(一)技术领域
本发明涉及方格蔟污染蚕茧检测装置及方法，具体涉及一种基于图像处理的方格蔟污染蚕茧检测方法。
(二)
背景技术：
蚕茧作为缫丝工业的原料，其表面的污染会对生丝的色泽产生影响，为了使产品色泽统一、提高产品质量，需要在缫丝前剔除有表面污染的蚕茧。传统选茧主要靠人工，但是检测速度缓慢的同时选茧的准确性易受人员技术水平、精神状态等主观因素影响，存在劳动强度大、误选率高等缺点。随着计算机图像处理技术的快速发展，计算机图像处理技术也开始应用到蚕茧质量检测领域。现有基于图像处理的蚕茧质量检测装置往往一次只采集一个蚕茧的图像，且需工人手工放置蚕茧，效率低下。且处理范围仅限于性别鉴定、大小判断、自动计数等领域，而在污染蚕茧的检测方面存在空白，极大地阻碍了蚕茧的深加工。因而需要设计一套可以快速筛选方格蔟污染蚕茧的设备及方法，以满足市场的需要。
(三)
技术实现要素：
本发明的目的在于克服现有技术之不足，提供一种基于图像处理的方格蔟污染蚕茧检测方法。
一种基于图像处理的方格蔟污染蚕茧检测方法，步骤如下：
1.采集原始图像。
将方格蔟水平放置，将两个摄像头分别设置在方格蔟的上下两面，且均正对方格蔟中心，保证采集到的正面图像和反面图像区域相同且方格蔟在图像中的占比为75％-80％；
方格蔟上方摄像头采集的图片即为蚕茧正面原始图像；
方格蔟下方摄像头采集的图片水平翻转后即为蚕茧反面原始图像。水平翻转可使同一个蚕茧在正反两面图像中所处的位置相同，便于后续处理。
对步骤1)得到的两个原始图像同时处理，分别得到两个原始图像的二值化图像；
1.1对两个原始图像分别依次执行开运算、转化为灰度图像grayimg、提取梯度图，将得到的梯度图表示为pimg；
1.2标记前景和背景；
利用ostu法确定最佳阈值对步骤2.1得到的灰度图像grayimg进行二值化，超过阈值的像素点置为255，低于阈值的像素点像素值置为0，得到二值图像bwimg。再用圆形结构元素对二值图像bwimg进行腐蚀后得到二值图像ebwimg，二值图像ebwimg中像素值为255的点组成的连通分量为前景标记im。
采用ostu法确定最佳阈值的过程如下：
通过对灰度图像grayimg进行按行按列、从左到右、从上到下的扫描，找出图像中的最大像素值和最小像素值，用最大像素值与最小像素值加和的一半作为初始阈值把图像分为两类，然后对整幅图像进行扫描，同时用迭代法求得动态阈值，将小于初始阈值的所有像素点的像素值加和求平均后得到第一参考值；将大于等于初始阈值的所有像素点的像素值加和求平均后得到第二参考值；第一参考值和第二参考值的平均值作为调整后的动态阈值，即最佳阈值。
对二值图像bwimg使用分水岭算法得到分水线，将这些分水线组成的连通分量定义为背景标记em。
1.3采用数学形态学中的极小值标定技术修改梯度图像pimg，把前景标记im、背景标记em强制作为梯度图像的局部极小值后，再屏蔽掉pimg中的所有局部极小值，得到修改后的梯度图像pimg。
1.4对修改后的梯度图像pimg使用经典分水岭变换，按从左至右、从上至下的顺序将修改后的梯度图像pimg转换为标记图像。标记数字从1开始顺序标记(即顺序标记为2、3、4、5、…)。由于拍照时已确保蚕茧都在图片中央，所以修改后的梯度图像pimg最左上角像素点属于背景，故标记图像中标号为1的部分即为背景。
1.5将标记图像中标记为1部分的像素点的像素值置为0，其它像素点的像素值均置为255；分别得到蚕茧的正反面二值图像。
2.检测蚕茧污染情况，计算出污染蚕茧坐标并在蚕茧正面原始图像中标注；
2.1用4连通标记法对步骤2)得到的蚕茧正反面二值图像分别进行连通域标记。标记数字从1开始顺序标记(即顺序标记为2、3、4、5、…)。一张图片中标记相同的像素点为一个连通域，每一个连通域对应一个蚕茧；
2.1.1按照从上到下，从左到右的顺序遍历步骤2)得到的蚕茧正反面二值图像中的所有像素点，将像素值为255的像素点作为目标像素点。若当前像素点不是目标像素点，则不做标记；若当前像素点为目标像素点，则扫描当前像素点左边和上面的2个4邻域像素点：
若二者均不是目标像素点，则采用新标记对当前像素点进行标记；
若二者中有一个为目标像素点，则采用二者中目标像素点的标记对当前像素点进行标记；
若二者都为目标像素点，且当二者的标记相同时，采用该标记对当前像素点进行标记；但当二者的标记不同时，采用二者中的任意一个的标记对当前像素点进行标记，并将二者的标记作为一个等价对，等价对中的两个标记视为等价；
2.1.2比对所有的等价对中的标记，将所有等价的标记归为一个等价组，遍历蚕茧正反面二值图像中所有的像素点，针对每一个等价组，采用相同的标记对被该等价组标记的目标像素点重新进行标记。
2.2按步骤3.1)所述连通域标记数字顺序，逐个对连通域进行蚕茧污染检测，获取方格蔟中所有污染蚕茧的坐标；
2.2.1计算蚕茧正面二值图像中连通域的外接矩形，并将外接矩形在蚕茧正面原始图像和蚕茧正面二值图像中的对应区域提取出来，二者做掩模运算后得到单个蚕茧的正面彩色图像；
2.2.2对步骤3.2.1得到的单个蚕茧的正面彩色图像建立颜色直方图，设定阈值为0.45-0.6：
若黄色分量的占比超过阈值，则直接判为污染茧，保存当前正在检测的蚕茧正面二值图像连通域中心坐标作为污染蚕茧坐标；若黄色分量的占比未超过阈值，则需检测蚕茧反面的污染情况。
蚕茧反面污染情况检测方法为：
遍历步骤3.1得到的反面二值图像中的所有连通域，找出包含当前正在检测的蚕茧正面二值图像连通域中心坐标的连通域a。
计算连通域a的外接矩形，并将它在蚕茧反面原始图像和蚕茧反面二值图像中的对应区域提取出来，二者做掩模运算后得到同一个蚕茧的反面彩色图像。
求取蚕茧反面彩色图像基于hsv空间的颜色直方图，若黄色分量的占比超过阈值，则判为污染茧，保存当前连通域中心坐标作为污染蚕茧坐标；若黄色分量的占比未超过阈值，则判为无污染茧；
颜色直方图中h分量平均量化成16级，s分量平均量化成4级，v分量平均量化成4级，故颜色直方图的横坐标取值范围为0-64(16*4)。纵坐标为颜色分量所占比例，取值范围为0-1。统计颜色直方图横坐标中9-16对应的纵坐标值之和作为黄色分量占比。设定黄色分量占比阈值，阈值范围为0.45-0.6。
3.3以步骤1)中得到的蚕茧正面原始图像中污染茧坐标为中心，显示红色字符“*”，使处理结果可视化。
与现有技术相比，本发明的有益效果是：
1.本发明结合数字图像处理技术，使蚕茧的表面污染的筛选也可以通过机器来完成，为智能化采茧技术提供数据支持。
2.本发明处理对象为整张方格蔟，一次图像采集即可完成蔟内所有蚕茧的污染判断，克服了现有基于图像处理的蚕茧质量检测装置中一次只采集一个蚕茧的图像且需工人手工放置蚕茧造成的效率低下的问题。
(四)具体实施方式
本发明中所使用的处理器、摄像头均可采用现有设备。
一种基于图像处理的方格蔟污染蚕茧检测方法，步骤如下：
1.采集原始图像。
将方格蔟水平放置，将两个摄像头分别设置在方格蔟的上下两面，且均正对方格蔟中心，保证采集到的正面图像和反面图像区域相同且方格蔟在图像中的占比为75％-80％；
方格蔟上方摄像头采集的图片即为蚕茧正面原始图像；
方格蔟下方摄像头采集的图片水平翻转后即为蚕茧反面原始图像。水平翻转可使同一个蚕茧在两幅图像中所处的位置相同，便于后续处理。将采集得到的原始图像利用现有处理器如计算机进行图像处理。
2.对步骤1)得到的两个原始图像同时处理，分别得到两个原始图像的二值化图像；
2.1对两个原始图像分别依次执行开运算、转化为灰度图像grayimg、提取梯度图，将得到的梯度图表示为pimg；
2.2标记前景和背景；
利用ostu法确定最佳阈值对步骤2.1得到的灰度图像grayimg进行二值化，超过阈值的像素点置为255，低于阈值的像素点像素值置为0，得到二值图像bwimg。再用圆形结构元素对二值图像bwimg进行腐蚀后得到二值图像ebwimg，二值图像ebwimg中像素值为255的点组成的连通分量为前景标记im。
采用ostu法确定最佳阈值的过程如下：
通过对灰度图像grayimg进行按行按列、从左到右、从上到下的扫描，找出图像中的最大像素值和最小像素值，用最大像素值与最小像素值加和的一半作为初始阈值把图像分为两类，然后对整幅图像进行扫描，同时用迭代法求得动态阈值，将小于初始阈值的所有像素点的像素值加和求平均后得到第一参考值；将大于等于初始阈值的所有像素点的像素值加和求平均后得到第二参考值；第一参考值和第二参考值的平均值作为调整后的动态阈值，即最佳阈值。
对二值图像bwimg使用分水岭算法得到分水线，将这些分水线组成的连通分量定义为背景标记em。
2.3采用数学形态学中的极小值标定技术修改梯度图像pimg，把前景标记im、背景标记em强制作为梯度图像的局部极小值后，再屏蔽掉pimg中的所有局部极小值，得到修改后的梯度图像pimg。
2.4对修改后的梯度图像pimg使用经典分水岭变换，按从左至右、从上至下的顺序将修改后的梯度图像pimg转换为标记图像。标记数字从1开始顺序标记(即顺序标记为2、3、4、5、…)。由于拍照时已确保蚕茧都在图片中央，所以修改后的梯度图像pimg最左上角像素点属于背景，故标记图像中标号为1的部分即为背景。
2.5将标记图像中标记为1部分的像素点的像素值置为0，其它像素点的像素值均置为255；分别得到蚕茧的正反面二值图像。
3.检测蚕茧污染情况，计算出污染蚕茧坐标并在蚕茧正面原始图像中标注；
3.1用4连通标记法对步骤2)得到的蚕茧正反面二值图像分别进行连通域标记。标记数字从1开始顺序标记(即顺序标记为2、3、4、5、…)。一张图片中标记相同的像素点为一个连通域，每一个连通域对应一个蚕茧；
3.1.1按照从上到下，从左到右的顺序遍历步骤2)得到的蚕茧正反面二值图像中的所有像素点，将像素值为255的像素点作为目标像素点。若当前像素点不是目标像素点，则不做标记；若当前像素点为目标像素点，则扫描当前像素点左边和上面的2个4邻域像素点：
若二者均不是目标像素点，则采用新标记对当前像素点进行标记；
若二者中有一个为目标像素点，则采用二者中目标像素点的标记对当前像素点进行标记；
若二者都为目标像素点，且当二者的标记相同时，采用该标记对当前像素点进行标记；但当二者的标记不同时，采用二者中的任意一个的标记对当前像素点进行标记，并将二者的标记作为一个等价对，等价对中的两个标记视为等价；
3.1.2比对所有的等价对中的标记，将所有等价的标记归为一个等价组，遍历蚕茧正反面二值图像中所有的像素点，针对每一个等价组，采用相同的标记对被该等价组标记的目标像素点重新进行标记。
3.2按步骤3.1)所述连通域标记数字顺序，逐个对连通域进行蚕茧污染检测，获取方格蔟中所有污染蚕茧的坐标；
3.2.1计算蚕茧正面二值图像中连通域的外接矩形，并将外接矩形在蚕茧正面原始图像和蚕茧正面二值图像中的对应区域提取出来，二者做掩模运算后得到单个蚕茧的正面彩色图像；
3.2.2对步骤3.2.1得到的单个蚕茧的正面彩色图像建立颜色直方图，设定阈值为0.45-0.6。
若黄色分量的占比超过阈值(0.45-0.6)，则直接判为污染茧，保存当前正在检测的蚕茧正面二值图像连通域中心坐标作为污染蚕茧坐标；若黄色分量的占比未超过阈值(0.45-0.6)，则需检测蚕茧反面的污染情况。
蚕茧反面污染情况检测方法为：
遍历步骤3.1得到的反面二值图像中的所有连通域，找出包含当前正在检测的蚕茧正面二值图像连通域中心坐标的连通域a。
计算连通域a的外接矩形，并将它在蚕茧反面原始图像和蚕茧反面二值图像中的对应区域提取出来，二者做掩模运算后得到同一个蚕茧的反面彩色图像。
求取蚕茧反面彩色图像基于hsv空间的颜色直方图，若黄色分量的占比超过阈值(0.45-0.6)，则判为污染茧，保存当前连通域中心坐标作为污染蚕茧坐标；若黄色分量的占比未超过阈值(0.45-0.6)，则判为无污染茧；
颜色直方图中h分量平均量化成16级，s分量平均量化成4级，v分量平均量化成4级，故颜色直方图的横坐标取值范围为0-64(16*4)。统计颜色直方图横坐标中9-16对应的纵坐标值之和作为黄色分量占比。
3.3以步骤1)中得到的蚕茧正面原始图像中污染茧坐标为中心，显示红色字符“*”，使处理结果可视化。