一种基于多级阈值的蚕茧分割方法及系统、双宫茧识别方法及系统与流程

1.本发明涉及图像检测领域，具体而言，涉及一种基于多级阈值的蚕茧分割方法及系统、双宫茧识别方法及系统。


背景技术：

2.双宫茧是指茧内有两粒或两粒以上蚕蛹的蚕茧，是一种下茧，整体比单茧体积大，不能缫生丝，却是制作蚕丝被的最佳原料。因而，在选茧过程中，双宫茧常常与其他下茧分开，单独归为一类。传统的蚕茧分选基本依靠人工视觉进行判别，劳动强度大、选茧效率低、漏选率高，选茧的准确性易受选茧人员的技术水平、精神状态等主观因素影响，因此采用代替人工的检测技术势在必行。
3.机器视觉是用摄像机和计算机等机器代替人眼对目标进行测量、跟踪和识别。在实际应用中，蚕茧的分类识别首先需要解决蚕茧目标的分割问题。现有技术中主要利用面积阈值和椭圆长短轴比值阈值两种方法来判断蚕茧是否为双宫茧。
4.而面积阈值识别的弊端是：没有考虑茧形，可能导致小的双茧被鉴定为好茧；椭圆长短轴比值阈值识别的弊端是：依赖于对蚕茧形状的准确拟合，使得椭圆的长短轴比值与游标卡尺测量的一致，但是由于附丝及蚕茧直接的粘连，使得分割的蚕茧形状存在偏差，从而导致椭圆拟合与实际形状有出入，可能误判在阈值附近的蚕茧种类。因此，仅仅依靠面积阈值或者拟合的椭圆的长短轴比值阈值进行双宫茧识别，均存在一定局限性。


技术实现要素：

5.本发明的目的在于提供一种基于多级阈值的蚕茧分割方法及系统、双宫茧识别方法及系统，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：第一方面，本技术提供了一种基于多级阈值的蚕茧分割方法，包括：s1.获取待检测蚕茧图像，并对所述蚕茧图像进行预处理得到待分割图像；s2.设定分割阈值初始值和分割阈值变化值；s3.利用所述分割阈值初始值对所述待分割图像进行二值化运算得到二值图和二值图中的连通区域；s4.遍历所述连通区域，从所述连通区域中分离出独立蚕茧区域和待处理像素点区域，将所述待处理像素点重新作为待分割图像；s5.利用所述分割阈值变化值更新分割阈值得到当前阈值，并重复步骤s3-s4得到新的待处理像素点区域，当待处理像素点为0时，结束运算。
6.进一步的，所述步骤s1具体包括：s11.获取彩色的待检测蚕茧图像i0；s12.对图像i0进行灰度处理，得到图像i
1；
s13.增强图像i1的对比度得到待分割图像i2。
7.进一步的，所述步骤s2具体包括：s21.提取待分割图像的全局直方图阈值t0；s22.令分割阈值初始值为t0，分割阈值终止值为te；s23.设定分割阈值变化值
∆
t，其中，
∆
t=0.2
×
t0。
8.进一步的，所述步骤s4具体包括：s41.获取单个蚕茧的像素面积阈值a0和像素长宽阈值b；s42.遍历所述连通区域，获取二值图中所有的连通区域的像素面积；s43.当连通区域的像素面积a≥a0且像素长宽b≥b0时，则将所述连通区域标记为待处理像素点区域，并存入数据集o；否则，则将所述连通区域标记为独立蚕茧区域，并存入数据集p{p1、p2...pi...pn}，其中，p代表图像中有n个独立蚕茧区域，向量pi为第i个独立蚕茧区域；s44.将所述待处理像素点区域作为待分割图像。
9.进一步的，所述s5具体包括：s51.判断待处理像素点是否为0，若是，则结束运算；若否，则进入步骤s52；s52.更新所述分割阈值t=t0+
∆
t；s52.判断t与分割阈值终止值为te的大小：若t＜te，则重复步骤s3-s4；若t＞te，则结束运算。
10.第二方面，本技术还提供了一种双宫茧识别方法，包括：s6.获取数据集p{p1、p2...pi...pn}；s7.将数据集p的每个独立蚕茧区域pi进行图像复原，并剔除独立蚕茧边缘点；s8.采用直接最小二乘法将所述边缘点拟合成椭圆；s9.计算椭圆的长轴与短轴的比值rt和蚕茧的面积指数si；s10.利用所述比值rt和面积指数si判断所述独立蚕茧区域是否为双宫茧。
11.进一步的，所述步骤s9中，蚕茧的面积指数si的计算公式如下：si=(a-c0)/c0；式中，si为蚕茧的面积指数；a为椭圆面积；c0为蚕茧平均面积。
12.进一步的，所述步骤s10具体包括：s101.设定阶梯式阈值：；s102.当独立蚕茧区域中si和rt满足所述任意一个阈值范围时，所述独立蚕茧区域为双宫茧。
13.第三方面，本技术还提供了一种基于多级阈值的蚕茧分割系统，其特征在于，所述系统包括：预处理模块：用于获取待检测蚕茧图像，并对所述蚕茧图像进行预处理得到待分
割图像；设定模块：用于设定分割阈值初始值和分割阈值变化值；二值化处理模块：用于利用所述分割阈值初始值对所述待分割图像进行二值化运算得到二值图和二值图中的连通区域；分离模块：用于遍历所述连通区域，从所述连通区域中分离出独立蚕茧区域和待处理像素点区域，将所述待处理像素点重新作为待分割图像；阈值更新模块：利用所述分割阈值变化值更新分割阈值得到当前阈值，并重复步骤s3-s4得到新的待处理像素点区域，当待处理像素点为0时，结束运算。
14.第四方面，本技术还提供了一种双宫茧识别系统，所述系统包括：数据获取模块：用于获取数据集p{p1、p2...pi...pn}；图像复原模块：用于将数据集p的每个独立蚕茧区域pi进行图像复原，并剔除独立蚕茧边缘点；拟合模块：用于采用直接最小二乘法将所述边缘点拟合成椭圆；计算模块：用于计算椭圆的长轴与短轴的比值rt和蚕茧的面积指数si；判断模块：用于利用所述比值rt和面积指数si判断所述独立蚕茧区域是否为双宫茧。
15.第五方面，本技术还提供了一种基于多级阈值的蚕茧分割设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现所述基于多级阈值的蚕茧分割方法的步骤。
16.第六方面，本技术还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于多级阈值的蚕茧分割方法的步骤。
17.本发明的有益效果为：本发明通过设定多级分割阈值对包含有蚕茧的图像进行多层分割计算，通过层层计算可将图像中的所有的蚕茧准确、独立的分隔开，得到独立蚕茧区域以便于后续的识别工作。然后基于长短轴比与面积参数相结合的识别算法对上述得到的独立蚕茧区域进行识别，快速、精准的分辨出双宫茧，高效的解决了粘连蚕茧难以准确分割、双宫茧识别局限性等问题。
18.本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
19.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
20.图1为本发明实施例中所述的一种基于多级阈值的蚕茧分割方法流程示意图；图2为本发明实施例中所述的待检测蚕茧图像；
图3为本发明实施例中所述的二值图；图4为本发明实施例中所述的形态学腐蚀图；图5为本发明实施例中所述的形态学膨胀后的蚕茧像素图；图6为本发明实施例中所述的待分割图像；图7为本发明实施例中所述的局部二值图；图8为本发明实施例中所述的局部形态学腐蚀图；图9为本发明实施例中所述的完成分割后的蚕茧像素图；图10为本发明实施例中所述的叠加边缘点的像素图；图11为本发明实施例中所述的叠加拟合椭圆的原图；图12为本发明实施例中所述的叠加边缘检测点的单个蚕茧像素图；图13为本发明实施例中所述的单个蚕茧边缘点拟合椭圆图；图14为本发明实施例中所述的叠加单个拟合椭圆的局部原图；图15为本发明实施例中所述的一种双宫茧识别方法流程示意图；图16为本发明实施例中所述的一种基于多级阈值的蚕茧分割系统结构示意图；图17为本发明实施例中所述的一种双宫茧识别系统结构示意图。
具体实施方式
21.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
22.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
23.实施例1参见图1，本实施例提供了一种基于多级阈值的蚕茧分割方法，包括：s0.通过预实验得到单个蚕茧的像素面积阈值a0、像素长宽阈值b0和蚕茧平均面积c0；具体的，所述s0具体包括：s01.采集蚕茧图像；优选的，选用体积差异大的蚕茧进行成像，蚕茧中包含双宫茧，蚕茧与蚕茧之间留有足够的空隙、无附丝黏连，以保证otsu二值化能直接分开各个蚕茧；s02.依次对蚕茧图像进行灰度处理、增强对比度、阈值二值化、图像分割处理；s03.提取蚕茧区域像素值作为单个蚕茧的像素面积，具体的，单个蚕茧像素面积范围大约为340000~800000（像素数量）；考虑到两个较小的蚕茧在一起的情况，取700000作为单个蚕茧的像素面积阈值a0，同时以蚕茧长轴长1000（像素数量）作为连通区域的像素长
宽阈值b0，即a0=700000，b0=1000。
24.s04.通过计算非双宫茧的蚕茧像素面积平均值，得到平均蚕茧像素面积约为465000，即蚕茧平均面积c0=465000。
25.s1.获取待检测蚕茧图像，并对所述蚕茧图像进行预处理得到待分割图像；具体的，所述s1包括：s11.获取彩色的待检测蚕茧图像i0；s12.对图像i0进行灰度处理，得到图像i
1；
s13.增强图像i1的对比度得到待分割图像i2。
26.s2.设定分割阈值初始值和分割阈值变化值；具体的，所述s2包括：s21.提取待分割图像的全局直方图阈值t0；s22.令分割阈值初始值为t0，分割阈值终止值为te；s23.设定分割阈值变化值
∆
t，其中，
∆
t=0.2
×
t0。
27.s3.利用所述分割阈值初始值t0对所述待分割图像i2进行二值化运算得到二值图i3和二值图i3中的连通区域，优选的，由于二值图i3中的图像粘连严重，因此需要通过形态学腐蚀处理分开粘连较少的蚕茧个体，使大部分蚕茧个体成为独立连通区域；s4.遍历所述连通区域，从所述连通区域中分离出独立蚕茧区域和待处理像素点区域，将所述待处理像素点重新作为待分割图像i2；具体的，所述s4包括：s41.获取单个蚕茧的像素面积阈值a0和像素长宽阈值b0；s42.遍历所述连通区域，获取二值图中所有的连通区域的像素面积；s43.当连通区域的像素面积a≥a0且像素长宽b≥b0时，则将所述连通区域标记为待处理像素点区域，并存入数据集o；否则，则将所述连通区域标记为独立蚕茧区域，并存入数据集p{p1、p2...pi...pn}，其中，p代表图像中有n个独立蚕茧区域，向量pi为第i个独立蚕茧区域；s44.将所述待处理像素点区域作为待分割图像。
28.s5.利用所述分割阈值变化值更新分割阈值得到当前阈值，并重复步骤s3-s4得到新的待处理像素点区域，当待处理像素点为0时，结束运算。
29.具体的，所述s5包括：s51.判断待处理像素点是否为0，若是，则结束运算；若否，则进入步骤s52；s52.更新所述分割阈值t=t0+
∆
t；s52.判断t与分割阈值终止值为te的大小：若t＜te，则重复步骤s3-s4；若t＞te，则结束运算。
30.具体的，以图2-图9为例，图中采用可变阈值结合形态学运算对蚕茧图像进行迭代分割的过程：先获取待检测蚕茧图像，如图2所示，对蚕茧图像进行二值化处理后得到二值图，如图3所示。由于二值化后的图像粘连严重，通过增加形态学腐蚀处理可得到形态腐蚀图，如图4所示，形态腐蚀图可分开粘连较少的蚕茧个体，使大部分蚕茧个体成为独立连通区
域，减少后续分割迭代运算量。接下来，对每个连通区域进行形态学膨胀，以尽可能恢复每个蚕茧的形状。随后，将像素面积≥像素面积阈值a0且像素长宽≥像素长宽阈值b0的连通区域被判别为可能有两个及以上蚕茧相连，即需要进一步分割的待分割图像，如图6所示。将像素面积＜像素面积阈值a0且像素长宽＜像素长宽阈值b0的连通区域被判别独立蚕茧区域，如图5所示，图5为图2第一次分割后得到的22个独立蚕茧区域组成的二值图像，从图中可以看出相邻的蚕茧有相连的像素。
31.随后以0.2倍t0的阈值变化速率增加图像二值化分割阈值t，对待分割图像进行分割。当阈值为t0的1.6倍时，待分割图像经过图像二值化后得到局部二值图，如图7所示。局部二值图经过形态学腐蚀得到局部形态学腐蚀图，如图8所示。最后得到完成分割后的蚕茧像素点组成的二值图像，如图9所示。根据每个蚕茧对应的像素点，就能找到该蚕茧在图中的位置。
32.本实施例应用多级阈值的蚕茧分割方法测试了10张图片共222个蚕茧的分割计数，每张照片中的蚕茧均分割完全，计数准确度100%，结果如表1所示：表1实施例2：如图15所示，本实施了提供了一种双宫茧识别方法，包括：s6.获取数据集p{p1、p2...pi...pn}；s7.将数据集p的每个独立蚕茧区域进行图像复原，并剔除独立蚕茧边缘点；由于高阈值分割导致得到的独立蚕茧区域的图像小于原图像大小，要进一步对每个蚕茧进行分析，需要进行图像复原，具体的，采用基于边缘检测与形态学变换椭圆拟合的图像复原算法进行复原：对于每个蚕茧，分割出的像素点组成的图像小于等于实际图像，重叠两图像后，前者在后者的内部；选用合适的标准差和高低阈值，通过canny算子进行边缘检测；根据像素点真值区域，适当拓宽确定目标区域位置，并进行裁剪，得到两个大小相同的边缘点组成的
二值图像roi0和roi1，roi0为分割出的像素点组成的图像边缘检测图，roi1为从原图边缘检测图中裁剪的目标区域；对roi0中的边缘点进行去冗，去掉内部点和多余的轮廓点，以减少运算量；遍历roi0中的边缘点，在roi1中找到非roi0边缘轮廓区域内的、且与该点距离最近的点，由这些点组成roi2区域图，roi2图几乎将非目标蚕茧的边缘点全部摒除。
33.具体的，如图9-图14所示，图中展示了蚕茧形状复原过程：从图9-图11中可以看出，高阈值分割的蚕茧、光照不均和表面污点的蚕茧在图像分割中得到的独立蚕茧区域小于原图像大小。以图9中的线圈区域的独立蚕茧区域为例对单个蚕茧形状复原过程进行描述。采用canny算子，选用标准差为20，低阈值为0，高阈值为0.2，对独立蚕茧区域和原图进行边缘检测，以独立蚕茧区域的边缘点外接矩阵为中心，向四面扩展300确定感兴趣区域位置和大小，并对图像进行裁剪，得到两个大小相同的边缘点组成的二值图像roi0和roi1。为了可视化区分两个边缘点图，以分割出的像素点组成的图像代替其对应的边缘点图roi0，得到图12，图中白色区域为目标蚕茧像素点，点线部分为独立蚕茧区域边缘检测裁剪后的蚕茧轮廓边缘点。
34.s8.采用直接最小二乘法将所述边缘点拟合成椭圆；具体的，应用两个边缘点图的几何关系筛选目标蚕茧的边缘点，去除其他蚕茧和附丝的边缘点。对目标蚕茧边缘点进行椭圆拟合，即得到图13。为了对比蚕茧形状复原效果，在待检测蚕茧图像中用彩色线条画出了拟合的椭圆，如图14所示，从图中可以看出，大部分拟合的椭圆线条与蚕茧轮廓重合。
35.s9.计算椭圆的长轴与短轴的比值rt和蚕茧的面积指数si；具体的，所述步骤s9中，蚕茧的面积指数si的计算公式如下：si=(a-c0)/c0；（1）式中，a为椭圆面积；c0为蚕茧平均面积，si为蚕茧的面积指数，表示蚕茧面积a超出单宫蚕茧平均像素面积c0的比例。
36.s10.利用所述比值rt和面积指数si判断所述独立蚕茧区域是否为双宫茧。
37.具体的，由于椭圆拟合的、误差双宫茧大小差异和形状不规则，应当通过单个蚕茧的的长轴与短轴的比值rt和蚕茧的面积指数si两个参数的多级阈值：rtj和sij（j=1，2，3，
…
，m）来判断蚕茧是否为双宫茧，其中，m表示分段数量。
38.其中，所述步骤s10具体包括：s101.设定阶梯式阈值：；（2）s102.当独立蚕茧区域中si和rt满足所述任意一个阈值范围时，所述独立蚕茧区域为双宫茧。
39.具体的，公式（2）为双宫茧识别的双参数多级阈值，只要满足其中一个条件则判别为双宫茧。条件
①
和条件
②
主要依据蚕茧的长短轴半径比进行判断，为了限制边缘不完整的蚕茧图片被归为双宫茧，在长短轴半径比阈值的基础上，加了面积指数限制条件。条件
③
和条件
④
协同考虑蚕茧长短轴半径比与面积指数。条件
⑤
主要依据双宫蚕茧的面积远大于正常蚕茧的情况来进行判断，能兼容头尾相接的双宫茧类型。若五个条件均不满足，则认为不是双宫茧。
40.如表2所示，表2中展示了12个蚕茧的类型及其椭圆拟合参数，第1-7个蚕茧为双宫茧，满足条件
①
或条件
②
。
41.表2最后，本实施例应用双宫茧识别方法分别对10张蚕茧图片进行蚕茧形状复原和双参数阈值的双宫茧判别，10张待检测蚕茧图像中共222个蚕茧，实际双宫茧数为46个，检出数共49个，另外3个为误检为双宫茧的单宫蚕茧。总体上，双宫茧与单宫蚕茧分类识别准确率为98.6%，试验结果见表3。
42.表3
实施例3请参阅图15，本实施例提供了一种基于多级阈值的蚕茧分割系统，所述系统包括：预处理模块：用于获取待检测蚕茧图像，并对所述蚕茧图像进行预处理得到待分割图像；设定模块：用于设定分割阈值初始值和分割阈值变化值；二值化处理模块：用于利用所述分割阈值初始值对所述待分割图像进行二值化运算得到二值图和二值图中的连通区域；分离模块：用于遍历所述连通区域，从所述连通区域中分离出独立蚕茧区域和待处理像素点区域，将所述待处理像素点重新作为待分割图像；阈值更新模块：用于利用所述分割阈值变化值更新分割阈值得到当前阈值，并重复步骤s3-s4得到新的待处理像素点区域，当待处理像素点为0时，结束运算。
43.需要说明的是，关于上述实施例中的系统，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
44.实施例4请参阅图17，本实施了还提供了一种双宫茧识别系统，所述系统包括：数据获取模块：用于获取数据集p{p1、p2...pi...pn}；图像复原模块：用于将数据集p的每个独立蚕茧区域pi进行图像复原，并剔除独立蚕茧边缘点；拟合模块：用于采用直接最小二乘法将所述边缘点拟合成椭圆；计算模块：用于计算椭圆的长轴与短轴的比值rt和蚕茧的面积指数si；判断模块：用于利用所述比值rt和面积指数si判断所述独立蚕茧区域是否为双宫茧。
45.实施例5相应于上面的方法实施例，本实施例中还提供了一种基于多级阈值的蚕茧分割设备，下文描述的一种基于多级阈值的蚕茧分割设备与上文描述的一种基于多级阈值的蚕茧分割方法可相互对应参照。
46.在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的基于多级阈值的蚕茧分割方法的步骤。
47.实施例6相应于上面的方法实施例，本实施例中还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种基于多级阈值的蚕茧分割方法可相互对应参照。
48.一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的基于多级阈值的蚕茧分割方法的步骤。
49.该可读存储介质具体可以为u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
50.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
51.以上所述，仅为本发明的具体实施方式，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，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。