一种基于颜色空间转换的柠檬色选表面瑕疵检测方法与流程

本发明涉及色选机领域，尤其涉及基于简化lch颜色空间对柠檬表面图像中果蒂位置、青果以及花斑等瑕疵类型对柠檬进行区分的基于颜色空间转换的适用于色选机柠檬表面缺陷检测的方法。

背景技术：

1、中国是柠檬的第二大生产国，2019年中国柠檬产量达到271万吨。通过计算机视觉进行的采后分级可以大幅度提高柠檬的商品价值和市场竞争力。机器视觉具有客观性强、效率高、无损检测等优点，可以有效提高柠檬分选的质量和效率。

2、柠檬的表面缺陷检测具有一系列难点，如：

3、柠檬作为一种水果属于非标农产品，不同柠檬的大小形状信息是难以预测的，难以建立统一的模型。

4、柠檬外观的瑕疵种类较多、情况复杂，瑕疵种类包含青果、黑点、花斑、碰撞伤等，检测时根据实际需求要将不同种类的瑕疵区分开来。

5、柠檬外观近似类球体，由于光照原因，其整体外表面亮度并不均匀，从中心部分到边缘部分，亮度值逐渐降低。如使用单阈值进行表面瑕疵检测时，中心部分的高亮度瑕疵会产生漏检，而边缘部分的低亮度非瑕疵会出现错检。

6、经过现有技术检索，目前查找到了以下方法：

7、1.通过亮度校正来弥补柠檬不同位置的亮度差异，代表性的有基于多图像块阈值分割算法和基于区域亮度自适应校正算法。

8、两种算法的核心思路均为：将柠檬的彩色图转化成灰度图后。利用黑点，花斑，碰伤等瑕疵，在同一位置，其亮度值低于水果本身的数值的特点。排除掉位置对亮度的影响后，寻找柠檬的瑕疵点。

9、张明等人通过矩阵变换，对于目标图像上的每个点，在其w*w邻域内选取较亮点的集合来估计目标图像的背景亮度，对得到的图像做均一化处理，再根据全局单阈值法获得缺陷的位置。

10、应义斌等人把整体图像块分割成了n*n个大小长宽相同的子图像块，使用大津(otsu)算法计算每个图像块的分割阈值，比较阈值差与类间平均灰度差，决定是否对每个子图像块进行二值化。

11、2.使用颜色特征进行分割

12、人眼主观决定一个柠檬品质的方式就是依据其表面的颜色。利用柠檬正常点和瑕疵点颜色的不同，可以客观准确地找到瑕疵点的位置并计算面积。

13、目前使用颜色特征分割的技术差异主要在于颜色空间的选取，代表性使用的颜色空间为rgb颜色空间，hsi颜色空间及cielab颜色空间*(各种颜色空间的定义都在后面备注中)，颜色特征分割算法的典型流程为：选取一空间的某一或两个通道值，利用通道值本身设置阈值，或邻近通道值之间的差分来检测柠檬表面的瑕疵点。

14、3.使用多光谱成像技术检测瑕疵

15、不同档次的水果，其内部含有的特征化学物质种类浓度也不相同，这会导致它对一些波长光源的光反射率和透射率发生改变，该方法虽然准确性高，但是对硬件成本要求也非常高。

16、上述方法存在的缺点在于：

17、在柠檬的照片中，黑点，花斑，碰撞伤属于瑕疵，需要被检测出来，青果需要被单独检测出来，而果蒂则属于柠檬的正常组织，不能被误检为瑕疵。

18、以上提到的一些缺陷中，基于传统的算法进行检测都存在着检测类型不全面或检测时间成本过高等问题。具体体现在：

19、基于灰度检测的亮度校正法来检测瑕疵，对果蒂附近信息难以排除，并且针对大块的花斑，使用全局阈值或分割阈值都会造成漏检。

20、使用rgb色空间检测瑕疵，由于其每个通道间独立性差，难以寻找合适的阈值，对黑点和不同类型的花斑，碰伤，漏检误检均比较严重。

21、hsi/hsv色空间由在处理柠檬问题时表现不佳，主要表现为在外观上大块花斑的饱和度低于柠檬，但是计算出来的大块花斑饱和度却比柠檬高。

22、由cielab色空间衍生来的cielch色空间独立性强，并且符合人眼对颜色的主观感知，在检测柠檬表面瑕疵具有良好的效果，然而生成cielch色空间运算较为复杂(具体原因是，在从rgb转换到cielab色空间时，需要用到开立方根运算)，难以满足实际生产的需要(一个典型的数值是，从一张像素值400*400的柠檬中检测其各种瑕疵，时间不能超过10ms)。

技术实现思路

1、本发明提出了一种改良的颜色空间转换下的柠檬表面瑕疵检测算法，基于这种算法，可以兼顾原始算法的效率和cielch色空间算法，对柠檬表面瑕疵检测的准确性的柠檬色选表面瑕疵检测方法。

2、为实现上述目的，本发明所提供的技术方案为：一种基于颜色空间转换的柠檬色选表面瑕疵检测方法，它包括有以下步骤：

3、1)、柠檬图片裁剪：将单张拍摄好的图片输入算法中；

4、2)、滤除背景：利用柠檬颜色和背景颜色的差距来加以滤除，建立通道；

5、3)、选取通道参考值：通过判别式为：

6、(ir＞10)||(ig＞10)   (3)

7、满足这一点的视为在柠檬上；

8、4)、去除噪点：经过判别式以后的柠檬图片通过算法在去除噪点的同时腐蚀边界提取柠檬中央部分做后面的分析：分析后得到的完整的滤除背景；

9、5)、逻辑判断：通过计算图片整体面积和计算青色面积对柠檬图片进行判断，得出青果以及瑕疵柠檬，青果直接以青果作为输出；

10、6)、瑕疵判断：通过计算瑕疵面积、计算小块黑点；再根据图片本身的灰度进行二值化处理；

11、7)、利用色空间转换算法和柠檬图片面积的比值来计算柠檬的等级。

12、所述第7)步骤的色空间转换算法包括有：

13、第一步转换建立在颜色叠加原理，其公式为：

14、从rgb色空间转化到lch色空间要经过下面的中间过程：

15、rgb→xyz→lab→lch   (9)

16、红绿蓝三通道每个通道都有它们自己的x值，y值，即：

17、

18、(10)中，r,g,b为三种颜色的通道值；

19、当r＝g＝b＝255时，颜色为白色，表达式简化为：

20、

21、光源白点色坐标(xw,yw)和红绿蓝光源色坐标(xr,yr),(xg,yg),(xb,yb)是光源自身的属性，对于任意一种颜色，(x,y)和x,y,z的关系为：

22、

23、它们满足：

24、x+y+z＝1   (13)

25、根据解出ir，ig，ib然后就可以建立从rgb到xyz空间的转化；

26、第二步的转化基于以下公式：

27、

28、第三步转化只保留色调，其公式为：

29、

30、所述第4)步骤的分析包括有：

31、(1)洪水漫灌法，首先填充柠檬主体内部空洞，然后对外层噪点进行腐蚀；

32、(2)利用查找边界函数找到所有图像的边界，仅保留其中最大值，删除其余边界，对得到的边界做腐蚀；

33、(3)使用噪声滤除算法，做开运算-闭运算。

34、本发明相对于现有技术方案，本技术方案能对果蒂，以及黑点花斑碰伤有着较好的识别效果，同时也能保证运算效率满足色选机的实际需要，从而大大增加色选机的分选效果。