闞文君， 王碩禾， 蔡承才

(1.石家莊鐵道大學 機械工程學院，河北 石家莊 050043;2.天津市地下鐵道運營有限公司，天津 030222;3.石家莊鐵道大學 電氣與電子工程學院，河北 石家莊 050043)

?

一種應(yīng)用于藥品泡罩包裝檢測的改進分水嶺算法研究

闞文君1,2， 王碩禾3， 蔡承才3

(1.石家莊鐵道大學 機械工程學院，河北 石家莊 050043;2.天津市地下鐵道運營有限公司，天津 030222;3.石家莊鐵道大學 電氣與電子工程學院，河北 石家莊 050043)

針對分水嶺算法存在的過分割問題以及泡罩包裝藥品圖像的特點，提出一種改進的分水嶺分割算法對泡罩包裝的藥品進行分割。該方法將形態(tài)學重建運算與使用控制標記符的方法相結(jié)合，首先對原圖像進行開閉重建，根據(jù)鄰域像素連通性提取重建后圖像的局部極大值作為標記，從而抑制其他的局部極小值，然后依據(jù)標記對原始的梯度圖像進行修正，最后對修改后的梯度圖像進行分水嶺分割。試驗表明，該方法在缺陷藥品檢測中，可以有效的抑制傳統(tǒng)分水嶺的過分割，分割效果良好。

圖像分割；分水嶺算法；形態(tài)學重建；泡罩藥品圖像

0 引言

自動視覺缺陷檢測已經(jīng)成為現(xiàn)代制藥行業(yè)質(zhì)量控制的一個重要組成部分?；赑C的機器視覺檢測系統(tǒng)是用機器代替人眼、人手來進行檢測、測量、分析、判斷和決策控制的智能測控技術(shù)[1]，它具有非接觸、智能化、高精度和高速度的特點，已經(jīng)逐漸成為國內(nèi)廠家為新設(shè)備配套和舊設(shè)備改造的認可方案。在檢測過程中，將藥品圖像從空間背景下精準、快速地提取出來是進行特征提取和識別的前提，直接影響檢測系統(tǒng)的識別率。但是分割又是個比較困難的問題，具有不適定性。在識別過程中，人們隱含的假設(shè)分割已經(jīng)解決或根本不存在分割問題而避開對其的研究，是不正確的。

圖1 OTSU閾值分割效果

目前關(guān)于泡罩藥品分割的相關(guān)研究有：呂?？龑鹘y(tǒng)的SVC聚類算法進行改進，并將改進的聚類算法應(yīng)用到檢測到的多目標運動區(qū)域的實時動態(tài)分割中，取得了較為滿意的效果。趙鵬等[2-3]采用常用的最大類間方差法(Otsu)分割泡罩藥片得到二值圖像。在該系統(tǒng)中，由于鋁塑包裝和藥品反光性較強，噪聲的數(shù)據(jù)和目標的數(shù)據(jù)經(jīng)?；煸谝黄?，采用迭代閾值算法效果并不理想。通過實驗表明，Otsu分割效果也很不理想，主要原因是是閾值分割一般都對直方圖模型有所要求，而且對目標和背景灰度值相差比較大的圖像效果比較好。而且Otsu分割方法無法忍受圖像中存在大部分的黑色區(qū)域。該系統(tǒng)中泡罩藥板和黑色工作臺共同作為背景，而且圖像還受到光照或其他噪聲的影響的，導致背景和目標不能分開，致使閾值分割失敗。圖1為Otsu閾值分割的結(jié)果。

針對上述問題，本文提出一種改進的分水嶺分割方法。將形態(tài)學重建與控制標記符相結(jié)合，在原始圖像上采用形態(tài)學重建，從而獲得前景和背景標記對梯度圖像進行修正，作為分水嶺變換的輸入。理論分析和仿真結(jié)果均證明該算法的可行性。

1 分水嶺算法原理

分水嶺分割(Watershed Algorithm)是一種基于數(shù)學形態(tài)學的，屬于區(qū)域分割的經(jīng)典分割方法。它根據(jù)地理學中分水嶺的構(gòu)成原理來考慮灰度圖像的分割，將許多概念進行具體化分析，得到的結(jié)果相較于其他分割方法更為穩(wěn)定[4]。假設(shè)灰度圖像看作是一個地形表面，每個像素的灰度代表該坐標地形的高度。假設(shè)地形表面是有山有水的，那么一定是山圍水、水繞山，為了要防止集水盆之間的相互穿透，有時需要人工修筑大壩。區(qū)分山與水，以及湖與湖之間的界限都是連通的關(guān)系，就是分水嶺。

分水嶺分割的基本思想有兩種：按照雨點降落的過程，首先給每個谷底賦予不同的標記，雨滴在地形表面將流向更低的谷底，將該谷底的標記賦予該點，最后匯集到不同的谷底，匯集在同一谷底的雨滴形成的集水盆就形成一個區(qū)域。如果雨水可能流向多個谷底，則標記為分水嶺[5]；按照模擬浸沒過程就是先選擇一個適當小的閾值當作起點，即集水盆的底，然后在此處打個洞讓水從洞中涌出慢慢的向周圍淹沒的過程，當不同盆地中的水要匯合到一起時就修筑大壩阻止匯合，這些大壩就相當于分水嶺的分割線。

圖2 基于梯度的分水嶺變換

由于分水嶺表示的是圖像的極大值點，所以一般把梯度圖像作為輸入圖像。但是分水嶺分割時利用梯度信息作為輸入圖像時，由于分水嶺變換對弱邊緣的響應(yīng)良好，圖像中的非規(guī)則灰度擾動和噪聲造成存在的局部極值過多，傳統(tǒng)的分水嶺算法由于噪聲及區(qū)域內(nèi)部文理細節(jié)的影響會產(chǎn)生嚴重的過分割現(xiàn)象[6]。為了克服分水嶺算法帶來的過分割現(xiàn)象，通常采用兩種方法處理：一是利用先驗只是去除無關(guān)邊緣信息；二是修正梯度函數(shù)使得集水盆只影響想要探測的目標[7]。在實際應(yīng)用中，需要根據(jù)需求結(jié)合其他方法消除過分割的影響。圖2 是對梯度圖像進行分水嶺變換的結(jié)果。

2 分水嶺方法的改進

2.1 概述

如上所述，由于圖像中存在大量的極小值，直接應(yīng)用分水嶺變換往往會造成過分割現(xiàn)象。過分割的原因是過多極小值的存在，如果在圖像中對前景對象和背景對象進行標記區(qū)別，再用分水嶺算法會使這一問題得到解決[8]。因此本文提出一種基于控制標記符的改進分水嶺分割算法，并采用形態(tài)學重建技術(shù)獲得控制標記符。

基于控制標記符的改進分水嶺分割可以分為以下幾個步驟：(1)計算原圖像的梯度幅值。(2)計算前景標記。利用形態(tài)學重建對原圖像進行平滑處理，再從中提取與物體相關(guān)的局部極大值，作為提取前景標記，由于背景是黑色的，藥片的顏色比背景淺很多，提取極大值構(gòu)成的二值圖像可以準確地把目標標記出來，從而抑制了圖像中原有的大量局部極小值。(3)計算背景標記。對前景標記圖像進行歐幾里得距離變換，然后進行分水嶺變換來實現(xiàn)，得到分水嶺脊線作為背景標記。(4)計算分水嶺變換的分割函數(shù)，修改梯度幅值，使其只在前景和后景標記有局部最小。(5)進行基于梯度的分水嶺變換，獲得結(jié)果。實驗證明這種分割方法可以獲得較理想的分割結(jié)果。

2.2 求取梯度圖

分水嶺變換使用梯度圖像作為輸入圖像，g(x,y)=grad(f(x,y))，f(x,y)為原始圖像，g(x,y)為原始圖像的梯度圖像。計算公式如下

(1)

梯度的幅值圖像在邊緣處的像素點具有較高的灰度值，在其他地方的像素灰度值則較低，計算圖像的梯度可以突出目標和背景區(qū)域邊緣處的變化幅度，且可以在一定程度上抑制噪聲產(chǎn)生的極小值?；谔荻鹊姆炙畮X分割的理想情況是在目標邊緣處產(chǎn)生分水嶺脊線，其他位置為0。

2.3 標記提取

基于標記符的分水嶺分割算法，其關(guān)鍵在于尋找一組和圖像中各區(qū)域都相關(guān)的連通分量。包括一個前景標記符和一個背景標記符。其中，前景標記符位于每一個感興趣目標區(qū)域的內(nèi)部，背景標記符包含在背景中。標記的選擇方法有很多，包括線性濾波、非線性濾波以及形態(tài)學處理等方法，一般情況下選擇的方法高度依賴于與應(yīng)用相關(guān)的圖像特性。文章采用形態(tài)學重建技術(shù)獲得控制標記符。

2.3.1 形態(tài)學重建

形態(tài)學重建是形態(tài)學處理的另一重要內(nèi)容。本文采用形態(tài)學重建的目的是消除圖像中噪聲引起的局部極值，保留輪廓極值的重要信息，并且提取出圖像中的極大值區(qū)域。

形態(tài)學重建技術(shù)涉及到兩幅圖像和一個結(jié)構(gòu)算子，它通過掩膜圖對整個圖像進行選擇性重建，直到像素不再變化。其中一副圖像是標記f，是變換的起點。另一種是掩膜g(g?f)，用來約束變換。結(jié)構(gòu)元素為B，則從f重構(gòu)g可以記為Rg(f),迭代過程定義如下

(2)

直到hk+1=hk時迭代過程結(jié)束。

2.3.2 前景標記

圖3 圖像的形態(tài)學運算

在形態(tài)學重建運算中，一幅圖像先被腐蝕，再以被腐蝕圖像作為標記圖像進行重構(gòu)，稱為基于開的重建。對一幅圖像先求補，再計算其開運算重建，再對結(jié)果求補，稱為基于閉的重建運算?？紤]到開和閉的重建運算分別對梯度圖像中明暗細節(jié)和噪聲的平滑特性，將開閉重建運算相結(jié)合，簡單地說，就是在開重建的基礎(chǔ)上，對圖像再進行膨脹重建運算，構(gòu)成形態(tài)學混合開閉運算以消除圖像中的明暗細節(jié)和噪聲。實驗結(jié)果如圖3所示。

通過圖3的比較可以看出，對圖像進行傳統(tǒng)的開閉操作可以移除較暗的斑點，但是會改變圖像原本的形狀?；陂_閉的重建運算結(jié)合了開閉重建運算的特點，除了能夠很好地減弱圖像中的各類噪聲的同時還能夠很好的保持圖像原有的形狀不受影響，不會對邊緣產(chǎn)生很大的影響，處理后的圖像邊緣也不會有偏移的情況。所以基于重建的開閉操作比傳統(tǒng)的開閉運算和基于開的重建運算更加有效。下面計算圖開閉重建處理后的圖像的局部極大值來更好的標記前景，結(jié)果如圖4(a)所示。為了更好的理解，將前景標記疊加到原圖上，可以看到圖4(b)，所有的藥品都被標記上，這就意味著在分割中這些對象可以得到合理的分割。有一些對象的前景標記一直到對象的邊緣，這時應(yīng)該清理標記的邊緣，收縮它們，可以通過閉操作和腐蝕操作來完成。

2.3.3 背景標記

該文中背景在黑色區(qū)域。理想的情況下，不必要求背景標記太接近要分割的對象的邊緣。通過計算“骨架影響范圍”來“細化”背景，這可以通過計算距離變換來實現(xiàn)[9]，然后尋找結(jié)果的分水嶺脊線。

在分割中，距離變換是與分水嶺變換配合經(jīng)常使用的工具。二值圖像的距離變換概念是指每一個像素到最近非零像素的距離。其中值為1的像素的距離變換定義為0。本文對前景標記的二值圖像進行距離變換，然后進行分水嶺變換，結(jié)果得到的脊線就為背景標記，如圖5所示。

圖4 圖像的局部極大值提取

圖5 二值圖像的距離變換

2.3.4 基于標記的分水嶺分割

在獲得梯度圖像的前背景標記后，就可以對原有的梯度圖像進行修改了，將提取的標記強制性的作為梯度圖像的極小值，使其只在前景和背景標記位置具有局部極小值，然后再對修改后的梯度圖像進行分水嶺變換，就得到了基于標記符的分水嶺變換，這樣就得到最終的分割結(jié)果。見圖6～圖8。

圖6 分水嶺分割結(jié)果

圖7 對缺粒藥品的分水嶺分割

圖8 破損藥品的分水嶺分割

3 實驗結(jié)果與分析

本文提出一種新的基于控制標記符的分水嶺分割算法。該算法通過形態(tài)學重建運算對原圖像的局部極大值進行標記，然后將提取的標記強制性的作為梯度圖像的極小值，使其只在前景和背景標記位置具有局部極小值，最后再對修改后的梯度圖像進行分水嶺變換得到分割結(jié)果。從仿真結(jié)果可以看出，該算法很大程度上改善了分水嶺過分割的現(xiàn)象，分割結(jié)果達到了預(yù)期的效果。同時，整個過程不需要進行分割后區(qū)域合并，很好地降低了算法的復雜度。經(jīng)實際應(yīng)用試驗顯示，該方法有效的降低了缺陷藥品包裝的檢出率，提高了檢測系統(tǒng)的工作效率。

[1]王耀南，陳鐵健，賀振東，等. 智能制造裝備視覺檢測控制方法綜述[J].控制理論與應(yīng)用，2015,32(3):273-286.

[2]謝丹毅. 藥品泡罩包裝缺陷機器視覺檢測技術(shù)的研究[D].湖南:中南大學信息科學與工程學院,2007.

[3]趙鵬. 基于機器視覺的藥品包裝檢測技術(shù)研究[D].湖南:湖南大學電氣與信息工程學院,2009.

[4]謝文娟. 基于改進分水嶺算法的細胞圖像分割[D].武漢:中南民族大學數(shù)學與統(tǒng)計學學院,2010.

[5]高麗，楊樹元，李海強. 一種基于標記的分水嶺圖像分割算法[J].中國圖像圖形學報,2007,12(6):1025-1032.

[6]戴丹. 基于改進分水嶺算法的粘連顆粒圖像分割[J].計算機技術(shù)與發(fā)展,2013(3):19-22.

[7]賀振華，黃英，劉林. 一種改進的分水嶺算法在醫(yī)學圖像分割中的應(yīng)用研究[J].工業(yè)控制計算機,2013,26(5):99-100.

[8]HAIRS K,HYBRID. Image segmentation using watersheds and fast region merging[J]. IEEE trans. Image Progressing, 1988,7(11):1684-1699.

[9]張漢欣. 輪胎軌跡圖像處理及識別算法研究[D].吉林:吉林大學交通學院,2011.

Research of Bubble-cap Pharmaceutical Packing Inspection System Based on Machine Vision

Kan Wenjun1,2, Wang Shuohe3, Cai Chengcai3

(1. School of Mechanical Engineering, Shijiazhuang Tiedao University, Shijiazhuang 050043, China;2.Tianjin Metro Operations Corporation Limited, Tianjin 030222, China;3.School of Electrical and Electronic Engineering, Shijiazhuang Tiedao University, Shijiazhuang 050043, China)

Aimed at resolving the problem of over-segmentation existing in watershed algorithm and characteristics of blister packaging medicine image, an efficient watershed algorithm is proposed. The method combined morphological reconstruction with control symbol, firstly performs opening and closing reconstruction operations on original image, extracts local maxima of reconstructed image as a marker on basis of the neighborhood pixel connectivity to suppress the other local minima value, then modifies the gradient image according to the marking, and finally, uses watershed segmentation to the modified gradient image. Experimental results show this method has a good segmentation effect, and over-segmentation can be significantly reduced.

image segmentation;watershed algorithm;morphological reconstruction;blister drugs image

2015-09-16 責任編輯:劉憲福

10.13319/j.cnki.sjztddxxbzrb.2016.04.17

闞文君(1988-)，女，碩士，助理工程師，研究方向為檢測技術(shù)與自動化裝置，綜合監(jiān)控。E-mail:kan200602@sina.com闞文君，王碩禾，蔡承才.一種應(yīng)用于藥品泡罩包裝檢測的改進分水嶺算法研究[J].石家莊鐵道大學學報:自然科學版,2016,29(4):100-104.

TP391.9

A

2095-0373(2016)04-0100-05