基于计算机视觉的大米整精米率检测

1、基于计算机视觉的大米整精米率检测        1 材料与方法     1 1 材料与设备为进行大米外观质量检测，主要以 3 种市场上常见的品种作为试验样本，如图 1。图 1 试验样品图样品 A 是江苏产籼米，米粒长度较短; 样品 B 是东北产粳米，米粒长度中等; 样品 C 是泰国籼米，米粒长度较长( 按试验需要，在 3 种大米样品中人为添加了若干碎米，并不代表大米的实际质量) 。为取得较好的效果，在背景为黑色美术纸的振动平台上，结合分离梳的使用使大米均匀地分布在黑色美术纸上，这样既便

2、于获得最佳阈值对图像进行二值化分割，又确保了大米不会重叠在一起而给图像处理带来难度。 FL 311C 型 Digital CCD 摄像头: FOSULINK 电子科技国际有限公司; AT104 C10 型图像采集卡:第 26 卷第 8 期 李同强等 基于计算机视觉的大米整精米率检测中国( 加拿大) 杭州奥泰图像系统集成有限公司; PCM 6551 型主板: 英德斯科技公司。    1 2 试验方法 1 2 1 米粒识别系统流程整精米检测系统流程: 采集大米图像 灰度变换 图像预处理 图像分割 特征提取与数据处理 结果输出 1 2 2 灰度变换检测主要是对灰度图进行

3、处理3。将 RGB 图像转换为灰度图的方法是利用 256 色的调色板，调色板的 RGB 3 个分量的值是相同的，即从( 0，0，0) 、 ( 1，1，1) 到( 255，255，255) 。( 0，0，0) 是全黑的， ( 255，255，255) 是全白的，中间灰度依次变化。利用 RGB 图像各个像素点 3 个分量的不同，从而分辨出图像各像素的灰度。方法有 3 种: 最大值法: R = G = B = max( R，G，B) ( 1) 平均值法: R = G = B = ( R + G + B) /3 ( 2) 加权平均值法: R =G =B =( R ×03 + G ×

4、 0 59 + B × 0 11) ( 3) 为不使用浮点乘法，可忽略少许误差，采用公式: R = G = B = ( R × 3 + G × 6 + B) /10 ( 4) 由于本系统的背景为黑色，与白色的大米灰度相差较大，故在对采集到的大米图像进行灰度化后，一方面不会影响到大米与背景图像的分割，另一方面缩减了图像存储的空间和加快了图像处理的速度。因此使用式( 4) 对大米原始图像进行灰度化处理。 1 2 3 图像预处理在现实条件下，很难得到无噪、理想的图像。通过图像采集装置得到的图像一般都受到噪声干扰，而且拍摄的背景亮度也不可能严格均匀。噪声干扰是图像采集系统

5、存在的电气和光学噪声引起的，可采用 3 ×3 模板的中值滤波进行滤波处理。中值滤波器的原理是用像素领域内灰度的中值代替该像素的值，该滤波器对处理脉冲噪声( 椒盐噪声) 非常有效。中值滤波是一种非线性滤波，既能滤除噪声又能够很好的保护图像边缘。中值滤波是一种经典的非线性的图像平滑方法，常用来保护边缘信息4。     它对脉冲干扰级椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘不受模糊。线性滤波器如均值滤波器、最小均方滤波器等滤波后一般会使图像细节模糊。中值为窗口中数据按大小顺序排列后处于中心位置的数值，用其来代替指定点( 一般是窗口的中

6、心点) 的灰度值。对于奇数个数，中值就是指大小排序后，中间的数值; 对于偶数个元素，中值指排序后中间 2 个元素灰度值的平均值。一般可以采用冒泡法获取窗口的中值。中值滤波: y i，j = Med S f i，j ( 5) 式中: S 为模板; f i，j 为二维图像数据序列。二维中值滤波的模板形状和尺寸设计对滤波效果影响很大，模板尺寸一般先用 3 ×3，再取 5 ×5，这样逐点增大，直到滤波效果满意为止。 1 2 4 图像分割图像分割是由图像处理到图像分析的关键步骤，它是表达目标的基础，对特征测量有重要的影响; 图像分割将图像转化为更抽象更细致的形式，为更高层的图像分析与

7、理解提供可能性5。本研究采用最大方差阈值分割方法得到大米的二值化图像6。大津阈值分割把直方图在某一阈值处分割成两组，当被分成的两组间方差为最大时，决定阈值。现在，设一幅图像的灰度值为 0 m 1 级时，灰度值 i 的像素为 n i ，其像素总数: N = m 1 i = 0 n i ( 6) 各值的概率: p i = n i N ( 7) 然后用 T 将其分成 2 组 C 0 = 0 T 1 和 C 1 = T m 1 ，各组产生的概率如下: C 0 产生的概率为 w 0 = T 1 i = 0 p i = w( T) ( 8) C 1 产生的概率为 w 1 = m 1 i = T p i =

8、 1 w 0 ( 9) C 0 的平均值为 u 0 = T 1 i = 0 ip i w 0 = u( T) w( T) ( 10) C 1 的平均值为 u 1 = m 1 i = T ip i w 1 = u u( T) 1 w( T) ( 11) 式中，u = m 1 i = 0 ip i 是整体图像的灰度平均值; u( T) = T 1 i = 0 ip i 是阈值为 T 时灰度平均值，所以全部采样的灰度平均值为: u = w 0 u 0 + w 1 u 1 ( 12) 两组间的方差用式( 13) 求出: 2 ( T) = w 0 ( u 0 u) 2 + w 1 ( u 1 u) 2

9、= w 0 w 1 ( u 1 u 0 ) 2 115中国粮油学报 2011 年第 8 期 = u·w( T) u( T) 2 w( T) 1 w( T) ( 13) 从 1 m 1 之间改变 T，求式( 13) 为最大值时的 T，即求 max 2 的 T * 值，此时 T * 便是阈值。     把 2 ( T) 叫做阈值选择函数。此方法不管图像的直方图有无明显的双峰边界，都能得到较满意的结果，因此这种方法是阈值自动选择的最优方法7。 1 2 5 米粒的分离与特征提取在经过前面步骤处理得到二值化大米图像之后对这一图像进行特征提取8，便于得到需

10、要的特征: 米粒总数、碎米数、整精米率。 1 2 5 1 米粒的分离虽然在试验仪器上采用了振动平台与分离梳的结合避免出现米粒的重叠与大面积的连接，但对于部分连接在一起的大米还要进行分离工作，以便于特征的提取。方法是对大米二值图像进行形态学操作。即先对二值图像进行区域腐蚀( 图2) ，断开米粒之间的连接，实现米粒的分离。在特征提取的时候再用与腐蚀操作相同的算子对腐蚀后的图像进行膨胀处理( 图 3) ，找到分离后的米粒轮廓。 1 2 5 2 周长特征提取算法依次按照从上到下、从左到右的方法对大米的二值化轮廓图像进行扫描，当扫描到黑色像素点( 像素值为 0) 时，且该点未被标记，则表示扫描到一个新的米粒。之后对该米粒进行四领域检测，在其四领域内查找下一未标记过的黑色像素点，标记这个黑色像素点，并将这个黑色像素点作为当前点，再次查找四领域内下一未标记过的黑色像素点。如此反复，直到当