米粒分割方法、终端及存储介质技术

本发明专利技术公开了一种米粒分割方法、终端及存储介质，所述方法包括：对采集的米粒图像进行降噪和二值化，并对获得的降噪后的二值化图像进行连通区域检测，获得连通区域；根据预设阈值、连通区域对应的周长和面积，将连通区域划分为粘连米区域或单粒米区域；根据粘连米区域中各像素点的坐标值和密度峰聚类算法，获得粘连米区域中候选聚类中心像素点；根据EM算法、轮廓系数算法、粘连米区域中各候选聚类中心像素点的坐标值和其他像素点的坐标值对预设的高斯混合模型进行训练，获得优化的高斯混合模型；根据优化的高斯混合模型对粘连米区域进行米粒分割，获得粘连米区域的分割结果。本发明专利技术解决了现有分割粘连物体方法对米粒图像的分割质量差的问题。

【技术实现步骤摘要】
米粒分割方法、终端及存储介质
本专利技术涉及图像处理领域，尤其涉及一种米粒分割方法、终端及计算机可读存储介质。
技术介绍
在批量采集米粒图像时，由于未对米粒的摆放位置进行约束，导致所采集到的米粒图像不仅有单粒米存在的形式，还存在有米粒粘连的情况，会影响后续有关米粒颗粒的外形指标计算。这就需要采用图像处理方式对粘连颗粒进行分割。现有文献中所采用的分割粘连物体的图像处理方法主要包括分水岭算法和凹点检测算法。分水岭算法模拟了分水岭堤坝涨水，使各个区域之间汇合处形成分界线的思想，但是容易受到噪声影响，从而容易产生过分割现象；凹点检测算法则是根据凹点定义通过计算切线夹角找到相应凹点，并对其进行匹配连接，但凹点不易寻找，导致欠分割。因此，无论是分水岭算法还是凹点检测算法对米粒图像的分割效果都较差，影响后续有关米粒颗粒的外形指标计算。
技术实现思路
本专利技术的主要目的在于提出一种米粒分割方法、终端及计算机可读存储介质，旨在解决现有分割粘连物体的图像处理方法对米粒图像的分割质量差的问题。为实现上述目的，本专利技术提供一种米粒分割方本文档来自技高网...

【技术保护点】
1.一种米粒分割方法，其特征在于，包括步骤：/n对采集的米粒图像进行二值化和降噪，获得降噪后的二值化图像；/n对降噪后的二值化图像进行连通区域检测，获得二值化图像中连通区域；/n根据预设阈值、连通区域对应的周长和面积，将连通区域划分为粘连米区域或单粒米区域；/n根据粘连米区域中各像素点的坐标值和密度峰聚类算法，获得粘连米区域中候选聚类中心像素点；/n根据EM算法、轮廓系数算法、粘连米区域中各候选聚类中心像素点的坐标值和除各候选聚类像素点外的其他像素点的坐标值对预设的高斯混合模型进行训练，获得优化的高斯混合模型；/n将粘连米区域中各像素点的坐标值依次输入至优化的高斯混合模型中，获得粘连米区域中各...

【技术特征摘要】
1.一种米粒分割方法，其特征在于，包括步骤：
对采集的米粒图像进行二值化和降噪，获得降噪后的二值化图像；
对降噪后的二值化图像进行连通区域检测，获得二值化图像中连通区域；
根据预设阈值、连通区域对应的周长和面积，将连通区域划分为粘连米区域或单粒米区域；
根据粘连米区域中各像素点的坐标值和密度峰聚类算法，获得粘连米区域中候选聚类中心像素点；
根据EM算法、轮廓系数算法、粘连米区域中各候选聚类中心像素点的坐标值和除各候选聚类像素点外的其他像素点的坐标值对预设的高斯混合模型进行训练，获得优化的高斯混合模型；
将粘连米区域中各像素点的坐标值依次输入至优化的高斯混合模型中，获得粘连米区域中各像素点所属类别；
根据粘连米区域中各像素点所属类别对粘连米区域进行米粒分割，获得粘连米区域的分割结果。


2.根据权利要求1所述的米粒分割方法，其特征在于，所述根据预设阈值、连通区域对应的周长和面积，将连通区域划分为粘连米区域或单粒米区域的步骤包括：
根据预设圆度计算公式、连通区域对应的周长和面积，计算获得连通区域的圆度值，所述预设圆度计算公式为：
Ro＝4πA/S2，其中，Ro为连通区域的圆度值，A为连通区域的周长，S为连通区域的面积；
判断连通区域的圆度值是否小于预设阈值；
若小于预设阈值，则将连通区域划分为单粒米区域；
若大于或等于预设阈值，则将连通区域划分为粘连米区域。


3.根据权利要求2所述的米粒分割方法，其特征在于，所述根据粘连米区域中各像素点的坐标值和密度峰聚类算法，获得粘连米区域中候选聚类中心像素点的步骤包括：
根据粘连米区域中各像素点的坐标值，计算获得粘连米区域中两两像素点间的距离值，并按照升序进行排序获得距离序列D＝{d1，d2，d3，...，dM}，其中M＝N(N-1)，N为粘连米区域中像素点总数，dM为距离序列中第M个两两像素点间的距离值；
根据预设百分比和距离序列D，获得截断距离dc＝dround(M×p)，其中，dc为截断距离，dround(M×p)表示距离序列D中第round(M×p)个两两像素点间的距离值，round表示四舍五入，p为预设百分比；
根据每个像素点与其他像素点间的距离值和截断距离值，获得每个像素点的局部密度；
将局部密度最大的像素点与其他像素点之间的距离值中最小距离值作为该像素点的最短距离；
将除局部密度最大的像素点外的像素点与大于该像素点的局部密度的像素点之间的距离值中的最小距离值作为该像素点的最短距离；
将像素点的局部密度和最短距离的乘积作为该像素点的特征值；
对粘连米区域中像素点的特征值按照降序进行排序，获得特征值序列Z＝{z1，z2，z3，...，zN}，其中z1≥z2≥z3≥...≥zN；
根据特征值序列，获得粘连米区域中候选聚类中心像素点。


4.根据权利要求3所述的米粒分割方法，其特征在于，所述根据每个像素点与其他像素点间的距离值和截断距离值，获得每个像素点的局部密度的步骤包括：
根据每个像素点与其他像素点间的距离值、截断距离值和预设的局部密度计算公式，计算获得每个像素点的局部密度，所述预设的局部密度计算公式为：

其中，ρi为第i个像素点的局部密度，N为粘连米区域中像素点总数，dc为截断距离值，dij为粘连米中第i个像素点与第j个像素点间的距离值，i＝1，2，3，...，N，j＝1，2，3，...，N。


5.根据权利要求3或4所述的米粒分割方法，其特征在于，所述根据特征值序列，获得粘连米区域中候选聚类中心像素点的步骤包括：
将特征值序列输入至预设候选聚类中心特征值筛选模型中，获得候选聚类中心特征值序列
其中，ap为候选聚类中心特征值序列，zi为特征值序列中第i个特征值，Zo为第o个候选聚类中心特征值，N为粘连米区域中像素点总数，O为候选聚类中心特征值序列中的特征值总数；
将候选聚类中心特征值序列中各特征值对应的像素点作为候选聚类中心像素点。

【专利技术属性】
技术研发人员：曾山，康镇，
申请(专利权)人：武汉轻工大学，
类型：发明
国别省市：湖北;42