本發(fā)明面向成簇的、粘連的玉米種子的圖像，涉及一種快速將其分離成玉米種子個體的圖像分割方法，應用在農產品品質檢測研究技術領域，屬于計算機視覺、計算機圖形學和數(shù)字圖像處理等技術領域。

背景技術：

玉米種子的質量分級是收獲后加工的重要環(huán)節(jié)之一，利用機器視覺技術對玉米種子進行質量分級具有無損、分級精度高、速度快等優(yōu)點，可代替大量的、重復性的人工勞動。圖像分割方法的研究是玉米種子質量分級研究的重要組成部分和前期工作，其分割的效率和準確率嚴重影響質量分級的結果。

關于粘連種子的圖像分割問題的研究較多，如數(shù)學形態(tài)學方法、改進的分水嶺算法、改進的腐蝕膨脹算法和主動輪廓模型等。雖然上述圖像分割方法在谷物籽粒圖像分割都有較好的表現(xiàn)，但仍存在諸多問題，例如：像數(shù)學形態(tài)學方法等一般計算復雜度較高，難以實現(xiàn)實時應用，像聚類的圖像分割方法需要過多的人工干預，像分水嶺算法一直存在過分分割問題，嚴重影響粘連種子的分割效果。本發(fā)明針對上述問題，提出了一種利用種子輪廓和凹點搜索的快速圖像分割方法，該方法具有實現(xiàn)簡單、速度快、準確率高、分割效果理想等優(yōu)勢，為后續(xù)的種子質量分級奠定良好的基礎。

技術實現(xiàn)要素：

本發(fā)明的目的是提供一種利用種子輪廓和凹點搜索的快速圖像分割方法，該方法擬解決粘連玉米種子的分割問題，保證目標圖像分割的效率和準確率，且在分離的同時保持目標個體的大小和形狀不變，為玉米種子的質量分級提供優(yōu)質輸入。

為實現(xiàn)上述目的，本發(fā)明包括如下步驟：

(1)采用最大類間方差法(以下簡稱ostu)對目標圖像進行二值化處理，并計算重心坐標(xc,yc)；

(2)在經過二值化處理的目標圖像上，建立通過重心坐標(xc,yc)的軸線ζj和該軸線上的垂直線mji；

(3)計算垂直線mji經過目標圖像區(qū)域的像素之和，構建集合和二維曲線；

(4)建立一個向量ψ，存儲(3)中所述二維曲線的凹點；

(5)根據(jù)數(shù)學公式θj＝j×δ,0°≤δ≤179°，重復步驟(2)至(4)直至結束，然后根據(jù)數(shù)學公式ξ＝argmin(ψ)，求出向量ψ中所有凹點的最小值，該值即為目標圖像中粘連玉米種子的連接點，并根據(jù)在目標圖像中該點所處軸線和角度建立粘連玉米種子的分割線。

結合輪廓跟蹤和凹點搜索的優(yōu)勢，本發(fā)明提出了一種快速的圖像分割方法，并經過對比實驗表明，本發(fā)明具有實現(xiàn)簡單、速度快、準確率高、分割效果理想等優(yōu)勢，為后續(xù)的種子質量分級奠定良好的基礎。

附圖說明

圖1為目標物體群體三種排列形式示意圖；

圖2為本發(fā)明的流程圖；

圖3為建立通過重心坐標(xc,yc)的軸線ζj和該軸線上的垂直線mji的示意圖；

圖4為構建profile和二維曲線的示意圖；

圖5為目標物體不同排列形式本發(fā)明和分水嶺算法準確率和效率對比柱狀圖。

具體實施方式

下面結合附圖和實施例對本發(fā)明的具體實施方式作進一步詳細描述。以下實施例用于說明本發(fā)明，但不限制本發(fā)明的范圍。

本發(fā)明提供的一種快速分離粘連玉米種子的圖像分割方法，主要包括如下步驟：

(1)采用ostu算法對目標圖像進行二值化處理，并計算重心坐標(xc,yc)

目標圖像參考圖1所示的形式存在，首先，通過ostu算法對其進行二值化處理得到灰度目標圖像，然后利用matlab工具計算其重心坐標(xc,yc)。

(2)建立通過重心坐標(xc,yc)的軸線ζj和該軸線上的垂直線mji

參考圖3，根據(jù)數(shù)學公式ζj＝{(x，y)|y＝y(tǒng)c+tcos(θj)，x＝xc+tsin(θj)，t∈(-∞，+∞)}，建立通過重心坐標(xc,yc)的軸線ζj，其中θj由數(shù)學公式θj＝j×δ,0°≤δ≤179°確定，參數(shù)δ表示角度增量值，為常量，本發(fā)明中δ＝9°，即每間隔9°建立一條通過重心坐標的軸線。然后，在軸線ζj上，根據(jù)數(shù)學公式建立垂直線mji，mji表示第j個軸線上的第i其條垂直線，其中，θj同上所述，垂直線的間隔距離由參數(shù)τ確定，本發(fā)明中τ＝7，即每間隔7個像素單位建立一條垂直線，δ＝9°和τ＝7均通過實驗證明為最佳值，即本發(fā)明的效率和準確率最優(yōu)。

(3)計算垂直線mji經過目標圖像區(qū)域的像素之和，構建集合和二維曲線

參考圖4，根據(jù)數(shù)學公式iji＝arg∫ijmjidm，計算垂直線mji經過目標圖像區(qū)域的像素之和iji，然后構建集合p＝{ij1，ij2，……，iji，……，ijn}，表示經過軸線ζj的所有n條垂直線{mj1,mj2,……,mji,……,mjn}經過目標圖像區(qū)域的像素之和構成的集合，再依據(jù)所有iji值將集合p轉化成二維曲線。

(4)建立一個向量ψ，存儲(3)中所述二維曲線的凹點并確立分割線

根據(jù)數(shù)學公式ijik-ijis≥μ&ijik+1-ijis≥μ，將(3)中構建的所有曲線中的凹點存儲到一個向量ψ中，然后根據(jù)數(shù)學公式ξ＝argmin(ψ)，求出向量ψ中的最小值，該值即為目標圖像中粘連玉米種子的連接點，并根據(jù)在目標圖像中該點所處軸線和角度建立粘連玉米種子的分割線。

(5)本發(fā)明和分水嶺算法的對比

參考圖1和圖5，本發(fā)明采用圖1所示的形式，在相同環(huán)境下，與分水嶺算法進行實驗比對，具體結果數(shù)據(jù)如表1所示。

表1本發(fā)明和分水嶺算法的實驗結果表

技術特征：

技術總結
本發(fā)明應用于農產品無損檢測領域，屬于計算機視覺、計算機圖形學和數(shù)字圖像處理等交叉領域，公開了一種快速分離粘連玉米種子的圖像分割方法。首先采用最大類間方差法(OSTU)對目標圖像二值化處理，并計算重心坐標；然后利用數(shù)學公式建立通過重心坐標的若干條軸線及每條軸線上的n條垂直線，并依據(jù)垂直線經過目標圖像區(qū)域的像素之和，構建長度為n的集合并轉化成相應的二維曲線；最后將所有二維曲線中的凹點存儲到一個向量中，并根據(jù)數(shù)學公式搜索最小值和候選分割線。根據(jù)本發(fā)明實施例的方法，結合了輪廓跟蹤和凹點搜索的優(yōu)勢，且經過實驗表明，其具有實現(xiàn)簡單、準確率較高和分割效果理想等優(yōu)勢，為后續(xù)的種子質量分級奠定良好的基礎。

技術研發(fā)人員：李曉明;王艷;孫紅敏;沈維政;魏曉莉
受保護的技術使用者：東北農業(yè)大學
技術研發(fā)日：2017.04.12
技術公布日：2017.07.21