柑橘果實顏色復雜性測度定量描述及分級方法
【專利摘要】本發(fā)明公開了一種柑橘果實顏色復雜性測度定量描述及分級方法，其中果實顏色復雜性測度定量描述方法包括步驟：將被測果實超出果面的果梗部分去除；對被測果實進行清洗及吹干處理后，采集被測果實的原始圖像；對原始圖像進行裁切；對裁切后的圖像進行去背景處理；對去背景處理后的圖像進行邊緣檢測及果實區(qū)域提取，將RGB圖像轉換為HSI圖像；對HSI圖像的色調區(qū)間[0，120°]進行長度為1°的均勻分割，計算像素分布概率和復雜性測度C(Y)＝H(Y)×D(Y)，以復雜性測度C(Y)描述柑橘果實顏色。本發(fā)明能夠對柑橘果實顏色進行定量描述，避免人工進行定性描述，省時省力，顏色描述和分級結果準確性高。
【專利說明】
柑橘果實顏色復雜性測度定量描述及分級方法
技術領域
[0001 ]本發(fā)明涉及一種柑橘果實顏色復雜性測度定量描述及分級方法。
【背景技術】
[0002] 在國家標準及行業(yè)標準中，柑橘果實顏色都采用定性描述法，這種方法描述上簡 單，容易記憶，但在柑橘果實的采后處理中僅適應于人工操作，且這種操作因個人的顏色拿 捏程度不同導致分級效率低，分級等級少，分級誤差大，嚴重影響柑橘果實顏色等級品質、 市場競爭力及產品價格，制約柑橘信息化生產。柑橘果實顏色的數字化尤其是低維度的數 字化定量描述及顏色分級方法成為急需解決的問題，有鑒于此，提出一種低維的柑橘果實 顏色定量描述及分級方法。

【發(fā)明內容】

[0003] 本發(fā)明的目的在于，針對上述現有技術的不足，提供一種柑橘果實顏色復雜性測 度定量描述及分級方法。
[0004] 為解決上述技術問題，本發(fā)明所采用的技術方案是：
[0005] -種柑橘果實顏色復雜性測度定量描述方法，包括以下步驟：
[0006] 步驟一，將被測果實超出果面的果梗部分去除；
[0007] 步驟二，對被測果實進行清洗及吹干處理后，采集被測果實的原始圖像；
[0008] 步驟三，對原始圖像進行裁切；
[0009] 步驟四，對裁切后的圖像進行去背景處理；
[0010] 步驟五，對去背景處理后的圖像進行邊緣檢測及果實區(qū)域提取，將RGB圖像轉換為 HSI圖像；
[0011] 步驟六，對所述HSI圖像的色調區(qū)間[0，120° ]進行長度為1°的均勻分割，形成120個子區(qū) 間丫1=1^迎+1]，其中1=0，1，，"，119 ;&。=0，&12。=120;統(tǒng)計各子區(qū)間內像素伍，計算像素分布概率 119 和復雜性測度C(Y) =H(Y) XD(Y)，式中，Y為隨機變量，平衡分布多(只）=去， /=6' 119 119 N = ai2。一 a。，" (Π = -Σ A (.v,_) i〇g: A (>，.,），Π = Σ A (.v》lol[ A (>0 /=0 i=0 測度c(Y)描述柑橘果實顏色。
[0012] 由于柑橘果實顏色不同，統(tǒng)計復雜性測度C(Y)各異，以此來描述柑橘果實顏色可 行。
[0013] 作為一種優(yōu)選方式，所述步驟二中包括:將果實置于500 X 500 X 500mm3的光照箱 底部中央，背景黑色，數碼相機于光照箱頂部中央，相機鏡頭距果頂460~490mm，箱頂以相 機鏡頭為中心對稱均布4盞60w白熾燈，采集果實的數字圖像。
[0014]作為一種優(yōu)選方式，所述步驟三中包括:利用數字圖像處理軟件對采集的原始圖 像進行1024 X 1024像素大小的裁切。
[0015] 作為一種優(yōu)選方式，所述步驟四中包括：統(tǒng)計裁切后柑橘果實圖像的亮度Y = 0.1770R+0.8124G+0.0106B直方圖，其中，R、G、B分別為裁切后柑橘果實圖像的紅色、綠色 和藍色分量;提取亮度直方圖雙峰間的波谷亮度分界值作為閾值T，建立亮度分段函數，低 于分界值的灰度置1，高于分界值的灰度不變。
[0016] 作為一種優(yōu)選方式，所述步驟五中邊緣檢測及果實區(qū)域提取的方法包括:對去背 景后的圖像進行水平和垂直兩個方向的Prewitt算子濾波，得到濾波圖像g h和gv;對所述濾 波圖像進行歐氏距離變換得到集水盆地到分水嶺的距離df;對d f進行分水嶺檢測，標記df的 外部約束em，以局部亮度梯度極大值大小為條件，動態(tài)調整閾值，篩選出高于閾值的去背景 灰度圖像灰度極大值進行擴展極大值變換，計算df的內部約束im;利用em和im重構梯度圖 g 2;對g2做分水嶺檢測，合并外部區(qū)域和內部區(qū)域，完成果實邊緣檢測，連通邊界，標記果實 邊界輪廓，提取果實區(qū)域。
[0017] 傳統(tǒng)的分水嶺算法存在較嚴重的過度分割問題，本發(fā)明中改進型分水嶺算法在傳 統(tǒng)分水嶺算法的基礎上進行梯度閾值化處理及內部約束動態(tài)調整，克服了這一缺點。
[0018] 基于同一個發(fā)明構思，本發(fā)明還提供了一種柑橘果實顏色分級方法，利用所述的 柑橘果實顏色復雜性測度定量描述方法求得被測果實圖像顏色的復雜性測度C(Y);根據求 得的復雜性測度C(Y)大小對柑橘果實顏色進行等級劃分。
[0019] 與現有技術相比，本發(fā)明能夠對柑橘果實顏色進行定量描述，避免人工進行定性 描述，省時省力，顏色描述和分級結果準確性高。
【附圖說明】
[0020] 圖1為裁切后的圖像。
[0021] 圖2為亮度直方圖。
[0022]圖3為去背景處理后的圖像。
[0023]圖4為果實邊緣與果實區(qū)域圖。
【具體實施方式】
[0024] 本發(fā)明為一種柑橘果實顏色復雜性測度定量描述及分級方法，以宮川溫州蜜柑作 為被測對象，包括以下步驟：
[0025] 步驟一，將果梗平齊果面，將被測果實超出果面的果梗部分剪去；
[0026] 步驟二，對被測果實進行清洗及吹干處理后，采集被測果實的原始圖像；
[0027] 將果實置于500X500 X 500mm3的光照箱底部中央，背景黑色，數碼相機于光照箱 頂部中央，相機鏡頭距果頂460~490mm，箱頂以相機鏡頭為中心對稱均布4盞60w白熾燈，采 集果實的數字圖像。
[0028]步驟三，對原始圖像進行裁切；
[0029]利用數字圖像處理軟件對采集的原始圖像進行1024X1024像素大小的裁切，得到 如圖1所示的圖像。
[0030] 步驟四，對裁切后的圖像進行去背景處理；
[0031] 統(tǒng)計裁切后柑橘果實圖像的亮度Y = 0.1770R+0.8124G+0.0106B直方圖，其中，R、 G、B分別為裁切后柑橘果實圖像的紅色、綠色和藍色分量;提取亮度直方圖雙峰間的波谷亮 度分界值作為閾值T，建立亮度分段函數，低于分界值的灰度置1，高于分界值的灰度不變。 亮度直方圖如圖2所示。經過處理后，如圖3所示，去除了大部分柑橘果實區(qū)域外的背景。 [0032]步驟五，對去背景處理后的圖像進行邊緣檢測及果實區(qū)域提取，將RGB圖像轉換為 HSI圖像；
[0033]邊緣檢測及果實區(qū)域提取的方法包括:對去背景后的圖像進行水平和垂直兩個方 向的Prewitt算子濾波，得到濾波圖像gh和gv;計算距離函數g = ^/g； + gl ;對所述濾波圖 像進行歐氏距離變換得到集水盆地到分水嶺的距離df;對df進行分水嶺檢測，標記df的外部 約束em，以局部亮度梯度極大值大小為條件，動態(tài)調整閾值，篩選出高于閾值的去背景灰度 圖像灰度極大值進行擴展極大值變換，計算df的內部約束im;利用em和im重構梯度圖g2;對 g 2做分水嶺檢測，合并外部區(qū)域和內部區(qū)域，完成果實邊緣檢測，連通邊界，標記果實邊界 輪廓，提取果實區(qū)域。如圖4所示，經過處理后，果實邊緣連貫不間斷，果實區(qū)域完整無孔洞。 [0034]步驟六，對所述HSI圖像的色調區(qū)間[0，120°]進行長度為1°的均勻分割，形成120個子區(qū) 間y i = [ ai，ai+i ]，其中i = 0，1，…，119; a。=0，ai2。= 120;統(tǒng)計各子區(qū)間內像素m，計算像素分布概率 119 A(兄_) = / Σ%和復雜性測度C(Y) =H(Y) XD(Y)，式中，Y為隨機變量，平衡分布>〇,_)=去，N = ai2〇 -a〇 ?z/(r) = A (,v/) l〇g: A (>，,），β( Π = f a (.v,) log i=0 /=0 測度c(Y)描述柑橘果實顏色。
[0035]果實顏色分級時，首先利用所述的柑橘果實顏色復雜性測度定量描述方法求得被 測果實圖像顏色的復雜性測度C(Y);根據求得的復雜性測度C(Y)大小對柑橘果實顏色進行 等級劃分。分級時，需要根據國家標準和樣本試驗，得到復雜性測度C(Y)對應的果實顏色等 級檢索表，如表1所示;再根據被測果實的復雜性測度C(Y)查詢等級檢索表，復雜性測度屬 于的等級區(qū)間所對應的等級就是被測果實顏色的等級。
[0037]表1宮川溫州蜜柑顏色等級檢索表。
【主權項】
1. 一種相橘果實顏色復雜性測度定量描述方法，其特征在于，包括W下步驟： 步驟一，將被測果實超出果面的果梗部分去除； 步驟二，對被測果實進行清洗及吹干處理后，采集被測果實的原始圖像； 步驟Ξ，對原始圖像進行裁切； 步驟四，對裁切后的圖像進行去背景處理； 步驟五，對去背景處理后的圖像進行邊緣檢測及果實區(qū)域提取，將RGB圖像轉換為HSI 圖像； 步驟六，對所述監(jiān)調像的色調區(qū)間[0，120°]進行長度為1°的均勻分割，形成120個子區(qū)間yi =[ai，ai+i ]，其中i = 0，l，…，119;曰日=0，ai2〇 = 120;統(tǒng)計各子區(qū)間內像素山，計算像素分布概率巧復雜性測度C(Y)=H(Y)XD(Y)，式中，Y為隨機變量，平衡分布戶(少',）=方， N = ai2〇-ao,W 復雜性 測度C(Y)描述相橘果實顏色。2. 如權利要求1所述的相橘果實顏色復雜性測度定量描述方法，其特征在于，所述步驟 二中包括:將果實置于500 X 500 X 500mm3的光照箱底部中央，背景黑色，數碼相機于光照箱 頂部中央，相機鏡頭距果頂460~490mm，箱頂W相機鏡頭為中屯、對稱均布4盞60w白識燈，采 集果實的數字圖像。3. 如權利要求1所述的相橘果實顏色復雜性測度定量描述方法，其特征在于，所述步驟 Ξ中包括:利用數字圖像處理軟件對采集的原始圖像進行1024X1024像素大小的裁切。4. 如權利要求1所述的相橘果實顏色復雜性測度定量描述方法，其特征在于，所述步驟 四中包括:統(tǒng)計裁切后相橘果實圖像的亮度￥ = 0.17701?+0.81246+0.010她直方圖，其中，尺、 G、B分別為裁切后相橘果實圖像的紅色、綠色和藍色分量;提取亮度直方圖雙峰間的波谷亮 度分界值作為闊值T，建立亮度分段函數，低于分界值的灰度置1，高于分界值的灰度不變。5. 如權利要求1所述的相橘果實顏色復雜性測度定量描述方法，其特征在于，所述步驟 五中邊緣檢測及果實區(qū)域提取的方法包括:對去背景后的圖像進行水平和垂直兩個方向的 Prewitt算子濾波，得到濾波圖像gh和gv;對所述濾波圖像進行歐氏距離變換得到集水盆地 到分水嶺的距離df;對df進行分水嶺檢測，標記df的外部約束em，W局部亮度梯度極大值大 小為條件，動態(tài)調整闊值，篩選出高于闊值的去背景灰度圖像灰度極大值進行擴展極大值 變換，計算df的內部約束im;利用em和im重構梯度圖g2;對g2做分水嶺檢測，合并外部區(qū)域和 內部區(qū)域，完成果實邊緣檢測，連通邊界，標記果實邊界輪廓，提取果實區(qū)域。6. -種相橘果實顏色分級方法，其特征在于，利用如權利要求1至5任一項所述的相橘 果實顏色復雜性測度定量描述方法求得被測果實圖像顏色的復雜性測度C(Y);根據求得的 復雜性測度C(Y)大小對相橘果實顏色進行等級劃分。
【文檔編號】G06T7/00GK106097301SQ201610367840
【公開日】2016年11月9日
【申請日】2016年5月30日
【發(fā)明人】曹樂平
【申請人】湖南生物機電職業(yè)技術學院