專利名稱：基于低通濾波的水果表面缺陷檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種水果表面缺陷檢測方法，尤其是涉及一種基于低通濾波的水果表 面缺陷檢測方法。
背景技術(shù)：
水果表面缺陷是決定水果價(jià)格最有力的因素之一，因?yàn)橥獠咳毕菔菍λ焚|(zhì)最 直接的反映。缺陷的快速識別一直是水果實(shí)時(shí)分級中最難、研究人員最感興趣的研究內(nèi)容， 但是一直沒有取得理想的研究效果。在運(yùn)用機(jī)器視覺技術(shù)進(jìn)行水果表面缺陷檢測方面，存 在的主要難點(diǎn)之一是由于水果通常呈球體或橢球體，在水果邊緣，光線的反射方向與相機(jī) 的夾角很大，根據(jù)朗伯的光線反射定律，從相機(jī)方向看，水果邊緣的亮度較低，表現(xiàn)為水果 邊緣的灰度值較低，而水果表面缺陷通常以較低灰度的形式在水果圖像中出現(xiàn)(這也是水 果表面缺陷檢測的重要依據(jù)之一)，這就導(dǎo)致了水果表面缺陷的檢測困難。目前水果表面缺 陷檢測主要通過三種方式1.基于傳統(tǒng)RGB成像系統(tǒng)或者3CXD成像系統(tǒng)。朱偉華等人(2003)在HSL顏色模 型的基礎(chǔ)上，提出了基于模糊顏色聚類的缺陷分割方法。首先將RGB顏色模型轉(zhuǎn)換為HSL 顏色模型，然后用三角隸屬度函數(shù)定義H、S、L模糊集，最后在模糊顏色的基礎(chǔ)上通過計(jì)算 模糊顏色的相似度進(jìn)行缺陷分割(朱偉華，曹其新.基于模糊彩色聚類方法的西紅柿缺陷 分割研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2003，19 (3) 133-136)。BlasC0等人(2007)利用無監(jiān)督區(qū)域 增長算法對柑橘類水果表面缺陷進(jìn)行分割，采用3CCD相機(jī)獲得的彩色圖像，根據(jù)不同區(qū)域 之間的馬氏距離被用來評價(jià)區(qū)域之間的相似度(Blasco J，Aleixos N, Molto E. Computer vision detection of peel defects in citrus by means of a region oriented segmentation algorithm[J]. Journal of Food Engineering,2007,81 (3) :384_393)。 L6pez-Garda等人(2010)基于RGB圖像利用多變量圖像分析法(multivariate image analysis strategy)禾口主成分分析(principal component analysis)對柑橘類水果表面 不同類型缺陷進(jìn)對亍檢測(Lopez-GarciaF, Andreu-Garcia 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) : 189-197)。目前 基于RGB圖像探討的缺陷識別方法算法復(fù)雜、速度慢，很難達(dá)到在線檢測的要求。2.基于標(biāo)準(zhǔn)球模型的單閾值分割法。將水果假設(shè)成標(biāo)準(zhǔn)的球，根據(jù)球體對光線 的反射規(guī)律對水果進(jìn)行灰度校正。Tao等人(1996)提出球形體灰度變換法，將水果表面 的缺陷可以單閾值進(jìn)行分割，解決了水果圖像由于中部缺陷部分灰度值高于邊緣正常部 分灰度值而不能一次性分割成功的問題(Tao Y, Wen Z. An adaptive image transform for high-speed fruit defect detection[J]. Transaction of the ASAE，1999，42 (1) 241-246)。馮斌等人(2002)建立了標(biāo)準(zhǔn)球體灰度模型，實(shí)現(xiàn)了對水果表面缺陷的一次性 分割成功(馮斌，汪懋華.計(jì)算機(jī)視覺技術(shù)識別水果缺陷的一種新方法[J].中國農(nóng)業(yè) 大學(xué)學(xué)報(bào)，2002，7 (4) :73-76)。付峰等人(2004)研究了不同顏色的標(biāo)準(zhǔn)試驗(yàn)球體圖像的大小、表面顏色和圖像采集位置等因素對球體圖像灰度失真的影響，并建立了位于攝 像視區(qū)中心的球體圖像的灰度校正模型和偏離攝像視區(qū)中心的球體圖像的灰度校正模 型(付峰，應(yīng)義斌.球體圖像灰度變換模型及其在柑桔圖像校正中的應(yīng)用[J].農(nóng)業(yè)工程 學(xué)報(bào)，2004，20 (4) :117-120)。G6mez_Sanchis等人(2008)針對球形水果表面照度不均 的問題開發(fā)了一套自動(dòng)亮度校正算法，但是算法開發(fā)的基礎(chǔ)是假設(shè)對象為朗伯橢圓表面 (Gomez-Sanchis J Molto E, Camps-Vails G, et al. Hyperspectral system for early detection of rottenness caused by Penicillium digitatum in mandarins[J]. Journal of Food Engineering, 2008,89(1) :80_86)。盡管標(biāo)準(zhǔn)球法取得了較好的效果，但是建立在 水果球體對光線反射規(guī)律基礎(chǔ)上的標(biāo)準(zhǔn)球法，存在著兩個(gè)假設(shè)條件(1)水果假設(shè)是一個(gè) 標(biāo)準(zhǔn)球體或者橢球體。(2)機(jī)器視覺視場內(nèi)，光源的照度是均勻的，鏡頭和相機(jī)組成的光學(xué) 系統(tǒng)是線性的，且在機(jī)器視覺工作期間，光照、鏡頭、相機(jī)性能穩(wěn)定，即要求系統(tǒng)時(shí)時(shí)不變。 對于這兩個(gè)假設(shè)在實(shí)際水果在線檢測中都是很難滿足的。因此，標(biāo)準(zhǔn)球法的適應(yīng)性弱。3.多相機(jī)融合法。應(yīng)用不同種類的相機(jī)，采集不同波段的圖像進(jìn)行分析處理。 Wen等人(2000)利用近紅外和中紅外兩種相機(jī)同時(shí)采集水果圖像，然后基于兩種圖像開發(fā) 了水果表面缺陷i只另ij算法(Wen Z, Tao Y. Dual-camera NIR/MIR imaging for stem-end/ calyx identification in apple detect sorting[J]. Transaction of the ASAE,2000, 43(2) =449-452) 0 Aleixos等人(2002)利用三個(gè)相機(jī)(兩個(gè)RGB相機(jī)和一個(gè)黑白相機(jī)) 和兩個(gè)DSP數(shù)據(jù)處理器及Bayesian判別理論對柑橘類水果表面缺陷進(jìn)行檢測(Aleixos N，Blasco ], Navarron F, et al. Multispectral inspection of citrus in real-time using machine vision and digital signal processors[J]. Computers and Electronics in Agriculture，2002，33 (2) :121_137)。Kleynen 等人(2005)利用 450nm、500nm、750nm 和800nm波段得到的多光譜圖像，研究了 ‘Jonagold’蘋果表面缺陷檢測方法(Kleynen 0， Leemans V，Destain M F. Development of a multi-spectral vision system for the detection of defects on apples[J]. Journal of Food Engineering，2005，69 :41_49)。 趙杰文等人(2006)提出一種基于三攝像系統(tǒng)的邏輯判別缺陷的新方法。首先利用三攝像 系統(tǒng)獲取蘋果在三個(gè)連續(xù)不同位置的9幅圖像，對圖像進(jìn)行預(yù)處理及缺陷分割并進(jìn)行標(biāo) 記，通過記錄標(biāo)記后的可疑區(qū)域數(shù)目，來判斷缺陷的有無(趙杰文，劉文彬，鄒小波.基于三 攝像系統(tǒng)的蘋果缺陷快速識別.江蘇大學(xué)學(xué)報(bào)，2006，27 (6) :287-290)。多相機(jī)融合和存在 的主要問題是相機(jī)增加后，圖像處理的工作量大大增加了，會(huì)嚴(yán)重降低機(jī)器視覺系統(tǒng)的處 理速度。因此需要新的水果表面缺陷檢測方法。
發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于低通濾波的水果表面缺陷檢測方法。本發(fā)明采用的技術(shù)方案的步驟如下1)圖像獲取以藍(lán)色紙板為背景，將水果放在樣本臺(tái)上，拍攝水果彩色圖像；2)背景去除提取彩色圖像的R和B分量圖像，然后根據(jù)直方圖選取閾值T對B 分量圖像二值化后形成二值圖像B'，即將有水果的區(qū)域置為1，其余區(qū)域置為0 ；利用公式 (1)，R分量圖像與B'圖像通過點(diǎn)乘運(yùn)算獲得去背景后的R分量圖像f(x，y)；
4
f(x，y) = R. *B'(1)3)中心變換用(_l)x+y乘以輸入圖像f (X，y)進(jìn)行中心變換，如公式(2)；f' (x, y) =f(x,y) ("l)x+y(2) 式中，f ‘ (χ, y)表示中心變換后的圖像； 4)傅氏變換利用公式(3)計(jì)算離散傅立葉變化，得到F(u，ν)；
權(quán)利要求
一種基于低通濾波的水果表面缺陷檢測方法，其特征在于該方法的步驟如下1)圖像獲取以藍(lán)色紙板為背景，將水果放在樣本臺(tái)上，拍攝水果彩色圖像；2)背景去除提取彩色圖像的R和B分量圖像，然后根據(jù)直方圖選取閾值T對B分量圖像二值化后形成二值圖像B′，即將有水果的區(qū)域置為1，其余區(qū)域置為0；利用公式(1)，R分量圖像與B′圖像通過點(diǎn)乘運(yùn)算獲得去背景后的R分量圖像f(x，y)；f(x，y)＝R.*B′ (1)3)中心變換用( 1)x+y乘以輸入圖像f(x，y)進(jìn)行中心變換，如公式(2)；f′(x，y)＝f(x，y)( 1)x+y (2)式中，f′(x，y)表示中心變換后的圖像；4)傅氏變換利用公式(3)計(jì)算離散傅立葉變化，得到F(u，v)； <mrow><mi>F</mi><mrow> <mo>(</mo> <mi>u</mi> <mo>,</mo> <mi>v</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mn>1</mn> <mi>MN</mi></mfrac><munderover> <mi>Σ</mi> <mrow><mi>x</mi><mo>=</mo><mn>0</mn> </mrow> <mrow><mi>M</mi><mo>-</mo><mn>1</mn> </mrow></munderover><munderover> <mi>Σ</mi> <mrow><mi>y</mi><mo>=</mo><mn>0</mn> </mrow> <mrow><mi>N</mi><mo>-</mo><mn>1</mn> </mrow></munderover><msup> <mi>f</mi> <mo>′</mo></msup><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><msup> <mi>e</mi> <mrow><mo>-</mo><mi>j</mi><mn>2</mn><mi>π</mi><mrow> <mo>(</mo> <mi>ux</mi> <mo>/</mo> <mi>M</mi> <mo>+</mo> <mi>vy</mi> <mo>/</mo> <mi>N</mi> <mo>)</mo></mrow> </mrow></msup><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo></mrow> </mrow>式中，變量u和v是頻率變量，u＝0，1，2，...，M 1，v＝0，1，2，...，N 1；5)低通濾波利用公式(4)計(jì)算低頻分量G(u，v)；G(u，v)＝H(u，v)F(u，v) (4)式中，H(u，v)為Butterworth低通濾波器；6)傅氏反變換利用公式(5)可以從G(u，v)的傅立葉反變換中得到被濾波的圖像g(x，y)，然后乘以( 1)x+y以取消輸入圖像的乘數(shù)，即可以獲得最終圖像f(x，y)表面的亮度圖像i′(x，y)，如公式(6)； <mrow><mi>g</mi><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mn>1</mn> <mi>MN</mi></mfrac><munderover> <mi>Σ</mi> <mrow><mi>x</mi><mo>=</mo><mn>0</mn> </mrow> <mrow><mi>M</mi><mo>-</mo><mn>1</mn> </mrow></munderover><munderover> <mi>Σ</mi> <mrow><mi>y</mi><mo>=</mo><mn>0</mn> </mrow> <mrow><mi>N</mi><mo>-</mo><mn>1</mn> </mrow></munderover><mi>G</mi><mrow> <mo>(</mo> <mi>u</mi> <mo>,</mo> <mi>v</mi> <mo>)</mo></mrow><msup> <mi>e</mi> <mrow><mo>-</mo><mi>j</mi><mn>2</mn><mi>π</mi><mrow> <mo>(</mo> <mi>ux</mi> <mo>/</mo> <mi>M</mi> <mo>+</mo> <mi>vy</mi> <mo>/</mo> <mi>N</mi> <mo>)</mo></mrow> </mrow></msup><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo></mrow> </mrow>i′(x，y)＝g(x，y)( 1)x+y (6)7)亮度均一化利用公式(7)對圖像f(x，y)表面亮度進(jìn)行均一化校正； <mrow><msup> <mi>f</mi> <mrow><mo>′</mo><mo>′</mo> </mrow></msup><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><mi>f</mi><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow> </mrow> <mrow><msup> <mi>i</mi> <mo>′</mo></msup><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow> </mrow></mfrac><mo>×</mo><mn>255</mn><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo></mrow> </mrow>8)缺陷分割基于亮度校正后的圖像f″(x，y)，設(shè)定一個(gè)全局閾值T＝235對水果表面缺陷進(jìn)行提取。
全文摘要
本發(fā)明公開了一種基于低通濾波的水果表面缺陷檢測方法。利用水果彩色圖像的B分量構(gòu)建二值掩模圖像B′，B′與R分量進(jìn)行點(diǎn)乘運(yùn)算后得到去除背景的R分量f(x，y)，對f(x，y)中心變換后的圖像f′(x，y)進(jìn)行離散傅里葉變換得到F(u，v)，將F(u，v)與低通濾波器H(u，v)相乘，得到低頻分量G(u，v)，對G(u，v)進(jìn)行離散傅里葉反變化得到圖像g(x，y)，然后g(x，y)乘以(-1)x+y即可獲得圖像f(x，y)表面亮度圖像i′(x，y)。將f(x，y)與i′(x，y)相除后得到均一化亮度圖像f″(x，y)，對f″(x，y)采用單閾值即可實(shí)現(xiàn)水果表面缺陷檢測。本發(fā)明通過水果表面亮度的均一化校正，使水果表面缺陷簡化為單閾值法檢測，克服了傳統(tǒng)缺陷檢測算法的復(fù)雜性；檢測過程不需考慮水果大小和形狀，具有比標(biāo)準(zhǔn)球亮度校正法更強(qiáng)的適應(yīng)性；圖像獲取僅需一個(gè)相機(jī)，能避免多相機(jī)圖像信息融合而引起的處理速度低的問題。
文檔編號G06K9/46GK101984346SQ20101051413
公開日2011年3月9日 申請日期2010年10月19日 優(yōu)先權(quán)日2010年10月19日
發(fā)明者應(yīng)義斌, 李江波, 饒秀勤 申請人:浙江大學(xué)