王玉香，張喜紅

（亳州職業(yè)技術(shù)學(xué)院，安徽 亳州 236800）

基于圖像處理技術(shù)的西洋參外形特征參數(shù)測(cè)定

王玉香，張喜紅①

（亳州職業(yè)技術(shù)學(xué)院，安徽 亳州 236800）

采用數(shù)碼相機(jī)在特定環(huán)境下拍攝西洋參樣本圖像，在Matlab2010軟件平臺(tái)下編寫(xiě)相應(yīng)的程序，首先對(duì)原始圖像進(jìn)行濾波、目標(biāo)與背景分割、二值化及邊界檢測(cè)等預(yù)處理，接著通過(guò)參照物確立像素點(diǎn)與物體實(shí)際外形參數(shù)的比例關(guān)系，最終建立西洋參長(zhǎng)度與橫切面直徑的測(cè)定模型.實(shí)驗(yàn)結(jié)果表明，所建立的測(cè)試模型具有較高的測(cè)量精度，達(dá)93.8%，與人工測(cè)量相對(duì)誤差在6.2%范圍之內(nèi).

特征提取；西洋參；機(jī)器視覺(jué)；圖像處理技術(shù)

0 引言

通過(guò)市場(chǎng)調(diào)研發(fā)現(xiàn)，西洋參的外形橫向長(zhǎng)度與橫切縱向徑是西洋參等級(jí)劃分的重要指標(biāo).然而目前在西洋參分級(jí)加工過(guò)程中，西洋參外形長(zhǎng)度與橫切縱向徑的尺寸測(cè)定大多是通過(guò)人工粗略估計(jì)實(shí)現(xiàn)，對(duì)于標(biāo)準(zhǔn)參照樣本的測(cè)定大多通過(guò)游標(biāo)卡尺來(lái)測(cè)量.人工經(jīng)驗(yàn)估計(jì)方法存在精度不高的缺點(diǎn)，測(cè)定結(jié)果與工人的熟練程度有很大的關(guān)系，游標(biāo)卡尺測(cè)量方法雖然保證測(cè)量精度，但效率極其低下.因此，探索一種新的自動(dòng)化測(cè)量方法，提高測(cè)量精度與效率已刻不容緩.近年來(lái)，圖像處理和計(jì)算機(jī)技術(shù)迅猛發(fā)展，機(jī)器視覺(jué)也在工、農(nóng)業(yè)等領(lǐng)域的生產(chǎn)環(huán)節(jié)廣泛應(yīng)用，如戴美松等［1-2］基于圖像處理技術(shù)實(shí)現(xiàn)梨果實(shí)的形態(tài)參數(shù)測(cè)定；陳艷軍等［3］運(yùn)用機(jī)器視覺(jué)實(shí)現(xiàn)蘋(píng)果外形特征的自動(dòng)測(cè)量與等級(jí)劃分.除此之外，圖像處理算法也積累相當(dāng)豐碩的成果，如圖像分割、邊界提取、特征提取等技術(shù)已趨成熟.本文以西洋參為研究對(duì)象，構(gòu)建特定的圖像采集裝置，實(shí)現(xiàn)西洋參樣本圖像的采集，并在Matlab平臺(tái)下，運(yùn)用多種圖像處理方法，實(shí)現(xiàn)目標(biāo)形態(tài)特征參數(shù)的測(cè)定，并通過(guò)回歸分析，建立測(cè)定模型.

1 圖像采集裝置及測(cè)定原理

1.1 圖像采集裝置

圖像采集環(huán)節(jié)是后續(xù)研究的首要環(huán)節(jié)，同時(shí)也是極其重要的環(huán)節(jié)，采集方法的恰當(dāng)與否將決定圖像的質(zhì)量，圖像質(zhì)量的好壞又決定目標(biāo)物提取的難易程度與精確度，進(jìn)而影響后續(xù)的測(cè)量精度.為提高樣本圖像的質(zhì)量，盡可能地降低環(huán)境因素的干擾，搭建如圖1所示的圖像采集裝置，由暗箱、數(shù)碼相機(jī)、光源和載物模板構(gòu)成.暗箱為：長(zhǎng)×寬×高＝40 cm×40 cm×100 cm的立方體，箱體六面均用黑色粗紋塑布做遮光處理，以減少外界光的影響.箱體頂部安裝有數(shù)碼相機(jī)、環(huán)燈光源，考慮到研究成本，數(shù)碼相機(jī)選用佳能EOS-550D，環(huán)燈光源選用色溫為5 500 K，額定功率為24 W.載物板選用與樣本色彩明顯的藍(lán)色半透明單面磨砂塑制板；支柱由調(diào)高螺柱構(gòu)成，用于調(diào)節(jié)目標(biāo)物與相機(jī)的距離，為獲得最佳拍攝效果，背景平板與相機(jī)鏡頭在60～90 cm間距范圍內(nèi)可調(diào).計(jì)算機(jī)通過(guò)USB通信協(xié)議實(shí)現(xiàn)對(duì)照相機(jī)的圖像采集控制.

圖1 圖像采集裝置示意圖

1.2 測(cè)定原理

一幅二維圖像中目標(biāo)物的實(shí)際大小與圖像目標(biāo)的像數(shù)點(diǎn)個(gè)數(shù)具有一定的比例關(guān)系，因此可通過(guò)已知大小的參照物先標(biāo)定此關(guān)系系數(shù)，通過(guò)比例變換可將圖像目標(biāo)物的像數(shù)值換算成實(shí)際尺寸，進(jìn)而實(shí)現(xiàn)物體的形態(tài)參數(shù)測(cè)量.具本做法如下：以1 cm×1 cm大小的方形黑色薄卡片為參照物，針對(duì)拍攝中可能出現(xiàn)的鏡頭畸變問(wèn)題，通過(guò)算法優(yōu)化先剔除不合格參照物色塊，再算出每平方厘米中的像素平均數(shù)和像素點(diǎn)相應(yīng)的實(shí)際尺寸.在測(cè)量時(shí)將參照物與一個(gè)西洋參樣本一起分散放置于背景平板上，拍照后先將參照物圖像分割提取，并統(tǒng)計(jì)卡片的像數(shù)密度均值k，假設(shè)在相同拍攝條件下某二維圖像目標(biāo)物的像數(shù)點(diǎn)總數(shù)記為x，那么目標(biāo)的面積y≈kxcm2；同理通過(guò)一系列變化也可求出其它參數(shù)的實(shí)際尺寸.

2 特征提取方法

2.1 圖像預(yù)處理

由測(cè)定原理可知，在像數(shù)密度已知的情況，要想求得實(shí)際尺寸，首先要獲得目標(biāo)物的像數(shù)點(diǎn)數(shù).原始圖像是背景與目標(biāo)共存的圖像，同時(shí)還存在噪聲，因此首先需對(duì)原始圖像進(jìn)行濾波、目標(biāo)提取、二值化等預(yù)處理［4］.圖像的預(yù)處理步驟：1）對(duì)原始圖像進(jìn)行濾波平滑處理；鑒于中值濾波方法在消除孤立噪聲點(diǎn)的同時(shí)，能最大程度地保證邊緣信息不丟失，因此采用中值濾波對(duì)西洋參原始圖像做平滑處理［5］；2）原始圖像是目標(biāo)與背景共存的圖像，需事先分割；目標(biāo)圖像提取的精準(zhǔn)程度與尺寸測(cè)量精度密切相關(guān)，經(jīng)多種算法的對(duì)比實(shí)驗(yàn)，最終基于k-means聚類(lèi)算法在Lab色彩空間下，通過(guò)聚類(lèi)分割實(shí)現(xiàn)目標(biāo)圖像的提?。?-7］；3）為簡(jiǎn)化后續(xù)特征提取測(cè)量的運(yùn)算量，目標(biāo)與背景分離后對(duì)其進(jìn)行二值化處理.以10號(hào)樣本為例，預(yù)處理結(jié)果如圖2（a-e）所示，結(jié)果顯示圖像目標(biāo)物提取精準(zhǔn)，能滿足后續(xù)特征測(cè)量的要求.

圖2 10號(hào)樣本圖像預(yù)處理結(jié)果

2.2 投影面積特征提取

對(duì)于形狀不規(guī)則的西洋參，投影面積是體現(xiàn)西洋參整體質(zhì)量的指標(biāo)之一，因此將投影面作為形態(tài)特征之一.圖像經(jīng)過(guò)二值化處理，用1來(lái)標(biāo)記背景區(qū)像數(shù)，0來(lái)標(biāo)記目標(biāo)區(qū)像素，因此投影面積像素和通過(guò)統(tǒng)計(jì)0的個(gè)數(shù)就可得到，在Matlab2010環(huán)境下的具體做法是使用［r c］=find（bw==0）；S=size（r）來(lái)實(shí)現(xiàn)；其中bw代表二值化后的圖像；r、c分別為0像數(shù)點(diǎn)的行列坐標(biāo)值；S為像數(shù)點(diǎn)總和.再依據(jù)1.2小節(jié)在特定拍攝條件下所標(biāo)定的像素密度，求出西洋參的實(shí)際面積大小.

2.3 長(zhǎng)度與最大橫切徑的特征提取

通過(guò)調(diào)研得知，工人以西洋參縱向首、末端的最大距離標(biāo)記西洋參的長(zhǎng)度，以最大橫切徑標(biāo)記西洋參的粗細(xì)程度.因此，可通過(guò)統(tǒng)計(jì)二值化圖像上為0像素點(diǎn)的最大水平距離與最大垂直距離獲得圖像中目標(biāo)的像素間距值，通過(guò)參照物標(biāo)定的比例值求得長(zhǎng)度與最大橫切徑參數(shù).在Matlab2010環(huán)境下的具體做法是：先使用［r c］=find（bw==0）；［Rx，Ry，area，perimeter］=minboundrect（c，r，‘a(chǎn)’）以面積標(biāo)注最小外接矩形，其中‘a(chǎn)’表示是按面積算的求取最小矩形；Rx、Ry、area依次代表西洋參樣本最小外接矩形的長(zhǎng)度、寬度與面積.10號(hào)樣本的最小外接矩形標(biāo)注如圖2（f）所示.

接著用L=sqrt（（Rx（1）-Rx（4））.^2+（Ry（1）-Ry（4））.^2）語(yǔ)句計(jì)算最小外接矩形的長(zhǎng)度像素值，記作西洋參的縱向長(zhǎng)度.

通過(guò)如下語(yǔ)句統(tǒng)計(jì)二值圖像每列為0像素點(diǎn)的對(duì)應(yīng)行最大值與最小值的差值，并取最大值記作西洋參的最大橫切徑參數(shù)：

再依據(jù)1.2小節(jié)在特定拍攝條件下所標(biāo)定的像素密度，將對(duì)應(yīng)的像素值分別換算為西洋參的實(shí)際物理長(zhǎng)度與最大橫切徑尺寸.

3 實(shí)驗(yàn)結(jié)果及分析

選擇長(zhǎng)支與短支的西洋參樣本各5支，并依次編號(hào)為1～10，先用游標(biāo)卡尺人工測(cè)量其縱向長(zhǎng)度與最大橫切徑，接著再使用1.1小節(jié)所述的設(shè)備，進(jìn)行圖像采集與特征測(cè)量，將兩種測(cè)量結(jié)果進(jìn)行對(duì)比評(píng)價(jià)，測(cè)量結(jié)果見(jiàn)表1.精度評(píng)價(jià)公式如式（1）、（2）所示，其中投影面積人工無(wú)法精確測(cè)量，因此不作對(duì)比.

其中E、C、P、V分別代表相對(duì)誤差、人工測(cè)量值、測(cè)量精度、圖像測(cè)量值.實(shí)驗(yàn)測(cè)量結(jié)果對(duì)照如表1所示，從表中分析可知，相對(duì)誤差平均為6.2%左右，測(cè)量精度在93.8%左右，能滿足生產(chǎn)加工分級(jí)的測(cè)定要求.對(duì)比長(zhǎng)支與短支的測(cè)量精度可知，長(zhǎng)支精度相對(duì)偏低，若不考慮圖像處理過(guò)程中的隨機(jī)誤差，究其原因是因?yàn)殚L(zhǎng)支的橫切徑普遍高于短支的橫切徑，參照物定標(biāo)時(shí)與背景板處于同一高度，但西洋參樣本高于參照物位置平面，實(shí)際像數(shù)密度會(huì)有所增加，但標(biāo)定的像數(shù)密度值偏低，進(jìn)而導(dǎo)致測(cè)量結(jié)果普遍低.而短支橫切徑較小，與參照物高度接近，因此測(cè)量精度也相對(duì)較高.

4 結(jié)論及展望

文中介紹一種以數(shù)碼相機(jī)在特定環(huán)境下的西洋參樣本圖像為對(duì)象，在Matlab2010平臺(tái)下，基于多種圖像處理方法，依次對(duì)圖像進(jìn)行目標(biāo)提取、二值化及邊界提取，通過(guò)參照物確立像數(shù)點(diǎn)與物體實(shí)際外形參數(shù)的比例關(guān)系值，最終建立西洋參長(zhǎng)度與橫切面直徑的測(cè)定模型.經(jīng)與人工測(cè)量結(jié)果對(duì)比表明具有較高的測(cè)量精度，能滿足西洋參等級(jí)劃分的測(cè)定要求，為西洋參形態(tài)特征參數(shù)的快速自動(dòng)化量化提供參考，具有一定的實(shí)用價(jià)值.后續(xù)的研究為進(jìn)一步提高測(cè)量精度，可從參照物像數(shù)密度值與物體高度變化的關(guān)系方面進(jìn)行誤差校正.另外，在相機(jī)選型上，后續(xù)研究可考慮選擇工業(yè)相機(jī)，以實(shí)現(xiàn)高速物體圖像抓拍，進(jìn)而研究實(shí)現(xiàn)生產(chǎn)線數(shù)據(jù)的實(shí)時(shí)采集處理.

表1 實(shí)驗(yàn)結(jié)果對(duì)照表

［1］戴美松，張小斌，李秀根，等.基于圖像處理技術(shù)梨果實(shí)尺寸測(cè)定系統(tǒng)的研究與應(yīng)用［J］.園藝學(xué)報(bào)，2016，43（4）：763-770.

［2］慕軍營(yíng)，陳軍，孫高杰，等.基于機(jī)器視覺(jué)的獼猴桃特征參數(shù)提?。跩］.農(nóng)機(jī)化研究，2014，36（6）：138-142.

［3］陳艷軍，張俊雄，李偉，等.基于機(jī)器視覺(jué)的蘋(píng)果最大橫切面直徑分級(jí)方法［J］.農(nóng)業(yè)工程學(xué)報(bào)，2012，28（2）：284－288.

［4］丁亮，張永平，張雪英.圖像分割方法及性能評(píng)價(jià)綜述［J］.國(guó)際IT傳媒品牌，2010，31（12）：78-83.

［5］劉小丹，牛少敏.一種改進(jìn)的K-means聚類(lèi)彩色圖像分割方法［J］.湘潭大學(xué)學(xué)報(bào)自然科學(xué)版，2012，34（2）：90-93.

［6］ZHANG Qieshi，KAMATA S，ZHANG Jun.Color barycenter hexagon model based road sign detection［J］.Lecture Notes in Engineering and Computer Science，2008，2168（1）：667-670.

［7］郭慶銳，許建龍，孫樹(shù)森，等.基于顏色重心和k-means的彩色圖像聚類(lèi)分割算法［J］.浙江理工大學(xué)學(xué)報(bào)，2010，27（4）：580-583.

Study on the Measurement of Shape Parameters of American Ginseng Based on Image Processing Technology

WANG Yuxiang，ZHANG Xihong

（Bozhou Vocational and Technical College，236800，Bozhou，Anhui，China）

Using digital camera in the specific environment of ginseng sample image to image，under the Mat?lab platform，a variety of image processing methods based on the image in object extraction，binarization and boundary detection etc pretreatment，through the establishment of reference points and the actual objects like shape parameters of proportional value，finally established American ginseng length and transverse section di?ameter measurement model.Experiment results show that accuracy of 93.8%，and artificial measuring relative error in the range of 6.2%.

feature extraction；american ginseng；machine vision；image processing

TP 391

A

2095-0691（2017）03-0049-04

2017-04-19

安徽省高校自然科學(xué)研究重大項(xiàng)目（KJ2016SD41）；安徽省高校優(yōu)秀青年人才支持計(jì)劃項(xiàng)目（gxyq2017217）

王玉香（1983- ），女，安徽蚌埠人，講師/技師，碩士，研究方向：信息處理及傳輸.