一种面向初烤烟叶的身份特征评价方法与流程

1.本发明涉及烟草生产技术领域，尤其涉及一种面向初烤烟叶的身份特征评价方法。


背景技术：

2.目前烟叶自动分级技术大多仍停留在论证和实验阶段，未见成熟稳定可推广的系统。实现烟叶外观质量自动识别，需要准确提取与烟叶品质强相关的烟叶特征并研究相关自动识别算法，主要问题之一在于表征烟叶品质的外观特征较少，或特征与品质弱相关，由于技术和现场环境的限制，造成部分特征不能准确提取，如纹理、叶尖角、叶脉粗细等，如何对烟叶外观品质进行更加准确的自动评判，是目前烟叶自动分级技术的问题关键所在。


技术实现要素：

3.本发明的目的是为了解决现有技术中存在的缺陷，而提出的一种面向初烤烟叶的身份特征评价方法。
4.为了实现上述目的，本发明采用了如下技术方案：一种面向初烤烟叶的身份特征评价方法，获取初烤烟叶样品图片以及对应的样品重量；对所述样品图片进行基于颜色的阈值分割处理，获得特征子图片；对所述的特征子图片进行切除叶梗的处理，计算去除叶梗之后的叶片像素面积；对所述特征子图片提取图片中的烟叶褶皱部分并计算其褶皱部分像素面积；根据身份特征计算公式计算所述初烤烟叶样品的身份特征分数；所述身份特征计算公式为：
[0005][0006]
优选的，所述初烤烟叶样品图片使用同一组图像采集方法采集初烤烟叶的正面透视图。
[0007]
优选的，其特征在于，所述样品重量是初烤烟叶去除叶梗之后的重量。
[0008]
优选的，对所述特征子图片进行一次基于颜色的阈值分割提取出所述初烤烟叶样品的褶皱部分。
[0009]
优选的，对所述特征子图片进行2次开运算和2次闭运算。
[0010]
优选的，对所述特征子图片使用canny边缘算法提取出所述初烤烟叶的边缘信息，找到所述初烤烟叶外切矩形，然后建立图像坐标系，借助一条斜率为-1的直线，通过计算直线与d区域的所述初烤烟叶轮廓的交点与两交点的距离值，判断当前直线位置是否处在叶梗的最佳切割位置，通过循环遍历各个交点最终找到叶梗所在位置。
[0011]
优选的，所述图像坐标系是以图像左上角为原点建立以像素为单位的坐标系u-v，在所述图像坐标系中定义一个区域d，所述区域d是以坐标a(0,0)、b(0,2048)、c(2048,0)三点围成的三角形像素区域，其中图像分辨率为2448*2048，通过计算所述直线与d区域的所述初烤烟叶轮廓的交点与两交点的距离值，判断当前直线位置是否处在叶梗的最佳切割位
置。
[0012]
优选的，其特征在于，所述初烤烟叶样品图片的数量最少为一张。
[0013]
本发明的主要目标是对初烤烟叶的身份特征进行打分评价，身份特征分数范围0.0～10.0分，分数越高表明初烤烟叶的品质越好。本技术实现的基本过程如下：
[0014]
第一步：输入一张完整的初烤烟图片，对该图片进行色彩空间转换，将图像的rgb色彩空间转换成hsv色彩空间，设置要分离出的黄色的色彩空间的上限为[0,70,70]，下限为[100,255,255]，再根据这个上下限对目标图像进行二值化处理，将得到的二值化图像与原图像进行逻辑“与”操作，完成了初烤烟叶图像的前景与背景分离，得到了原图像的特征子图像。
[0015]
第二步：将特征子图像转换成灰度图像，对该灰度图像先后进行2次开运算、2次闭运算，首先用开运算除去孤立的小点，毛刺，而物体的形状轮廓基本不变，再用闭运算填平前景物体内的小裂缝、间断和小孔。最后进行一次二值化处理，设置阈值范围的最小值为10，最大值为255，当灰度值大于10时，将此灰度值赋值为255，最后得到的图片中叶子部分为白色，背景部分颜色为黑色，方便后续的边缘检测。
[0016]
第三步：采用canny边缘检测算法对图像进行边缘检测，设置低阈值参数为120，高阈值参数为250，灰度值低于120的像素点(背景部分)将被认为不是边缘，灰度值高于250的像素点(烟叶部分)作为强边缘的初始分割点，此算法最终得到一组完整的烟叶轮廓像素点。找到烟叶外切矩形，获得矩形左上角起始坐标(x0，y0)。以图像左上角为原点建立以像素为单位的直接坐标系u-v，称其为图像坐标系，在图像坐标系中定义一个区域d，区域d是以坐标a(0,0)、b(0,2048)、c(2048,0)三点围成的三角形像素区域。本发明借助一条斜率为-1的直线在图像的区域d移动，通过直线与d区域的烟叶轮廓的交点与两交点的距离值，判断是否当前直线位置是否处在叶梗的最佳切割位置，通过循环遍历各个交点最终找到叶梗所在位置，将叶梗以上部分的灰度值设为0，完成切割叶梗。输出切割叶梗之后的图像，并计算其烟叶部分的像素点个数，即初步得到了初烤烟的像素面积。
[0017]
第四步：将切割叶梗之后的图片再进行一次基于颜色的阈值分割处理，目的是提取出叶子褶皱部分的图像，设置褶皱部分的黄色色彩空间的上限为[10,100,100]，下限为[70,190,190]，根据此上下限对图像进行二值化转换，再将二值化图像与原图进行“与”操作，得到叶子褶皱部分的图像，并计算其褶皱部分的像素面积。
[0018]
第五步：为了减少最终计算的身份分数的误差，将得到的去梗烟叶的像素面积加上烟叶褶皱部分的像素面积，得到了最终的初烤烟烟叶部分的像素总面积。输入已知的去梗烟叶的重量，根据本发明的身份特征打分公式，计算出最终的初烤烟的身份特征分数。
[0019]
相比于现有技术，本发明的有益效果在于：为了提高烟叶自动分级结果的准确度，本方法结合计算机技术、数字图像处理技术对初烤烟叶进行身份特征识别，避开纹理、叶尖角等复杂特征，只需要输入一张完整的烟叶的图片加上去梗烟叶的重量，就能对初烤烟叶的身份特征进行打分评价，身份特征分数越高，表明初烤烟叶的质量越好，最终初烤烟的身份特征评价结果可作为初烤烟烟叶分级评判的基本评判分数之一，提高对初烤烟品质判断的准确性。
附图说明
[0020]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
[0021]
图1：初烤烟叶身份特征打分流程图；
[0022]
图2：1号初烤烟叶原始数据图；
[0023]
图3：1号初烤烟叶前景和背景分离；
[0024]
图4：1号初烤烟叶切割叶梗后的图片；
[0025]
图5：1号初烤烟叶褶皱部分提取。
具体实施方式
[0026]
为了更好地理解本发明，以下通过具体实施方式，并结合附图对本发明作进一步说明。
[0027]
参照图1～5：
[0028]
1、在图像中提取出初烤烟部分
[0029]
采用1号初烤烟作为实验对象，输入1号初烤烟的正面透视图，如图2。将图片的rgb色彩空间转换成hsv色彩空间，按照以下公式对此照片进行色彩空间的转换:
[0030]
v＝max(r,g,b)
[0031][0032][0033]
其中r/g/b表示图像的三通道的值，v表示这三通道值中的最大值。转换之后设置hsv色彩空间的上限值为[0,70,70]，下限为[100,255,255]，对图像进行二值化处理，再将这个二值化处理之后的图像与原图像进行逻辑“与”操作，完成对1号初烤烟图像的前景与背景的分离，最后得到图2的特征子图像，如图3。
[0034]
2、切割图像中初烤烟叶梗部分
[0035]
图像去噪：将图3转换成灰度图片，分别进行2次开运算和两次闭运算，目的是去除背景孤立的噪声点、有效地填充烟叶前景内部细小的孔洞。再将此灰度图片进行二值化处理，得到的二值图像的前景灰度值为225，背景灰度值为0。
[0036]
提取1号初烤烟叶部分的边缘轮廓信息：在此二值图像的基础上使用canny边缘检测算法，其算法步骤如下：
[0037]
(1)高斯平滑函数
[0038]
该算法首先对图像使用高斯滤波器来平滑图像，用来去除图像中的噪声。其中高斯平滑函数如下：
[0039]
[0040]
其中x，y表示像素的模板坐标，模板中心位置以图像左上角为原点，σ为x，y的方差。令g(x，y)为平滑后的图像，用h(x，y)对图像f(x，y)的平滑可表示为：
[0041]
g(x，y)＝h(x，y，o)*f(x，y)
[0042]
其中*表示卷积运算。
[0043]
(2)用一阶偏导的有限差分来计算梯度的幅度和方向。
[0044]
已平滑g(x，y)的梯度可以使用2*2一阶有限分差近似式来计算x与y偏导数的两个阵列f
′
x
(x，y)与f
′y(x，y)：
[0045]f′
x
(x，y)≈g
x
＝[f(x+1，y)-f(x，y)+f(x+1，y+1)-f(x，y+1)]/2
[0046]f′y(x，y)≈gy＝[f(x，y+1)-f(x，y)+f(x+1，y+1)-f(x+1，y)]/2
[0047]
幅度和方位角可用直角坐标系到极坐标系的坐标转化公式来计算：
[0048][0049]
θ[x，y]＝arctan(g
x
(x，y)/gy(x，y))
[0050]
其中m[x，y]反映了图像的边缘强度，也就是梯度的大小；θ[x，y]反映了边缘的方向，使得m[x，y]取得局部最大值的方向角θ[x，y]。
[0051]
(3)对梯度幅值进行非极大值抑制
[0052]
仅仅得到全局的梯度并不足以确定边缘，因此为确定边缘，必须保留局部梯度最大的点，来抑制非极大值。梯度的方向可以被定义为属于4个区之一,各个区有不同的邻近像素用来进行比较,以决定局部极大值。这4个区及其相应的比较方向如下图所示:
[0053]
3210x0123
[0054]
例如,如果中心像素x的梯度方向属于第3区,则把x的梯度值与它的左上和右下相邻像素的梯度值比较,看x的梯度值是否是局部极大值。如果不是,就把像素x的灰度设为0。这个过程叫做“非极大抑制”。
[0055]
(4)用双阈值算法检测和连接边缘
[0056]
canny算法中减少假边缘数量的方法是采用双阈值法。本发明将低阈值参数设置为120，高阈值参数设置为250，本算法根据高阈值得到一个边缘图像，这样一个图像含有很少的假边缘，但是由于阈值较高，产生的图像边缘可能不会闭合，未解决这样一个问题采用了另外一个低阈值。在高阈值图像中把边缘链接成轮廓，当到达轮廓的端点时，该算法会在断点的8邻域点中寻找满足低阈值的点，再根据此点收集新的边缘，直到整个图像边缘闭合。通过canny边缘检测算法，最终得到一组完整的烟叶轮廓像素点。
[0057]
找到烟叶外切矩形，获得矩形左上角起始坐标(x0，y0)：以图像左上角为原点建立以像素为单位的直接坐标系u-v，称其为图像坐标系，在图像坐标系中定义一个区域d，区域d是以坐标a(0,0)、b(0,2048)、c(2048,0)三点围成的三角形像素区域。基于本项目对于采集到的初烤烟图片数据的分析，烟叶均与u轴呈45
°
角摆放，且烟叶的叶梗均分布在图像(分辨率2448*2048)的区域d中。本发明借助一条斜率为-1的直线在图像的区域d移动，通过直线与d区域的烟叶轮廓的交点与两交点的距离值，判断是否当前直线位置是否处在叶梗的最佳切割位置。
[0058]
查找直线与轮廓的交点：取n条斜率为-1的直线，n＝2048-(x0+y0)+1，直线表达式为：
[0059]
y+x＝b，b∈[x0+y0，2048]
[0060]
本发明所描述的第i条直线的表达式为：
[0061]
y+x＝2048-i，0＜i＜2048-(x0+y0)
[0062]
在图像坐标系中，分别求出第i条直线与烟叶轮廓的两个交点坐标值和交点距离值，两个交点坐标保存在列表p_all中，对应的距离值保存列表d_all中。当直线与轮廓交点数大于2或交点距离值小于10个像素时，初步判断此情况为烟叶叶面有破损，不利于叶梗切割位置的判断，需要舍弃当前这些交点。
[0063]
查找最佳叶梗切割位置：循环遍历列表d_all中的交点距离值，循环变量i取值从0到len(d_all)-2，将满足以下判断条件的第一对交点坐标值返回：
[0064]
条件i：d_all[i+1]＜＝d_all[i]＜＝d[i-1]
[0065]
条件ii：
[0066]
条件iii：d_all[-1]-10＜d_all[i]＜d_all[-1]+15
[0067]
其中条件ⅰ是为了防止烟叶内部有破损时，交点距离值小于周围相邻交点距离值；条件ⅱ与条件ⅲ是为了更准确的识别出叶梗的位置，减小错误切割的概率。该对交点所在的直线记为cutting line，cutting line所在位置即为最佳叶梗切割位置。
[0068]
在最佳叶梗切割位置对烟叶进行叶梗切割：将cutting line与图像坐标系所围成的区域内的像素点的灰度值修改为0值，至此，1号初烤烟图像完成叶梗切割，如图4。
[0069]
获取去梗初烤烟的总像素面积：为了使获取到的图片像素值误差更小，将图3转化为灰度图像，然后转换成一维数组，获得图像各个像素点的灰度值，其中灰度值为0的部分就是图片的黑色背景部分，统计背景部分的像素个数，将总的像素个数减去背景像素个数，得到的最终像素个数就是去梗初烤烟的像素面积，去梗初烤烟的像素面积为1043214。
[0070]
3、获取初烤烟叶褶皱部分的像素值
[0071]
本发明对图4进行基于颜色的阈值分割处理。首先将去梗初烤烟的图片进行rgb色彩空间到hsv色彩空间的转换，设置色彩阈值上限为[10,100,100]，下限为[70,190,190]，根据设定的上下限对目标图像进行二值化处理，在将二值化处理之后的图片与原图进行逻辑“与”操作，最后得到了初烤烟叶子褶皱部分的图像，如图5。将此图像转化为灰度图像，然后转换成一维数组，获得图像各个像素点的灰度值，统计背景部分的像素个数，将总的像素个数减去背景像素个数，最终得到初烤烟叶褶皱部分的像素面积为33972。
[0072]
4、计算初烤烟身份特征分数
[0073]
将1号去梗初烤烟的像素面积1043214加上烟叶褶皱部分面积33972，得到最终的初烤烟的总像素面积1077186，输入1号去梗初烤烟的重量7.26g，按照以下公式进行身份特征打分：
[0074][0075]
其中身份分数保留小数点后1位，最后根据此公式可得出1号初烤烟的最终身份分
数为5.5分。
[0076]
本发明操作简单，不需要提取出烟叶的复杂特征如纹理、叶尖角、叶脉粗细等，只需要一张完整的初烤烟的图片以及去梗初烤烟的重量，就可以使用本发明为初烤烟身份特征进行打分。同时本发明还具有较高精确度优点，本发明考虑到初烤烟叶梗部分重量占总重量比值较大，容易使得最终得到的身份分数误差较大，因此对初烤烟图片进行了识别叶梗并去除叶梗的处理，提高了整体精度。
[0077]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。