本发明专利技术公开了一种基于自适应亮度回归矫正的水果表面缺陷检测方法。将水果RGB彩色图像转换为初始灰度图像，分割背景和目标，进行二值化处理，用二值化水果图像与初始灰度图像进行逐个像素点相乘，得到水果灰度图像，对水果灰度图像中行列像素分别用最小二乘法回归方法获得水平和垂直方向回归图像，水果灰度图像分别除以水平和垂直方向回归图像获得水平和垂直方向亮度矫正图像并进行算数平均计算获得亮度矫正图像，亮度矫正图像进行二值化并完成填洞和中值滤波获得水果表面缺陷图像。本发明专利技术克服类球体表面亮度不均匀情况下检测表面不同亮度特征缺陷；在水果及农产品品质计算机视觉在线检测方面具有应用潜力。
【技术实现步骤摘要】
本专利技术涉及计算机视觉图像处理方法，具体涉及一种基于自适应亮度回归矫正的水果表面缺陷检测方法。
技术介绍
表面缺陷检测是水果分级的重要依据之一，在世界各国的水果评级标准中有严格的规定。国内外大量学者研究通过计算机视觉方式检测水果及农产品表面缺陷，但是许多农产品是类球体，二维图形中部的灰度值要远大于边缘的灰度值，导致表面缺陷图像检测的困难。经过现有的技术检索发现，方法主要分为三类：1)基于球体灰度模型的处理方法。譬如专利文献中国专利CN101984346A记载了一种基于低通滤波的水果表面缺陷检测方法，首先获得去除背景的R分量图像，利用水果彩色图像通过离散傅里叶变换进行低通滤波然后离散傅里叶反变换获得表面亮度图像，前者图像除以后者图像得到均一化亮度图像，再采用单阈值实现水果表面缺陷分割，该技术涉及较复杂的数字信号处理增加在线开发难度，而且低通滤波的最佳参数随着不同的光环境需要人工经验重新调试选择；中国专利CN102788806A利用水果RGB图像和NIR图像，计算对比水果的缺陷形状、大小，但是水果不是严格球体，该专利用二值图像外接矩形最大宽度近似水果直径，最大宽度的一半作为迭代次数终止条件。这种方法对非圆形的椭圆形水果会产生误差，而且椭圆形水果长轴和短轴受到的光照朗伯现象不一样直接用该区域像素点直接进行亮度平均处理，会对缺陷检测带来误差；Li Jiangbo等人(2013)利用光照传输模型与图像比技术检测脐橙表面缺陷，该方法仍然涉及较复杂的数字信号处理增加在线开发难度，而且低通滤波的最佳参数随着不同的光环境需要人工经验重新调试选择。(Automatic detection of common surface defects on oranges using combined lighting transform and image ratio methods Jiangbo Li,Xiuqin Rao,Postharvest Biology and Technology 2013)。2)基于表面纹理特征的处理方法。López-García F等人(2010)利用多元图像理论以及表面纹理特征算法训练方法检测脐橙表面缺陷，该算法比较复杂不易用于在线，而且检测脐橙表面缺陷类型有限。(López-García F,Andreu-García G,Blasco J,et al.Automatic detection of skin defects in citrus fruits using a multivariate image analysis approach[J].Computers and Electronics in Agriculture,2010,71(2):189-19)。3)基于多光谱成像技术的处理方法。J.Blascoa等人利用多光谱成像设备进行脐橙表面缺陷分析，该方法硬件成本较高和复杂(2007)(J.Blascoa,N.Aleixos.(2007).Citrus sorting by identification of the most common defects using multispectral computer vision.Journal of Food Engineering 83(2007)384–393)。现有方法存在处理算法较复杂难以用于在线检测或者依赖成本较高的复杂硬件成像技术的问题，因此需要新的水果表面缺陷检测方法。
技术实现思路
本专利技术的目的在于提供一种基于自适应亮度回归矫正的水果表面缺陷检测方法，检测方法更简单并且适合在线检测场合，表面缺陷检测类型更多以及对象实用性较广。本专利技术解决其技术问题所采用技术方案的步骤如下：1)获取水果RGB彩色图像，将水果RGB彩色图像转换为初始灰度图像；2)将初始灰度图像分割背景和目标，进行二值化处理得到二值化水果图像，用1表示水果目标，0表示背景；3)用步骤2)得到的二值化水果图像与步骤1)得到的初始灰度图像进行逐个像素点相乘，得到水果灰度图像；4)对水果灰度图像中每一行和每一列除去背景像素的所有像素分别进行最小二乘法二次项多项式的回归计算，分别获得水平方向回归图像和垂直方向回归图像；5)将水果灰度图像分别除以水平方向回归图像和垂直方向回归图像获得水平方向亮度矫正图像和垂直方向亮度矫正图像，将水平方向亮度矫正图像和垂直方向亮度矫正图像相加取平均获得亮度矫正图像；6)通过分割阈值对亮度矫正图像进行二值化，然后完成填洞和中值滤波获得水果表面缺陷图像。所述步骤4)具体为：4.1)在水果灰度图像最上面一行开始依次扫描灰度值大于0的像素点数量大于3的各行，对于每一行，将该行灰度值大于0的像素点的灰度值按从左到右次序依次写入行向量f(n)；4.2)按以下公式对行向量f(n)进行最小二乘回归计算，得到行二次项系数k2、行一次项系数k1和行常数项k0；f1(n)＝k2n2+k1n+k0+ε0 (1)其中，f1(n)—像素灰度值；n—像素灰度值所在的列号；k2—行二次项系数；k1—行一次项系数；k0—行常数项；ε0—行残差；4.3)再取行残差ε0为0，将行二次项系数k2、行一次项系数k1和行常数项k0、像素灰度值所在的列号n代入以下公式再计算获得行回归灰度值f2(n)：f2(n)＝k2n2+k1n+k0+ε0 (2)其中，f2(n)为行回归灰度值；4.4)将计算获得行回归灰度值作为水平方向回归图像中该像素位置的像素值，对于灰度值大于0的像素点数量小于3的行水平方向回归图像中保留原有灰度值作为像素值；4.5)在水果灰度图像最左边一列开始依次扫描灰度值大于0的像素点数量大于3的各列，对于每一列，将该列灰度值大于0的像素点的灰度值按从上到下次序依次写入列向量g(m)；4.6)按以下公式对列向量g(m)进行最小二乘回归计算，得到列二次项系数p2、列一次项系数p1和列常数项p0；g1(m)＝p2m2+p1m+p0+ε1 (3)其中，g1(m)—像素灰度值；m—像素灰度值所在的行号；p2—列二次项系数；p1—列一次项系数；p0—列常数项；ε1—列残差；4.7)再取列残差ε1为0，将列二次项系数p2、列一次项系数p1和列常数项p0、像素灰度值所在的列号m代入以下公式再计算获得列回归灰度值g2(m)：g2(m)＝p2m2+p1m+p0+ε1 (4)其中，g2(m)为列回归灰度值；4.8)将计算获得列回归灰度值作为垂直方向回归图像中该像素位置的像素值，对于灰度值大于0的像素点数量小于3的列垂直方向回归图像中保留原有灰度值作为像素值。所述步骤5)具体为：5.1)使用以下公式获得水平方向亮度矫正图像，IMGCH＝IMGFG/IMGRH (5)式中：IMGCH—水平方向亮度矫正图像；IMGRH—水平方向回归图像；IMGFH—水果灰度图像；5.2)使用以下公式获得垂直方向亮度矫正图像，IMGCV＝IMGFG/IMGRV (6)式中：IMGCV—垂直方向亮度矫正图像；IMGRV—垂直方向回归图像；IMGFG—水果灰度图像；5.3)使用以下公式获得亮度矫正图像：IMGCorrect＝0.5×MGCH+0.5×IMGCV (7)式中：IMGCH—水平方向亮度矫正本文档来自技高网...
【技术保护点】
一种基于自适应亮度回归矫正的水果表面缺陷检测方法，其特征在于，该方法包括如下步骤：1)获取水果RGB彩色图像，将水果RGB彩色图像转换为初始灰度图像；2)将初始灰度图像分割背景和目标，进行二值化处理得到二值化水果图像，用1表示水果目标，0表示背景；3)用步骤2)得到的二值化水果图像与步骤1)得到的初始灰度图像进行逐个像素点相乘，得到水果灰度图像；4)对水果灰度图像中每一行和每一列除去背景像素的所有像素分别进行最小二乘法二次项多项式的回归计算，分别获得水平方向回归图像和垂直方向回归图像；5)将水果灰度图像分别除以水平方向回归图像和垂直方向回归图像获得水平方向亮度矫正图像和垂直方向亮度矫正图像，将水平方向亮度矫正图像和垂直方向亮度矫正图像相加取平均获得亮度矫正图像；6)通过分割阈值对亮度矫正图像进行二值化，然后完成填洞和中值滤波获得水果表面缺陷图像。
【技术特征摘要】
1.一种基于自适应亮度回归矫正的水果表面缺陷检测方法，其特征在于，该方法包括如下步骤：1)获取水果RGB彩色图像，将水果RGB彩色图像转换为初始灰度图像；2)将初始灰度图像分割背景和目标，进行二值化处理得到二值化水果图像，用1表示水果目标，0表示背景；3)用步骤2)得到的二值化水果图像与步骤1)得到的初始灰度图像进行逐个像素点相乘，得到水果灰度图像；4)对水果灰度图像中每一行和每一列除去背景像素的所有像素分别进行最小二乘法二次项多项式的回归计算，分别获得水平方向回归图像和垂直方向回归图像；5)将水果灰度图像分别除以水平方向回归图像和垂直方向回归图像获得水平方向亮度矫正图像和垂直方向亮度矫正图像，将水平方向亮度矫正图像和垂直方向亮度矫正图像相加取平均获得亮度矫正图像；6)通过分割阈值对亮度矫正图像进行二值化，然后完成填洞和中值滤波获得水果表面缺陷图像。2.根据权利要求1所述的一种基于自适应亮度回归矫正的水果表面缺陷检测方法，其特征在于：所述步骤4)具体为：4.1)在水果灰度图像最上面一行开始依次扫描灰度值大于0的像素点数量大于3的各行，对于每一行，将该行灰度值大于0的像素点的灰度值按从左到右次序依次写入行向量f(n)；4.2)按以下公式对行向量f(n)进行最小二乘回归计算，得到行二次项系数k2、行一次项系数k1和行常数项k0；f1(n)＝k2n2+k1n+k0+ε0其中，f1(n)—像素灰度值；n—像素灰度值所在的列号；k2—行二次项系数；k1—行一次项系数；k0—行常数项；ε0—行残差；4.3)再取行残差ε0为0，将行二次项系数k2、行一次项系数k1和行常数项k0、像素灰度值所在的列号n代入以下公式再计算获得行回归灰度值f2(n)：f2(n)＝k2n2+k1n+k0+ε0其中，f2(n)为行回归灰度值；4.4)将计算获得行回归灰度值作为水平方向回归图像中该像素位置的像素值，对于灰度值大于0的像素点数量小于3的行水平方向回归图像中保留原有灰度值作为像素值；4.5)在水果灰度图像最左边一列开始依次扫描灰度值大于0的像素点数量大于3的各列，对于每一列，将该列灰度值大于0的像...
【专利技术属性】
技术研发人员：应义斌，容典，饶秀勤，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。