專利名稱：基于小波變換的多尺度紅棗圖像裂紋邊緣檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及農(nóng)業(yè)工程領(lǐng)域中的一種基于小波變換的多尺度紅棗圖像裂紋邊緣檢 測方法，具體涉及滿足在按外觀品質(zhì)對紅棗自動分級系統(tǒng)中的要求，能夠通過設(shè)定邊緣鏈 長度、寬度閾值，有效地檢測出紅棗圖像裂紋而略去皺褶的檢測算法。
背景技術(shù)：
紅棗圖像裂紋的檢測是實現(xiàn)紅棗自動分級中最基礎(chǔ)、最重要、最難的工作之一，其 檢測技術(shù)主要涉及到紅棗圖像的邊緣檢測等內(nèi)容。邊緣是圖像局部強度變化最顯著的部 分，反映了圖像最基本的特征。然而SobeLRobertsJrewitt和Laplacian等這些在農(nóng)業(yè) 工程界常用的經(jīng)典邊緣檢測算子，并不能夠很好地對紅棗圖像的裂紋作邊緣檢測。在圖像處理中，由于小波變換能夠通過逐步改變尺度參數(shù)，對信號的局部結(jié)構(gòu)進 行分析，具有檢測局域突變的能力，是邊緣檢測的良好工具。小波變換采用多尺度邊緣檢測 方法，即使用大尺度的濾波器對圖像濾波，很好地抑制噪聲，保留可靠的邊緣點；使用小 尺度的濾波器對圖像濾波，補足大尺度濾波所造成的邊緣損失，同時提高邊緣檢測的定位 精度。在不同尺度的邊緣圖像間使用邊緣匹配或邊緣連接技術(shù)，由大尺度向小尺度進行邊 緣聚焦，可以獲得清晰的邊緣。在基于外觀品質(zhì)的紅棗自動分級系統(tǒng)中，需要根據(jù)表面質(zhì)量進行分級，有無裂紋 是一個重要的表面質(zhì)量指標(biāo)，有裂紋即被評為低一級的產(chǎn)品。現(xiàn)有的檢測方法存在把裂紋 和褶皺同時檢測出來的問題，而褶皺并不影響紅棗的品質(zhì)，顯然這種檢測結(jié)果不能用來評 價紅棗的品質(zhì)。所以需要一種能有效地檢測出紅棗圖像裂紋而略去皺褶，能夠獲得連續(xù)、光 滑單像素寬的邊緣鏈圖像的邊緣檢測方法。

發(fā)明內(nèi)容
針對上述現(xiàn)有技術(shù)中存在的問題與缺陷，本發(fā)明的目的在于提供一種基于小波變 換的多尺度紅棗圖像裂紋邊緣檢測方法，該方法是一種能夠有效地檢測出紅棗圖像裂紋而 略去皺褶，并獲得連續(xù)、光滑、單像素寬的邊緣鏈圖像的邊緣檢測方法。在圖像的邊緣提取中，高斯函數(shù)的一階導(dǎo)數(shù)是一種常見的且較有效的小波函數(shù)， 該函數(shù)比較簡單且很適合于人類的視覺系統(tǒng)；采用多尺度邊緣檢測方法，使用大尺度的濾 波器對圖像濾波，很好地抑制噪聲，保留可靠的邊緣點；使用小尺度的濾波器對圖像濾波， 補足大尺度濾波所造成的邊緣損失，同時提高邊緣檢測的定位精度。所述方法具體包括紅棗圖像的一般邊緣檢測和特殊邊緣檢測兩個階段第一階段進行一般邊緣檢測，用小波多尺度變換對紅棗圖像先X方向和后Y方向 濾波，分別得到WTx和WTy ；對WTx和WTy分別平方后求和、開方得到梯度值M ；將M歸一化， 并沿上、右上、右、右下、下、左下、左、左上8個方向找局部最大值點，并記下局部最大值點 的位置及方向；利用概率密度法計算初始閾值、；用大小不等的兩個閾值、和t2，取、= AiXtojta= A2Xt0, (A1 <= 1, A2 >= 1)；先用低閾值、對各方向局部極大值點分割，得到各方向上的弱邊緣點；把各方向上的弱邊緣點累加得到總的弱邊緣點；從各分方向上 的弱邊緣點中用高閾值t2分割得到強邊緣點，并記下所在位置；依據(jù)數(shù)學(xué)形態(tài)學(xué)中八鄰域 連通方法，采用“一強八弱”法，即在總的弱邊緣點中，把強邊緣點及其周圍的8個弱邊緣點 連接起來，得到最后的檢測結(jié)果；最后利用數(shù)學(xué)形態(tài)學(xué)中的腐蝕運算，對檢測所得到的邊緣 加以細(xì)化，就可得到單像素寬的邊緣；可改變初始閾值、，或改變X1以及λ2，重復(fù)以上第 一階段步驟直到獲得滿意的紅棗邊緣圖像。為提高檢測方法的有效性，選取具有代表性的一小段裂紋和一小段皺褶的紅棗圖 像，通過第一階段的邊緣檢測方法提取它們的邊緣，對邊緣特征分析可見，兩者的邊緣都有 各自的特點。裂紋邊緣的特點⑴邊緣旁有“點狀”的偽邊緣，這是由紅棗本身的表面不光 滑造成的，并不屬于噪聲；(2)邊緣細(xì)化前后無變化，因為裂紋的寬度很小。皺褶邊緣的特 點是(1)邊緣旁有“平行的線狀”偽邊緣，因為皺褶的一旁或兩旁其灰度值也會發(fā)生變化； (2)邊緣細(xì)化后明顯變細(xì)，因為皺褶的寬度比裂紋的大。第二階段進行特殊邊緣檢測，對于同時含有裂紋和皺褶的紅棗圖像作特殊邊緣檢 測時，先通過第一階段一般邊緣檢測的方法得到邊緣圖像；再根據(jù)裂紋和皺褶邊緣圖像的 特點在第一階段之后增加下述步驟作為算法的改進(1)設(shè)置邊緣鏈長度閾值，去掉長度 小于此閾值的“點狀”偽邊緣；(2)設(shè)置邊緣鏈寬度閾值，把寬度大于此閾值的皺褶邊緣去掉。本發(fā)明的應(yīng)用過程中，閾值的確定，還可以采用局部自適應(yīng)方法，因為一幅紅棗圖 像中每個局部的灰度值往往不完全相等，利用小波變換得到的歸一化后的梯度值M往往具 有較強的局部性，尤其是對于在田間實地拍攝的農(nóng)業(yè)圖像，這就要求相應(yīng)的閾值也應(yīng)該具 有局部自適應(yīng)性。本發(fā)明與現(xiàn)有的邊緣檢測方法相比，其優(yōu)點在于本檢測方法設(shè)計了兩個階段，第 一個階段為先得到紅棗邊緣圖像，如果不滿足要求，即進入第二階段，否則不進行第二階段 的檢測；這樣能夠根據(jù)實際情況選擇是否進行第二階段，增強了檢測結(jié)果的有效性，也增強 了檢測系統(tǒng)中邊緣檢測方法的柔性。


為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，以含有裂紋的紅棗圖像為例，結(jié)合 附圖進一步詳細(xì)闡述具體的紅棗裂紋檢測步驟。紅棗圖像是通過對實物掃描獲取的，掃描儀為清華紫光2100K，掃描分辨率為 600dpi,圖2是得到的紅棗灰度圖像，圖中200所指為裂紋邊緣，圖中201所指為褶皺邊緣， 該圖像將用于本發(fā)明方法的檢測過程中。圖1是本發(fā)明的紅棗裂紋邊緣檢測流程圖。參看圖1，在第一階段100進行初步邊 緣檢測，具體實現(xiàn)過程如下步驟101 運用小波多尺度變換對圖像先X方向和后Y方向濾波，分別得到WTx和 WTy ；步驟102 對WTjJPWTy分別平方后求和再開方得到梯度大小M，并將梯度值M歸一 化，否則為確定閾值帶來不便；步驟103 沿上、右上、右、右下、下、左下、左、左上8個方向找局部最大值點，并記 下局部最大值點的位置及方向；步驟104 利用概率密度法計算初始閾值、，考慮到各個實際邊緣點所對應(yīng)的局部 極大值肯定不相等，但它們都是邊緣點的相應(yīng)值，所以我們可以采用大小不等的兩個閾值 ti 和 t2，這里不妨取 ti = λ Xt0, t2 = λ Xt0，(λ i < = 1，λ2 >= 1)；步驟105 先用低閾值、對步驟103所得結(jié)果的各方向局部極大值點分割，得到各 方向上的弱邊緣點；步驟106 把各方向上的弱邊緣點累加得到總的弱邊緣點；步驟107 從各分方向上的弱邊緣點中用高閾值、分割得到強邊緣點，并記下所 在位置；步驟108 依據(jù)數(shù)學(xué)形態(tài)學(xué)中八鄰域連通方法，結(jié)合本邊緣檢測步驟的特點，采用 “一強八弱”法，即在總的弱邊緣點中，把強邊緣點及其周圍的8個弱邊緣點連接起來，得到 初步的邊緣檢測結(jié)果；步驟109 利用數(shù)學(xué)形態(tài)學(xué)中的腐蝕運算，對步驟108檢測得到的邊緣加以細(xì)化， 就可得到單像素寬的邊緣；步驟1010 如果對邊緣圖像清晰程度不滿意，可以通過改變初始閾值tQ或改變λ工 以及λ 2來改變高低閾值，重復(fù)步驟105到步驟109，直到獲得清晰的邊緣圖像。通過多尺度小波變換得到初步的邊緣檢測結(jié)果圖4，圖3a、圖3b、圖3c和圖3d是 分別用常規(guī)算法的SobeLRoberts Jrewitt和log算子得到的檢測結(jié)果，將這些邊緣檢測 結(jié)果相比可見，利用小波多尺度變換能更好地檢測邊緣，但對于紅棗裂紋的檢測存在致命 的問題——由圖4可見把裂紋400和皺褶401同時檢測出來，會引起紅棗品質(zhì)的誤評價。還 須進一步把皺褶去掉，只檢測出裂紋。為達到這一目的，分別選取具有代表性的帶有一小段裂紋和一小段皺褶的紅棗圖 像，分別利用第一階段小波邊緣檢測法提取它們的邊緣，圖fe是裂紋小段的八連通邊緣 圖，圖恥是裂紋小段的細(xì)化邊緣圖，圖6a皺褶小段的八連通邊緣圖，圖6b是皺褶小段的細(xì) 化邊緣圖，從圖5b、圖6b中可以看到，裂紋和皺褶的邊緣分別有如下的特點
裂紋邊緣的特點(1)邊緣旁有“點狀”的偽邊緣，這是由紅棗本身的表面不光滑 造成的，并不屬于噪聲；(2)邊緣細(xì)化前后無變化，因為裂紋的寬度很小。皺褶邊緣的特點(1)邊緣旁有“平行的線狀”偽邊緣，因為皺褶的一旁或兩旁其 灰度值也會發(fā)生變化；( 邊緣細(xì)化后明顯變細(xì)，因為皺褶的寬度比裂紋的大。根據(jù)裂紋和皺褶的特點，參看圖1如果需要檢測出裂紋和皺褶這種特殊邊緣，則 進入檢測的第二階段110進行特殊邊緣的檢測，否則結(jié)束檢測。第二階段110進行特殊邊緣的檢測，需在第一階段100的步驟1010之后增加下面
三個步驟步驟112 設(shè)置邊緣鏈長度閾值，去掉長度小于此閾值的“點狀”偽邊緣；步驟113 設(shè)置邊緣鏈寬度閾值，把寬度大于此閾值的皺褶邊緣去掉；步驟114 得到最后的去掉皺褶的裂紋邊緣檢測結(jié)果。圖7是利用改進后的算法經(jīng)過了兩個檢測階段后檢測的結(jié)果，可看出得到了更好 的裂紋檢測結(jié)果，清晰地檢測出了裂紋700，并去掉了許多褶皺701，同時也去掉了許多“點 狀”偽邊緣點702。上面所述的僅是體現(xiàn)本發(fā)明的一種實施例。顯然本發(fā)明的具體實現(xiàn)形式并不限于 上述實施例。圖像處理、模式識別等領(lǐng)域的技術(shù)人員，在不偏離權(quán)利要求限定的本發(fā)明技術(shù) 精神和范圍的情況下，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等， 以及將本發(fā)明應(yīng)用于其他圖像處理領(lǐng)域，如焊縫、田間路徑的檢測和識別等，均應(yīng)包含在本 發(fā)明的保護范圍之內(nèi)。
權(quán)利要求
1.一種基于小波變換的多尺度紅棗圖像裂紋邊緣檢測方法，其中執(zhí)行一個預(yù)先通過攝 像機或掃描儀的圖像采集過程，獲取待處理的紅棗圖像，通過處理這一圖像來檢測紅棗裂 紋，進而可通過檢測結(jié)果對紅棗按照是否有裂紋進行分級，所述檢測方法具體包括對紅棗 圖像的一般邊緣檢測和特殊邊緣檢測兩個階段。
2.權(quán)利要求1中所述的一般邊緣檢測包括(a)用高斯一階微分濾波器對濾波后的紅棗圖像先X方向和后Y方向濾波，分別得到 WTx和WTy ；對WTx和WTy分別平方后求和再開方得到梯度值M ；(b)將M歸一化，否則為確定閾值帶來不便；(c)沿上、右上、右、右下、下、左下、左、左上8個方向找局部最大值點，并記下局部最大 值點的位置及方向；(d)利用概率密度法計算初始閾值、；(e)考慮到各個實際邊緣點所對應(yīng)的局部極大值不相等，但它們都是邊緣點的相應(yīng)值， 所以可以取大小不等的兩個閾值、和、，不妨取、=A1Xt0, t2 = A2Xt0, (A1 <= 1, λ2>= 1)；(f)先用低閾值、對步驟(c)所得結(jié)果的各方向局部極大值點分割，得到各方向上的 弱邊緣點；(g)把各方向上的弱邊緣點累加得到總的弱邊緣點；(h)從各分方向上的弱邊緣點中用高閾值、分割得到強邊緣點，并記下所在位置；(i)依據(jù)數(shù)學(xué)形態(tài)學(xué)中八鄰域連通方法，采用“一強八弱”法，即在總的弱邊緣點中，把 強邊緣點及其周圍的8個弱邊緣點連接起來，得到邊緣檢測結(jié)果；(j)利用數(shù)學(xué)形態(tài)學(xué)中的腐蝕運算，對步驟(i)所得到的邊緣加以細(xì)化，就可得到單像 素寬的邊緣；(k)如果對檢測的紅棗邊緣圖像不滿意，可通過改變初始閾值、，或改變X1以及λ 2， 改變高、低閾值、和t2，重復(fù)步驟(f) (j)，直到獲得清晰的紅棗邊緣圖像。
3.為提高權(quán)利要求2中所述的邊緣檢測方法的有效性，分別選取有代表性的一小段裂 紋和一小段皺褶紅棗圖像，分別利用權(quán)利要求2中所述的邊緣檢測方法提取它們的邊緣， 對邊緣分析，可得兩者的邊緣有如下特點(a)紅棗圖像裂紋邊緣的特點是(1)邊緣旁有“點狀”的偽邊緣，這是由紅棗本身表面 不光滑造成的，并不屬于噪聲；(2)邊緣細(xì)化前后無變化，因為裂紋的寬度很?。?b)紅棗圖像皺褶邊緣的特點是(1)邊緣旁有“平行的線狀”偽邊緣，因為皺褶的一旁 或兩旁其灰度值也會發(fā)生變化；(2)邊緣細(xì)化后明顯變細(xì)，因為皺褶的寬度比裂紋的大。
4.檢測紅棗圖像裂紋和皺褶的邊緣時可利用權(quán)利要求2中所述的邊緣檢測方法，先得 到邊緣圖像，根據(jù)權(quán)利要求3中對裂紋和皺褶特點的分析，在權(quán)利要求2的步驟(k)之后增 加權(quán)力要求1中所述的第二階段步驟，即特殊邊緣檢測(a)設(shè)置邊緣鏈長度閾值，去掉長度小于此閾值的“點狀”偽邊緣；(b)設(shè)置邊緣鏈寬度閾值，把寬度大于此閾值的皺褶邊緣去掉。經(jīng)過第二階段改進后的算法，可得到更好的紅棗裂紋檢測結(jié)果，能夠有效地檢測出紅 棗裂紋而略去皺褶。
全文摘要
本發(fā)明提供了一種基于小波變換的多尺度紅棗圖像裂紋邊緣檢測方法，涉及農(nóng)業(yè)工程領(lǐng)域。該方法對需檢測的紅棗圖像進行多尺度小波變換，求出梯度值M，并對其進行歸一化處理；確定邊緣點對應(yīng)的高、低閾值，用高、低閾值分別對局部極大值點分割，得到強、弱邊緣點；用“一強八弱”法處理邊緣點，得到初步檢測結(jié)果；用腐蝕運算得到細(xì)化邊緣鏈圖像；設(shè)置邊緣鏈長度閾值去掉小于此值的點狀偽邊緣，設(shè)置邊緣鏈寬度閾值去掉大于此值的褶皺邊緣。本發(fā)明采用多尺度邊緣檢測和數(shù)學(xué)形態(tài)學(xué)相結(jié)合的方法檢測紅棗裂紋，可得到更連續(xù)、光滑、單像素寬、視覺效果良好的邊緣鏈圖像，能有效檢測紅棗圖像裂紋而略去皺褶。該方法也適用于其它類型農(nóng)業(yè)圖像的邊緣檢測。
文檔編號G06T7/00GK102081792SQ201010623330
公開日2011年6月1日 申請日期2010年12月30日 優(yōu)先權(quán)日2010年12月30日
發(fā)明者劉世, 劉志杰, 劉珊, 楊亮亮, 楊福增, 王元杰, 王崢, 陳麗萍 申請人:西北農(nóng)林科技大學(xué)