★ 趙艷 劉雅

(1.江西省信息中心 南昌 330046；2.江西中醫(yī)學(xué)院 南昌 330004)

數(shù)字圖像技術(shù)在藥粒自動(dòng)分揀中的應(yīng)用研究

★ 趙艷1*劉雅2

(1.江西省信息中心 南昌 330046；2.江西中醫(yī)學(xué)院 南昌 330004)

在藥品企業(yè)藥粒分揀的過程中存在著速度慢、效率低、成本高等問題，無法滿足時(shí)代的需求。本文深入研究了現(xiàn)有的計(jì)算機(jī)數(shù)字圖像處理技術(shù)，設(shè)計(jì)了一個(gè)基于圖像技術(shù)的藥粒快速檢測(cè)系統(tǒng)，可以提高藥粒分揀的效率和準(zhǔn)確率，實(shí)現(xiàn)分揀過程中的基本無人化。

數(shù)字圖象技術(shù)；藥粒；自動(dòng)分揀

1 引言

藥品質(zhì)量直接關(guān)聯(lián)著人們的健康問題，因此藥品的質(zhì)量檢測(cè)受到了極大的重視。國家藥品監(jiān)督管理局頒布的《藥品生產(chǎn)質(zhì)量管理規(guī)范(2010年修訂)》于2011年3月1日起施行，對(duì)藥品的質(zhì)量控制與質(zhì)量保證作了明確的要求。但是在藥品生產(chǎn)企業(yè)的生產(chǎn)過程中，藥粒無法避免地存在各種類型的缺陷：表面污點(diǎn)、糖衣顏色不統(tǒng)一、皺紋、邊緣缺損、碎裂等，采用傳統(tǒng)的人工分揀的方法速度慢、效率低、成本高，質(zhì)量不穩(wěn)定，已經(jīng)無法滿足時(shí)代的要求。采用計(jì)算機(jī)數(shù)字圖像處理技術(shù)對(duì)藥粒進(jìn)行批量快速檢測(cè)，能大大提高藥粒分揀的效率和準(zhǔn)確率，盡可能地縮減人員的使用，實(shí)現(xiàn)分揀過程中的基本無人化。

2 藥?？焖贆z測(cè)中的關(guān)鍵圖像技術(shù)

在藥粒自動(dòng)分揀中，數(shù)字圖像技術(shù)主要應(yīng)用于藥粒的機(jī)器視覺識(shí)別和藥粒的表面缺陷判別，具體應(yīng)用的技術(shù)有圖像的平滑去噪，圖像增強(qiáng)，邊緣檢測(cè)，圖像特征提取和匹配等。

2.1 平滑去噪

由于光照條件的攝像設(shè)備的影響，采集的圖像中會(huì)包含大量的隨機(jī)白噪聲。傳統(tǒng)的高斯濾波器，中值濾波器等技術(shù)對(duì)處于高頻域的圖像噪聲具有良好的平滑效果，但是會(huì)削弱同樣位于高頻域的邊緣信息，而藥粒邊緣對(duì)分揀判別有著重要的作用。尺度空間下的PM各向異性濾波器具有良好的邊緣保持性能，該模型由Perona和Malik[1]在熱擴(kuò)散模型的基礎(chǔ)上提出，經(jīng)過Catté[2]等人的改進(jìn)，最終的模型為：

(1)

其中div為散度算子，▽是空間變量的梯度算子，Gσ是高斯卷積核。在采用PM(Perona-Malik)模型進(jìn)行平滑濾波時(shí)，邊緣上擴(kuò)散的中心位置基本不變，信號(hào)邊緣在尺度空間中可以保持穩(wěn)定，同時(shí)對(duì)隨機(jī)噪聲具有良好的平滑效果。

2.2 圖像增強(qiáng)

經(jīng)過平滑去噪處理，圖像邊緣和輪廓不免會(huì)變的模糊。為了減少這不利效果的影響，這就需要利用圖像銳化技術(shù)，使圖像的邊緣變的清晰。圖像銳化的方法可分為頻率域和空間域兩大類。頻率域上的算法實(shí)質(zhì)上是對(duì)圖像信號(hào)進(jìn)行高通濾波，空間域上則是進(jìn)行微分運(yùn)算，也就是平滑濾波的逆預(yù)算，具體是通過梯度算子和圖像信號(hào)進(jìn)行卷積。常用的梯度算子有Sobel算子、Roberts算子、Laplacian算子等。

2.3 邊緣檢測(cè)

圖像的邊緣信息是圖像最基本的特征，所包含的也是圖像中用于識(shí)別的有用信息。經(jīng)典的邊緣檢測(cè)算法是通過梯度算子來實(shí)現(xiàn)的。梯度對(duì)應(yīng)一階導(dǎo)數(shù)，經(jīng)過平滑后的圖像的噪聲比較小，再進(jìn)過銳化還有邊緣灰度值過渡比較尖銳，因此梯度算子工作的效果較好，且不需考慮施加運(yùn)算的方向。根據(jù)模板的大小和元素值的不同，經(jīng)典的梯度算子模板有：Sobel模板、Prewitt模板、Kirsch模板、Roberts模板、Laplacian模板。[3]

Sobel算子利用像素的上、下、左、右鄰域的灰度進(jìn)行加權(quán)運(yùn)算，通過在邊緣點(diǎn)處達(dá)到極值這一原理進(jìn)行邊緣檢測(cè)。Prewitt算子的原理和Sobel算子類似，只是在平滑部分的權(quán)值有所差異。這兩個(gè)算子具有一定的抑噪能力，對(duì)邊緣的定位相對(duì)比較準(zhǔn)確和完整，但是容易出現(xiàn)偽邊，而且容易出現(xiàn)多像素寬的邊緣。Kirsch算子除了利用像素四個(gè)鄰域外，還利用了對(duì)角線上的四個(gè)像素，因此邊緣的定位能力和對(duì)噪聲的抑制作用都比較理想，就是計(jì)算量相對(duì)其它算子較大。Roberts算子是最簡單的梯度算子，其利用垂直或水平方向上相鄰的兩個(gè)鄰域的灰度的差分來計(jì)算梯度，缺點(diǎn)是受噪聲的影響較大，且容易丟失一部分邊緣。Laplacian算子是二階微分算子，它具有旋轉(zhuǎn)不變性，即各向同性的性質(zhì)，邊緣定位精度高，基本上不會(huì)出現(xiàn)偽邊或者邊緣丟失的現(xiàn)象，但是對(duì)噪聲相對(duì)敏感，且產(chǎn)生雙像素寬的邊緣，且不能提供邊緣方向的信息。[4]

2.4 特征提取和匹配

圖像的常用特征有顏色特征、紋理特征、形狀特征、空間關(guān)系特征。本文從顏色和形狀兩個(gè)方面采集藥粒圖像的特征用于建立藥粒圖像模型以及匹配。

圖像的灰度特征是一種全局特征，其描述了圖像區(qū)域內(nèi)景物的表面性質(zhì)?；叶戎狈綀D是一個(gè)二維圖，其橫坐標(biāo)表示圖像中各個(gè)像素點(diǎn)的灰度級(jí)，縱坐標(biāo)為各個(gè)灰度級(jí)上圖像各個(gè)像素點(diǎn)出現(xiàn)的次數(shù)或概率?；叶戎狈綀D能簡單的描述藥粒圖像中灰度的全局分布。采用直方圖相交法或者距離法將規(guī)范化的藥粒圖像的灰度直方圖和標(biāo)準(zhǔn)直方圖進(jìn)行匹配可以快速的識(shí)別出哪些藥粒圖像中存在表面污點(diǎn)和邊緣缺損，從而實(shí)現(xiàn)藥粒的快速檢測(cè)。從統(tǒng)計(jì)學(xué)角度來看，圖像可以看作是二維隨機(jī)過程中的一個(gè)樣本，其特性反映了總體的特征。矩是隨機(jī)變量的數(shù)字特征，對(duì)于圖像來說，其亮度矩便可以反映圖像的總體輪廓特征。[5]亮度矩的定義為：

(2)

其中n為圖像總像，f(x,y)為像素的灰度值，k為亮度矩的階。將藥粒圖像的亮度矩和標(biāo)準(zhǔn)圖像的亮度矩進(jìn)行比較，兩者差的絕對(duì)值超過一定閾值時(shí)便可判斷藥粒存在缺陷。

但是灰度直方圖無法描述圖像中灰度的局部分布及其所處的空間位置，因此還需要提取圖像的形狀特征進(jìn)行補(bǔ)充。通常情況下，形狀特征包括輪廓特征和區(qū)域特征，圖像的輪廓特征主要針對(duì)物體的外邊界，而圖像的區(qū)域特征則關(guān)系到整個(gè)形狀區(qū)域。在藥粒圖像的特征提取中，只需要關(guān)心輪廓特征即可。基于圖像特征的匹配方法大致可分為三類：點(diǎn)匹配法，邊緣線匹配法和使用高級(jí)技術(shù)的匹配方法。點(diǎn)匹配以最小均方差匹配、快速點(diǎn)匹配為代表，通過比較顯示點(diǎn)之間的相似度來決定圖像是否匹配。邊緣線匹配法以chamfer算法為代表，[6]通過圖像的輪廓特征進(jìn)行匹配。基于高級(jí)技術(shù)的匹配方法一般利用圖像特征間的幾何約束，將特征屬性值之間簡單比較的結(jié)果作為相似性度量。

3 藥?？焖贆z測(cè)系統(tǒng)的業(yè)務(wù)流程

采用數(shù)字圖像技術(shù)對(duì)藥粒進(jìn)行快速檢測(cè)的流程可分為八個(gè)步驟，其流程圖如圖1所示：

圖1

在技術(shù)選擇時(shí)，應(yīng)該考慮到精度要高，誤差要小，算法復(fù)雜度低，方便在硬件上實(shí)現(xiàn)，能滿足應(yīng)用環(huán)境對(duì)實(shí)時(shí)性的要求。圖像采集時(shí)應(yīng)該采用半球式的光源，以減少藥粒陰影對(duì)圖像質(zhì)量的影響。對(duì)采集圖像的平滑去噪時(shí)，采用PM模型進(jìn)行濾波，以利用其良好的邊緣保持性能。在圖像銳化的步驟，采用簡單易行的Roberts算子加強(qiáng)藥粒的外輪廓線。噪聲消除與邊緣定位是兩個(gè)相互矛盾的問題，根據(jù)圖像的特點(diǎn)選擇合適的檢測(cè)算子非常的重要。藥粒圖像的灰度特征具有階躍邊緣的特點(diǎn)，其邊緣具有的一階導(dǎo)數(shù)的極大值點(diǎn)>0，二階導(dǎo)數(shù)過零點(diǎn)的特點(diǎn)，因此采用Laplacian算子對(duì)藥粒圖像進(jìn)行邊緣檢測(cè)。[7]采用檢測(cè)出的邊緣對(duì)平滑去噪后的圖像進(jìn)行分割。對(duì)分割的圖像再次進(jìn)銳化加強(qiáng)，突出圖像的邊緣和表面特征。最后提取圖像的灰度特征，計(jì)算其亮度矩，采用chamfer算法提取圖像的輪廓特征，綜合進(jìn)行評(píng)價(jià)，識(shí)別出表面有缺陷的藥粒。

4 結(jié)論

本文在深入分析了現(xiàn)有藥粒分揀技術(shù)中存在缺陷的基礎(chǔ)上，結(jié)合計(jì)算機(jī)圖像技術(shù)設(shè)計(jì)了一個(gè)基于數(shù)字圖像技術(shù)的藥?？焖贆z測(cè)系統(tǒng)。該系統(tǒng)可以實(shí)現(xiàn)基于圖像的藥粒表面缺陷的快速檢測(cè)，可提高藥粒分揀的效率和準(zhǔn)確率，減少了人員的使用。今后研究工作主要包含進(jìn)一步提高檢測(cè)的效率和準(zhǔn)確率，并將其應(yīng)用于實(shí)際生產(chǎn)。

[1]Perona P, Malik J. Scale-space and edge detection using anisotropic diffusion[J]. IEEE Trans. on PAMI, 1990, 12(7):629-639.

[2]Catte.F, Coll.T, Lions.P.L, et al. Image selective smoothing and edge detection by nonlinear Diffusion [J]. SIAM J Number Anal, 1992, 29(2):182-193.

[3]R.C.GonZaleZ, R.E.Woods著.數(shù)字圖像處理.(第2版)[M].阮秋琦,阮宇智等譯.北京:電子工業(yè)出版社,2003.

[4]何斌,馬天予,王運(yùn)堅(jiān)，等.Visua1C++數(shù)字圖像處理.(第2版)[M].北京:人民郵電出版社,2002:394-398.

[5]周偉,田紅旗.接觸網(wǎng)風(fēng)偏檢測(cè)的亮度矩尋優(yōu)分割算法[J].中南大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,44(7):1 708-1 713.

[6]李慧平,李映,張秀偉.結(jié)合Canny和距離變換的矩形模式特征提取方法[J].計(jì)算機(jī)工程與應(yīng)用.2011,47(18):166-169.

[7]任毅斌,王子嫣,于吉紅，等.數(shù)字圖像中邊緣檢測(cè)算法綜合研究[J].計(jì)算機(jī)與信息技,2007,(8):243-26.

ApplicationStudyaboutDigitalImageProcessingTechnologyonAutomaticMedicineGranuleSelecting

ZHAOYan1*,LIUYa2

1.JiangxiInformationCenter,Nanchang330046;2.SchoolofComputer,JiangxiUniversityofTraditionalChineseMedicine,Nanchang330004

There are some problems in the processing of medicine granule selecting by medicine enterprises, like slow speed, low-efficiency, high cost etc, that cannot meet the needs of the present era. This thesis has made thorough research in existing computer digital image processing technology, then designed a rapid inspection system based on image technology. With this system, the efficiency and exactness of medicine granule selecting can be improved, the unmanned selecting can be realized.

Automatic Selecting; Edge Detection; Image Matching

趙艷(1983-)，碩士，助理工程師，E-mail:zhaoyan@jiangxi.gov.cn。

TP391.41

A

2013-11-06)