申 聰,戴小鵬,李東暉,樊振宇
(湖南農(nóng)業(yè)大學(xué)信息科學(xué)與技術(shù)學(xué)院,湖南 長(zhǎng)沙 410128)
稻米堊白度測(cè)定特征值提取的算法研究
申 聰,戴小鵬,李東暉,樊振宇
(湖南農(nóng)業(yè)大學(xué)信息科學(xué)與技術(shù)學(xué)院,湖南 長(zhǎng)沙 410128)
為了改進(jìn)傳統(tǒng)的稻米堊白度計(jì)算方法操作困難、準(zhǔn)確率低等不足,提出了一種稻米堊白度測(cè)定特征值提取的新算法。該算法利用圖像處理軟件和積分學(xué)的相關(guān)理論計(jì)算稻米米粒的面積和堊白區(qū)域的面積,進(jìn)而計(jì)算稻米堊白度,大大提高了算法的精準(zhǔn)度,為稻米品質(zhì)評(píng)價(jià)指標(biāo)體系的建立打下了基礎(chǔ)。
稻米堊白度;圖像處理;特征提?。环e分學(xué)
隨著經(jīng)濟(jì)社會(huì)的快速發(fā)展和人民生活水平的提高,食用米的品質(zhì)越來(lái)越受到人們的關(guān)注。堊白是稻米胚乳中白色不透明的部分,為胚乳淀粉粒之間存在空隙引起透光性改變所致。研究發(fā)現(xiàn),堊白是衡量稻米品質(zhì)的重要性狀之一。堊白面積與稻米面積是計(jì)算稻米堊白度的2個(gè)主要指標(biāo),從已有文獻(xiàn)得知,這2個(gè)指標(biāo)大多數(shù)是通過(guò)人工目測(cè)估算而得,也有少部分資料用到了積分算法[1],但并沒(méi)有詳細(xì)講述計(jì)算過(guò)程,而且存在操作困難、準(zhǔn)確率低等諸多弊端。為了盡可能地減少計(jì)算誤差,筆者通過(guò)圖像處理軟件提出了一種簡(jiǎn)單易理解的堊白度測(cè)定特征值提取的測(cè)算方法,并運(yùn)用積分學(xué)的原理詳細(xì)講述了計(jì)算過(guò)程,大大提高了米粒堊白度測(cè)算的精準(zhǔn)度,為稻米品質(zhì)評(píng)價(jià)指標(biāo)體系的建立打下了基礎(chǔ)。
1.1 堊白度計(jì)算模型分析
堊白度計(jì)算需要經(jīng)過(guò)圖像采集、圖像預(yù)處理、圖像灰度化、灰度值與閾值1比較(從背景圖片中抽象出稻米區(qū)域)、灰度值與閾值2比較(從稻米圖片中抽象出堊白區(qū)域)、堊百度計(jì)算、堊白粒率計(jì)算等過(guò)程,如圖1所示。筆者將從圖像預(yù)處理、灰度化和堊白度計(jì)算過(guò)程所聯(lián)系的相關(guān)計(jì)算方法詳細(xì)闡述堊白度的計(jì)算過(guò)程。
1.2 圖像預(yù)處理
1.2.1 噪聲過(guò)濾 圖像因其直觀形象的特性成為人們傳遞信息的一種重要載體,而傳輸中的圖像或多或少的都帶有噪聲的影響,導(dǎo)致圖像與事實(shí)有所偏差[2]。圖像噪聲過(guò)濾的目的是在最大程度地保護(hù)圖像的邊沿、紋理和細(xì)節(jié)的基礎(chǔ)上去除與研究對(duì)象無(wú)關(guān)的圖像因素。因此,采集后的圖片需用濾波器進(jìn)行噪聲過(guò)濾后才可進(jìn)行堊白面積的求解。
1.2.2 邊緣檢測(cè)算法 圖像的大部分信息都在圖像邊緣中體現(xiàn),主要表現(xiàn)為圖像局部特征的不連續(xù)性,即圖像中灰度變化比較劇烈的地方[3]。邊緣檢測(cè)是利用圖像中各像素點(diǎn)灰度值的差別對(duì)圖像邊緣進(jìn)行檢測(cè)的一個(gè)過(guò)程,傳統(tǒng)的邊緣檢測(cè)方法有微分算子法,現(xiàn)代的邊緣檢測(cè)的方法有模糊學(xué)、小波分析、形態(tài)學(xué)、人工智能、遺傳算法等[4]。筆者在傳統(tǒng)的微分算子法基礎(chǔ)上得到的一種新型算法。
假設(shè)一幅長(zhǎng)寬都為M的圖片中像素點(diǎn)P(x,y)對(duì)應(yīng)的灰度值為z,構(gòu)造函數(shù)z=f(x,y),對(duì)于圖片中每一個(gè)確定的點(diǎn)P(x,y)都有唯一的灰度值z(mì)與之對(duì)應(yīng),在函數(shù)f(x,y)中對(duì)x、y分別求一維偏導(dǎo)數(shù)得到函數(shù)值z(mì)=f(x,y)在點(diǎn)P(x,y)的全微分
圖1 堊百度計(jì)算模型分析
由(1)式可知,|dz|越大,說(shuō)明函數(shù)在P(x,y)這一點(diǎn)的變化幅度越大,則圖片的灰度值變化越大,將|dz|與參照的閾值T比較,如果有|dz|>T即可認(rèn)為該點(diǎn)為灰度值分界點(diǎn),所有的分界點(diǎn)連接起來(lái)形成邊緣線。
1.2.3 抽象出邊緣線 利用邊緣檢測(cè)進(jìn)行圖片處理后可以得到圖像邊緣線條,如圖2所示,此邊沿線條可為抽象函數(shù)方程計(jì)算每部分面積提供原始數(shù)據(jù)。
圖2 堊白米粒抽象出邊緣線
1.3 堊白度計(jì)算
1.3.1 堊白面積與米粒面積計(jì)算 稻米輪廓所在的曲線大多數(shù)不能直接對(duì)應(yīng)某一種或者某一類(lèi)函數(shù)模型,需要將米粒和堊白區(qū)的邊緣曲線進(jìn)行分段處理,對(duì)每一小段的數(shù)據(jù)用最接近的曲線輪廓進(jìn)行劃分,如圖3所示。
以計(jì)算米粒的面積為例,對(duì)米粒邊緣曲線建立平面直角坐標(biāo)系,假設(shè)曲線OL、LC、CM、MO所在曲線方程分別為y=f(x)OL、y=f(x)LC、y=f(x)CM、Y=f(x)MO,則米粒的面積可以表示為:
圖3 米粒邊緣線條建立的函數(shù)模型
由于根據(jù)OL、LC、CM、MO所在曲線求對(duì)應(yīng)函數(shù)的過(guò)程比較困難,所以采用分段求函數(shù)的方法,對(duì)于分段的間距可以根據(jù)邊緣曲線的輪廓決定,以O(shè)L段(圖3)為例,進(jìn)行分段后的函數(shù)可表示為:
其中,間距△a越小,則算出來(lái)的面積越接近于真實(shí)值,以陰影部分OaL(圖3)為例,在變量區(qū)間[-a,0]上進(jìn)行分段,每一段的面積為Areaai:
同理,可以求出AreaOaLC、AreaObMC、AreaObM,那么米粒的面積可以表示為:
計(jì)算得到米粒的面積Area米粒后,用同樣的方法可以計(jì)算出堊白區(qū)域的面積Area堊白,根據(jù)Area米粒和Area堊白可以進(jìn)行稻米堊白度的計(jì)算。
1.3.2 堊白度和堊白粒率的計(jì)算 根據(jù)農(nóng)業(yè)部標(biāo)準(zhǔn)得到下列計(jì)算公式[5]:
堊白度(%)=米粒中堊白部位投影面積/米粒投影面積×100
堊白粒率(%)=堊白米粒數(shù)/總粒數(shù)×100
堊白米粒數(shù)是指有堊白的米粒數(shù)量,在國(guó)家標(biāo)準(zhǔn)中,堊白度的計(jì)算需要取30粒米粒的平均值,作為整個(gè)樣本空間的米粒堊百度的最終結(jié)果。
1.3.3 依據(jù)堊白粒率判斷稻米品質(zhì)的標(biāo)準(zhǔn) 依據(jù)國(guó)家標(biāo)準(zhǔn)[6],將堊白粒率為10%、20%和30%的秈米、粳米、秈糯米和粳糯米等大米的品質(zhì)分別劃分為一級(jí)、二級(jí)和三級(jí)。
2.1 稻米粘黏性問(wèn)題
稻米粘黏是計(jì)算稻米堊白度過(guò)程中遇到的常見(jiàn)問(wèn)題,傳統(tǒng)的計(jì)算方法[7]必須把每一粒米粒都獨(dú)立的分隔出來(lái)才能計(jì)算,而該算法只需考慮稻米堆積問(wèn)題,對(duì)同一平面的稻米粘黏性問(wèn)題無(wú)需考慮,算出多粒大米的堊白區(qū)域面積與多粒大米的面積的比值即可,對(duì)堊白率不會(huì)產(chǎn)生任何影響。
2.2 邊緣檢測(cè)方法
該算法利用了各坐標(biāo)點(diǎn)灰度值的變化情況對(duì)圖像的邊緣曲線進(jìn)行處理,與利用顏色突變或紋理結(jié)構(gòu)突變的其他方法相比,具有數(shù)據(jù)處理簡(jiǎn)單、易操作控制的優(yōu)點(diǎn)。同時(shí),構(gòu)建二維空間函數(shù),通過(guò)對(duì)坐標(biāo)點(diǎn)灰度值的全微分值與給定閾值比較得到邊緣曲線,提高了稻米堊白率的計(jì)算準(zhǔn)確性。
2.3 計(jì)算結(jié)果的精度分析
稻米堊白度的計(jì)算精度主要體現(xiàn)在堊白面積和稻米面積的計(jì)算精度,該文提出對(duì)不規(guī)整的幾何圖形分段積分求面積的方法,和傳統(tǒng)的人工計(jì)算方法相比,對(duì)堊白度計(jì)算的結(jié)果更加趨向于真實(shí)值,對(duì)農(nóng)業(yè)中稻米品質(zhì)的改善提供了更加可靠的數(shù)據(jù)支撐。如表1所示,無(wú)論是堊白粒率、堊白度,還是長(zhǎng)寬比,積分計(jì)算的標(biāo)準(zhǔn)差都高于人工計(jì)算,說(shuō)明人工計(jì)算對(duì)于數(shù)據(jù)的把握集中于一個(gè)較小的范圍,對(duì)于波動(dòng)范圍較大的數(shù)據(jù)無(wú)法準(zhǔn)確定位。
表1 稻米堊白度積分計(jì)算和人工計(jì)算的比較
稻米堊白度測(cè)定特征提取算法研究是堊白度算法不斷完善的過(guò)程。研究從圖像的噪聲過(guò)濾、邊沿檢測(cè)算法和抽象出邊沿線出發(fā),提出了利用微分學(xué)計(jì)算稻米堊白度的算法,通過(guò)農(nóng)業(yè)部提供的堊白度和堊白粒率計(jì)算公式,對(duì)計(jì)算結(jié)果進(jìn)行了詳細(xì)的分析;同時(shí),與傳統(tǒng)人工計(jì)算方法進(jìn)行比較,得到了積分算法準(zhǔn)確度更高的結(jié)論。稻米堊白度測(cè)定特征提取算法是基于二維平面的堊白度計(jì)算方法,隨著三維技術(shù)的發(fā)展,利用三重積分通過(guò)體積比計(jì)算堊白率的算法一定會(huì)是堊白度計(jì)算的另一個(gè)新起點(diǎn)。
[1] 陳丁山,陳 鵬,李東暉,等. 基于計(jì)算機(jī)圖像處理的稻米堊白測(cè)定系統(tǒng)的研究[J]. 湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2011,37(5):469-473.
[2] 譚永杰,曹 彥,王永亮. 圖像噪聲類(lèi)型識(shí)別研究[J]. 周口師范學(xué)院學(xué)報(bào),2013,30(5):129-131.
[3] 段瑞玲,李慶祥,李玉和. 圖像邊緣檢測(cè)方法研究綜述[J]. 光學(xué)技術(shù),2015,3(31):415-419.
[4] 魏偉波,芮筱亭. 圖像邊緣檢測(cè)方法研究[J]. 計(jì)算機(jī)工程與應(yīng)用,2006,(30):88-91.
[5] NY147—88,米質(zhì)測(cè)定方法[S].
[6] GB1354—2009,優(yōu)質(zhì)大米質(zhì)量指標(biāo)[S].
[7] 蕭浪濤,李東暉,藺萬(wàn)煌,等. 一種測(cè)定稻米堊白性狀的客觀方法[J].中國(guó)水稻科學(xué),2001,15(3):206-208.
(責(zé)任編輯:成 平)
Research on an Algorithm for Feature Extraction of Rice Chalkiness Determination
HEN Cong,DAI Xiao-peng,LI Dong-hui,F(xiàn)AN Zhen-yu
(College of Information Science and Technology, Hunan Agricultural University, Changsha 410128, PRC)
in order to improve the traditional rice chalkiness calculation methods, which are dif fi cult to operate and low in accuracy, a new algorithm for rice chalkiness determination was proposed. Calculation of rice grains area and the area of the chalky area, furthermore, rice chalkiness was calculated, which greatly improved the accuracy of the algorithm and laid the foundation for the establishment of rice quality evaluation index system.
rice chalkiness; image processing; feature extraction; integral calculus
S11+2
:A
:1006-060X(2017)07-0098-03
10.16498/j.cnki.hnnykx.2017.007.027
2017-04-12
湖南省教育廳項(xiàng)目(17k044,17A092)
申 聰(1996-),男,湖南永州市人,本科生,專(zhuān)業(yè):計(jì)算機(jī)科學(xué)與技術(shù)。
戴小鵬