm e t h o di sp r o p o s e dt os e p a r a t et h ev e i lf r o mt h et o b a c c ol e a f i n a ni m a g e ( b ) am e t h o do fa b s t r a c t i n gt e x t u r ei sa n a l y z e d i nt h i sp a r t 。t h ef i l t e r i n gp r o p e r t yo f g r a y s c a l eo p e n i n g a n dc l o s i n gi sd i s c u s s e da n dt h em u l t i - s c a l es t r u c t u r i n ge l e m e n ti s d e s i g n e d t og e tt h ep a t t e r ns p e c t r u mf o rt h ef e a t u r eo f t e x t u r e 2 am e t h o do fa b s t r a c t i n gc o l o rf e a t u r ew i t ht h ec o l o r i m e t r i ct h e o r yi ss t u d i e d b a s e do nt h ea n a l y s i so fd i f f e r e n tc o l o rs y s t e m s ，an e w a l g o r i t h m w i t ht h ei n t e g r a t i o n o fm a n yp r o p e r t i e so ft w ok i n d so fc o l o rs y s t e m si sd e s i g n e df o rt h ed e s c r i p t i o no f t h ec o l o rf e a t u r es oa st og e tt h ec o l o rc h a r a c t e r i s t i c s 3 t h ea l g o r i t h m sh a v eb e e na p p l i e dt oa na u t o - g r a d i n gs y s t e m u s i n gt h er e s u l t s o b t a i n e da b o v e ac o m p u t e rp r o g r a mi sd e v e l o p e di nt h ee n v i r o n m e n to fv i s u a lc - l + 华中科技大学硕士学位论文 l a n g u a g e t h i sp r o g r a mc a r ia c h i e v et h eg o a lo fr e a l t i m ea n a l y s i so ft h ei m a g eo fa “t o 敕鼢两l e a fw i t ha p p e a l i n gg r a p h i cu s e ri n t e r f a c e ，c o n v e n i e n tf i l em a n a g e r u n i o n s i ti s p r o v e db ye x p e r i m e n tr e s u l t st h a ts u c has y s t e mh a st h ea d v a n t a g e so fs i m p l e i m p l e m e n t ，f a s tr u n n i n gs p e e da n dg o o de f f e c t s a sa ne x p e r i m e n tt od e v e l o pa na u t o g r a d i n gs y s t e mf o ra g r i c u l t u r a lp r o d u c t s ，t h e r e s e a r c ho nc l a s s i f i c a t i o nm e t h o d sa n da l la u t o g r a d i n gs y s t e mo f t o b a c c ol e a v e si s b o t hp r o f o u n di nt h e o r ya n d p e r s p e c t i v ei na p p l i c a t i o n k 丛曼篮查：m a t h e m a t i c a lm o r p h o l o g y m o r p h o l o g i c a lf i l t e r i n g t e x t u r e c h r o m a t i c s c o n t o u r b a s e dm o r p h o l o g y m u l t i s c a l es t r u c t u r i n ge l e m e n t c o l o rs y s t e m 华中科技大学硕士学位论文 第一章绪论 1 1 课题来源 作为国家自然科学基金“两个基地”项目“面向数字制造的智能控制、 监控及诊断的理论及应用研究”( 项目资助号：5 9 9 1 0 7 6 8 6 1 ) 的重要组成部分之 一，本学位论文围绕数学形态学与色度学理论应用于烟叶外观品质识别的技术 来展开研究。 1 2 概论 农产品的品质检测一般可以分为四大类：水果、蔬菜的检测与分级； 禽蛋、肉食类的检测与分级；经济作物如烟叶、茶叶的检测与分级；以及 谷物籽粒如花生、大米的检测与分级等。我国是个农业大国，农产品的品质检 测还停留在人工检测阶段。人工检测的缺点是劳动量大、生产率低、分级标准 难以实现、分级精度不稳定，为此造成的质量纠纷时常出现；而且还使出口产 品品质难以得到保证，在国际市场上缺乏竞争力。因此研究基于视觉的智能化 的农产品品质检验方法，开发自动化的分级系统，在我国具有重要的经济价值 和广阔的应用前景。 烟草是一种重要的经济作物，在我国农作物种植中烟草也是一种重要的初 级出口农产品。目前国内外药草行业对于烟叶品质的检验与分级都是根据分级 标准，凭借标准样本依靠人的感官进行【7 】【8 1 9 l 。在烟叶收购前，先对各地区的质 量检验员进行培训，并需准备大量的烟叶样本供学员训练，这样就存在着大量 的人力、物力、财力的浪费。质量检验员经过培训后比较需测定的烟叶的外观 特征与标准样本的差别，根据经验判断等级。不同检验员对同一烟叶的分级结 果判断可能不同，这既包括对外观特征的估计不同，又包括各人的经验、水平 不同而造成的判断不同，从而使人工分级越来越难以满足要求。因此，基于计 算机视觉的烟叶自动等级分析技术的研究具有重要意义，此课题也应运而生。 1 3 现阶段烟叶自动等级识别技术的研究现状 烟叶的外观质量检测就是对烟叶的颜色、形状、大小、叶脉、表面特征、残 伤、成熟度等外观特征进行综合评判的过程【s j 。 国外利用计算机视觉等技术对农产品进行品质检测与分选的研究始于2 0 世 纪7 0 年代末期，从2 0 世纪8 0 年代后期逐步走向成熟。在烟叶的检测与分级领 域的研究约开始于1 9 8 4 年。1 9 8 8 年，美国的t h o m a sc e 在论文, t e c h n i q u e so f 。 华中科技大学硕士学位论文 i m a g ea n a l y s i sa p p l i e d t ot h em e a s u r e m e n to ft o b a c c oa n dr e l a t e dp r o d u c t s 中 提出将图像处理技术应用于烟草及相关产品中，这表明计算机视觉技术已经开 始应用于烟叶外观特征的识别。此后，这一方面的研究逐步取得了一些进展。 1 9 9 3 年，津巴布韦大学的j k m m a c c o r m a c1 1 0 j 设计了一个用于烟叶等级自动 识别的图像处理单元原型。1 9 9 7 年，c h o ，h k 和p a k e ，k h j 研究了如何利 用机器视觉技术提取白肋烟的形状、颜色等表面特征以对其等级进行自动识别。 我国在这方面的起步较晚，1 9 9 6 年，江苏理工大学的张建平博士在烟叶 外观品质特征的定量检测 1 2 】一文中，将图像处理与色度学技术运用于烟叶外 观品质特征的提取，对烟叶等级的自动识别作了初步的探索和尝试。1 9 9 8 年以 来，韩力群领导的研究小组也开始了对烤烟烟叶特征提取的工作。 但是，无论在国内还是国外，关于烟叶等级自动识别的工作基本上处于理 论探索与实验研究阶段，与实用化、商用化还有很大的差距。 1 4 数字图像处理技术的发展 人们传递信息的主要媒介是语音和图像。据统计，在人类接受的信息中， 视觉占6 0 ，可见，作为传递信息的一种媒介图像的地位是很重要的。简 单地说，图像就是二维或三维景物在人们一t l , 目中的影像。当我们把一幅图像转 换为适合输入到数字计算机去的数字信号，并对此信号进行相应的处理，这就 称为数字图像处理。数字图像处理是集光学、微电子学、计算机科学、应用数 学等学科的一门综合性边缘科学。 数字图像处理的发展大致可分为三个时期： 2 0 世纪6 0 年代初，美国喷气推进试验室首次采用计算机对送回的大批月球 照片进行处理，得到了清晰逼真的图像。随后对1 9 6 5 年徘徊者8 号送回的几万 张照片进行更为复杂的数字图像处理，使图像质量进一步提高，引起了世界的 广泛关注，此实验室本身也改进了试验设备，采用更先进的计算机和研制专用 图像处理系统，逐步发展成为专业的图像处理实验室。2 0 世纪7 0 年代以后，二 维图像处理和分析技术取得了很大的进展。进入2 0 世纪8 0 年代以来，随着计 算机特别是微型计算机性能的飞速提高为图像处理提供了相应的硬件设施，使 数字图像处理技术的研究进入高潮，研究重点也转向了对三维景物的分析与解 释。 数字图像处理技术在三十多年的时间中，迅速地发展成为一门独立的有强 大生命力的学科。目前，数字图像处理技术已广泛应用于空间技术、生物医学、 光学显微图像分析、遥感图像的分析、军事侦察、地质勘探、工业检测、办公 i 一 华中科技大学硕士学位论文 自动化、邮政自动化等等方面，其中，应用比较广泛的主要有以下几个方面： 1 生物医学上的应用。图像处理技术在医学上的应用十分广泛，b 型超声、x 光扫描、c t 放射性同位素扫描以及核磁共振成像，是现代医学的四大影像 技术，其系统广泛应用在医学l | 缶床。美国的g n h o u n s f i e l d 在1 9 7 1 年安装 了第一台脑c t ，1 9 7 9 年获得诺贝尔奖，其影响是很大的。通过应用图像处 理技术，已经设计出多种具有对人体无损伤、灵敏度高、重复性好等优点的 医学图像处理系统i i j j i i 。 2 航空和航天技术方面的应用。在航空航天的许多领域都需要对遥感图像进行 分析，如天气预测、天体探测、地质地貌的勘探等。它需要处理大量的图形 图片，用传统的人工方法处理需要大量的时间，并且可能会由于人为因素而 造成错误。数字图像处理技术正是在此要求下应运而生的，并成功地应用于 各种遥感图像的分析 1 5 1 。 3 工业自动化、工业检测方面。利用图像处理技术，可以进行器件的内结构分 析、实效分析和可靠性筛选。在毛纺厂【1 5 】，采用图像处理技术，不但可以检 测出纺织品中存在的孔洞，还可以检测出它在纹理、图案方面的毛病。利用 高速图像处理技术，可以在秒量级甚至在更短的时间内对流水线上的零部件 进行检测。诸如这样的应用还有很多方面【1 7 j 州，如工厂、矿山、银行、甚至 超级市场的监控等。利用网络或电话线，就可以把本地的图像信息传送到异 地。 4 在文字识别、指纹识别方面。图像处理技术在文字和指纹的识别方面也得到 广泛的应用【l ”。现在一本书可以快速地录入计算机，这不是靠人工键盘输入， 而是靠中英文识别技术用扫描仪快速输入的。依靠这种技术，盲人可以阅读， 报表可以自动统计，文档可以自动分类，这对于办公自动化是很有意义的。 人的指纹具有唯一性，运用图像处理技术提取指纹的特征可用来对身份进行 鉴别【2 0 】1 2 1 1 1 2 2 1 。把现场收集的指纹录入计算机，提取指纹的特征后再和指纹 库里的指纹进行对比，就可以提供破案的线索。指纹识别也可用于出入海关 的身份检验及指纹密码锁等方面，指纹印鉴已用于银行业。 总而言之，随着微型机的发展，图像处理技术的应用愈发广泛【2 ”，并产生 了巨大的经济效益和社会效益。 1 5 本课题的意义，内容和难点 1 5 1 本课题的意义 烟叶外观质量检测与分级主要存在于烟叶的收购、储存、配方和回潮打叶 华中科技大学硕士学位论文 等过程，其关键目的在于采集烟叶的外观质量特征。 由于烟叶质量鉴别对购销双方的经济利益直接相关，受主观因素的影响， 不同分级员的经验、水平不同而造成的判断不同，要做到完全的公正客观，避 免误分和质量纠纷，几乎是不可能的，而且很多问题还需要经验丰富的专家才 能解决【7 】。随着烟草生产自动化程度的提高，这种完全依靠人工来鉴别和分级 烟叶的耗时、低效的方式不能满足实际的需要。 作为计算机科学的发展，数字图像处理技术正越来越得到重视，并被广泛 应用于各行各业。将数字图像处理技术用于辅助人工进行烟叶质量的检测和分 级，对避免误分级和质量纠纷，制定和修改标准以及烟叶品质研究都具有非常 重要的意义。 1 5 2 烟叶外观品质特征提取的研究重点 实现硬件接口，要求可以通过电荷耦合器件( c c d ) 来获取图像数据a 强大的图像增强功能，以改善图像本身的质量。由于使用电荷耦合器件获取 的图像数据通常都包含有噪声，不能直接用于图像分析，必须借助于图像处 理功能，使图像便于分析和评判。 丰富的图像分析功能，图像分析是本系统的主要功能，系统其它部分都是为 图像分析服务的。系统在开发这一部分时考虑到烟叶的表面品质特征，对叶 片生长部位、长度、颜色、光泽、组织结构、杂色、残伤和叶片完整度等各 项特征进行了提取和量化。 1 5 3 烟叶外观品质特征提取系统的难点 本课题有一定的难度，归结起来主要由以下二点： 1 图像的数据量较大，设计合适的算法提高运算速度，已成为图像处理技术应 用的一个急需解决的问题，它也是本课题的一个难点。 2 涉及的学科较多。本系统涉及到数字图像处理、数字图像分析、计算机图形 学、色度学、计算机视觉以及软件开发等多种学科的知识，能否恰当运用各 门学科以服务于本系统是决定本系统分析功能强弱的一个关键因素。 1 6 烟叶外观品质特征的系统设计与本文的主要工作 本课题利用数字图像处理技术和计算机视觉技术，建立如图1 1 所示的烟 叶图像输入、烟叶图像预处理、图像特征识别等模块，研制开发基于视觉的自 动检测与分级系统，实现成份参数的提取、颜色的提取与量化、生长部位的识 别、模糊叶脉特征的提取等功能。 4 华中科技大学硕士学位论文 叫外形特征的提取卜一 烟图等 叶 像 叫 纹理特征的提取 i 级 图采识 像集别 叫颜色特征的提取与量化卜 图1 1 系统结构圈 本文共分七章，各章的主要内容如下： 第一章是全文的概述，主要介绍了课题的提出与意义、主要的研究重点与 技术关键以及主要技术研究现状的综述。 第二章介绍了用于烟叶特征提取中图像处理的方法和理论，首先讨论了图 像形状分析中的图像的表示方法及几何特征分析；然后重点介绍了数学形态学 分析方法中的基本概念与性质，为后续各章打下理论基础。 第三章介绍了烟叶外观品质特征中的外形特征的提取。首先介绍了图像的 边缘特征提取技术的发展情况及研究现状，然后探讨了用于烟叶外轮廓的形态 学算法：最后讨论了c b 形态滤波的方法，并把这种基于集合延展度的方法用 于烟叶图像中叶脉特征的提取。 第四章介绍了系统中纹理特征的提取方法。首先讨论了现阶段纹理特征提 取的主要方法及优缺点，在此基础上讨论数学形态学中得到纹理图的模式谱的 方法。然后主要讨论本系统中利用多尺度的结构元素来提取烟叶图像中的纹理 特征的技术，并对处理结果进行了分析 第五章研究了烟叶中颜色特征的提取与量化技术。该章首先讨论了色度学 的基本理论及颜色特征提取技术的研究现状，然后介绍了本系统中的烟叶颜色 特征所选取颜色分量的方法。 第六章介绍了烟叶外观特征提取系统运行实例的运行环境，给出系统运行 过程中各种特征量的提取过程，并由此验证了基于数学形态学和色度学的外观 特征算法的有效性和可行性。 第七章对全文进行了回顾与总结。 1 7 本章小结 本章首先介绍了课题的来源，阐述了课题的意义。讨论了课题的主要研究 重点与技术关键以及主要技术研究现状的综述。最后介绍了系统的组成及全文 所做的主要工作。 5 华中科技大学硕士学位论文 第二章烟叶特征提取中的图像处理方法理论概述 2 1 引言 图像处理技术是随着计算机技术的发展而开拓出来的一个全新的计算机应 用领域，它把图像转换成一个数据矩阵存放进计算机并对之进行处理。目前图 像处理技术已经在许多不同的领域受到了重视并取得了一些重大的开拓性的成 就，如机器人视觉等。 在烟叶图像的分析和理解中，形状与结构分析占有相当重要的地位。形状 结构分析主要是指用计算机图像处理与分析系统对图像景物中的目标提取形状 特征信息，对图像景物作识别和理解。 图像区域的内部变换、区域外形变换以及对区域内部和边界傲空间域分析 都是形状与结构分析的经典方法。特别是近年来，数学形态学这种非线性理论 在图像空间域分析中发挥着重要的作用， 本章将讨论和分析适用于烟叶特征提取中的主要图像处理技术的概念、原 理和方法。 2 2 图像形状结构分析的基本概念与预处理 2 2 1 图像的矩阵表示方法 为了用计算机处理图像，必须把图像以数值的方式表示出来在数字图像 处理技术中，当通过适当的图像输入设备把图像输入到计算机中后，图像在计 算机中就是以矩阵( 数组) 的形式储存起来。对于彩色图像，图像被表达成基 于三基色( 红、绿、蓝) 的三个二维矩阵r 伍力、g 阮纠、b 阮形式，其中y ) 表示平面中的某一点坐标，r 、g 、口表示该点基于三基色的亮度值。这种表示 称为图像的阵列表示，阵列中的每个元素对应图像中的一个像素对于灰度图 像，图像直接被表示成灰度值的二维数组，以，阮表示。对于二值图像，f 的 值取为1或0 。对于二值图像的许多操作只要通过对阵列元素进行a n d ( 与) 或者0 r ( 或) 这些基本操作，就可以实现阵列的各种运算 2 2 2 图像的几何特征分析 2 2 2 1 邻域与邻接 数字空间中的点都是离散的孤立点，必须由此来描述和分析图像的几何和 华中科技大学硕士学位论文 结构，因此需要合理地建立数字空间中点与点之间的结构关系，这一关系的基 本元素就是邻接。 对于任意像素r t _ ，把包含该像素在内的一个几何结构称为像素r ，j 的邻 域。从直观上说，这是像素r _ ，及其附近某些像素所形成的一个小区域。在用 栅格平面表示的数字图像中，最常用的是“4 邻域”和“8 一邻域”的概念。 定义2 1 对于正方形网格空间中的点x o , ，) ， “4 一锶域”为： n 4 ( x ) = 吼0 + 1 j ) ? ( i - l 曲( 。+ 1 ) t j - i ) q 1 、 “8 一邻域”为点集： n 8 x ) = “t 0 ) g 0 + 1 ) ( i ，j - 1 ) 0 + 1 j ) o + l j + 1 ) ( i + l , j - 1 ) ，( i l j ) ( i l j i ) g 1 0 + i ) ( 2 2 ) 其中m 例一红，中的点称为x 的直接邻接点。而 0 俐4 中的点称为z 的间 接邻域点。 定义2 2 若两个像素存在于某一像素的4 8 邻域中，则称它们为4 8 邻接。 2 2 2 2 像素的连接与连接成分 定义2 3 在二值图像中，具有两个相同数值( 0 或1 ) 的像素8 i 和a 2 ，若与其具 有相同数值的像素能够构成一个从a l 到a 2 的4 8 邻接的像素序列，则像素a l 和 a 2 叫做4 8 连接。 在一个二值图像中，如果把相互连接的像素记录为一组的话，就产生了若 干个0 值像素组和“1 ”值像素组，我们分别称这些组为连接成分。在0 连接成分中，如果存在与周围的行、一列的像素不相连的成分，则把它称为 孔。不包含孔的“1 ”连接成分称为单连接成分。仅含有一个像素的单连接成分 称为孤立点，含有孔的“l ”连接成分称为多连接成分。 2 3 数学形态学分析方法的基本概念与性质 2 3 1 数学形态学方法的概述 数学形态学是一种非线性图像处理和分析理论，具有一套完整的理论、方 法及算法体系，其坚实的理论基础使它得以蓬勃发展【6 】。它从最初的由二维结 构推断矿体成分到后来的三维医学影像分析，涵盖了欧氏空间或数字空间中的 集合问题。从目前的研究进展看，数学形态学理论体系是未来的发展目标，它 无论在数学意义上还是在实际问题中都具有重要价值。事实上，自2 0 世纪8 0 年代以来，数学形态学已经在医学、生物学、光学、材料学、遥感、机器人视 觉和工业自动控制等领域得到了广泛应用。形态学在图像分析与处理方面的应 华中科技大学硕士学位论文 用也非常广泛，涉及的领域有模式识别1 2 ”、图像压缩、滤波1 4 1 卜h 4 】、匹配 2 s 】、 形状分析0 0 1 一 3 2 1 、边缘检测f 2 6 - 2 9 等多个方面。 数学形态学作为一种非线性图像处理和分析理论，它的成功应归功于一个 新的思路，即摒弃了传统的数值建模及分析方法，而从集合的角度来刻划和分 析图像1 6 】。数学形态学中基于集合的观点是非常重要的，这意味着【2 l i 3 1 ：它的 运算由集合运算( 如并、交、补等) 来定义；所有的图像都必须以合理的方式 转换为集合。这一基于集合的观点的一个自然结果是形态学算子的性能将主要 以几何方式进行刻划，而传统的理论则以解析的方式描述算子的性能。这种显 式的几何描述特点更适合于视觉信息的处理和分析。因此，数学形态学与几何 的直接关系是它的个十分吸引人的优点。 2 3 2 数学形态学的基本运算 形态学中定义了两个基本的变换( 算子) ，称之为膨胀( d i l a t i o no p e r a t o o 和 腐蚀( e r o s i o no p e r a t o r ) ，同时还定义了一些其它的运算算子，如开运算和闭运算， 但这些运算都是膨胀和腐蚀运算根据一定的顺序进行组合的复合运算。 2 3 2 1 腐蚀与膨胀 2 3 2 1 1 二值腐蚀与膨胀 二值图像是灰度图像的特例，是指灰度只取两个可能值的图像。这两个灰 度值通常取为0 和1 。习惯上认为取值为l 的点对应景物中的物体，而取值为0 的点构成背景。这类图像的集合表示是直接的。数学形态学认为，所谓对图像 集合进行分析，就是对集合进行变换以突出所需要的信息。其采用的是主观“探 针”与客观物体相互作用的方法，如图2 1 所示。具体定义如下：令x 为二值图 像集合，b 为结构元素，则 2 1 “腐蚀运算2 1 b ：膨胀运算 图2 1 膨胀腐蚀运算实例( 细线所包围区域为原 图像。粗线所包围区域为运算结果) 华中科技大学硕士学位论文 定义2 4 二值膨胀x 毋b = b c x 向刀( 2 3 ) 定义2 5 二值腐蚀xpb = ，xi 剜可x ( 2 4 ) 二值膨胀与腐蚀的一些性质如下：( 其中r 表示集合x 的补集) ( ) 对偶性 缪o 彤。= x 口b ，留毋髟。= z 臼b( 2 5 ) 膨胀运算与腐蚀运算的对偶性意味着腐蚀对应着膨胀的补集，反之亦然。 这在理论与实际应用中十分有用。 ( 二) 单调性 x 1 x jx o b 三x 8 b x o b xa b b 占= ，z 曰口2 。r 臼ex 毋b 。r o b( 2 6 ) ( 三) 递增递减性 o 8 = ，xo ) b c xx c x 毋b ( 2 7 ) ( 四) 结合律 a 8 b 园c ) = ( a8b 园c a 毋，b 审c j = r 一毋b ，毋c( 2 8 ) 膨胀腐蚀运算的结合律非常重要，它表明采用个较大的结构元素b 毋c 的形态学运算可以由两个采用较小结构元素b 和c 的形态学运算的级联来实 现。这在实际应用中对提高算法的效率意义很大。 2 3 2 1 2 灰值膨胀与腐蚀 与二值图像对应，灰值图像是那些灰度值多于两个的图像，也是一般意义 下的图像。令为灰值图像，x 0 扣研为图像坐标的定义域：g 为结构元 素，y d g ，k 为结构元素的定义域，则【6 j 定义2 6 彰胀运翼 ( x ) 或者 鲫( z ) ( z )( 3 1 3 ) 了解了形态参数的定义，就可选择合适的形态参数作为图像的定量特性参 数，一般常用的几种形态参数： ( 1 ) 形状因子 f q ( x ) = u ( x ) 2 0 云i 两其中研弼为周长，4 ( 矽为面积( 3 1 4 ) 形状因子用来描述图像x 与圆形的偏离程度，如果是标准的圆形，则 固( 矽= 。在一般情况下，z 与圆的偏离程度越大，则固( 矽越大。 ( 2 ) 波纹度 u q ( x ) = 2 + a2 ( x ) 口2 ( d 2 。+ d 2 。，。) ( 3 1 5 ) 其中p 一与分别表示x 在各个方向上投影长度的最大值和最小值。波 纹度用于测量图像x 与圆及椭圆的偏离程度，当x 为圆或椭圆时，波纹度取最 大值。 ( 3 ) 伸长度 e q ( x ) = d 一 m 。 ( 3 1 6 ) 显然，x 越狭长，e q ( x ) 越大 以上介绍的三种因子称为图像的复合几何特征，它们在烟叶叶形特征的识 别中非常有用。不同生长部位由于自然规律有其各自的外观特征，如下部烟叶 叶形圆宽，中部烟叶叶形较宽，叶尖较钝，上部烟叶叶形较窄。此外，它们在 其它学科中也广泛应用，例如在生物医学中可以用这些形态特征进行癌细胞的 自动识别等m 1 。 3 2 5 烟叶外轮廓特征提取的算法实现 1 对采集来的彩色图像中的蓝色分量进行直方图分析，根据直方图自动选取合 适的阈值，实现图像与背景的分割，得到目标图像的二值表示。 2 由于成像过程中的投影、混合、畸变，将不可避免地产生一些噪声，噪声一 般为一些孤立斑点和边缘毛刺。形态学运算族中的开运算具有平滑尖角和孤 9 华中科技大学硕士学位论文 岛的作用，对图像作二值形态学运算f = x - o 彤，就可消除图像中的噪声与 边缘毛刺；由消除了噪声的二值图像可得到目标图像的面积特征。 3 提取图像的外轮廓：根据以上介绍的外轮廓提取算子，并选择合适的结构元 素对滤波后的二值图像进行形态学运算。本系统中选取“4 邻域”的结构元 素从而得到“8 连通”的边界轮廓。 4 边缘跟踪：首先扫描得到第一个值不为0 的像素点，存储其坐标的瞳力值： 然后开始沿第一点跟踪得到图像的链码表示，每次需判别下点的坐标是否 与第一点坐标相同，如果相同则跟踪结束，否则继续下一点。 5 根据上一步得到的基于边界表示的烟叶图像的外轮廓，得到烟叶的外形特征 值：叶长、叶宽、周长、形状因子、波纹度、伸长度。 3 3 基于c b 形态滤波的烟叶叶脉特征提取的算法研究 “叶脉”是烟叶部位分组的因素之一，由于自然因素的影响，下部烟叶与 中上部相比，叶脉的宽度较小、长度较短、颜色较浅，因此提取烟叶叶脉具有 重要的意义。 经典的形态学变化如腐蚀、膨胀、开、闭运算等均以形状作为其处理的基 本原则，即以结构元素与图像形态上的匹配来决定运算的效果。烟叶的叶脉表 现为具有一定长度的曲线，如果使用传统的开闭运算来提取图像中的曲线形态， 那么所使用的结构元素的尺寸就不能太大。曲线的宽度一般较窄( 相对于长度) ， 如果结构元素尺寸大，就有可能在消除噪声的同时使曲线上的信息损失；然而 结构元素尺寸小又将导致噪声去除不干净。因此，为了得到较好的处理效果， 所有曲线的可能结构都必须由相应的结构元素毋与之匹配，即 n f ( x 、= u x 。b 。心1 7 ) 通过选取各种形式的结构元素，可以在提取曲线信息的同时也滤除噪声。 但随着观察窗口大小( 即结构元素的尺寸) 的增大，曲线的形状变化急剧增加， 这意味着式中的会相当大。由文献【帅l 可知，对于大小为2 n + l 的离散结构元 素，通常需定义锄个结构元素来代表各个方向在这种情况下，系统的效率将 严重变慢。产生这一问题的原因是由于某种其它类型的信息才是处理的要素， 而不仅仅是形状，如衄线具有一定的长度。基于这一认识，提出采用基于轮廓 结构元素的形态学，即c b ( c o n t o u r b a s e d ) 形态学来提取烟叶的叶脉特征。 华中科技大学硕士学位论文 3 3 1c b 形态学 ( - - ) c b 腐蚀膨胀运算1 6 i 定义3 1 ：设b 为一个单连通结构元素，b 的轮廓凹定义为b 的所有边缘点的 全体，在正方形网格空间中，a b 有两种定义，即八连通轮廓和四连通轮廓( 见 图3 4 ) 。 暖瓤暖瓣 幽判i 糊困羽霸i l f j l f l| i j i 壅鼙 | li l i i l j j l i f i 1 l 图3 4 a 图3 4 b图3 4 c 图3 4 d 图3 4 结构元素轮廓与内点集示意图 3 4 “结构元素3 4 _ b ：八连通轮廓 3 4 c 四连通轮廓 3 4 d = 内点集 八连通轮廓：铷= x x o n 4 四连通轮廓： o b = x x n 8( 3 1 8 ) 定义3 2b 的内点集b = b 一船 f 3 1 9 1 可以看出，镏c 口，b c b 定义3 3j 关于曰的四腐蚀变换定义为： x e - b = x a 口 f 3 2 0 ) 定义3 4 关于占的凹膨胀变换定义为： x o b = x oa 口 ( 3 2 1 ) 在正方形网格空间里，如果z 的拓扑结构是以四连通定义，则a 8 应取b 的 四连通轮廓；若x 的拓扑有八连通定义，则既可取四连通轮廓也可取八连通 轮廓。 定义3 5 对集合y ，若存在x ，使得y g x 】，则称，可装入b 。 由式3 1 9 可得出c b 腐蚀膨胀运算的下列性质： x o b 2 x b x 参b c x e b o 2 2 ) ( 二) c b 开闭变换 定义3 6 ：给定单连通紧集b ，对图像x ，x 关于口的c b 开变换徊b 及c b 闭变换婀b 定义为： 华中科技大学硕士学位论文 x b = ( 拎b 1q b = 8 0 b ) 龟b x b = 似r 劭pb = o 船jo b ( 3 2 3 ) 由式( 3 2 3 ) 可看出，c b 开、闭变换与经典的形态学开、闭变换是不同的， 它们是使用不同结构元素的形态学变换的级联。c b 形态学开闭运算满足： ( 1 ) 单调性：z x jxo b x o b ，。y b 至z 口( 3 2 4 ) ( 2 ) 对偶性：x o b = ( 驴b j ? x b = rr0 剀。( 3 2 5 ) 与经典开闭运算不同，c b 开闭运算既非扩展，也不是收缩算子，同时也不 具有等幂的性质。 c b 开闭运算虽然与经典的开闭运算是不同的算子，但它们之间具有紧密的 联系，即以下两个性质1 6 i ： 性质3 1 若图像x 不具有可装入b 的洞，则g d b = x o b 。 性质3 2 若图像z 不具有可装入b 的连通分量，则触b = x b 。 j p b ( j p b ) 与经典开闭变换在对图像外轮廓的光滑处理上效果是一致 的，其主要区别在于对洞或连通分量的处理上。由以上性质可知： 定理3 1 f 6 1 设】，是r 的一个连通分量，若存在点j ，y 使得y c x ( 弓b ，则y 必为x 的一个洞且y x q b 。 推论：设的连通分量e 一9 ，胙u f 9 ，则必有x o b - x = u y ，d ， 其中z ，均为指标集，且仃印均为的洞。 由定义及推论可知，x o b 与x 的洞要么不交，要么就全包含此洞。这表明 x c g b 将填满中的某些洞，但对其它r 的连通分量将不加涉入( 这意味这些 分量不会缩小) 。 同理，c b 闭运算具有同c b 开运算同样的性质： 定理3 2 设y 是x 的一个连通分量，若存在点y y 使得y t 艘b ，则y n 触b = 。 推论：设x 的连通分量y j 一p ，j 仁u 】：则必有x x b = u 一其中， i , j 均为指标集，且有j c l 。 以上两个定理及推论指出了c b 开闭运算对图像的连通分量的处理形式， 以下两个定理则说明了c b 运算是以连通分量的何种特征作为处理的基础的。 定理3 3 1 6 1 设y 是r 的一个连通分量则y x q ) b 当且仅当存在：，使得y b z 】 且( 船) 旧x 。 定理3 4 【6 1 设j ，是的一个连通分量则r f q a b = # 当且仅当存在= ，使得 y b t z 】且( a 8 ) 【= 】x 。 为便于理解c b 开闭运算处理的图像特征，引入以下两个定义： 1 集合相对于给定结构元素b 的尺寸s i z e b ( x ) 为： 华中科技大学硕士学位论文 s i z e s ( x ) = s u p 2 l x 。尬) ( 3 2 6 ) 2 集合x 相对于给定结构元素b 的延展度e x g ( x ) 定义为： f - w g ( x ) = i n f 2o y 。) ( z 五b y 。】) ( 3 2 7 ) 从尺寸与延展