許傳悅 彭世英 楊金鳳 賀光旭 紀(jì)朝鳳 邸國(guó)輝*

（黑龍江八一農(nóng)墾大學(xué)電氣與信息學(xué)院，黑龍江 大慶163319）

1 概述

當(dāng)前我國(guó)大多數(shù)的馬鈴薯分級(jí)方法還停留在傳送帶與重力傳感器結(jié)合的半人工或全人工狀態(tài)，將馬鈴薯質(zhì)量檢測(cè)從人工分揀階段提升至機(jī)器自動(dòng)識(shí)別篩選將大大提升馬鈴薯的效益產(chǎn)出率，在很大程度的降低人工因長(zhǎng)時(shí)間工作致使視覺(jué)疲勞而造成的分揀及識(shí)別誤差，并且可以大大提高馬鈴薯品質(zhì)分級(jí)的工作效率，一套完整的可替代人工分揀的馬鈴薯質(zhì)量檢測(cè)系統(tǒng)將大幅提升馬鈴薯的商品性，創(chuàng)造出更大的經(jīng)濟(jì)效益。

2 去除目標(biāo)背景

對(duì)一幅具有紅、綠、藍(lán)三色通道的完整彩色圖像進(jìn)行處理時(shí)通常需要對(duì)這三條通道進(jìn)行逐一運(yùn)算，數(shù)據(jù)量大必然耗費(fèi)大量時(shí)間，而灰度處理即利用256 個(gè)灰度級(jí)來(lái)表示這三種顏色在同一圖像中所占的比重，處理后的圖像通常具有mxn 個(gè)像素值，可用一個(gè)二維矩陣表示，不僅壓縮運(yùn)算數(shù)據(jù)，且利于進(jìn)一步處理。

而二值化也就是對(duì)同一圖像不同灰度值進(jìn)行合理閾值呈現(xiàn)明顯黑白效果，將大于此閾值的像素點(diǎn)用255 表示，即為目標(biāo)物體，小于此閾值的像素點(diǎn)用0 表示，即為目標(biāo)背景，但不同品種或質(zhì)量的馬鈴薯表皮顏色存在較大差別，故一幅馬鈴薯灰度圖的灰度值變化規(guī)律不明顯，二值化處理過(guò)程中若直接采用自動(dòng)閾值法效果較差，難以達(dá)到運(yùn)算要求，故在進(jìn)行二值化處理過(guò)程中應(yīng)觀(guān)察不同種類(lèi)、不同質(zhì)量馬鈴薯的灰度值分布，自行選取合適閾值，盡可能實(shí)現(xiàn)目標(biāo)與背景的完整分割，如圖1-2 所示。

由于二值化過(guò)程中，目標(biāo)物體像素被賦值為255，背景像素被賦值為0，為利用二值化處理后圖像與原彩色圖像進(jìn)行乘法運(yùn)算的方法去除目標(biāo)背景，并真實(shí)還原目標(biāo)物體，需將得到的二值圖像像素矩陣進(jìn)行歸一化處理，即使所有像素值均為0 或1，得到一標(biāo)準(zhǔn)的二維矩陣，盡管人為閾值的二值化馬鈴薯圖像仍存在少量噪聲點(diǎn)，導(dǎo)致背景分離過(guò)程中原始像素丟失，無(wú)法精準(zhǔn)還原目標(biāo)物體，應(yīng)進(jìn)行去躁處理，matlab 環(huán)境下有三種較傳統(tǒng)的的去躁方法：均值濾波法、中值濾波、開(kāi)閉運(yùn)算，由于圖像中的噪聲點(diǎn)數(shù)量少且較小，圖像邊緣較平滑，故本文直接采用先腐蝕后膨脹的開(kāi)運(yùn)算對(duì)圖像進(jìn)行形態(tài)學(xué)處理，刪除不能包含結(jié)構(gòu)元素的對(duì)象區(qū)域，實(shí)現(xiàn)圖像去噪。

圖1 馬鈴薯原圖

圖2 二值化后馬鈴薯圖

3 特征提取

特征提取是計(jì)算機(jī)機(jī)器視覺(jué)處理中一種較常用的方法，它是指利用計(jì)算機(jī)處理提取像素信息，確定每個(gè)像素點(diǎn)是否屬于一個(gè)圖像特征，特征提取的結(jié)果往往是將圖像上的點(diǎn)分為不同的子集，而這些子集可能是離散的點(diǎn)、連續(xù)的曲線(xiàn)或聯(lián)通的區(qū)域，不同質(zhì)量馬鈴薯之間具有較明顯的顏色、紋理及形狀特征，如綠皮、霉變、腐爛的果實(shí)表皮顏色較健康果實(shí)應(yīng)存在較大差別，收割過(guò)程中也難免因人為或機(jī)器磕碰等外界因素對(duì)馬鈴薯表皮產(chǎn)生劃痕，或因磕碰、蟲(chóng)蝕、畸形等因素產(chǎn)生可明顯區(qū)分的紋理及形狀特征，因此可對(duì)去背景處理后的不同質(zhì)量的馬鈴薯圖像進(jìn)行特征分類(lèi)提取分析，進(jìn)而判別出果實(shí)的質(zhì)量好壞。

3.1 顏色特征提取

一幅完整的彩色圖像中的任何色彩均由RGB 三色元素組成，RGB 的所謂多少指代亮度，并由0 到255 之間的整數(shù)來(lái)表示，在MATLAB 中一幅RGB 圖像用一個(gè)三維數(shù)組來(lái)表示，其中每一個(gè)像素在彩色圖像中對(duì)應(yīng)紅、綠、藍(lán)3 個(gè)分量。圖像的數(shù)據(jù)類(lèi)型決定了各顏色分量的取值范圍。若一幅數(shù)據(jù)類(lèi)型是uint8的RGB 圖像，其每個(gè)分量顏色的取值范圍是[0,255]。若將質(zhì)量?jī)?yōu)良，表皮顏色正常的馬鈴薯圖像與病變、腐爛或其它因素造成表皮顏色有明顯區(qū)別的馬鈴薯圖像進(jìn)行比對(duì)，可利用不同圖像的顏色直方圖來(lái)直接反映，如圖3 所示。

圖3 正常馬鈴薯顏色分量直方圖

不同質(zhì)量馬鈴薯間顏色特征具有明顯區(qū)別，因此可直接求取不同圖像各顏色分量的平均值作為馬鈴薯等級(jí)評(píng)定的參考因素之一。

3.2 紋理特征提取

目前對(duì)于紋理特征含義的解釋不盡相同，HawKins 認(rèn)為紋理具有三大標(biāo)志：某種局部序列性不斷重復(fù)、非隨機(jī)排列和紋理區(qū)域內(nèi)大致為均勻地統(tǒng)一體，紋理作為一種區(qū)域特征，是對(duì)一幅圖像各像素空間分布的一種描述，因此紋理特征有時(shí)是明顯的，有時(shí)是隱晦的，對(duì)于本文所研究的馬鈴薯，若存在斑紋、裂痕等狀況則具有網(wǎng)狀或線(xiàn)狀的紋理，而綠皮病等顏色特征明顯但表皮光滑的馬鈴薯則不具備明顯紋理特征，故上述顏色及紋理特征均不可獨(dú)自作為判別因素，應(yīng)綜合考量。

3.3 形狀特征提取

針對(duì)形狀特征部分本文主要采用形狀不變矩法，即利用圖像的幾何矩來(lái)區(qū)分批量馬鈴薯中的畸形果實(shí)，幾何矩是Hu 的七個(gè)不變矩，該方法具有平移、旋轉(zhuǎn)和尺度不變性，在連續(xù)情況下，圖像函數(shù)可定義為f(x,y)，利用目前較為成熟的不變矩算法可計(jì)算該圖像的k 階標(biāo)準(zhǔn)矩、重心、k 階中心距，并對(duì)中心距進(jìn)行歸一化處理，再利用二階和三階歸一化中心矩構(gòu)造7 個(gè)不變矩M1-M7。這7 個(gè)不變矩構(gòu)成一組特征量，由Hu 矩組成的特征量對(duì)圖片進(jìn)行識(shí)別，優(yōu)點(diǎn)就是速度很快，缺點(diǎn)是對(duì)于紋理特征復(fù)雜的圖像識(shí)別率比較低，但像識(shí)別大粒果實(shí)的形狀，或者車(chē)牌中的簡(jiǎn)單字符此類(lèi)紋理較簡(jiǎn)單明了的圖像的識(shí)別效果會(huì)相對(duì)較好，本文所研究的馬鈴薯圖像紋理特征清晰，滿(mǎn)足采用Hu不變矩方法的前提，而且該方法的高效性可以縮短識(shí)別時(shí)間，提高檢測(cè)效率。