CN106067181A - 柑橘果实颜色多重分形描述及分级方法 - Google Patents

柑橘果实颜色多重分形描述及分级方法 Download PDF

Info

Publication number
CN106067181A
CN106067181A CN201610368550.8A CN201610368550A CN106067181A CN 106067181 A CN106067181 A CN 106067181A CN 201610368550 A CN201610368550 A CN 201610368550A CN 106067181 A CN106067181 A CN 106067181A
Authority
CN
China
Prior art keywords
fruit
image
citrusfruit
fractal
width
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610368550.8A
Other languages
English (en)
Inventor
曹乐平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Biological and Electromechanical Polytechnic
Original Assignee
Hunan Biological and Electromechanical Polytechnic
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan Biological and Electromechanical Polytechnic filed Critical Hunan Biological and Electromechanical Polytechnic
Priority to CN201610368550.8A priority Critical patent/CN106067181A/zh
Publication of CN106067181A publication Critical patent/CN106067181A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture

Landscapes

  • Image Analysis (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

本发明公开了一种柑橘果实颜色多重分形描述及分级方法，其中颜色多重分形描述方法包括以下步骤：将被测果实超出果面的果梗部分去除；对被测果实进行清洗及吹干处理后，采集被测果实的原始图像；对原始图像进行裁切；对裁切后的图像进行去背景处理；对去背景处理后的图像进行边缘检测及果实区域提取，将RGB图像转换为HSI图像；对所述HSI图像的色调区间[0，120°]进行N等分，得到N幅色调二值图；分别求得N幅色调二值图的多重分形谱，分别计算N个多重分形谱对应的高度值与宽度值，以N个区间内对应的高度值与宽度值描述柑橘果实颜色。本发明能够对柑橘果实颜色进行定量描述，避免人工进行定性描述，省时省力，颜色描述和分级结果准确性高。

Description

柑橘果实颜色多重分形描述及分级方法
技术领域
本发明属于涉及一种柑橘果实颜色多重分形描述及分级方法。
背景技术
在国家标准及行业标准中柑橘果实颜色都采用定性描述法，这种方法描述上简单，容易记忆，但在柑橘果实的采后处理中仅适应于人工操作，且这种操作因个人的颜色拿捏程度不同导致分级效率低，分级等级少，分级误差大，严重影响柑橘果实等级品质、市场竞争力及产品价格，制约柑橘信息化生产。因此，柑橘果实颜色的数字化尤其是低维度的数字化定量描述及颜色分级方法成为急需解决的问题，有鉴于此，提出一种低维的柑橘果实颜色定量描述及分级方法。
发明内容
本发明的目的在于，针对上述现有技术的不足，提供一种柑橘果实颜色多重分形描述及分级方法。
为解决上述技术问题，本发明所采用的技术方案是：
一种柑橘果实颜色多重分形描述方法，包括以下步骤：
步骤一，将被测果实超出果面的果梗部分去除；
步骤二，对被测果实进行清洗及吹干处理后，采集被测果实的原始图像；
步骤三，对原始图像进行裁切；
步骤四，对裁切后的图像进行去背景处理；
步骤五，对去背景处理后的图像进行边缘检测及果实区域提取，将RGB图像转换为HSI图像；
步骤六，对所述HSI图像的色调区间[0，120°]进行N等分，生成分别对应N个区间的N幅色调图，并对所述N幅色调图进行二值化处理，得到分别对应N个区间的N幅色调二值图；
步骤七，分别求得N幅色调二值图的多重分形谱，分别计算N个多重分形谱对应的高度值与宽度值，以N个区间内对应的高度值与宽度值描述柑橘果实颜色。
对柑橘果实数字图像的主要色调区间[0，120°]进行N等分，每幅色调二值图对应自身颜色信息的同时，还包含该区间色调累计及分布信息。
作为一种优选方式，所述步骤二中包括：将果实置于500×500×500mm3的光照箱底部中央，背景黑色，数码相机于光照箱顶部中央，相机镜头距果顶460～490mm，箱顶以相机镜头为中心对称均布4盏60w白炽灯，采集果实的数字图像。
作为一种优选方式，所述步骤三中包括：利用数字图像处理软件对采集的原始图像进行1024×1024像素大小的裁切。
作为一种优选方式，所述步骤四中包括：统计裁切后柑橘果实图像的亮度Y＝0.1770R+0.8124G+0.0106B直方图，其中，R、G、B分别为裁切后柑橘果实图像的红色、绿色和蓝色分量；提取亮度直方图双峰间的波谷亮度分界值作为阈值T，建立亮度分段函数，低于分界值的灰度置1，高于分界值的灰度不变。
作为一种优选方式，所述步骤五中边缘检测及果实区域提取的方法包括：对去背景后的图像进行水平和垂直两个方向的Prewitt算子滤波，得到滤波图像gh和gv；对所述滤波图像进行欧氏距离变换得到集水盆地到分水岭的距离df；对df进行分水岭检测，标记df的外部约束em，以局部亮度梯度极大值大小为条件，动态调整阈值，筛选出高于阈值的去背景灰度图像灰度极大值进行扩展极大值变换，计算df的内部约束im；利用em和im重构梯度图g2；对g2做分水岭检测，合并外部区域和内部区域，完成果实边缘检测，连通边界，标记果实边界轮廓，提取果实区域。
传统的分水岭算法存在较严重的过度分割问题，本发明中改进型分水岭算法在传统分水岭算法的基础上进行梯度阈值化处理及内部约束动态调整，克服了这一缺点。
作为一种优选方式，所述步骤六中N的取值范围为4～10。
作为一种优选方式，所述步骤七中多重分形谱的计算过程包括：用边长为δ的滑动窗口分别对N幅色调二值图进行扫描，其中δ＝2R，R＝1，2，…，10；分别计算窗口内黑色像素数在N幅色调二值图中出现的概率p(δ)，定义一配分函数式中，为同一边长的滑动窗口扫描情形下各概率p(δ)的q次加权和，q＝±1、±3、±5、±7、±9，χq(δ)与尺度单元δ存在幂律 式中，τ(q)称为质量指数；分别求得N幅色调二值图的多重分形谱f(α)＝αq-τ(q)，式中，α＝dτ(q)/dq为奇异指数。
作为一种优选方式，所述步骤七中多重分形谱对应的高度值与宽度值的计算过程包括：利用开口向下的抛物线段近似多重分形谱曲线，作N个区间M组(α，f(α))数据的二次拟合，计算N个区间f(α)二次拟合曲线高度值Δf＝f(αmin)-f(αmax)，宽度值Δα＝αmax-αmin，其中αmax和αmin分别为α的最大值和最小值。
柑橘果实色泽不同，N个区间的抛物线段形状各异，高度Δf和宽度Δα随之不同，以此N组数值描述柑橘果实的颜色可行，且大大简化了以色调表达颜色的信息量。
作为一种优选方式，所述M为10。
基于同一个发明构思，本发明还提供了一种柑橘果实颜色分级方法，利用所述的柑橘果实颜色多重分形描述方法求得N个等分区间内多重分形谱对应的高度值与宽度值；根据N个等分区间内多重分形谱对应的高度值与宽度值大小对柑橘果实颜色进行等级划分。
与现有技术相比，本发明能够对柑橘果实颜色进行定量描述，避免人工进行定性描述，省时省力，颜色描述和分级结果准确性高。
附图说明
图1为裁切后的图像。
图2为亮度直方图。
图3为去背景处理后的图像。
图4为果实边缘与果实区域图。
图5为4个等分区间对应的4幅色调二值图。
具体实施方式
本发明为一种柑橘果实颜色多重分形描述及分级方法，以宫川温州蜜柑作为被测对象，包括以下步骤：
步骤一，将果梗平齐果面，将被测果实超出果面的果梗部分剪去；
步骤二，对被测果实进行清洗及吹干处理后，采集被测果实的原始图像；
将果实置于500×500×500mm3的光照箱底部中央，背景黑色，数码相机于光照箱顶部中央，相机镜头距果顶460～490mm，箱顶以相机镜头为中心对称均布4盏60w白炽灯，采集果实的数字图像。
步骤三，对原始图像进行裁切；
利用数字图像处理软件对采集的原始图像进行1024×1024像素大小的裁切，得到如图1所示的图像。
步骤四，对裁切后的图像进行去背景处理；
统计裁切后柑橘果实图像的亮度Y＝0.1770R+0.8124G+0.0106B直方图，其中，R、G、B分别为裁切后柑橘果实图像的红色、绿色和蓝色分量；提取亮度直方图双峰间的波谷亮度分界值作为阈值T，建立亮度分段函数，低于分界值的灰度置1，高于分界值的灰度不变。亮度直方图如图2所示。经过处理后，如图3所示，去除了大部分柑橘果实区域外的背景。
步骤五，对去背景处理后的图像进行边缘检测及果实区域提取，将RGB图像转换为HSI图像；
边缘检测及果实区域提取的方法包括：对去背景后的图像进行水平和垂直两个方向的Prewitt算子滤波，得到滤波图像gh和gv；计算距离函数对所述滤波图像进行欧氏距离变换得到集水盆地到分水岭的距离df；对df进行分水岭检测，标记df的外部约束em，以局部亮度梯度极大值大小为条件，动态调整阈值，筛选出高于阈值的去背景灰度图像灰度极大值进行扩展极大值变换，计算df的内部约束im；利用em和im重构梯度图g2；对g2做分水岭检测，合并外部区域和内部区域，完成果实边缘检测，连通边界，标记果实边界轮廓，提取果实区域。如图4所示，经过处理后，果实边缘连贯不间断，果实区域完整无孔洞。
步骤六，对所述HSI图像的色调区间[0，120°]进行4等分，生成分别对应4个区间的4幅色调图，并对所述4幅色调图进行二值化处理，得到分别对应4个区间的4幅色调二值图，如图5所示。
步骤七，分别求得4幅色调二值图的多重分形谱，分别计算4个多重分形谱对应的高度值与宽度值，以4个区间内对应的高度值与宽度值描述柑橘果实颜色。
所述步骤七中多重分形谱的计算过程包括：用边长为δ的滑动窗口分别对4幅色调二值图进行扫描，其中δ＝2R，R＝1，2，…，10；分别计算窗口内黑色像素数在4幅色调二值图中出现的概率p(δ)，定义一配分函数式中，为同一边长的滑动窗口扫描情形下各概率p(δ)的q次加权和，q＝±1、±3、±5、±7、±9，χq(δ)与尺度单元δ存在幂律 式中，τ(q)称为质量指数；分别求得4幅色调二值图的多重分形谱f(α)＝αq-τ(q)，式中，α＝dτ(q)/dq为奇异指数。
所述步骤七中多重分形谱对应的高度值与宽度值的计算过程包括：利用开口向下的抛物线段近似多重分形谱曲线，作4个区间10组(α，f(α))数据的二次拟合，计算4个区间f(α)二次拟合曲线高度值Δf＝f(αmin)-f(αmax)，宽度值Δα＝αmax-αmin，其中αmax和αmin分别为α的最大值和最小值。
果实颜色分级时，首先利用所述的柑橘果实颜色多重分形描述方法求得4个等分区间内多重分形谱对应的高度值与宽度值；根据4个等分区间内多重分形谱对应的高度值与宽度值大小对柑橘果实颜色进行等级划分。分级时，需要根据国家标准和样本试验，得到高度值与宽度值的分布规律，得到衡量果实颜色的等级检索表，如表1所示；再根据被测果实4个等分区间内多重分形谱对应的高度值与宽度值查询等级检索表，若4个等分区间内多重分形谱对应的高度值与宽度值均位于同一等级时，则该等级就是果实颜色的等级；若4个等分区间内多重分形谱对应的高度值与宽度值分别位于不同等级对应的区间，则取等级最低的一级为果实颜色的等级。

Claims (10)

1.一种柑橘果实颜色多重分形描述方法，其特征在于，包括以下步骤：
步骤一，将被测果实超出果面的果梗部分去除；
步骤二，对被测果实进行清洗及吹干处理后，采集被测果实的原始图像；
步骤三，对原始图像进行裁切；
步骤四，对裁切后的图像进行去背景处理；
步骤五，对去背景处理后的图像进行边缘检测及果实区域提取，将RGB图像转换为HSI图像；
步骤六，对所述HSI图像的色调区间[0，120°]进行N等分，生成分别对应N个区间的N幅色调图，并对所述N幅色调图进行二值化处理，得到分别对应N个区间的N幅色调二值图；
步骤七，分别求得N幅色调二值图的多重分形谱，分别计算N个多重分形谱对应的高度值与宽度值，以N个区间内对应的高度值与宽度值描述柑橘果实颜色。
2.如权利要求1所述的柑橘果实颜色多重分形描述方法，其特征在于，所述步骤二中包括：将果实置于500×500×500mm3的光照箱底部中央，背景黑色，数码相机于光照箱顶部中央，相机镜头距果顶460～490mm，箱顶以相机镜头为中心对称均布4盏60w白炽灯，采集果实的数字图像。
3.如权利要求1所述的柑橘果实颜色多重分形描述方法，其特征在于，所述步骤三中包括：利用数字图像处理软件对采集的原始图像进行1024×1024像素大小的裁切。
4.如权利要求1所述的柑橘果实颜色多重分形描述方法，其特征在于，所述步骤四中包括：统计裁切后柑橘果实图像的亮度Y＝0.1770R+0.8124G+0.0106B直方图，其中，R、G、B分别为裁切后柑橘果实图像的红色、绿色和蓝色分量；提取亮度直方图双峰间的波谷亮度分界值作为阈值T，建立亮度分段函数，低于分界值的灰度置1，高于分界值的灰度不变。
5.如权利要求1所述的柑橘果实颜色多重分形描述方法，其特征在于，所述步骤五中边缘检测及果实区域提取的方法包括：对去背景后的图像进行水平和垂直两个方向的Prewitt算子滤波，得到滤波图像gh和gv；对所述滤波图像进行欧氏距离变换得到集水盆地到分水岭的距离df；对df进行分水岭检测，标记df的外部约束em，以局部亮度梯度极大值大小为条件，动态调整阈值，筛选出高于阈值的去背景灰度图像灰度极大值进行扩展极大值变换，计算df的内部约束im；利用em和im重构梯度图g2；对g2做分水岭检测，合并外部区域和内部区域，完成果实边缘检测，连通边界，标记果实边界轮廓，提取果实区域。
6.如权利要求1所述的柑橘果实颜色多重分形描述方法，其特征在于，所述步骤六中N的取值范围为4～10。
7.如权利要求1所述的柑橘果实颜色多重分形描述方法，其特征在于，所述步骤七中多重分形谱的计算过程包括：用边长为δ的滑动窗口分别对N幅色调二值图进行扫描，其中δ＝2R，R＝1，2，…，10；分别计算窗口内黑色像素数在N幅色调二值图中出现的概率p(δ)，定义一配分函数式中，为同一边长的滑动窗口扫描情形下各概率p(δ)的q次加权和，q＝±1、±3、±5、±7、±9，χq(δ)与尺度单元δ存在幂律式中，τ(q)称为质量指数；分别求得N幅色调二值图的多重分形谱f(α)＝αq-τ(q)，式中，α＝dτ(q)/dq为奇异指数。
8.如权利要求7所述的柑橘果实颜色多重分形描述方法，其特征在于，所述步骤七中多重分形谱对应的高度值与宽度值的计算过程包括：利用开口向下的抛物线段近似多重分形谱曲线，作N个区间M组(α，f(α))数据的二次拟合，计算N个区间f(α)二次拟合曲线高度值Δf＝f(αmin)-f(αmax)，宽度值Δα＝αmax-αmin，其中αmax和αmin分别为α的最大值和最小值。
9.如权利要求7所述的柑橘果实颜色多重分形描述方法，其特征在于，所述M为10。
10.一种柑橘果实颜色分级方法，其特征在于，利用如权利要求1至9任一项所述的柑橘果实颜色多重分形描述方法求得N个等分区间内多重分形谱对应的高度值与宽度值；根据N个等分区间内多重分形谱对应的高度值与宽度值大小对柑橘果实颜色进行等级划分。
CN201610368550.8A 2016-05-30 2016-05-30 柑橘果实颜色多重分形描述及分级方法 Pending CN106067181A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610368550.8A CN106067181A (zh) 2016-05-30 2016-05-30 柑橘果实颜色多重分形描述及分级方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610368550.8A CN106067181A (zh) 2016-05-30 2016-05-30 柑橘果实颜色多重分形描述及分级方法

Publications (1)

Publication Number Publication Date
CN106067181A true CN106067181A (zh) 2016-11-02

Family

ID=57420837

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610368550.8A Pending CN106067181A (zh) 2016-05-30 2016-05-30 柑橘果实颜色多重分形描述及分级方法

Country Status (1)

Country Link
CN (1) CN106067181A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110599507A (zh) * 2018-06-13 2019-12-20 中国农业大学 一种番茄识别定位方法及***
US20220164989A1 (en) * 2019-02-15 2022-05-26 Appharvest Technology, Inc. Ripeness detection system using hue color space and peak finding

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105300844A (zh) * 2015-12-03 2016-02-03 国家电网公司 一种硅橡胶绝缘子憎水性等级判定方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105300844A (zh) * 2015-12-03 2016-02-03 国家电网公司 一种硅橡胶绝缘子憎水性等级判定方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
曹乐平，温芝元: "基于统计复杂性测度、多重分形谱等方法的柑橘品质分级", 《浙江大学学报（农业与生命科学版）》 *
曹乐平: "基于周长面积分形维数的柑橘品种机器识别", 《农业工程学报》 *
温芝元，曹乐平: "基于补偿模糊神经网络的脐橙不同病虫害图像识别", 《农业工程学报》 *
秦一博: "基于数字图像处理的粘连颗粒分析方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110599507A (zh) * 2018-06-13 2019-12-20 中国农业大学 一种番茄识别定位方法及***
CN110599507B (zh) * 2018-06-13 2022-04-22 中国农业大学 一种番茄识别定位方法及***
US20220164989A1 (en) * 2019-02-15 2022-05-26 Appharvest Technology, Inc. Ripeness detection system using hue color space and peak finding

Similar Documents

Publication Publication Date Title
CN106651872B (zh) 基于Prewitt算子的路面裂缝识别方法及***
CN109558806B (zh) 高分遥感图像变化的检测方法
CN105354865B (zh) 多光谱遥感卫星影像自动云检测方法及***
CN107895376A (zh) 基于改进Canny算子和轮廓面积阈值的太阳能电池板识别方法
CN104715239B (zh) 一种基于去雾处理和权重分块的车辆颜色识别方法
CN106485708B (zh) 一种基于图像识别的圆木计数方法
CN108181316B (zh) 一种基于机器视觉的竹条缺陷检测方法
CN110146791A (zh) 一种基于图像处理的电晕检测方法
CN106296670B (zh) 一种基于Retinex-分水岭-Canny算子的红外图像边缘检测方法
CN106294705A (zh) 一种批量遥感影像预处理方法
CN111275727B (zh) 细胞分割方法、装置及计算机可读存储介质
CN109636824A (zh) 一种基于图像识别技术的多目标计数方法
CN109544583B (zh) 一种提取皮革图像感兴趣区域的方法、装置及设备
CN109145848B (zh) 一种麦穗计数方法
CN106875412B (zh) 一种两个重叠果实的分割定位方法
CN102637262B (zh) 一种自适应细菌计数方法
CN114004834B (zh) 一种图像处理中的雾天情况分析方法、设备及装置
CN109871900A (zh) 一种基于图像处理的复杂背景下苹果的识别定位方法
CN106067173A (zh) 柑橘果实糖度的复杂性测度无损检测方法
CN106023223A (zh) 柑橘果实大小描述及分级方法
CN110428374B (zh) 一种小体积害虫自动检测方法及***
CN111401364B (zh) 一种基于颜色特征和模板匹配相结合的车牌定位算法
CN102788806B (zh) 基于类球形亮度变换的水果表面缺陷检测方法
CN109858394A (zh) 一种基于显著性检测的遥感图像水体区域提取方法
Gao et al. A recognition method of multispectral images of soybean canopies based on neural network

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20161102