专利名称：基于类球形亮度变换的水果表面缺陷检测方法
技术领域：
本发明涉及图像处理技术领域，尤其涉及一种基于类球形亮度变换的水果表面缺陷检测方法。
背景技术：
根据水果的外部品质进行检测和分级，是水果销售、加工和贮存前的重要环节。通过机器视觉检测技术对水果进行分级不仅能够提高水果质量而且可以有效地减少人工检测的劳动量，提高检测效率。目前，水果大小、颜色和外部缺陷检测中前两个已经获得了很好的解决，但根据外部缺陷进行检测分级仍然是难点。水果是一个类球形的物体，根据朗伯反射定律，水果边缘的光能量主要沿着反射光线的方向传播，当反射光线和相机的夹角较大，反射光线很难进入相机，表现为亮度较低，而缺陷本身在图像中也表现为低亮度，图像处理时边缘正常区域和中部缺陷区域容易混淆而造成误分割。 Leemans等人(2004)采用K均值聚类的方法提取RGB图像中苹果缺陷的特征，然后采用二次判别分析的方法实现缺陷的检测(Leemans V, Destain M F. A real-timegrading method of apples based on features extracted from defects[J]. Journalof Food Engineering, 2004，61:83 89. )。Blasco等人(2007)利用无监督区域增长算法对柑橘类水果表面缺陷进行分割，利用3个CCD相机获得的彩色图像，根据不同区域之间的马氏距离来评价区域之间的相似度从而检测出缺陷(Blasco J, Aleixos N, Molto E. Computervision detection of peel defects in citrus by means of a region orientedsegmentation algorithm[J]. Journal ofFood Engineering，2007，81:535 543. )。Xing等人(2005)釆用400-1000mn高光谱图像釆集系统获得水果的图像，利用主成分分析方法进行降维，根据获得的主成分图像实现缺陷的识别(Xing J, Baerdemaeker J D. Bruisedetection on iJonagolcT apples using hyperspectral imaging[J] · PostharvestBiology and Technology, 2005，37:152 162. )。Tao 等人(1996)提出了自适应球形灰度变换法，该方法补偿了水果表面的曲率变化造成的反射亮度梯度，从而实现缺陷的单阈值分割(TaoY, Wen Z. An adaptive spherical image transform for high-speed fruit defectdetection [J]. Transactions of the ASAE, 1999，42 (I) : 241 246.)。应义斌等人(2004)研究了球体的大小、表面颜色和图像采集位置等因素对球体图像颜色的亮度、色调和饱和度的影响，建立了摄像视区中心的球体图像亮度校正模型，并应用于柑橘图像的亮度校正(付峰，应义斌.球体图像灰度变换模型及其在柑桔图像校正中的应用[J].农业工程学报，2004，20 (4) :117 120. XGomez-Sanchis等人(2008)针对球形水果表面照度不均的问题，假设水果为朗伯椭圆表面，利用数字高程模型开发了一套自动亮度校正算法(Gomez-SanchisJ, Molto E, Camps-Valls G, et. al. Automatic correction of the effects of the lightsource on spherical objects, an application to the analysis of hyperspectralimages of citrus fruits[J]. Journal of Food Engineering, 2008，85:191 200. X Haff等人(2011)针对高光谱图像中弯曲表面造成的亮度不均的问题，采用均匀的Teflon球体作为研究对象，研究了朗伯表面的光反射方式、光源到物体表面的距离和投影到探测器的弧面长度变化对亮度的影响，并提出了补偿算法(HaffR, S aranwong S，Kawano S. Methodsfor correcting morphological-based deficiencies in hyperspectral images ofround objects [J]. Journal ofNear Infrared Spectroscopy, 2011，19:431 441. X分析上述的研究，目前基于RGB图像的缺陷检测方法，存在算法复杂的问题，需要事先进行训练。而且采用高光谱进行检测，存在成本高的问题。因此，大部分研究都寻求采用标准球建立亮度校正模型来对灰度图像亮度进行校正以实现缺陷的检测，但实际生产中水果不一定表现为规则的球体，这就降低了此类模型的适用范围。
发明内容
(一)要解决的技术问题本发明要解决的技术问题是因水果表面形状弯曲造成的图像亮度不均，造成的难以精确检测水果表面缺陷的问题。 (二)技术方案为了解决上述技术问题，本发明提供一种基于类球形亮度变换的水果表面缺陷检测方法，该方法包括步骤SI.获取水果的RGB图像和NIR图像；S2.从RGB图像中提取R分量图像；S3.从NIR图像中形成二值化图像，求出二值化图像外接矩形最大宽度Y;S4.提取二值化图像的边缘像素；S5.通过R分量图像与所述边缘像素的点乘获得R分量图像的边缘；S6.计算所述二值化图像的边缘像素的像素点个数M，将R分量图像的边缘的所有点的亮度之和除以像素点个数M获得亮度平均值；S7.将R分量图像的边缘的所有点的亮度值均除以亮度平均值并乘以255，获得变换后的亮度图像R_correct ；S8.对变换后的图像进行累加，得到新的图像New_image=New_image+R_correct,其中，New_image的初始值为O ;S9.将二值化图像减去步骤S4中已经提取出来的二值化图像的边缘像素获得新的二值化图像，即Binary=Binary_edge,并将循环次数加I,所述循环次数的初始值为I ;S10.判断循环次数是否大于S3步骤得到的最大宽度Y的一半Y/2，如果不大于则返回步骤S4 ;否则终止循环,获得变换后的新图像New_image ；S11、对步骤SlO得到的新图像提取缺陷区域。优选地，步骤Sll具体为采用单阈值分割的方法对步骤SlO得到的新图像提取缺陷区域。优选地，在步骤Sll进行缺陷区域提取之前还采用高斯模糊滤波的方法对步骤SlO得到的新图像进行处理。优选地，在步骤Sll之后还对所提取的缺陷区域进行去噪处理。优选地，通过形态学开运算进行所述去噪处理。优选地，步骤SI中，利用可见-近红外双CXD成像系统获取水果的RGB图像和NIR图像。优选地，步骤S3中利用单阈值分割的方法形成二值化图像。(三)有益效果上述技术方案具有如下优点基于水果R分量图像，对表面亮度不均进行变换，使水果表面缺陷分割简化为单阈值法检测，克服了传统基于RGB图像缺陷检测算法的复杂性，同时避免了对算法的频繁训练，实现了对缺陷的精确检测。本发明的检测方法不受到水果大小和形状的影响，较好地避免了亮度对结果造成的影响。由于该方法实现了单阈值对水果表面缺陷的一次性成功分割，因此在在线水果缺陷检测中具有较大的应用潜力。
图I是朗伯反射模型图；图2是类球形亮度变换方法示意图； 图3是本发明的方法流程图；图4是R分量图像及剖面线；图5是R分量图像剖面图；图6是单阈值分割后的R分量二值图像；图7是亮度变换后图像的剖面线；图8是亮度变换后图像的剖面图；图9是单阈值分割后的亮度图。
具体实施例方式下面结合附图和实施例，对本发明的具体实施方式
作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。本发明针对基于机器视觉的水果表皮缺陷检测中存在的因表面亮度不均造成的缺陷检测精度不高的问题，采用RGB和中心波段为800nm的可见-近红外双CXD成像系统实现了一种类球形亮度变换方法，基于该方法利用全局阈值实现水果表面缺陷的完整检测分割。亮度变换过程中无须预先进行建模。本发明的技术原理如下因为水果是一个生物体，其表面存在弯曲，光照在上面会形成中间亮边缘暗的分布。可以将水果近似看作一个朗伯体，根据朗伯反射原理，球面上任意一点的亮度是与该点的法向量和该点与光源连线之间的角度Θ的余弦成正比的，SPId=IlX cos Θ(I)式中ID——反射光强度——入射光强度。在一般的基于机器视觉的水果缺陷检测系统中，因为光源对称布置于水果的侧上方，相机处于水果的正上方，且相机到水果的物距远大于水果的尺寸，因此相机所获得的图像中水果表面各点亮度的差异主要由上述的夹角Θ决定。如图I所示，水果边缘区域反射光线与法向量的夹角θ2大于中间区域的夹角Q1，因而亮度也较低。如图2所示，对于类球形物体的水果，沿着半径R的梯度方向，宽度为Ar的圆环区域A的亮度可以近似认为是均匀的，该区域的平均亮度Ijnean可通过下式计算
权利要求
1.一种基于类球形亮度变换的水果表面缺陷检测方法，其特征在于，包括以下步骤 51.获取水果的RGB图像和NIR图像； 52.从RGB图像中提取R分量图像； 53.从NIR图像中形成二值化图像，求出二值化图像外接矩形最大宽度Y； 54.提取二值化图像的边缘像素； 55.通过R分量图像与所述边缘像素的点乘获得R分量图像的边缘； 56.计算所述二值化图像的边缘像素的像素点个数M，将R分量图像的边缘的所有点的亮度之和除以像素点个数M获得亮度平均值； 57.将R分量图像的边缘的所有点的亮度值均除以亮度平均值并乘以255，获得变换后的亮度图像R_correct ； 58.对变换后的图像进行累加，得到新的图像New_image=New_image+R_correct,其中，New_image的初始值为O ; 59.将二值化图像减去步骤S4中已经提取出来的二值化图像的边缘像素获得新的二值化图像，即Binary=Binary_edge,并将循环次数加I,所述循环次数的初始值为I ; 510.判断循环次数是否大于S3步骤得到的最大宽度Y的一半Y/2，如果不大于则返回步骤S4 ;否则终止循环,获得变换后的新图像New_image ； 511、对步骤SlO得到的新图像提取缺陷区域。
2.如权利要求I所述的方法，其特征在于，步骤Sll具体为采用单阈值分割的方法对步骤SlO得到的新图像提取缺陷区域。
3.如权利要求I所述的方法，其特征在于，在步骤Sll进行缺陷区域提取之前还采用高斯模糊滤波的方法对步骤Sio得到的新图像进行处理。
4.如权利要求I所述的方法，其特征在于，在步骤Sll之后还对所提取的缺陷区域进行去噪处理。
5.如权利要求4所述的方法，其特征在于，通过形态学开运算进行所述去噪处理。
6.如权利要求I所述的方法，其特征在于，步骤SI中，利用可见-近红外双CCD成像系统获取水果的RGB图像和NIR图像。
7.如权利要求1飞中任一项所述的方法，其特征在于，步骤S3中利用单阈值分割的方法形成二值化图像。
全文摘要
本发明涉及图像处理技术领域，公开了一种基于类球形亮度变换的水果表面缺陷检测方法。本发明基于水果R分量图像，对表面亮度不均进行变换，使水果表面缺陷分割简化为单阈值法检测，克服了传统基于RGB图像缺陷检测算法的复杂性，同时避免了对算法的频繁训练，实现了对缺陷的精确检测。本发明的检测方法不受到水果大小和形状的影响，较好地避免了亮度对结果造成的影响。由于该方法实现了单阈值对水果表面缺陷的一次性成功分割，因此在在线水果缺陷检测中具有较大的应用潜力。
文档编号G01N21/95GK102788806SQ20121025132
公开日2012年11月21日 申请日期2012年7月19日 优先权日2012年7月19日
发明者张驰, 李斌, 李江波, 王庆艳, 郭志明, 黄文倩 申请人:北京农业智能装备技术研究中心