陳天華， 王昆鵬

(北京工商大學 計算機與信息工程學院， 北京 100048)

隨著人們生活水平的提高，肉類已經(jīng)成為我國城鄉(xiāng)居民的重要食品，其中豬肉是各種肉類食品中具有代表性的一種肉類[1]. 在肉類食品檢測中，細胞邊緣檢測有著重要的地位和作用. 由于圖像邊緣包含了圖像豐富的內(nèi)在信息，圖像邊緣是數(shù)字圖像的重要特征屬性之一，是圖像識別中抽取圖像特征的重要屬性. 經(jīng)過邊緣檢測的圖像是圖像分割、特征提取、完整細胞計數(shù)、細胞自動分類、特殊細胞的識別、紋理分析以及肉類新鮮度評價的基礎(chǔ)[2]. 本文提出了一種基于Canny算子結(jié)合形態(tài)學方法檢測豬肉細胞邊緣的方法，并可用于豬肉新鮮度的快速檢測中.

目前，國內(nèi)外有很多關(guān)于細胞顯微圖像處理的研究，但針對豬肉細胞檢測的研究并不多. 利用Canny 算子與數(shù)學形態(tài)學相結(jié)合分析細胞圖像是一種新的細胞邊緣檢測方法[3]. Canny 算子是一種公認的功能較為強大的圖像邊緣檢測算子，但對于灰度分布不均勻的切片圖像，利用Canny 算子進行邊緣檢測在應用中存在兩個不可忽視的問題。一是不能保證邊緣的連續(xù)性或封閉性；二是在細節(jié)區(qū)存在碎邊緣現(xiàn)象，局部可能較難形成邊緣. 對于肉類細胞圖像檢測，單純的邊緣檢測只能產(chǎn)生邊緣點，而不是一個完整的圖像分割過程. 因此邊緣信息需要進一步處理或者與其他算法結(jié)合改善邊緣檢測算法，才能實現(xiàn)精確的邊緣檢測[4]. 數(shù)學形態(tài)學方法是一種新的圖像分析方法，其基本理論、技術(shù)和方法在食品檢測、生物工程、醫(yī)學影像學等許多領(lǐng)域得到了廣泛應用. 數(shù)學形態(tài)學原理是利用一個結(jié)構(gòu)元素去探測一個圖像，觀察是否能夠?qū)⒃摻Y(jié)構(gòu)元素很好地填放在圖像的內(nèi)部，同時驗證填放結(jié)構(gòu)元素的方法是否有效[5]. 通過構(gòu)造不同的結(jié)構(gòu)元素，可完成不同的圖像分析. 針對肉類細胞的特點，將Canny算子結(jié)合形態(tài)學的方法，選擇合適的結(jié)構(gòu)元素進行處理，可提取準確的細胞邊緣.

1 樣本制作與采集

欲對樣本圖像進行邊緣檢測，首先要采集豬肉樣本切片圖像. 由于樣本盛放在玻璃器皿中，為避免玻璃器皿對光線的反射和折射的作用影響圖像采集效果，采用底光對樣品進行照明[6].

1.1 圖像采集系統(tǒng)

圖像采集系統(tǒng)如圖1，主要由光室、光源、CCD攝像頭、圖像采集卡和PC機組成. 光源與光室提供檢測豬肉切片圖像的采集環(huán)境；攝像頭攝取被檢測肉片圖像，采集圖像的尺寸為512×512像素，并由圖像采集卡數(shù)字化后送入計算機.

圖1 圖像采集系統(tǒng)Fig.1 System of image collecting

圖像采集卡采用AVE1000SS1卡. 這是一款性能穩(wěn)定、功能齊全的視頻壓縮卡，具有報警輸入、輸出、字符和時間疊加OSD功能，可支持多塊插卡同時壓縮，支持恒定位和可變位速率、壓縮幀尺寸可變，位速率模式支持VBR/CBR，支持網(wǎng)絡傳輸. 該卡支持MPEG-1/MJPG壓縮格式，可滿足高分辨率全屏預覽，分辨率高達720×576，性價比非常高，既保證高壓縮質(zhì)量，又占用較少硬盤.

CCD攝像頭采用JVCCCD攝像機，主要技術(shù)參數(shù)：480線專業(yè)級彩色攝像頭，PAL制復合視頻輸出；DSP提供更好的畫面質(zhì)量和更先進的功能；內(nèi)置RS232C通訊協(xié)議，1/3英寸IT Super HAD CCD；50分貝優(yōu)質(zhì)信噪比(S/N)，可適應多種光照條件的背光補償；無電場或磁場干擾，最低照度0.3 Lux[F1.2,50IRE]；兩種可選自平衡控制方法，自動追蹤自平衡/手動；可采用CS及C型卡口鏡頭，兩種自動光圈鏡頭.

1.2 樣本圖像獲取

實驗樣品采用北京市場上經(jīng)正規(guī)屠宰，經(jīng)衛(wèi)生檢驗檢疫部門檢驗合格的未經(jīng)注水和冷凍的豬肉，選取多個攤位的肉品提取脂肪組織作為樣品，用酒精消毒的刀片在新屠宰的豬肉脂肪組織中提取長、寬、厚分別為2×1×0.2 cm的樣品12個，并將樣品放置在25 ℃恒溫環(huán)境下，每隔2小時進行1次圖像數(shù)據(jù)采集. 將樣品從恒溫環(huán)境取出在顯微鏡的載物臺上，調(diào)整載物臺到指定位置. 將顯微鏡放大倍數(shù)調(diào)整為100倍，每隔2小時在樣品的同一位置采集一次圖像.

2 形態(tài)學分析

數(shù)學形態(tài)學是建立在嚴密數(shù)學理論基礎(chǔ)上的、以數(shù)學形態(tài)學理論為基礎(chǔ)的圖像分析技術(shù)，即采用具有一定形態(tài)的結(jié)構(gòu)元素作為“探針”收集圖像信息，度量和提取圖像中的對應形狀以實現(xiàn)對圖像的分析和識別，作為探針的結(jié)構(gòu)元素可以直接攜帶知識(形態(tài)、大小，甚至加入灰度和色度信息)來探測、研究圖像的結(jié)構(gòu)特點. 數(shù)學形態(tài)學方法用于圖像處理具有較強的抗噪性、實時性，易于硬件實現(xiàn)，可保持圖像的基本形態(tài)不變等優(yōu)點，在圖像去噪、圖像分割、邊緣檢測、特征提取、紋理分析、圖像壓縮、圖像恢復與重建等方面都具有廣泛的應用[7]. 研究表明，Canny 邊緣檢測對于質(zhì)量較好的圖像可以得到單像素連續(xù)邊緣，對質(zhì)量較差的圖像仍會丟失邊緣，出現(xiàn)斷裂，在處理細胞圖像時尤為突出，這是由于肉類切片細胞屬于透明或半透明物質(zhì)，細胞邊緣處灰度變化較緩慢.

數(shù)學形態(tài)學是由一組形態(tài)學的代數(shù)算子組成，其基礎(chǔ)主要基于集合論，本質(zhì)上是用結(jié)構(gòu)元素映射輸入圖像. 膨脹、腐蝕、開、閉是數(shù)學形態(tài)學的四種基本運算. 設(shè)二值圖像集合為A，結(jié)構(gòu)元素集合為S，則：

1) 膨脹

A⊕S=[ACΘ(-S)]C.

其中AC表示集合A的補集. 膨脹可以看作是將圖像A中每一點a擴大為S+a，它是一個擴張的過程，該變換使目標擴張，空洞收縮. 它可以把圖像周圍的背景點合并到物體中，對于兩個相近的物體，膨脹運算可以使其連通，對圖像外部有濾波的作用.

2) 腐蝕

AΘS={a:S+a?A}.

腐蝕可以看作是將圖像A中每一與結(jié)構(gòu)元素S全等的子集S+a收縮為點a，是一個收縮的過程，該過程使得目標收縮，孔洞擴張. 腐蝕可用于消除圖像中的無用點或小區(qū)域的成分，將兩個細小聯(lián)通的物體相分離，對圖像內(nèi)部有濾波的作用.

3) 開運算

AΟS=(AΘS)⊕S.

開運算是對圖像先腐蝕后膨脹的過程. 它可以將圖像中的細小突出消除，纖細處物體分離，具有平滑圖像邊緣和平滑圖像輪廓的作用. 一般情況下，腐蝕和膨脹都是不可恢復的運算，因此開運算并不能使目標復原. 開運算對粘連目標的分離及消除椒鹽噪聲方面有較好的作用.

4) 閉運算

A·B=[A⊕(-B)]Θ(-B).

閉運算是對原圖像進行先膨脹后腐蝕的過程. 它可以對物體內(nèi)細小的孔洞和裂縫進行填充，具有連接臨近物體和平滑邊緣的作用. 閉運算在去除圖像砂眼噪聲方面有較好的效果. 另外，數(shù)學形態(tài)學還有三種求取二值邊界的方法：

外邊緣提取算子：(A⊕S)-A.

內(nèi)邊緣提取算子：A-(AΘS).

騎跨在實際邊界上的邊緣提取算子：(A⊕S)-(AΘS).

3 Canny算子

對一幅細胞圖像進行邊緣檢測，一般包括濾波、增強和檢測三個步驟. Canny算子是具有較好的邊緣檢測特性并得到廣泛應用的邊緣檢測算子，具有較高的信噪比和檢測精度，是一種高性能的階梯型邊緣檢測算子[2][8]. 其優(yōu)越的檢測特性表現(xiàn)在以下幾個方面.

1) 良好的邊緣檢測性能. Canny算子能保證成功地檢測出細胞邊緣，不將非邊緣點作為邊緣點檢測，輸出的信噪比最大.

2) 邊緣檢測信噪比高. Canny算子不僅能成功地檢測出細胞邊緣，對于弱邊緣信號也有較好的響應能力，算子的輸出信噪比高.

3) 邊緣檢測時定位準確. Canny算子檢測出的邊緣點與實際邊緣點位置準確度高.

4) 單邊緣特性好[9]. Canny算子具有較好的一個邊緣點只檢測一次能力.

根據(jù)上述準則，Canny算子推導出應用邊界點位于圖像被高斯函數(shù)平滑后的梯度幅度的極大值點作為最優(yōu)邊緣檢測算子的一個近似實現(xiàn). Canny 算子邊緣檢測的算法步驟如下.

1) 用高斯濾波模板與原始圖像進行卷積，以消除平滑圖像、圖像噪聲. 本文采用3×3模板.

2) 利用Prewitt算子、Sobel算子等導數(shù)算子計算圖像灰度沿x，y方向的導數(shù)Gx，Gy，并求出梯度的大小和的方向.

3) 遍歷圖像，對梯度圖中的每一點，采用非極大值抑制技術(shù)，判定其是否為邊緣.

4) 采用累計直方圖進行雙閾值計算和邊緣的連接.

Canny算子邊緣檢測算法如圖2.

圖2 Canny算子細胞邊緣算法圖Fig.2 Algorithm of canny operator cell edge detection

4 邊緣提取

4.1 切片圖像預處理

樣本切片圖像預處理包括對切片圖像由RGB格式轉(zhuǎn)換為灰度圖像以及進行直方圖均衡化. 直方圖均衡化是通過對所獲取的切片圖像進行以均衡為目標的變換，對圖像的灰度直方圖進行修正，壓縮圖像中像素較少的一些灰度級，拉伸像素數(shù)較多的部分的處理方法，使原圖像的直方圖分布更均勻，增加像素灰度值的動態(tài)范圍，從而提高整個圖像的對比度，使原切片圖像中一些不清晰的細節(jié)在均衡化處理后會變得更清晰. 由于切片圖像是RGB圖像，因此，應先將RGB圖像轉(zhuǎn)換為灰度圖像，切片圖像預處理流程如圖3，預處理以后的切片圖像如圖4.

圖3 切片圖像預處理算法流程Fig.3 Pre-processing algorithm of cell slice image

圖4 豬肉細胞切片圖像Fig.4 Cell slice image of pork

4.2 細胞邊緣計算

首先，應用Canny 算子的定位精度高、檢測性能好等優(yōu)點，檢測出細胞的邊緣，提取細胞圖像輪廓，對于圖像灰度值不明顯處，細胞邊緣線可能存在斷裂的情況；其次，應用數(shù)學形態(tài)學進行膨脹操作，填補細胞圖像邊緣的不連續(xù)處；然后，對細胞圖像內(nèi)部的孔隙進行填充；最后，對細胞邊緣進行平滑處理，完成細胞邊緣提取.

根據(jù)形態(tài)學基本理論，用適當?shù)慕Y(jié)構(gòu)元素對圖像進行膨脹運算，可使圖像邊緣上的灰度得到增強. 根據(jù)豬肉細胞的圖像特點，采用菱形結(jié)構(gòu)元素對細胞進行腐蝕運算. 菱形結(jié)構(gòu)元素可得到弱連通邊界，比結(jié)構(gòu)元素小的細節(jié)在運算中可被去除. 切片圖像的形態(tài)學處理中分別從水平方向、垂直方向，與水平面呈45°和與水平面呈135°分別定義結(jié)構(gòu)元素，對圖像中的像素進行膨脹運算. 其模板為：

對檢測結(jié)果進行加權(quán)平均，即可完成細胞切片圖像的邊緣提取，邊緣檢測結(jié)果如圖5.

圖5 豬肉細胞邊緣圖像Fig.5 Cell edge image of pork

5 結(jié) 論

實驗結(jié)果表明,Canny 算子結(jié)合數(shù)學形態(tài)學進行細胞切片圖像邊緣提取，即先應用Canny算子對圖像進行運算,再應用數(shù)學形態(tài)學方法對不連續(xù)的斷裂邊緣進行修補,然后進行形態(tài)學平滑處理，即可得到高質(zhì)量、高精度、連續(xù)的細胞邊緣圖像. 該算法充分結(jié)合了Canny算子和形態(tài)學方法的優(yōu)點，可廣泛應用于食品檢測圖像分割、特征提取、完整細胞計數(shù)、細胞自動分類及基于細胞計數(shù)的肉類新鮮度評價之中.