• 采用改进算法提取苹果边缘轮廓① 不要轻易放弃。学习成长的路上,我们长路漫漫,只因学无止境。


    该文分析了算法的理论基础和实现原理针对算法提取出的边缘存在过多细节信息的问题结合苹果图像的特征提出了改进的边缘检测算法。实验结果表明该算法通过设定链长度的方法可以有效地减少虚假边缘信息的产生达到尽可能完整地提取连续闭合边缘的目的。

    关键词算法苹果边缘检测链长度

    文献标识码 文章编号()

    水果的大小、形状、颜色以及表面缺陷是水果分级的主要依据。其中作为水果品质检测与分级的一个重要指标——果实形状[]的提取在很大程度上取决于边缘检测提取的水果轮廓。在常用的几种用于边缘检测的算子中算子常常会产生双边界而其他一些算子如算子又往往会形成不闭合区域。相比传统的微分算子基于最优化算法的边缘检测算子[]因具有信噪比大和检测精度高的优点而被广泛应用但边缘检测算子也存在某些不足。本文以苹果为研究对象分析了传统算法的基本原理和实现方法在分析苹果图像的边缘特征的基础上提出了一种改进的算法。实验结果表明改进的算法可以有效的提取出苹果的闭合边缘轮廓减少虚假边缘的产生为后续进一步根据水果的大小、果形、颜色、果面缺陷等指标对其进行分级做准备。

    传统的算法

    边缘检测原理

    于年提出了一种边缘检测算法即算子。同时提出边缘检测的三个判断准则即信噪比准则、定位精度准则和单边缘响应准则[]。

    ()信噪比准则即非边缘点判断为边缘点或边缘点判断为非边缘点的概率要低这两个概率都随着信噪比提高而下降。信噪比()的数学表示是

    其中为边界滤波器的脉冲响应为边缘函数为高斯噪声的标准差。值越大正确率越高。

    ()定位精度准则即检出的边缘点与实际边缘点距离最小[]。定位精度的数学表示是

    其中和分别为和的一阶导数。值越大定位精度越高。

    ()单边缘响应准则即单个边缘产生多个响应的概率要低最大程度的抑制虚假边缘的响应[]。要保证单边缘响应检测算子脉冲响应导数的零交叉点平均距离应满足

    ()

    其中为的二阶导数。以上述表达式为基础利用函数求导的方法可以导出一个由边缘定位精度和信噪比乘积组成的表达式。

    这个表达式近似于高斯函数的一阶导数为输入图像。

    传统算法的实现步骤

    在边缘检测原理的基础上传统的边缘检测算法主要分四步进行。

    第一步选择合适的一维高斯函数分别按行和列对图像进行平滑去噪为后期处理进行准备。即利用滤波器对图像进行卷积操作得到平滑图像[]。

    第二步计算梯度的幅值和方向。算法采用邻域一阶偏导的有限差分来计算平滑后图像的梯度的幅值和梯度方向[]。其中梯度幅值反映了图像上点处的边缘强度梯度方向为图像上点的法向矢量垂直于边缘的方向。

    第三步对梯度图像进行非极大值抑制。若像素点的梯度幅值大于或等于沿梯度方向上两个相邻像素点的梯度幅值则判定该点为可能的边缘点[]否则肯定不是边缘像素将其梯度幅值置为。

    第四步双阈值法检测与连接边缘。对上步判定为边缘点的集合确定上下限阈值和对非极大值抑制图像进行双阈值化处理可得到一个高阈值检测结果和一个低阈值检测结果。再在中连接边缘轮廓连接到端点时到寻找弱边缘点弥补的边缘间隙。

    传统算法在苹果轮廓提取上的不足

    目前已有许多对算法的改进[]但是在苹果轮廓提取方面算法仍然存在不足。在算法提取的边缘图像中有些边缘属于弱边缘存在不闭合的现象有些边缘属于细节信息例如许多轮廓内部的纹理被误判断为边缘边缘与背景非常接近而使边缘易与背景混淆。由于苹果在按大小分级时只关心其边缘轮廓根据边缘轮廓的大小而对苹果进行分级因此需要将由传统算法提出的细节边缘去除只保留其闭合的轮廓边缘。经过大量实验发现有些提取的边缘虽然细节边缘较少但是轮廓边缘很不连续形成轮廓边缘的不闭合有些轮廓边缘虽然连续但是细节边缘过多。其原因主要可归结为两点第一是阈值选取的问题。传统的算法采用双阈值法虽然提高了边缘的连续性但是若其低阈值选择过大则会导致无法定位全部边缘边缘出现间断若低阈值选择过小又可能出现大量伪边缘而对苹果图像来说提取闭合的边缘是非常重要的。如果高、低阈值选取较低则会提取过多的虚假边缘造成误分割。在大量实验中发现不管高低阈值选取的有多高也避免不了虚假边缘的产生究其原因是算法把苹果表面的纹理信息当做边缘信息提取出来了这就是传统算法无法在苹果按大小分级上应用的原因之二。

    改进万博体育彩票下载,万博亚洲客户端下载,万博亚洲动态的算法

    对算法提取出的图像边缘观察可以发现虽然算法在边缘提取上有较为明显的优势可以提取出图像的边缘信息但是也保留了一些在不必要的细节信息这些细节信息的存在会影响苹果分级的后续处理。结合苹果图像的特征和算法提取出的苹果边缘图像观察发现除了闭合的苹果轮廓曲线外其他虚假边缘都是一些局部的极值点。这些极值点有的为很短的曲线有的为较小的闭合曲线而苹果在按大小分级时仅需提取其外部轮廓。根据这一特点可以对算法进行改进改进的原理如下在传统算法的第四步边缘连接时设定一个链长度检测出的边缘与进行比较若检测出的边缘长度大于则保留若边缘长度小于则去除流程如图所示。

    根据需要的不同可以人工更改。本课题仅需检测出苹果的边缘轮廓可以设定为检测出的最长的一段边缘因算法可采用较低的低阈值以提取出物体闭合的边缘轮廓所以在本课题中即为苹果的边缘轮廓为一系数。在本课题中经多次研究发现当取时可以有效的去除细节信息保留苹果的边缘轮廓。

    改进后的算法实现的流程图如图所示

    实验结果分析

    试验用++和编程实现实验用的图片大小为×实验用的图像由基于机器视觉的水果分级系统的图像采集装置提供。基于机器视觉的水果分级系统由载物平台(输送带)、摄像机、光照箱、计算机、分级控制装置构成其硬件组成示意图如图所示。在分级过程中水果位于传送带上方摄像机配置在传送带的上方及两侧在传送带两侧安装有检测装置。当水果通过摄像机时摄像机将所采集到的水果图像传入计算机由计算机对水果图像进行一系列处理。在图像处理中背景颜色直接关系着图像的分割效果通过对多张不同背景下的苹果直方图进行研究后发现当背景为黑色时在直方图中可以得到明显的双峰。利用这一特点选择黑色的传送带采用阈值法对图像目标与背景进行分割如图所示。

    在图中是原始的苹果图像是原始图像转化的灰度图是灰度直方图是根据直方图的阈值进行背景分离后的图像是采用算子提取的图像边缘是用算法提取的图像边缘。采用改进的算法对采万博体育彩票下载,万博亚洲客户端下载,万博亚洲动态集到的图像进行处理结果如下图所示。在图中是原始图像是传统算法提取的边缘图像是本文算法提取的边缘图像是侧面获得的原始图像是采用传统算法提取的边缘图像是本文算法提取的边缘图像。




    这是水淼·dedeCMS站群文章更新器的试用版本更新的文章,故有此标记(2019-02-13 21:04:10)

    上一篇:高炉钢结构系统施工中的进度控制

    下一篇:迎接教学评估 学校召开本科教学审核评估工作推