基于數字圖像處理課程內容的實踐案例實施

馬慧敏 袁濤 焦俊 喬焰 朱誠

摘 要 《數字圖像處理》課程是一門實踐性強，理論知識點綜合應用的課程，在當下人工智能機器視覺發展的形勢下，更突顯了該門課程的實用性。本文以本課程的教學目標及內容為基礎，設計針對《數字圖像處理》課程知識點綜合應用的創新實踐項目并實施，對學生綜合應用《數字圖像處理》課程的專業知識處理實際問題有重要的指導意義。

關鍵詞 數字圖像處理 創新實踐 蘋果圖像分割 項目實施

中圖分類號：G642.4文獻標識碼：A

《數字圖像處理》是電子信息類專業重要的專業課。隨著信息、電子技術及人工智能的快速發展，數字圖像處理技術已被廣泛應用于計算機視覺、模式識別、交通運輸、醫學和軍事等各個領域，且在這些領域發揮著越來越重要的作用。安徽農業大學（以下簡稱“我校”）電子信息類專業、物聯網工程專業、電氣工程專業都開設了“《數字圖像處理》”課程。本文為進一步提高《數字圖像處理》課程的教學效果，以激發學生的興趣，增強學生的信心，提高學生在機器視覺領域的就業競爭力，從工程應用出發，給出一項基于數字圖像處理課程內容的創新實踐項目的實施過程。在《數字圖像處理》課程教學中結合人工智能創新發展引入案例或項目驅動教學模式，培養學生的學習興趣，并結合教師的科研項目和學生競賽，對圖像處理算法進行設計并實現，提高學生的實踐能力。

在教學中，《數字圖像處理》課程的教學內容分為三個部分：概述部分、理論基礎部分和應用基礎部分。概述部分：主要介紹數字圖像處理的發展歷史、研究內容和基本概念，這一部分主要幫助學生了解該學科的發展方向及應用領域，整體了解數字圖像處理的基礎理論和解決問題的思路框架，為學生解決問題做好鋪墊，激發學生的學習興趣。數字圖像處理理論基礎部分：主要介紹數字圖像處理基礎的概念、基本運算以及圖像變換，按照空間域處理（點處理、直方圖、代數運算、幾何運算）、頻域處理（傅里葉離散變換、濾波處理）和統計方法處理幾個方面來教學。數字圖像處理應用技術部分：這一部分包括圖像增強、圖像壓縮、圖像復原、圖像分割和特征提取等應用技術，重點講述應用基礎理論和方法來解決實際問題。從教學內容中看，《數字圖像處理》課程內容涉及到的理論和應用知識點多，而且在實際應用中這些知識點需要綜合應用，進行項目實踐對《數字圖像處理》課程知識點綜合應用是非常必要的。本文以“自然環境下的蘋果圖像的分割與定位”創新實踐項目為例，講述項目的實施過程、內容及結果。

1圖像預處理

圖像的預處理是蘋果圖像準確分割的一個至關重要的環節，因為在現實環境中采集的圖片會受到噪聲、光照等原因的影響，給分割帶來了很大的麻煩。首先要將目標果實與背景分割開來，樹枝、葉子應該消除，這樣有利于后續分割。由于成熟蘋果的顏色特征比較明顯，可以求色差圖像，突出了蘋果的顏色特征且很好地消除枝葉。對初始圖像做如下處理：（1）求圖像RGB三個通道的圖像分量;（2）用R通道圖像分量減去B通道圖像分量得到新的圖像數組，以此類推。針對3張自然環境下拍攝的蘋果圖像，處理的結果如圖1所示，圖中從上到下依次是R-G色差圖像、R-B色差圖像。從圖中可以看，我們嘗試的幾幅紅色蘋果圖像，發現均是前兩幅色差圖像效果好，突出了果實，較好地消除了枝葉。而G-R色差圖像、G-B色差圖像、B-R色差圖像、B-G色差圖像幾乎全黑，無法突出果實。因此，選取前兩幅色差圖像作為預處理圖，即R-G或R-B色差圖像。

2蘋果圖像分割

在圖像預處理后，選擇R-G或R-B色差圖像作為分割的初始圖像。由于自然環境下的蘋果圖像具有分割區域和背景明顯對比的特征，在此，選取全局閾值法進行分割，主要對比迭代式閾值選擇法和最大類間方差閾值選擇法對自然環境下蘋果圖像的分割效果。對于一幅圖像X我們給出一般的描述，一幅具有L級灰度級圖像，其中第i級的像素為ni個，0

2.1迭代式閾值選擇法與最大類間方差法

迭代式閾值法選擇法基本思想是：開始時選擇一個閾值作為初始估計值，然后按照某種策略不斷改進這一估計值，直到滿足給定的準則為止。因此，設計的迭代閾值法步驟如下：

（1）對圖像灰度進行選擇，將其中值作為初始閾值T0。

（2）根據閾值Ti把圖像分割成兩個區域，分別為R1、R2，再利用下面的公式計算區域R1、R2的灰度均值u1、u2：

（3）算出u1和u2之后，根據下面這個公式計算出新的閾值：

（4）最后重復步驟（2）-（3），一直到與之間的差小于某個定值。

最大類間方差閾值選擇法（Otsu算法），是在灰度直方圖的基礎上利用最小二乘法原理推出來的，是統計意義上的最佳分割閾值。Otsu算法的基本思想是以最佳閾值把圖像的灰度直方圖分割成兩個部分，從而使得兩個部分之間的方差取得最大值，這時候分離性最大。

2.2蘋果圖像分割結果

迭代式閾值選擇法和Otsu算法對自然環境下蘋果圖像的分割效果如圖2所示。從圖中可以看出，經過Otsu算法處理的分割效果圖中的果實缺失程度比迭代閾值選擇法的輕，比如第三張原圖由于光照因素，兩種方法處理的最終圖像里果實內部存在一些細小的孔洞，但經過Otsu算法處理的圖像的孔洞比迭代法的孔洞要少且更小。其他四張原圖都是這種情況，尤其是第一張原圖，我們可以明顯看出經過Otsu算法處理的圖像里的果實明顯比迭代法的要大，而且對比原圖，我們明顯發現迭代法處理的果實變小了。因此，對于自然環境下蘋果圖像的分割Otsu算法優勝于迭代閾值選擇法。

3蘋果定位

3.1方法及步驟

對自然環境下拍攝的蘋果圖像中的蘋果區域進行定位，實踐實施中采用的關鍵步驟如下：

（1）讀取拍攝的蘋果圖像，求取差值圖像用于去掉背景，用彩色圖像的R通道減去G通道得到R-G差值圖像;

（2）去噪處理，對圖像進行中值濾波;并用Otsu法選取閾值并對圖像二值化;

（3）去除小目標，利用bwareaopen函數對二值化圖像進行去除小目標（面積小的單獨部分）;

（4）進行腐蝕處理，實驗中時連續四次腐蝕;再依次進行關運算、閉運算，各進行一次;進行一次膨脹，顯示邊界;

（5）求出各個目標的周長P與面積A，最后通過求得目標的圓形度;經過嘗試，認為圓形度大于0.7的目標為圓形，且計算其圓心，為屬于某一個蘋果區域的像素集，Ai為該區域的像素的總數，（x，y）為像素點坐標。

3.2定位結果

圖3（a）是一幅只有單個蘋果且背景較簡單的蘋果圖像，圖3（b）是用色差圖像R-G將背景中枝葉去除，從上面實驗結果圖像來看，對圖像進行的預處理是成功的，使圖像后續處理簡單，圖3（c）是Otsu算法選取閾值分割且二值化處理的結果，效果也是比較好的，最后以求質心的方法來定位，也達到了預期效果。

圖4（a）是一幅有多個蘋果且背景較復雜的蘋果圖像，圖4（b）是分割后的二值圖像，然后對圖像進行去除小目標及形態學腐蝕和膨脹處理，如圖4（c-e）所示，最后判斷封閉區域的圓形度并標記圓心。

4結束語

《數字圖像處理課程》是一門基礎理論復雜抽象，實踐性強且應用非常廣的課程，在當下人工智能發展的形式下，更突顯了該門課程的實用性。目前該課程的教學普遍理論多，實踐少，在教學的過程中知識點之間的綜合應用較少，使得學生很難對《數字圖像處理》課程理論知識建立起一個完整的綜合體系，進行項目實踐對《數字圖像處理》課程知識點綜合應用是非常必要的。本論文給出在學生掌握《數字圖像處理》課程知識點的基礎上，針對《數字圖像處理》課程知識點綜合應用的創新實踐項目實施，以“自然環境下蘋果圖像的分割與定位”創新實踐項目為例，講述項目的實施的過程、內容及結果，對學生綜合應用《數字圖像處理》課程的專業知識處理實際問題有一定的指導。

基金項目：安徽農業大學2018校級教學質量工程項目（2018aujyxm114），安徽省高校自然科學研究項目（KJ2019A0210）資助。

參考文獻

[1] 趙秦川.數字圖像處理技術與應用探討[J].科技與創新，2018（04）：147-148.

[2] 盧桂馥，王勇.面向應用的數字圖像處理課程的教學改革與實踐[J].銅仁學院學報，2016，18（04）：101-104.

[3] 劉君.結合人工智能的數字圖像處理教學改革探討[J].科技創新導報，2018（16）：229-232

[4] RC Gonzalez， RE Woods， SL Eddins.國外電子與通信教材系列：數字圖像處理 （MATLAB版）[M].阮秋琦譯.北京：電子工業出版社，2014.

[5] 楊杰.數字圖像處理及MATLAB實現[M].北京：電子工業出版社，2013.

[6] 張潔，李艷文.果蔬采摘機器人的研究現狀、問題及對策[J].機械設計，2010，27（06）：1-5.

[7] 崔玉潔，張祖立，白曉虎.采摘機器人的研究進展與現狀分析[J].農機化研究，2007（02）：4-7.

[8] 張德豐.MATLAB數字圖像處理[M].北京：機械工業出版社，2012.

[9] 王曉凱.圖像椒鹽噪聲及高斯噪聲去噪方法研究[D].上海：復旦大學，2010.