基于分形維數(shù)的堊白米檢測系統(tǒng)

[摘要] 堊白是衡量稻米品質(zhì)得重要性狀之一，直接影響稻米的外觀品質(zhì)和商品流通。目前，關于稻米堊白參數(shù)一般還采取人工目測的檢測方法，主觀隨意性大，不僅缺乏客觀性和可重復性，而且操作也耗時費力。近幾年，利用計算機視覺來進行稻米堊白參數(shù)測量大大提高了參數(shù)的準確率，提高了效率。在關于計算機視覺的稻米堊白檢測的已有文獻表明，堊白參數(shù)的計算一般是根據(jù)稻米堊白區(qū)域的灰度值與籽粒區(qū)域存在差異，設定它們的灰度閾值來分離堊白區(qū)域，從而可以計算出堊白大小，并判斷它是否是堊白米。然而基于堊白大小的檢測方法，識別準確率較低。因為它只能得到堊白區(qū)域的累積信息，而不能得到分布信息。因此，本文提出一種基于分形維數(shù)的堊白米檢測方法，把堊白區(qū)域在稻米籽粒表面的分布在統(tǒng)計意義上看成一個分形結(jié)構(gòu)，用分形維數(shù)大小來描述它的復雜度，結(jié)果表明可以提高堊白米檢測的準確率。

[關鍵詞] 圖像處理 稻米堊白 分形維數(shù)

一、系統(tǒng)背景

1.研究背景

計算機視覺又稱為機器視覺，是指用計算機實現(xiàn)人類的視覺功能，對客觀世界的三維場景的感知、識別和理解，研究用計算機模擬生物外顯或宏觀視覺功能的科學和技術。計算機視覺技術是一個相當新且發(fā)展十分迅速的研究領域。近年來，它的研究與應用已擴展到了工業(yè)、農(nóng)業(yè)、軍事等諸多領域，并取得了一定成果。在稻米生產(chǎn)、加工、儲藏和流通等各環(huán)節(jié)中，需要對稻米的品質(zhì)進行各項檢測，目前相當多的指標仍需人工檢測，從而帶來了較多的問題。隨著計算機視覺技術的發(fā)展和在稻米檢測中的廣泛應用，使得稻米檢測變得更加快速、客觀和準確。

計算機視覺技術除應用稻米的上述品質(zhì)指標檢測外，還可應用于稻米爆腰率的檢測，并且廣泛應用于配制米配方優(yōu)化、稻米加工過程自動控制等。盡管各國在此領域已進行了不少研究，但計算機視覺技術在稻米檢測中的應用研究尚屬起步階段，仍有許多技術難題還未解決，需進一步深入研究。

2.研究目的與意義

大米品質(zhì)檢測項目有水分、直鏈淀粉、堊白(包括堊白度和堊白粒率)等，其中大米堊白檢測方法還采用人工目測，不僅缺乏客觀性和可重復性，而且操作耗時費力，檢測精度低。把機器視覺技術引進大米外觀品質(zhì)參數(shù)的檢測中是實現(xiàn)大米快速檢測的關鍵，近幾年，利用計算機視覺來進行稻米堊白參數(shù)測量大大提高了參數(shù)的準確率，提高了效率。在關于計算機視覺的稻米堊白檢測的已有文獻表明，堊白參數(shù)的計算一般是根據(jù)稻米堊白區(qū)域的灰度值與籽粒區(qū)域存在差異，設定它們的灰度閾值來分離堊白區(qū)域，從而可以計算出堊白大小，并判斷它是否是堊白米。然而基于堊白大小的檢測方法，識別準確率較低。因為它只能得到堊白區(qū)域的累積信息，而不能得到分布信息。

3.研究的主要內(nèi)容

利用計算機語言建立稻米堊白檢測系統(tǒng)，系統(tǒng)的主要功能和模塊包括:

(1)圖像預處理模塊

①圖像灰度化，得到原始圖的灰度圖像。

②對灰度圖像進行閾值分割，將圖像分成物體和背景兩部分。

③對二值圖像去噪，消除其中的小斑點。

④對識別到的每顆米進行邊界跟蹤，并將邊界點的坐標保存在一個鏈表中。

(2)堊白計算模塊：

①計算堊白區(qū)域的分形維數(shù)。

②計算堊白區(qū)域的大小。

4.系統(tǒng)技術

VC++代表了基于Windows的C++語言產(chǎn)品，它完美地集成了傳統(tǒng)的編程工具，如編譯器、編輯器、調(diào)試器和原代碼剖析器。同時，它也集成了Windows中特殊的工具箱，如MFC(Microsoft Foundation Classes）和Windows資源編輯器(App Studio）。另外還加入了幾種新工具，如輪廓應用程序生成器(App Wizard）、C++類管理器（Class Wizard）和類瀏覽器（Class Browser），以及各種各樣為開發(fā)Microsoft Windows下的C/C++程序而設計的工具。這些工具給我們的編程帶來了極大的方便。MFC類庫為我們提供了豐富的類資源，功能非常全，為我們進行圖形處理提供了豐富的資源。

二、分形理論及其在圖象處理中的應用

分形理論是當今世界十分風靡和活躍的新理論、新學科。分形的概念是美籍數(shù)學家曼德布羅特(B.B.Mandelbort)首先提出的。1967年他在美國權(quán)威的《科學》雜志上發(fā)表了題為《英國的海岸線有多長》的著名論文。海岸線作為曲線，其特征是極不規(guī)則、極不光滑的，呈現(xiàn)及其蜿蜒復雜的變化。我們不能從形狀和結(jié)構(gòu)上區(qū)分這部分海岸與那部分海岸有什么本質(zhì)的不同，這種幾乎同樣程度的不規(guī)則性和復雜性，說明海岸線在形貌上是自相似的，也就是局部形態(tài)和整體形態(tài)的相似。在沒有建筑物或其他東西作為參照物時，在空中拍攝的100公里長的海岸線與放大了的10公里長海岸線的兩張照片，看上去會十分相似。事實上，具有自相似性的形態(tài)廣泛存在于自然界中，如：連綿的山川、飄浮的云朵、巖石的斷裂口、布朗粒子運動的軌跡、樹冠、花菜、大腦皮層等。曼德布羅特把這些部分與整體以某種方式相似的形體稱為分形(fractal)。1975年，他創(chuàng)立了分形幾何學(fractalgeometry)，出版了他的關于分形幾何的專著《分形、機遇和維數(shù)》。在此基礎上，形成了研究分形性質(zhì)及其應用的科學，稱為分形理論(fractaltheory)。

1.分形定義

所謂分形是指具有下列性質(zhì)的點集:它具有精細的結(jié)構(gòu)，即有任意小比例的細節(jié)。它是如此的不規(guī)則，以致于它的整體與局部都不能用傳統(tǒng)的幾何語言來描述。一般，它具有某種自相似的形式，也可能只是近似的或是統(tǒng)計的。分形的維數(shù)小于它所占的空間的維數(shù)，大于它的拓撲維數(shù)。可以以非常簡單的方法來定義，由迭代產(chǎn)生。

2.分形維數(shù)的定義

分形的主要研究工具是它的維數(shù)，分形維數(shù)定量地表述了分形物體的形狀和復雜性。目前，有多種分形維數(shù)的定義方法，如Hausdorff維數(shù)、信息維數(shù)、盒子維數(shù)等，其中盒子維數(shù)是最常用的一種分形維數(shù)，它的定義為:取邊長為r的小盒子（可以理解為拓撲維數(shù)為d的小盒子），把分形覆蓋起來，由于分形內(nèi)部有各種層次的空洞或縫隙，所以，有些小盒子是空的，所得的非空盒子數(shù)計為N(r)。然后縮小盒子的尺寸r，所得N(r)自然要增大，當r→0時，得到數(shù)盒子法定義的維數(shù):。

《分形幾何──數(shù)學基礎及應用》給出:設F是Rn上的非空的有界子集，Nδ(F)是直徑最大為δ，可以覆蓋F的集的最少個數(shù)，則F的下、上計盒維數(shù)分別定義為:，。如果這兩個值相等，則稱這個共同的值為F的計盒維數(shù)或盒維數(shù)。記為.此書指出:Nδ(F)可以是下列五個數(shù)中的任一個:

(1)覆蓋F的半徑為δ的最少閉球數(shù)

(2)覆蓋F的邊長為δ的最少立方體數(shù)

(3)與F相交的δ網(wǎng)立方體的個數(shù)

(4)覆蓋F的直徑最大為δ的集的最少個數(shù)

(5)球心在F上，半徑為δ的相互不交的球的最多個數(shù)

《分形幾何學》指出：在實際應用中只能取有限的r0，通常作法是求一系列的r和N(r)，然后由雙對數(shù)坐標中1gN-1gr的直線的斜率求D0. 顯然，在實際應用中對r的取法是人為的，那么對r的選取方式也是多樣的，這里的r與前面的δ的含義是相同的。

分形理論雖然十分風靡，并得到了廣大關注，但在實際應用方面仍不是很成熟。1988年M.F.Barnsley提出了利用分形理論和方法進行圖像壓縮的思想。這種方法在美國的迭代系統(tǒng)過程中得到了廣泛的應用，并申請了專利，不久就被應用于圖像的壓縮方面，1992年以后美國微軟公司的每年出版的萬花筒光盤就采用了這種數(shù)據(jù)壓縮技術。這種方法極大的促進了分形理論在實際應用方面的發(fā)展。

三、基于分形維數(shù)的堊白米檢測法

堊白是衡量大米品質(zhì)的重要指標之一，它不僅直接影響大米的外觀品質(zhì)，而且還影響大米的加工品質(zhì)和蒸煮食味品質(zhì)。對堊白和堊白大小的定義如下：

堊白：米粒胚乳中的白色不透明部分，包括腹白、心白和背白。

堊白大小：堊白米粒平放，米粒中堊白面積占該整粒米投影面積的百分率。

在優(yōu)質(zhì)大米檢測指標中，堊白指標有堊白度和堊白粒率。如何有效判定堊白米，是檢測這2個指標的第一步。目前對堊白米的檢測還停留在人工目測的方法上，客觀性和可重復性差。

利用機器視覺技術進行大米堊白的檢測是一個、行之有效的方法，具有客觀性、準確性、快速性和可重復性的特點。

基于堊白大小的堊白米檢測方法，這種方法的基本思想是：對于一幅大米圖像，首先通過閾值化處理，去除背景區(qū)域的灰度圖像，計算出大米區(qū)域的總像素數(shù)T；然后根據(jù)堊白的灰度值范圍再對大米區(qū)域進行二次閾值化處理，把堊白區(qū)域從大米區(qū)域中提取出來，計算堊白區(qū)域的總像素數(shù)T，它們的像素數(shù)比(C=N/T)即為堊白大小。

設定堊白大小閾值Cthd，則：如果C≥值Cthd，是堊白米；如果C<值Cthd，不是堊白米。

實際上，這種方法的適用前提是堊白區(qū)域的灰度分布與大米非堊白區(qū)域的灰度分布無重疊。對于采集的大米圖像，由于籽粒的表面反光、殘留的胚芽等原因，采集到的標準米圖像也往往會出現(xiàn)高灰度區(qū)域，這部分區(qū)域與堊白區(qū)域的灰度范圍是重合的。對于堊白米堊白區(qū)域能夠被有效分離出來；但是對于標準米，有‘假’的堊白區(qū)域出現(xiàn)這些區(qū)域，實際上就是由于籽粒表面反光和存在胚芽產(chǎn)生的。無法通過閾值法區(qū)分出來。這種情況并不是偶然現(xiàn)象，試驗中會經(jīng)常出現(xiàn)，影響識別精度。

基于堊白大小的方法，實際上只能得到堊白區(qū)域的累計信息，不能得到分布信息。在累計信息相同的情況下，可以有不同的分布信息。所以只用累計信息分類，其分類特征是不夠充分的，應同時考慮堊白區(qū)域在空間上的分布信息。

另一方面，考慮到堊白在自然形成過程中，是受到遺傳和環(huán)境因素共同影響的，空間分布情況復雜，具備獨特的紋理特征。從這兩個方面來考慮，為精確地描述大米堊白區(qū)域的特點，應該引用分形的思想。把堊白區(qū)域在大米籽粒表面的分布在統(tǒng)計意義上看成一個分形結(jié)構(gòu)，用其分形維數(shù)大小描述它的復雜性。

四、實驗結(jié)果分析

基于分形維數(shù)的堊白米檢測法與基于堊白大小的檢測算法進行了試驗對比分析。下面對10幅大米的圖象進行了測試對比，如下表。

利用visualc++6.0開發(fā)工具實現(xiàn)了分別計算每個籽粒的堊白大小和分形維數(shù)，可以有效地識別堊白米。如表所示:通過結(jié)合肉眼的分辨結(jié)果，用分形維數(shù)計算出的結(jié)果準確，而用堊白大小檢測的時候，對于兩粒堊白區(qū)域差不多大小的米就會出現(xiàn)偏差。由此可見，基于分形維數(shù)的稻米堊白檢測系統(tǒng)相對與堊白大小計算出的結(jié)果對堊白米的檢測準確率較高，該系統(tǒng)可行，值得推廣。

參考文獻:

[1]胡曉軍鄧波高宏偉:Visual C++高級開發(fā)范例解析[M].電子工業(yè)出版社，2002.2

[2]David J.Kruglinski，潘愛民 譯.Visual C++技術內(nèi)幕[M].人民郵電出版社，2004.3

[3]吳文奎:最流行圖像格式實用參考手冊[M].電子工業(yè)出版社，1998.4

[4]徐慧:Visual C++數(shù)字圖像實用工程案例精選[M].人民郵電出版社，2004.2

[5]袁峰;Windows圖形編程[M].人民郵電出版社，2004.5

[6]Nigel Bird， M.Cruz Diaz， Antonio Saa， Ana M.Tarquis. Fractal and multifractal analysis of pore-scale images of soil[J]. Journal of Hydrology 3(22)，2006.211

[7]Liu W， Tao， Siebenmorgen T J， et a1. Digital image analysis for Rapid measurement of rice degree of milling[J]， Cereal Chen， 75(3) ，1998.25～30

“本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文”