一種基于計算機視覺的原木統計方法

摘 要：文章基于計算機視覺技術，利用數字圖像處理技術，在MATLAB實驗平臺中對原木材積的數量進行自動化統計，設計了在Lab空間內進行圖像預處理去除背景干擾，再重構至RGB空間，得到去除了背景的原木區域二值圖像，運用hough變換圓檢測并設置合理的變化范圍，得出圖像中原木的近圓橫截面。為保證結果的準確性，再利用先驗知識刪掉當背景去除不徹底時非正常區域圓形，提高了準確率，有良好的實用性。

關鍵詞：數字圖像處理；原木；hough變換；圓檢測

1 概述

木材作為一種天然的生物材料，它們獨特的自然屬性，為人類的生活帶來了極大的便捷。而原木材積檢測中的數量統計是原木的加工、運輸及貿易往來的最重要也是最基本的環節，它直接影響著本行業的經濟利益。現在的原木數量統計大多采用人工作業的方式，隨著經濟市場需求的持續發展，木材的需求量與日俱增，原始的人工方式作業環境惡劣，勞動強度高及一定程度的危險性，使實現原木材積統計過程的自動化成為該領域新的發展方向。計算機視覺技術具有檢測速度快、成本低、精度高等優勢，隨著近年來計算機領域的飛速發展，運用數字圖像技術解決該領域的問題是其發展的必然趨勢[1-3]。

近年來，在原木材積的檢測及識別方面，有許多專家已經做出了一些研究，梅振榮[4]等人將原木橫截面近似看作是橢圓形，并研究了一種基于非線性最小二乘原理的橢圓擬合算法，并將該算法用于原木橫截面的識別，該算法具有良好的擬合精度和適用性。景林，林耀海[5]等人在成捆原木檢尺輪廓識別中，通過研究原木橫截面彩色圖像中原木的色彩特征，并濾除大量的跟原木不相關的區域，留下與原木色彩近似或相同的像素點，并結合拉普拉斯濾波器，獲得原木邊緣，實現成捆原木輪廓的分離，從而獲得原木輪廓。以上算法都是基于圖像中只有原木端面部分進行處理的，識別目標明確，干擾較少，當圖像中背景因素增多，干擾增加，相應的算法準確率則大幅降低。

文章把原木橫截面近似看作圓形，提出了基于hough變換的原木數量自動統計算法，根據圖像特點，首先對原木橫截面圖像進行預處理，得到了僅包含橫截面像素的圖像，再運用形態學處理方法，過濾橫截面圖像的干擾像素，最后根據hough變換圓檢測，得到圖像中原木的根數。

2 原木橫截面識別算法

2.1 原木橫截面圖像顏色空間轉換

在獲取了包含原木橫截面的圖像之后，由分析可知，圖像中背景因素干擾較大，若直接在原圖像上處理，將會使實驗結果有較大誤差，文章首先將RGB顏色空間的原木圖像轉換到lab顏色空間，并且基于該顏色空間的圖像再進行后續的二值化處理及背景去除，可以獲得具有更好效果的木頭區域圖像。

同常見的RGB顏色空間相比，Lab是一種不太常用的色彩空間，它是在1931年國際照明委員會（CIE）制定的顏色度量國際標準的基礎上建立起來的，1976年，經修改后被正式命名為CIELab，它是一種與圖像采集或者顯示等設備無關的顏色系統，也是一種基于生理特征的顏色系統，即它是用數字化的方法來描述人類的視覺感應，其中的L分量用于表示像素的亮度，取值范圍是[0，100]，表示從純黑到純白；a表示從紅色到綠色的范圍，取值范圍是[127，-128]；b則表示從黃色到藍色的范圍，取值范圍是[127，-128]，圖1所示為Lab顏色空間的圖示。

2.2 原木圖像去除背景干擾

在得到原木圖像LAB空間[6]下的二值圖像以后，利用形態學處理的方法去除圖像背景中的空洞、小塊，以及與邊界相連的區域之后，為得到效果圖再重構成RGB圖像，根據圖像中木頭的顏色特征，去掉紅色、綠色、灰白色、黃色并填充空間再二值化，就得到了僅剩下原木區域的圖像，效果如圖2所示。

2.3 基于hough變換的多個圓檢測

最初的hough變換是設計用來檢測直線和曲線的[7]，最初的方法要求知道物體相關邊界線的解析方程，但不需要有關區域位置的先驗知識，這種方法的一個突出優點是結果的穩定性及更廣泛的適用性，即結果對數據的不完全或噪聲不是非常敏感，在文章中，圓木的端面可以近似看成一個近圓形，但是由于圖像中有多個近圓形，每個圓的直徑都不相同，因此需要算法檢測出合理范圍內的所有圓形，hough變換圓檢測的原理如下：

假設在圖像平面（XY平面）存在一個圓周，令{（xi，yi）i=1，2，3，……n}為圖像中同一圓周上的任意點的集合{（xi，yi）}，易知這些點構成三維錐面，而這些三維錐面構成圓錐面簇，如圖3所示。

在同一個圓周上的點滿足的XY平面方程式如下：

（a-x）2+（b-y）2=r2 （1）

這里的（a，b）代表圓心的位置坐標，r代表對應圓的半徑，用極坐標的形式表示即為

x=a+rcosx（theta）

y=b+rsinx（theta） （2）

hough變換圓檢測的過程就是將圖像平面空間即X-Y平面上的點映射到參數空間（a，b，r）上，若平面集合中的點在同一個圓周上，則這些圓錐簇相交于參數空間上某一點（a0，b0，r0），這一點恰好對應于圖像平面的圓心坐標及圓的半徑，在計算過程中將參數空間進一步分割為累加器單元A（I，j，k），并使初始累加器單元置零，根據方程對參數作相應的循環，如果一個a（o）值得到相應的b（p），r（q），就令A（o，p，q）=A（o，p，q）+1。最后對每一個累加器進行比較，找到值最大的累加器，該累加器所對應的參數值（a，b，r）就是在XY平面上所要求的圓心及半徑。在這個過程中，通過設置一定的范圍和步長，通過theta循環和r循環，即可將原圖像空間的點映射到參數空間中，再在參數空間中尋找圓心，然后求出半徑坐標，畫出擬合的圓形。

3 實驗結果及分析

實驗選取了兩幅原木端面圖像進行了處理，結果如圖4所示，其中（a）和圖（c）為原木端面原始RGB彩色圖像，（b）和（d）為經過處理之后得到了擬合圓的結果圖。

結果統計表格如表1：

4 結束語

由以上實驗結果可以看出，在光線影響及原木橫截面積并不完全對齊的情況下，該算法的準確率可以達到90%以上，針對圖像中原木區域的特點以及背景像素的特點，文章主要作出了如下工作：（1）將原始原木圖像由RGB空間轉換到Lab空間。（2）利用顏色特征去除圖像背景區域，結合形態學處理進一步處理去除干擾，得到只剩下原木區域的圖像。（3）利用hough變換圓檢測，設置合理的半徑值變化范圍，得到圓檢測的結果，統計圓的個數，得到原木的數量。

在MATLAB中針對該算法進行了相關實驗仿真，表明了該算法的實用性及準確率。今后工作的重點是進一步完善該算法，調節更合理的參數，從而得到更加精確的結果，提高原木材積檢測的準確率。

參考文獻

[1]李思.原木數字化檢尺的計算機視覺算法研究[D].東北林業大學，2013.

[2]Sonka，M. V. Hlavac and R.B.D.M. Ceng，Image processing， analysis and machine vision[J].Journal of Electronic Imaging，1995，14（82）：685-686.

[3]李博豪，等.一種基于計算機視覺的原木端面面積檢測方法[J].林業科技通訊，2015（10）：28-31.

[4]梅振榮，任洪娥，朱朦.基于非線性最小二乘原理的原木端面識別算法[J].計算機工程與應用，2012，48（2）：177-178+210.

[5]景林，等.結合色彩特征和空域特征的成捆原木輪廓識別[J].計算機系統應用，2013（7）：196-199+191.

[6]龐曉敏，閔子建，闞江明.基于HSI和LAB顏色空間的彩色圖像分割[J].廣西大學學報（自然科學版），2011（6）：976-980.

[7]桑卡美，艾海舟.圖像處理、分析與機器視覺[M].清華大學出版社，2011.

作者簡介：方晴（1990-），女，碩士，武漢理工大學自動化學院，主要研究方向為基于圖像處理的應用。