基于圖像處理技術測量馬鈴薯表形特征

張 擻

(華中農業大學 理學院, 湖北 武漢 430070)

基于圖像處理技術測量馬鈴薯表形特征

張 擻

(華中農業大學 理學院, 湖北 武漢 430070)

利用機器視覺和圖像處理技術對馬鈴薯的表形特征進行測量，通過測量馬鈴薯投影面積、缺陷面積和投影周長，對馬鈴薯進行品質檢測. 該研究可以作為檢測馬鈴薯表形品質檢測的基礎.

馬鈴薯;機器視覺；圖像處理;投影面積

伴隨著生活水平的提高，人們對自身飲食健康愈益關注. 由于馬鈴薯的價格適中，營養價值又高，烹飪后口味獨特，消費者對馬鈴薯的需求量較大. 然而，馬鈴薯的大小無疑會影響消費者的購買欲望. 同時，中國已啟動馬鈴薯主糧化戰略，把馬鈴薯加工成饅頭、面條、米粉等主食，馬鈴薯將成稻米、小麥、玉米外又一主糧. 預計2020年50%以上的馬鈴薯將作為主食消費[1]. 為了適應馬鈴薯工業化，機器視覺應用于馬鈴薯大小檢測已成必然. 目前機器視覺技術是應用于果蔬外部品質評價的最有效的技術手段之一[2]，光譜圖像技術是圖像處理技術和光譜技術的完美結合[3]，可以很好反應待測對象的形狀、大小等外部品質特征，這是由于研究對象所含的不同化學成分對光譜吸收有差異，在某一個特定波長下的圖像對某個特征會有明顯的反映，可以把這種特征快速識別出來[4]. 因此，本文利用機器視覺和圖像處理技術對馬鈴薯進行投影面積、缺陷面積、投影周長的檢測.

1 理論基礎

其中，C1為馬鈴薯投影面積大小，C2為定標板實際大小，R1為馬鈴薯投影的像素總數，R2為定標板的像素總數.

2 投影面積測量

為精確測量馬鈴薯投影面積大小，首先獲取圖片(圖1)，將馬鈴薯與定標板(T-20/USAF-1951)(圖2)拍在一張照片中，將獲得的圖像分割. 選取2組第1級別進行實驗，獲得圖像(如圖3)，寬度為2 mm，面積C2為10 mm×2 mm，即20 mm2.

圖1 馬鈴薯原始實物圖

圖2 定標板實物圖

圖3 2組1級圖像

2.1 馬鈴薯原始實物圖的處理

為了對馬鈴薯進行投影面積的檢測，首先應將彩色馬鈴薯圖像轉為灰度圖像，使用最大類間方差法找到圖片合適的閾值，使用閾值變換法把灰度圖像轉換成二值圖像. 由于圖像中存在噪聲，所以要去掉噪聲的影響，即對圖像進行平滑濾波. 對圖像進行平滑濾波一般有2種方法：線性平滑濾波法和中值濾波法[5].

2.1.1 采用線性平滑濾波去除噪聲

鄰域平均法是利用Box模板對圖像進行模板操作以去除噪聲. 基本原理是Box模板會對當前像素及其相鄰的8個像素點進行平均處理，降低突然變化的點造成的影響，以達到濾掉噪聲的目的，雖然算法簡單，但圖像會有一定程度的模糊. 算法為以某一個像素點為中心，灰度值為F(i,j),由窗口像素組成的點集記為A,點集A內的像素數記為L，則經過鄰域平均法濾波后，像素點F(i,j)對應輸出為

在線性平滑濾波去除噪聲,常用3×3窗的鄰域平均濾波，如圖4所示. 3×3窗的鄰域平均濾波后的二值圖像，如圖5所示.

圖4 3×3窗的鄰域平均濾波圖像

圖5 3×3窗的鄰域平均濾波后的二值圖像

2.1.2 采用中值濾波法去除噪聲

中值濾波法是把以某點為中心的小窗口內的所有像素的灰度按大小順序排列，取中值作為該點的灰度值，以達到濾掉噪聲的目的. 雖然中值濾波法處理結果平滑效果不如鄰域平均法，但它能去除噪聲點并保持圖像邊界. 對應轉換公式為

G(x,y)=Med{G(x,y)},

其中(x,y)∈A.

中值濾波后圖像如圖6所示，中值濾波后的二值圖像如圖7所示.

圖6 中值濾波后圖像

圖7 中值濾波后的二值圖

2.2 定標板的處理

2組1級圖像(圖3)與馬鈴薯原始實物圖(圖1)在同樣的條件下進行去噪，即兩圖去噪方法一致.

3 投影周長測量

為了對馬鈴薯進行投影周長的檢測，首先應將彩色馬鈴薯圖像轉為灰度圖像，使用最大類間方差法找到圖片的合適的閾值，使用閾值變換法把灰度圖像轉換成二值圖像，采用邊緣檢測技術，勾勒出馬鈴薯的邊緣(圖8的邊緣實則是連續的，圖8放大后如圖9所示)，繼而求得馬鈴薯投影周長.

圖像邊緣提取的常用梯度算子有Robert算子、Sobel算子、Prewitt算子、Log算子、Canny算子等. 本文采用Canny算子進行邊緣提取.

Canny算子致力于尋找圖像梯度局部最大值，采用雙閾值方法，解決了由于噪聲問題帶來的斑紋現象.

圖8 閾值為[0.7，0.99]的Canny邊緣檢測

圖9 放大后的邊緣圖像

4 缺陷面積測量

馬鈴薯缺陷面積的測量方法與投影面積的測量方法一致. 原始圖像如圖10所示.

圖10 馬鈴薯缺陷原始圖像

5 分析討論

通過光譜技術對圖像進行處理的方法可以測定馬鈴薯的投影面積，比較圖5和圖7可知，通過中值濾波法去除噪聲后圖像造成的誤差較小，所以求得的陰影面積誤差較小. 但是由于圖像的拍攝效果總是會帶來一定的誤差，中值濾波后的圖像也會有一定的誤差，所以測得的馬鈴薯投影面積也會有一定的誤差. 由于缺陷面積測量過程中，缺陷處顏色深淺不一致，所以轉化為二值圖像時，有一定的誤差產生，如圖11所示，使得測得缺陷面積有一定的誤差.

圖11 馬鈴薯缺陷二值圖像

[1] 李大春，高劍華，張遠學，等. 抓國家馬鈴薯主糧化戰略機遇，促恩施州馬鈴薯產業發展[C]//馬鈴薯產業與現代可持續農業大會. 恩施:2015.

[2] 張保華，李江波，樊書祥,等. 高光譜成像技術在果蔬品質與安全無損檢測中的原理及應用[J]. 光譜學與光譜分析，2014,34(10):2743-2751.

[3] 陳守滿. 高光譜圖像與農產品品質無損檢測研究進展[J]. 安康學院學報，2011，23(6):1-6.

[4] 劉燕德,張光偉. 高光譜成像技術在農產品檢測技術中的應用[J]. 食品與機械，2012,28(5):223-226.

[5] 蔣艷軍,盧軍,陳建軍. 板栗圖像的去噪及缺陷檢測研究[J]. 農產品加工，2008:72-73.

[責任編輯：郭 偉]

Potato phenotypic characteristics based on image processing

ZHANG Sou

(Science College, Huazhong Agriculture University,Wuhan 430070, China)

Using machine vision and image technology, the image of potato was processed. Through measuring the potato projection area, defect area and projection perimeter, the quality of potato was detected. This study could serve as a basis for the detection of potato phenotypic quality.

potato; machine vision; image technology; projection area

2016-12-15

華中農業大學大學生科技創新基金(SRF)(No.2016303)

張 擻(1995-)，男，河北辛集人，華中農業大學理學院2014級本科生.

TP391.41

A

1005-4642(2017)07-0053-03