一种基于数字图像处理的槟榔图像轮廓提取及校准方法技术

本发明专利技术公开了一种基于数字图像处理的槟榔图像轮廓提取及校准方法，涉及企业对槟榔切割工艺领域。主要包括以下步骤：1)图像采集机构分别获取在不同角度拍摄的槟榔图像；2)比较槟榔图像中目标面积大小，选择其中目标槟榔面积最大的槟榔图像，并将此参考面作为槟榔切割面；3)应用GrabCut算法对该槟榔图像进行轮廓提取；4)对3)中的结果图像二值化，计算出槟榔蒂两个端点坐标，通过坐标计算出槟榔旋转角度和偏移量。采用本方法能提高槟榔图像识别的速度和改善槟榔图像识别的精度，并以此指导槟榔切割设备准确切割槟榔。

A method of areca image contour extraction and calibration based on digital image processing

The invention discloses a method for extracting and calibrating a areca image contour based on digital image processing, relating to the field of areca cutting technology. Mainly includes the following steps: 1) image acquisition mechanism respectively for areca images taken at different angles; 2) areca target area in the image size, select one of the largest areca areca target image, and the reference surface as areca cutting surface; 3) application of GrabCut algorithm for contour extraction of the areca image; 4 the results of) 3) image binarization, calculate the areca pedicle two endpoint coordinates, calculated by coordinate rotation angle and offset areca. This method can improve the speed of areca image recognition and improve the accuracy of areca image recognition, and guide the areca cutting equipment accurately cutting areca.

【技术实现步骤摘要】
一种基于数字图像处理的槟榔图像轮廓提取及校准方法
本专利技术涉及数字图像处理技术应用于企业对槟榔加工的方法，具体涉及一种基于数字图像处理的槟榔图像轮廓提取及校准方法。
技术介绍
槟榔含有多种人体所需的营养元素和有益物质，是一种深受消费者欢迎的植物口香糖。嚼食槟榔在湖南等地已经成为全民性的爱好，已形成了一种独特的文化景观。而且随着人们生活水平的提高对食用槟榔的需求量日益增大。槟榔作为一种食品在深加工过程中，要经过多道工序加工而成，其中，有一道重要的工序是将一颗完整的槟榔籽相等分切开来，即切片工序。传统的槟榔切片方式是手工剖切，难以将槟榔切割成对称度很高的两半，废品率高，而且人工手工方式分切槟榔存在着卫生管控难度大、卫生质量差、劳动强度高、生产效率低、管理成本高等和容易造成作业人员的工伤事故等一系列的问题。为了解决这一问题，专利技术人经过长期研究发现，研制了一种全自动槟榔加工制作设备，主要解决现有槟榔加工设备制作复杂、效率低下、且不卫生等技术问题。为此本专利技术公开了一种基于数字图像处理的槟榔图像轮廓提取及校准方法。其中用到了GrabCut图像分割算法和Ostu自动阈值法。GrabCut图像分割算法是一种高效的前景背景分割算法，该算法综合利用了纹理及辩解两种信息进行图像分割，具有分割精度高，交互式操作少，是一种比较有前途的交互式分割算法。Ostu自动取阈值法是一种全局阈值选取法，是一种对图像二值化的高效算法，可利用阈值将原图像的前景和背景进行有效的分割。
技术实现思路
针对上述存在的问题，本专利技术的目的在于提供一种基于数字图像处理的槟榔图像轮廓提取及校准方法。根据本专利技术提供的实施方案：一种基于数字图像处理的槟榔图像轮廓提取及校准方法，包括以下步骤：1)槟榔沿槟榔蒂两端连线形成的旋转轴旋转，图像采集机构分别获取旋转轴旋转不同角度所拍摄的槟榔图像；2)利用1)中获取的不同角度的槟榔图像，采用Ostu自动阈值法分割图像，得到前景和背景分别为黑色和白色像素的二值图像，通过比较二值图像中黑色像素点的数目，确定这些槟榔图像中目标面积大小，选择其中面积最大的槟榔图像，并将该图像参考面作为槟榔切割面，并将槟榔旋转至该角度；3)对选定切割面的槟榔图像中的目标槟榔进行剪裁，去除图像背景，对该截取后的槟榔图像进行图像分割，得到图像中槟榔的轮廓；4)提取3)中得到的槟榔轮廓图像的R、G、B颜色分量值，利用如下公式计算灰度值gray,其中R、G、B分别为红绿蓝三基色分量值：gray＝R*0.3+G*0.59+B*0.11通过上面公式将彩色图像变为灰度图像，在该图像中，前景为灰度图像，背景为纯黑色部分，通过对竖直y方向遍历图像像素点，即遇到像素点值不为0时，该像素点即为槟榔蒂的端点坐标，从而得出槟榔蒂的两个端点坐标，计算槟榔的旋转角度和偏移量；5)将4)的结果反馈给槟榔切割设备，切割设备调整切割。在本专利技术中，上述步骤1)所述的槟榔沿槟榔蒂轴旋转，其中旋转角度任意(0°～360°之间，不包括0°与360°)，旋转次数≥3次。优选的是，旋转3次，每次旋转2π/3弧度，得到3个不同角度的槟榔图像。在本专利技术中，步骤2)所述的Ostu自动阈值法为Ostu最大类间方差法。在本专利技术中，步骤3)所述的对选定切割面的槟榔图像中的目标槟榔进行剪裁及对截取后的槟榔图像进行图像分割，所采用的方法是GrabCut图像分割算法。在本专利技术中，所述GrabCut图像分割算法是一种能量最小化迭代优化算法，构建能量函数为：E(α,k,θ,z)＝U(α,k,θ,z)+V(α,z)α为不透明度，α∈[0,1]，0为背景，1为目标前景；k为向量k＝{k1,...,kn,...,kN}作为每个像素的独立高斯模型参数，θ为图像前景与背景的灰度直方函数，θ＝{h(z,α),a＝0,1}；Z为灰度值数组，z＝(z1,…,zn,…,zN)。在本专利技术中，所述高斯概率密度模型为：通过高斯概率密度模型得到该像素分别属于目标和背景的概率，从而区分目标和背景。在本专利技术中，步骤4)中所述的提取R、G、B颜色分量值具体为，对拍摄到的.JPG格式图像通过调用OpenCV中的函数读取图像，其函数的返回值为一个二维数组，数组中保存了每个像素的R、G、B颜色分量值。在本专利技术中，步骤4)中以槟榔蒂两个端点坐标为参数，计算槟榔的旋转角度采用如下方法：①在灰度图像上建立平面直角坐标系，原点为图像的左上角O点，水平为X轴，竖直为Y轴；②如果两个端点分别坐标为P1(x1,y1)与P2(x2,y2)，则旋转角度为θ＝arctan[(y1-y2)/(x1-x2)]，θ>0时逆时针旋转，θ<0顺时针旋转。在本专利技术中，步骤4)中以槟榔蒂两个端点坐标为参数，计算槟榔的偏移量采用如下方法：偏移量为l＝(yimg-ym)*k，其中yimg为图像中点基线，ym为两个槟榔蒂连线中点纵坐标，k为常量，其中k代表槟榔图像中单位像素所代表实际物体中的长度，即：在本专利技术中，“前景”是指槟榔本身。“目标面积大小”是指槟榔本身面积大小。在本专利技术中，通过二值化处理得到的图像，由于原图中背景颜色较白，因此二值图像得到的大部分为白色像素点，而槟榔的颜色较黑，因此二值图像得到的大部分是黑色像素点，而在每次拍照过程中背景是不会发生变化的，只有拍到的槟榔面的不同，因此可以通过黑色像素点的数量来确定槟榔面积的大小。在本专利技术中，计算灰度值gray的公式gray＝R*0.3+G*0.59+B*0.11为常用的彩色图像转灰度图像的公式，其参数是通过实验验证得到，以便更好地将前景与背景区分开来。在本专利技术中，所述的Ostu自动阈值法采用的是日本学者Ostu(NOtsu.Athresholdselectionmethodfromgray-levelhistogram[J].IEEETransonSMC,1979,9:62-69.)提出的最大类间方差法。与现有技术相比采用本专利技术可以达到如下的有益效果：1.与传统的槟榔切割相比，增加了数字图像处理技术的GrabCut图像分割算法处理后的槟榔自动摆正效果，提高槟榔图像识别精度。在槟榔工业加工中，降低了废品率，提高了生产效益。2.通过在原槟榔图像进行局部截图，有效地减少了无关背景的干扰，并且更快速地实现算法分割图像。附图说明图1槟榔机器切割部分示意图(俯视图)图2槟榔旋转角度示意图图3槟榔偏移量示意图附图标记：θ：旋转角度；P1、P2：槟榔两个端点；ym：槟榔蒂连线中点纵坐标；yimg：槟榔图像中点基线；l：偏移量。具体实施方式根据本专利技术的实施方案：一种基于数字图像处理的槟榔图像轮廓提取及校准方法，包括以下步骤：1)槟榔沿槟榔蒂两端连线形成的旋转轴旋转，图像采集机构分别获取旋转轴旋转不同角度所拍摄的槟榔图像；2)利用1)中获取的不同角度的槟榔图像，采用Ostu自动阈值法分割图像，得到前景和背景分别为黑色和白色像素的二值图像，通过比较二值图像中黑色像素点的数目，确定这些槟榔图像中目标面积大小，选择其中面积最大的槟榔图像，并将该图像参考面作为槟榔切割面，并将槟榔旋转至该角度；3)对选定切割面的槟榔图像中的目标槟榔进行剪裁，去除图像背景，对该截取后的槟榔图像进行图像分割，得到图像中槟榔的轮廓；4)提取3)中得到的槟榔轮廓图像的本文档来自技高网...

【技术保护点】
一种基于数字图像处理的槟榔图像轮廓提取及校准方法，包括以下步骤：1)槟榔沿槟榔蒂两端连线形成的旋转轴旋转，图像采集机构分别获取旋转轴旋转不同角度所拍摄的槟榔图像；2)利用1)中获取的不同角度的槟榔图像，采用Ostu自动阈值法分割图像，得到前景和背景分别为黑色和白色像素的二值图像，通过比较二值图像中黑色像素点的数目，确定这些槟榔图像中目标面积大小，选择其中面积最大的槟榔图像，并将该图像参考面作为槟榔切割面，并将槟榔旋转至该角度；3)对选定切割面的槟榔图像中的目标槟榔进行剪裁，去除图像背景，对该截取后的槟榔图像进行图像分割，得到图像中槟榔的轮廓；4)提取3)中得到的槟榔轮廓图像的R、G、B颜色分量值，利用如下公式计算灰度值gray,其中R、G、B分别为红绿蓝三基色分量值：gray＝R*0.3+G*0.59+B*0.11通过上面公式将彩色图像变为灰度图像，在该图像中，前景为灰度图像，背景为纯黑色部分，通过对竖直y方向遍历图像像素点，即遇到像素点值不为0时，该像素点即为槟榔蒂的端点坐标，从而得出槟榔蒂的两个端点坐标，计算槟榔的旋转角度和偏移量；5)将4)的结果反馈给槟榔切割设备，切割设备调整切割。...

【技术特征摘要】
1.一种基于数字图像处理的槟榔图像轮廓提取及校准方法，包括以下步骤：1)槟榔沿槟榔蒂两端连线形成的旋转轴旋转，图像采集机构分别获取旋转轴旋转不同角度所拍摄的槟榔图像；2)利用1)中获取的不同角度的槟榔图像，采用Ostu自动阈值法分割图像，得到前景和背景分别为黑色和白色像素的二值图像，通过比较二值图像中黑色像素点的数目，确定这些槟榔图像中目标面积大小，选择其中面积最大的槟榔图像，并将该图像参考面作为槟榔切割面，并将槟榔旋转至该角度；3)对选定切割面的槟榔图像中的目标槟榔进行剪裁，去除图像背景，对该截取后的槟榔图像进行图像分割，得到图像中槟榔的轮廓；4)提取3)中得到的槟榔轮廓图像的R、G、B颜色分量值，利用如下公式计算灰度值gray,其中R、G、B分别为红绿蓝三基色分量值：gray＝R*0.3+G*0.59+B*0.11通过上面公式将彩色图像变为灰度图像，在该图像中，前景为灰度图像，背景为纯黑色部分，通过对竖直y方向遍历图像像素点，即遇到像素点值不为0时，该像素点即为槟榔蒂的端点坐标，从而得出槟榔蒂的两个端点坐标，计算槟榔的旋转角度和偏移量；5)将4)的结果反馈给槟榔切割设备，切割设备调整切割。2.根据权利要求1所述的槟榔图像轮廓提取及校准方法，步骤1)所述的槟榔沿槟榔蒂轴旋转，其中旋转角度任意(0°～360°之间，不包括0°与360°)，旋转次数≥3次，优选的是，旋转3次，每次旋转2π/3弧度，得到3个不同角度的槟榔图像。3.根据权利要求1或2所述的槟榔图像轮廓提取及校准方法，其特征在于：步骤2)所述的Ostu自动阈值法为Ostu最大类间方差法。4.根据权利要求1-3中任一项所述的槟榔图像轮廓提取及校准方法，其特征在于：步骤3)所述的对选定切割面的槟榔图像中的目标槟榔进行剪裁及对截取后的槟榔图像进行图像分割，所采用的方法是GrabCut图像分割算法。5.根据权利要求4中任一项所述的槟榔图像轮廓提取及校准方法，其中GrabCut图像分割算法是一种能量最小化迭代优化算法，构建能量函数为：E(α,k,θ,z)＝U(α,k,...

【专利技术属性】
技术研发人员：欧阳建权，周勇，周海池，
申请(专利权)人：湘潭大学，湘潭市华兴机械制造有限公司，
类型：发明
国别省市：湖南,43