一种基于灰度图和混合建模的果蔬颜色识别检测方法与流程

本发明属于果蔬采后分选，具体涉及通过若干个双曲函数的倒数建立灰度图混合模型来进行颜色识别，并根据灰度值的比例状况重新根据数值由大到小依次排序后作为灰度值标号推荐集合输出以及给出不同灰度值对应的占比宽度，从而实现果蔬颜色识别检测。

背景技术：

1、彩色图像灰度化在降维处理过程中，色度、对比度、结构等特征信息的丢失或弱化是必然的。灰度化方法的研究，就是在保持彩色图像亮度特征的同时，尽可能地保留其它信息，如对比度、结构等特征。随着对彩色图像灰度化方法研究的深入，学者们为更好地保留彩色图像中感兴趣的特征信息，提出了许多针对性的方法，依据像素点灰度值与位置的相关性、映射函数有效范围的不同，可分为局部映射法和全局映射法。局部映射法是位置相关的，主要考虑像素点与周围其它像素点、群的色彩对比。全局映射法是位置无关的，考虑保持整幅图像的色彩对比，例如基于非线性参数模型的方法可将灰度化过程当作匹配特征可辨识性的优化，以及在二阶rgb彩色空间进行映射来构造用于对比度保持的双峰目标函数求解灰度图像从而最大限度地保留色彩对比度。全局映射法使用的映射函数为线性或非线性，做到同一色彩由三维到一维的映射是唯一的，只能得到相同的灰度值，以保持彩色图像的对比度和结构等全局特征信息。可见，在全局映射法方面设计合适的映射函数是保持彩色图像全局特征信息的重要实现方式，可在果蔬采后分选过程中有效地实现果蔬颜色识别检测。

技术实现思路

1、取合适的灰度值以及与颜色色泽接近的灰度值相应的隶属状况来给出不同灰度值对应的占比宽度，从而满足果蔬图片中的像素点可通过使用灰度图混合模型来进行果蔬颜色识别检测的设计目标。

2、按照本发明所提供的设计方案，一种基于灰度图和混合建模的果蔬颜色识别检测方法，包含如下步骤：

3、步骤1：若果蔬图像上每个像素点可通过若干个双曲函数的倒数建立灰度图混合模型来进行颜色识别，可设作为有限集的某个论域为若干个灰度的典型值构建的集合，同时设灰度图混合模型为该论域上的模糊子集，其隶属函数为某个像素点的灰度值和指定灰度的典型值之间差值除以指定灰度的占比宽度代入双曲函数后的倒数，则灰度图混合模型可通过多个灰度的典型值与对应的隶属函数用zadeh表示法进行表示；

4、步骤2：由果蔬的图像样本集统计不同灰度值对应的灰度值的比例状况，将灰度值的比例状况根据数值由大到小依次排序后建立灰度值标号排序集合，并选取前面若干种灰度值的标号来建立循环次数为零时的灰度值标号使用集合，并计算循环次数为零时的灰度遴选方差状况；在循环过程中，将当前循环次数的灰度值标号使用集合还未使用的比例状况最大值对应的灰度值的标号加入其中，并计算当前循环次数的灰度遴选方差状况，若当前循环次数的灰度遴选方差状况与上个循环次数的灰度遴选方差状况的差别绝对值大于灰度遴选方差变动门限则从当前灰度值标号使用集合中选取两个对应灰度值最接近的元素，将灰度值的比例状况更高的标号保留，并将二者的灰度值的比例状况合并作为该标号对应的灰度值的比例状况，否则剔除新加入的标号，可结束循环过程；当循环过程结束后，将当前循环次数的灰度值标号使用集合中根据灰度值的比例状况重新根据数值由大到小依次排序后作为灰度值标号推荐集合输出，并根据对应的灰度值依次设置步骤1中的论域；

5、步骤3：在迭代过程初始化时使用步骤2中给出的灰度值标号推荐集合；在每次迭代过程开始前检查当前的灰度值标号推荐集合中是否有元素存在，若不存在则可结束迭代过程，若存在则给出当前灰度值标号推荐集合中灰度值的比例状况最大值对应的灰度值的标号以及对应的灰度值从而继续迭代过程；在每次迭代过程中判断，该灰度值在当前灰度值标号推荐集合中是否存在左侧相邻的灰度值或右侧相邻的灰度值，通过该灰度值与左侧相邻的灰度值或右侧相邻的灰度值的范围内选择与该灰度值颜色色泽接近的灰度值代入设为0.5的隶属状况后可得该灰度值的左侧占比宽度或右侧占比宽度；在迭代过程结束时给出论域中不同灰度值对应的占比宽度；

6、步骤4：对于需进行果蔬颜色识别检测的果蔬图片中的像素点可通过使用灰度图混合模型来进行颜色识别；

7、进一步地，步骤1中具体包括：

8、若果蔬图像上每个像素点可通过k个双曲函数的倒数建立灰度图混合模型来进行颜色识别，设定k为所述中灰度图上使用灰度的标号且k∈[1,2,...,k]以及μk为第k个灰度的典型值，则设论域ω作为有限集可表示为ω＝{μ1,...,μk,...,μk}，同时设灰度图混合模型为ω上的模糊子集，其隶属函数为其中x为像素点的灰度，ωk为第k个灰度的占比宽度，用zadeh表示法为可将表示为：

9、

10、进一步地，步骤2具体步骤为：

11、步骤2-1：由m张某种果蔬的图像建立该种果蔬的图像样本集θgs，从每张图像中n个选取像素点后统计其对应的灰度值，若存在h种不同的灰度值，则给出第h种灰度值的比例状况hdbl(h)：

12、

13、其中，xm,n为第m张图像中第n个像素点的灰度值，true为判断是否成立的函数，成立为1，不成立为0，hdh为第h种灰度值，δhd为灰度偏差容忍范围；

14、步骤2-2：设定循环次数c为0，将灰度值的比例状况根据数值由大到小依次排序后建立灰度值标号排序集合ξbh，并从ξbh中选取前k种灰度值的标号来建立循环次数c为0时的灰度值标号使用集合ψ(c＝0)，并计算循环次数c为0时的灰度遴选方差状况fczk(c)：

15、

16、步骤2-3：将当前的循环次数c加1，同时将ξbh-ψ(c)中灰度值的比例状况最大值对应的灰度值的标号d加入ψ(c+1)，并计算当前循环次数为c+1时的灰度遴选方差状况fczk(c+1)：

17、

18、步骤2-4：若其中为灰度遴选方差变动门限，则将新加入的标号d从ψ(c+1)中剔除，而后进入步骤2-6；

19、步骤2-5：若则从ψ(c+1)中选取两个对应灰度值最接近的元素，将灰度值的比例状况更高的标号保留，并将二者的灰度值的比例状况合并作为该标号对应的灰度值的比例状况，而后转入步骤2-3；

20、步骤2-6：将ψ(c+1)中根据灰度值的比例状况重新根据数值由大到小依次排序后作为灰度值标号推荐集合ψ′输出，并给出所述ψ′中对应的灰度值依次设置步骤1中的所述ω；

21、进一步地，步骤3具体步骤为：

22、步骤3-1：在迭代过程初始化中使用步骤2中给出的灰度值标号推荐集合ψ′；

23、步骤3-2：检查当前ψ′中是否有元素存在，若不存在则转入步骤3-7，否则给出当前ψ′中灰度值的比例状况最大值对应的灰度值的标号i以及对应的灰度值μi；

24、步骤3-3：判断在当前ψ′中是否存在与所述μi左侧相邻的灰度值与右侧相邻的灰度值若存在则进入步骤3-4，若存在则进入步骤3-5；

25、步骤3-4：在所述μi至所述的范围内选取与μi颜色色泽接近的灰度值可设定在灰度图混合模型上对于μi的隶属状况为：

26、

27、由可知：

28、

29、整理可得：

30、

31、由此可得第i个灰度图的左侧占比宽度

32、步骤3-5：在所述μi至所述的范围内选取与μi颜色色泽接近的灰度值且设定可知则整理可得：

33、

34、由此可得第i个灰度图的右侧占比宽度

35、步骤3-6：若对于所述μi只存在所述则设定若对于所述μi只存在所述则设定若对于所述μi同时存在所述和所述则设定将所述μi从所述ψ′中删除，并进入步骤3-2；

36、步骤3-7：输出对于步骤2中给出所述ω中不同灰度值μi对应的ωi值；

37、进一步地，步骤4中具体包括：

38、对于需进行果蔬颜色识别检测的果蔬图片而言，对于该果蔬图片中的像素点j，可使用灰度图混合模型来进行颜色识别：

39、

40、其中，xj为像素点j的灰度值；