基于机器视觉的大米粘连图像分割_于建宁

机器人;视觉;控制

粮食工程

·Technique技术

基于机器视觉的大米粘连图像分割

于建宁1

王爱民2

杨红卫1

（1.河南工业大学信息科学与工程学院

2.河南工业大学电气工程学院）

【摘要】以粘连大米为对象，分别以间隔90°的4个方向和不同高度的光源采集大米图像，然后对采

集到的一系列图像用LoG算子进行边缘检测，综合不同条件下的边缘，得到粘连分界线。结果表明：这种方法对于椭圆米粒和长圆米粒的分割效果很明显。

【关键词】大米粘连；图像增强；图像分割；计算机视觉中图分类号：TS210．3

文献标识码：A

文章编号：1000-9868(2012)03-0073-04

果记为Mg；最后，取M与Mg的并集，作为分割结果，结果表明：该算法分割效果较好。蜀秦，何东健等人提出基于籽粒轮廓曲率分割粘连大米图像的算法，利用能反映边界点尖锐程度的曲率及曲率大小和曲率方向准确快速找到分割点，用最短距离配对法对粘连大米籽粒进行分割，此算法对粘连籽粒的准确分割率达95%以上。杨华东、简淼夫提出了一种基于距离变换、形态重构和分水岭算法相结合的图像分割方法，图像通过距离变换与形态重构算法结合，得到颗粒图像的标识点图，再结合分水岭变换对分割后的距离灰度图进行变换，该方法能有效合理地解决粘连或者重叠颗粒等物体的分割。刘相滨、邹北骥等人提出改进的基于边界跟踪的粘连目标分离算法，该算法通过自动旋转聚堆目标区域使其中轴方向成垂直或水平来实现这种情况下的分离，该算法进一步提高了分离效果。

以上研究所处理的籽粒粘连度不高，而且所使用的方法基本上是基于颗粒的一些形状特征来研究的。本文

机器视觉技术应用于谷物品质分析，具有方便、客观和可靠等优点。在过去研究中，为了获得较好的样品图像，谷物的方位通常是精心设置的，谷物颗粒之间不允许相互粘连。当测试样品为大量谷物颗粒时，若需要精心摆放，则费时费力，导致测定速度慢，效率低。解决这一问题有两种途径：第一，研究设计谷物颗粒摆放装置，利用这一装置可以方便地将大部分颗粒正确摆放，只需做少许调整；第二，研究高效可靠的谷物颗粒图像分割算法，这种算法可以以测定要求允许的精度将颗粒图像分割开来。这是比利用谷物颗粒摆放装置更加快捷的技术途径。

目前，国内外有关研究人员应用机器视觉技术对粘连谷物颗粒分割做了许多分析研究，凌云、王一鸣等人提出一种基于先验知识的流域分割算法，设定合理的区域面积阈值A，标记并去除图像中的单个籽粒区域，结果记为

M；然后，腐蚀N次，对粘连籽粒区域进行流域分割，结

苯甲酸［J］.食品科技，2003（5）：80-82.

［6］李萍.高效液相色谱法测定黄毛耳草中槲皮素的含量［J］.广东

药学院学报，2006（2）：57-58.

［7］张裕平.高效液相色谱法测定黄毛耳草中槲皮素的含量［J］.广

东药学院学报，2006（2）：57-58.

［8］JinHwanLee，NamSukKang，Sang-OukShin，etal.

Chemistry，2008（111）：526-529.

［10］FlorianC.Stintzing，JanTrichterborn，ReinholdCarle.Character-

isationofanthocyanin–betalainmixturesforfoodcolouringbychromaticandHPLC-DAD-MSanalyses［J］.2006（94）：296-309.

Charac-收稿日期：2011-12-27

作者简介：郭祯祥（1958—），男，河南新乡人，教授，研究方向粮食加工。

通讯作者：赵艳丽（1986—），女，河南商丘人，硕士研究生，研究方向食品资源开发与利用。通信地址：

（450052）河南省郑州市嵩山南路140号

FoodChemistry，

terisationofanthocyaninsintheblacksoybean（GlycinemaxL.）byHPLC-DAD-ESI/MSanalysis［J］.FoodChemistry，2009（112）：226-231.

［9］ShixinDeng，BrettJ.West，C.JarakaeJensen.Simultaneouschar-

acterisationandquantitationofflavonolglycosidesandaglyconesinnonileavesusingavalidatedHPLC-UV/MSmethod［J］.Food

2012.03

·

73

机器人;视觉;控制

提出一种基于不同光照方向得到同一堆粘连大米图像，对这一系列图像综合分析处理，分割粘连籽粒。

米粒区域的像素值，就能改善二值化后的图像。

结合上面的分析，使用局部增强的方法来处理。增强方案：给定原图中某一点Ⅰ（x，y），取其八邻域，然后求这些值的均值M和方差D，如果30≤M≤120并且

1

1.1

图像的采集和预处理

采集平台搭建和图像采集

图1为搭建好的图像采集平台，光源为双管日光灯，

D≤20（因为在图像中米粒边缘处的方差大，尽量不要改变米粒边缘上点的像素值，否则会影响后续处理），然后将处理后图像G（x，y）增强至原图像对应点Ⅰ（x，y）的E倍，本文取E＝2，如公式（1）。

从1、2、3和4四个方向，按照不同的高度为0、0.5、

1、1.5、2（单位cm），采集一系列粘连大米图像。图2为按照上述条件采集到的大米图像中的一种粘连情况。图2a、图2b、图2c和图2d分别为光源高度为2cm时采集的4幅图像，由于篇幅限制，其他光源高度条件下的图像不再列举。

G（x，y）＝

≤

E×Ⅰ（x，y）if（30≤M≤120）&（D≤20）Ⅰ（x，y）else

（1）

增强后的图像如图3c所示，对其二值化，如图3d所示，与图3a比较后结果显示：较暗处米粒的信息保留下来了，但米粒边缘多了许多毛刺，这是由于米粒反射光线，照亮了背景，经过增强后，这部分也同样被增强了，使用

11

1111

结构元素腐蚀，去除部分孤立点并使米粒

边缘粘连的毛刺与米粒分离，结果如图3e所示，米粒边缘的毛刺明显减少了，但有很多孤立点，使用形态学消

图1

图像采集平台

噪，计算图像中每个连接体的面积，将面积小于500pix-

1.2图像预处理

图像预处理的主要目的是消除图像中无关的信息，

el的孤立点去除，如图3f所示。图像噪声点去除了，由于在上面步骤中使用了腐蚀，会丢掉一部分信息，再使用相同的结构元素膨胀一次，还原丢失的信息，如图3g所示。最后，最终二值化后图像上的0点对应于原图像上的点置0，如图3h所示，实现消噪。

恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而增加特征抽取、图像分割、匹配和识别的可靠性。

本文以图2a为例，可以看出图像中下方米粒和上方米粒之间亮度差异很大，而且背景噪声比较大。同为前景目标，如果米粒间亮度差异太大，就会造成使用传统方法二值化时亮度较低的前景目标信息丢失，为了验证这一问题，使用大津法（OTSU）对图2a进行二值化，由图3a可知：图像上方米粒的信息丢失了，因此要对原图进行图像增强。由图3b可知：从原图中分别划出3个区域，分别为标记A、B、C、分别代表图像的背景区域，亮度较低的米粒区域，亮度较高的米粒区域，并分别计算其均值和方差，见表1，由表1和图3a可知：只要增强亮度较低

（a）（b）（c）（d）

（e）（f）

图3表1

整幅图像

（g）

图像预处理

（h）

图像各个区域数据

暗米粒区域B

亮米粒区域C

背景区域A

区域大小285×180102.8076.90

35×2930.6414.37

71×40112.7612.20

42×32200.8216.02

（a）

图2

（b）（c）（d）

均值方差

光源高度H＝2cm时4个方向上大米粘连图像

·2012.03

74

机器人;视觉;控制

粮食工程

·Technique技术

2粘连图像分割

图4是使用LoG算子计算图2中4幅经过预处理之

到单像素边缘；⑤边界图像和原图对比处理，找到分割线，对粘连米粒分割。

按照上述步骤处理H＝0、0.5、1.0、1.5cm的粘连图像，得到图6a、图6b、图6c和图6d，对比发现图6a中有米粒没有得到分割，图6b和图6c中有一小块米粒信息缺失，图6d中分割效果好，就这幅图像来说，在H＝

后的边缘图像，由图4可知：不同光照方向会丰富米粒相应方向上的细节，每个光照方向下的米粒都会有不同的细节。在边缘检测之前，因为米粒表面的凸凹或者垩白等因素的影响，需要对图像进行平滑处理，以减少边缘检测时出现过多的细节，影响处理结果。这里使用八邻域平均法，即取每个像素点八邻域相加平均后，替代该像素点的像素值。

1.5、2.0cm时分割效果最好，但从分割其他粘连情况来说，在H≠0cm时效果都很好。

（a）

图6

（b）（c）（d）

不同高度光源的图像分割

（a）

图4

（b）（c）（d）

（a）

（b）

（c）

4幅对应的边缘图像

在上面基础上，把4幅边缘图像叠加起来，就会发现原来不连续的边缘叠加后连接起来了，如图5a所示。然后对其二值化，如图5b所示。用预处理中使用过的方法去除边界内的孤立点，得到图5c。由于边界上可能存在一定的空隙，使用1.2节中的结构元素对其膨胀，如图5d所示。要得到单像素边界，应对图5d细化，得到图5e。图5e边界点的位置（x，y），经预处理后的原图对应（x，y）点的像素值置为0，结果如图5f所示。简单总结处理步骤：①计算每幅预处理后图像的边界；②把①得到的边界叠加，并二值化；③使用结构元素对二值化边界图像进行膨胀处理；④细化膨胀后的图像，得

（d）

图7

（e）

其他粘连情况及长形米粒粘连分割

图7给出了其他粘连情况和长圆形米粒的分割效果，都得到了很到的分割。

3结果分析

通过分割效果，可得出此分割方法可行，效果不错，

因为不同方向上的光照会丰富不同方向向光面的细节。在边缘检测过程中，有分界面的边缘会在不同光照方向上得到累计加强，而且能使米粒在其他光照方向不能反映的细节显现出来，各个方向相互弥补。另外由于垩白度较高的米粒反射光比较强烈，在图像上表现为亮度较高，若与透明度较好的米粒相粘连，会有明显的分界；而透明度较高的米粒，由于其透光性，光线在穿过米粒

（a）（b）（c）

进入另一个米粒时会出现折射，从而出现分界线，在不同方向光的加强下，最终得到较为明显的分界线。不同高度的光源在照射米粒时，接受光照的曲面不同，而且相互遮挡入射光的情况也不同，因此会影响分割效果。如果入射光线与图像采集平台夹角过小，就会造成离光源近的米粒过多遮挡远端米粒的入射光线，对远端米粒造成不良影响。总之，只要光源高度合适，此方法分割

2012.03

·

（d）

图5

（e）

粘连分割过程

（f）

75

机器人;视觉;控制

复合香辛料精油防止粮食霉变的应用研究

段雪娟

吴克刚

柴向华

（广东工业大学轻工化工学院）

【摘要】本文研究了复合香辛料精油对粮食霉菌的熏蒸抑制作用。将花生、玉米和大米分别置于密

闭空间内，将复合精油吸附于滤纸上悬挂在密闭空间内进行熏蒸，人为控制高温高湿环境，在一定时间内观察复合精油对粮食霉菌的熏蒸抑制效果。同时以花生为对象，测定其表面菌落数。通过定性研究发现复合香辛料精油在包装空间的浓度分别达到15、3和0.3μL/mL时对花生、玉米和大米等粮食具有明显的防霉作用。而通过对花生防霉的定量试验也证明，经过复合精油熏蒸后，能有效抑制花生中黄曲霉的生长。

【关键词】香辛料精油；粮食防霉；熏蒸中图分类号：TS201．6

文献标识码：A

文章编号：1000-9868(2012)03-0076-03

率高达90%。粮食的保藏一般采用化学防腐剂和控制保藏环境的方法来实现。目前食品工业使用的防腐剂多是化学合成的有机酸及其盐以及一些抗氧化剂，化学防腐剂虽然抗霉效果显著，但是因其组分单一，长期使用能使生物产生抗药性，使其失去抑制作用；其次，尽管采用限量使用，但每种化学防霉剂都有一定安全指标和期限，使用时间过长或过量均能使人和家畜产生积累性毒害。因此，开发高效、广谱、安全和稳定的天然防霉剂显得十分重要。而香辛料精油是天然防霉剂的重要来源之一，从中筛选出高效、安全和经济的物质作为天然食

民以食为天，食以粮为先。粮食是人类赖以生存的宝贵资源，更是一个国家的经济命脉。但粮食容易被黄曲霉侵害而引起霉烂和变质，且黄曲霉菌容易产生黄曲霉毒素，研究表明：食品或饲料中黄曲霉毒素的含量高于1mg/kg就有剧毒，不仅给粮食带来严重损失，而且通过食品加工给人类健康带来了严重影响。粮食霉变的原因主要是微生物感染，而以黄曲霉尤为严重。据联合国粮农组织估计，全世界谷物供应25%受真菌毒素污染而不能食用，每年所造成的经济损失高达数千亿美元。我国霉菌毒素的污染状况更是不容乐观，霉菌毒素的污染

效果明显。

［3］杨华东，简淼夫.基于灰度形态重构的颗粒图像分割方法［J］.

南京工业大学学报：自然科学版，2005，27（3）.

4结论

由试验结果可以得出，只要光源的高度调整合适，

［4］刘相滨，邹北骥，等.一种改进的基于边界跟踪的粘连目标分离算

法［J］.湖南师范大学学报：自然科学版，2006，29（2）.［5］李兵.基于机器视觉的黑片缺陷检测图像预处理技术的研究［D］.

沈阳：沈阳理工大学，2010.

［6］阮秋琦，阮宇智，等译.数字图像处理（第二版）

电子工业出版社，2005：81-84.

［M］.北京：

不同粒型米粒的各种粘连情况都能得到有效的分割。从结果图和原图之间的对比可以发现，分割后的图像边缘信息少量丢失，但大致保留了原有的形状特性。下一步需要研究如何减少或者恢复丢失的边缘信息。

参考文献

［1］凌云，王一鸣，孙明，等.基于流域算法的谷物籽粒图像分割技术

［J］.农业机械学报，2005，36（3）：95-98.

［2］杨蜀秦，何东健.连接大米籽粒图像的自动分割算法研究［J］.

农业化研究，2005，27（3）：62-65.

收稿日期：2011-12-13

作者简介：于建宁（1984—），男，河南新密人，硕士研究生，研究方向为信号与信息处理。

作者简介：杨红卫（1962—），男，教授，山东济宁人，硕士生导师，研究方向图像处理、信号处理及其在谷物科学的应用。通信地址：

（450001）河南郑州市高新开发区莲花街

76

·2012.03