OpenCV的烟叶图像处理技术分析

PoisonApple 发表于 2017-12-04 11:37:07 收藏 已收藏
赞(0) •  评论(0

OpenCV的烟叶图像处理技术分析

PoisonApple 发表于 2017-12-04 11:37:07

  OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。

  OpenCV用C++语言编写,它的主要接口也是C++语言,但是依然保留了大量的C语言接口。该库也有大量的Python, Java and MATLAB/OCTAVE (版本2.5)的接口。这些语言的API接口函数可以通过在线文档获得。如今也提供对于C#,Ch, Ruby的支持。

  所有新的开发和算法都是用C++接口。一个使用CUDA的GPU接口也于2010年9月开始实现。

  烟叶是烟草工业的基础原料,烟叶品质的识别对烟草工业生产质量和烟草行业经营效益具有举足轻重的作用。因此,对烟叶生产过程的各个环节包括烟叶品质的智能识别进行技术创新,提供品质和效率,是一个前沿研究方向目前,这一方面的研究主要集中在数字图像处理方面,把烟叶品质的数字图像处理与计算机软件相结合,实现烟叶品质的智能识别,是一个极有价值的工作。OpenCV的全称是 Open Source Computer Vision Library,是一个跨平台的计算机视觉库。OpenCV是由英特尔公司发起并参与开发,以BSD 许可证授权发行,可以在商业和研究领域中免费使用,并且源代码是公开的。OpenCV由一系列C函数和少量C++类构成,实现了图像处理和计算机视觉方面的很多通用算法,可用于开发实时的图像处理、计算机视觉以及模式识别程序,极大地方便了图像和视觉处理研究者进行二次开发口3。为此,笔者基于OpenCV对烟叶图像进行处理,旨在提高烟叶品质的智能识别效果。

  l烟草图像采集的预处理

  烟草图像采集的现场条件比较恶劣,还会受到光照条件和烟叶物理性质的影响,这样就会在图像成型的过程中产生很大的干扰,使图像特征被淹没,不利于图像分析。因此,有必要对图像进行预处理,以增强图像后继处理的重要特征。

  对烟草彩色图像进行平滑处理能够减少图像的变劣差异;对图像进行加权处理,能够减少噪音的干扰,同时加权处理还能够使整体颜色趋于一致(图1、2)。采用模板为:int M [3][3]-{{l,2,l},{2,4,2},{l,2,l}}。

  2图像颜色表的建立

  图3中的横坐标表示图像中各个像素点的灰度级,纵坐标为各个像素点出现的次数或概率。由图3可知j烟叶图像像素灰度级直方图呈现多峰值,且服从正态分布,因此可以利用图像阈值分割和颜色百分比的方法来建立颜色表。

  根据各个像素点灰度不连续进行基于区域相关的分割,用灰度级的门限提取图像特征。

  2.1门限化方法

  选取适当的灰度级门限作为标准,将每个像素灰度与其比较,若超过I’】限标准则赋值最大灰度l,否则赋值最小灰度0。这样就成功地把对象从背景中分离出来。图像以髫,Y)的灰度范围为[g,,92],取灰度值丁作为门限,有2种方法定义门限后的二值图像:

  OpenCV的烟叶图像处理技术分析

  OpenCV的烟叶图像处理技术分析

  OpenCV的烟叶图像处理技术分析

  OpenCV的烟叶图像处理技术分析

  门限取得太高时,许多背景点将被误判为对象点;反之,当门限取得太低时,许多对象点将被误判成背景点。因此,就有一个最佳门限的选择问题

  由图3可知。烟叶与背景灰度直方图峰型分布明显,选择谷底作为门限值,对图像进行分割,可以降低错分概率。由统计分布率得知,相邻2个峰谷内的面积最大者属于合格烟叶颜色区,如图3阴影部分所示。选择2个峰谷(L,疋) 为灰度门限区间,并把门限区间内的颜色与其在图像中出现的频率存储在一个颜色表内

  3识别算法的设计

  以颜色表作为模板.对烟叶图像实施异物标识处理,遍历图像每个像素,在颜色表中查找,若找到,设置此像素灰度值为0,否则设置为255,如图6所示。

  图像分割只能把图像中具有不同平均灰度或组织特征的区域分离开。特征抽取则进一步把分割开的区域的特征提取出来,也就是图像描述和表示,也称为图像理解。

  对目标图像区进行区域标记,遍历每1个小矩形,把所有“l”联结的区域视为异物,计算其总值,大于设定的阈值,

  OpenCV的烟叶图像处理技术分析

  分检系统开启气阀将异物剔除,反之,气阀不动作。在遍历1 个小矩形时,如果异物像素和等于开阀条件,停止这个小矩’ 形的遍历,可以减少系统的计算量,提高算法的执行速度哺J。

  异物不可能都在1个小矩形内,横向、纵向跨界甚至跨帧的情况在所难免,这就要求图像处理系统具有记忆功能。如图7,在区域l和区域2中,存在横向跨界;区域4和区域8 存在纵向跨界。

  对于异物横向跨界,在遍历第1个小矩形时,如果像素和达到设定阈值,气阀将开启,剔除异物;反之.则不启动气阀,但系统要记忆此小矩形的像素和和异物边界坐标;然后

  OpenCV的烟叶图像处理技术分析

  再遍历第2个小矩形,先检测异物是否为联通区域。若是,再去判断第1个小矩孑的气阀开启状态。若气阀开启,则第 2个气阀也将打开;若气阀未开启,则将这2个小矩形的像素和相加来判断是否达到设定的开阀阈值。若不是联通区域,则将视一般情况处理。

  对于异物纵向跨界,除去在横向跨界条件下作的处理外,还要将信息保存到第2帧图像,处理完毕,用前一帧的边缘小矩形与后一帧对应边缘小矩形的像素和相加,与阈值比较,以此来决定气阀的开启。

  4结语

  基于OpenCV的烟叶品质识别的数字图像处理方法,是烟叶生产环节的一种技术创新。它简便易行,可以在烟叶生产一线普及推广,能够较大地提高烟叶品质检测的效率和质量及自动化程度和智能化水平。

收藏

相关话题
文章来源栏目

评论(0)

加载更多评论

参与评论

相关文章

分享到

QQ空间 QQ好友 微博
取消