图像处理方法及应用该方法的黑蒜生产质量在线检测系统与流程

本发明涉及hsi颜色空间图像处理，具体涉及一种图像处理方法及应用该方法的黑蒜生产质量在线检测系统。

背景技术：

1、黑蒜是将优质大蒜进行清洗、酶化、熟制、干燥等操作生产出来的，具有多种保健功效。在生产过程中，黑蒜会出现质量问题，如常见的发霉导致的质量问题。黑蒜一般表现出深褐色，发霉的黑蒜表面会出现黑斑，其中，黑斑与黑蒜在黑蒜图像中非常相似，不容易分辨出来。

2、现有方法使用图像分割算法获取hsi颜色空间的黑蒜图像中的黑斑区域，但是在hsi颜色空间的黑蒜图像中，黑斑与黑蒜非常相似，容易导致黑蒜图像中的黑斑区域不能准确的识别出来，进而不能准确的对黑蒜的质量进行评价。

技术实现思路

1、为了解决黑斑与黑蒜在hsi颜色空间的黑蒜图像中非常相似，导致黑蒜图像中的黑斑区域不能准确的识别出来，进而不能准确的对黑蒜的质量进行评价的技术问题，本发明的目的在于提供一种图像处理方法及应用该方法的黑蒜生产质量在线检测系统，所采用的技术方案具体如下：

2、本发明的一个方案提供了一种图像处理方法，包括：

3、获取黑蒜图像在hsi颜色空间下的每个分量图像中的初始黑斑区域；

4、获取每个分量图像中每个初始黑斑区域邻近的初始黑斑区域，构建为每个初始黑斑区域对应的邻近黑斑区域集合；

5、获取每个分量图像中初始黑斑区域总数量；

6、根据每个邻近黑斑区域集合中初始黑斑区域的面积，获取每个分量图像的黑斑区域波动值；

7、根据每个邻近黑斑区域集合中初始黑斑区域的分布，获取每个邻近黑斑区域集合的黑斑整体区域；根据每个邻近黑斑区域集合中的初始黑斑区域的面积和黑斑整体区域的面积，获取每个分量图像的调节因子；

8、根据每个分量图像的初始黑斑区域总数量、黑斑区域波动值和调节因子，获取每个分量图像的权重；根据每个分量图像的权重，修正hsi颜色空间的黑蒜图像。

9、进一步地，所述获取每个分量图像中每个初始黑斑区域邻近的初始黑斑区域，构建为每个初始黑斑区域对应的邻近黑斑区域集合的方法为：

10、选取分量图像中的任一个初始黑斑区域，作为目标黑斑区域；

11、获取目标黑斑区域的质心到任一个邻近初始黑斑区域的每个边缘像素点的距离，作为目标距离，将最小的目标距离作为目标黑斑区域与该邻近初始黑斑区域之间的参考距离；

12、获取目标黑斑区域与每个邻近初始黑斑区域之间的参考距离，将所述参考距离进行归一化的结果，作为参考结果；

13、当所述参考结果小于预设的第一参考阈值时，将对应的所有初始黑斑区域与目标黑斑区域，共同构建成为目标黑斑区域对应的邻近黑斑区域集合。

14、进一步地，所述初始黑斑区域总数量的获取方法为：

15、获取每个邻近黑斑区域集合中初始黑斑区域的数量，作为第一数量；

16、将每个分量图像中第一数量的累加结果，作为对应分量图像的初始黑斑区域总数量。

17、进一步地，所述黑斑区域波动值的获取方法为：

18、将每个邻近黑斑区域集合中初始黑斑区域的面积的方差，作为第一方差；

19、将每个分量图像中第一方差累加的结果，作为对应分量图像的黑斑区域波动值。

20、进一步地，所述根据每个邻近黑斑区域集合中初始黑斑区域的分布，获取每个邻近黑斑区域集合的黑斑整体区域的方法为：

21、获取每个邻近黑斑区域集合中所有初始黑斑区域的最小外接矩形，作为对应邻近黑斑区域集合的黑斑整体区域。

22、进一步地，所述根据每个邻近黑斑区域集合中的初始黑斑区域的面积和黑斑整体区域的面积，获取每个分量图像的调节因子的方法为：

23、获取每个邻近黑斑区域集合中的所有初始黑斑区域面积的累加结果，作为第一面积；

24、将每个邻近黑斑区域集合的第一面积与黑斑整体区域面积的比值，作为每个对应邻近黑斑区域集合的第一特征值；

25、获取每个分量图像中第一特征值的均值，作为对应分量图像的调节因子。

26、进一步地，所述根据每个分量图像的初始黑斑区域总数量、黑斑区域波动值和调节因子，获取每个分量图像的权重的方法为：

27、获取每个分量图像的调节因子、初始黑斑区域总数量的倒数和黑斑区域波动值的倒数的乘积，作为每个分量图像的贡献程度值；

28、将每个分量图像的贡献程度值进行累加的结果，作为整体结果；

29、将每个分量图像的贡献程度值与整体结果的比值，作为每个分量图像的权重。

30、进一步地，所述获取黑蒜图像在hsi颜色空间下的每个分量图像中的初始黑斑区域的方法为：

31、获取黑蒜图像在hsi颜色空间下的h分量图像、s分量图像和i分量图像；

32、根据每个分量图像中像素点的通道值分布，获取每个分量图像中的初始黑斑区域。

33、进一步地，所述根据每个分量图像中像素点的通道值分布，获取每个分量图像中的初始黑斑区域的方法为：

34、获取h分量图像中每个像素点的色调通道值，将预设的第一色调通道值对应的像素点作为初始起始点，通过区域生长算法进行区域生长，获得h分量图像中的初始黑斑区域；

35、对于s分量图像或者i分量图像，获取分量图像中每个像素点的通道值，选取通道值的众数，作为第一通道值；获取分量图像中所有通道值的均值，作为通道均值；获取分量图像中每个通道值与通道均值的差异，作为第一差异；将最大的第一差异与通道均值的相加结果，作为第二通道值；当第一通道值小于第二通道值时，将第一通道值对应的像素点作为初始起始点，通过区域生长算法进行区域生长，获得分量图像中的初始黑斑区域；当第一通道值大于第二通道值时，将第二通道值对应的像素点作为初始起始点，通过区域生长算法进行区域生长，获得分量图像中的初始黑斑区域。

36、本发明的另一个方案提供了黑蒜生产质量在线检测系统，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的指令，以实现：

37、获取黑蒜图像在hsi颜色空间下的每个分量图像中的初始黑斑区域；

38、获取每个分量图像中每个初始黑斑区域邻近的初始黑斑区域，构建为每个初始黑斑区域对应的邻近黑斑区域集合；

39、获取每个分量图像中初始黑斑区域总数量；

40、根据每个邻近黑斑区域集合中初始黑斑区域的面积，获取每个分量图像的黑斑区域波动值；

41、根据每个邻近黑斑区域集合中初始黑斑区域的分布，获取每个邻近黑斑区域集合的黑斑整体区域；根据每个邻近黑斑区域集合中的初始黑斑区域的面积和黑斑整体区域的面积，获取每个分量图像的调节因子；

42、根据每个分量图像的初始黑斑区域总数量、黑斑区域波动值和调节因子，获取每个分量图像的权重；根据每个分量图像的权重，修正hsi颜色空间的黑蒜图像；

43、获取修正后黑蒜图像中的黑斑区域，根据黑斑区域的大小，对黑蒜进行质量评价。

44、本发明具有如下有益效果：

45、获取每个分量图像中每个初始黑斑区域邻近的初始黑斑区域，构建为每个初始黑斑区域对应的邻近黑斑区域集合，确定黑蒜图像中实际的黑斑区域，为后续计算每个分量图像对黑斑区域进行准确识别时对应的权重；获取每个分量图像中初始黑斑区域总数量，同时根据每个分量图像中每个邻近黑斑区域集合，获取每个分量图像的黑斑区域波动值以及调节因子，准确反映出每个分量图像对识别黑蒜图像中黑斑区域的实际情况，进而根据每个分量图像的初始黑斑区域总数量、黑斑区域波动值和调节因子，获取每个分量图像的权重，确定hsi颜色空间下的每个分量图像在准确识别黑蒜图像中的黑斑区域的权重，进而准确修正hsi颜色空间的黑蒜图像，使得黑蒜图像中的黑斑区域更明显，进而准确获取黑蒜图像中的黑斑区域。根据准确获取的黑斑区域，进而对黑蒜的质量进行准确的评价。