基于計算機視覺的血橙成熟度檢測

摘要：利用血橙表面著色比例判斷其成熟程度，通過血橙成熟度判斷其最佳采摘時間，為血橙的最佳貯藏、運輸與銷售時間提供依據(jù)。使用CCD相機采集血橙正反兩面的圖片，運用數(shù)字圖像處理技術(shù)對血橙正反兩面圖片進(jìn)行全局閾值分割，通過imclearborder函數(shù)將分割后血橙區(qū)域外的背景處理成黑色，統(tǒng)計分割圖像中的黑白像素點。數(shù)字圖像處理技術(shù)能有效處理CCD相機采集的血橙圖片，計算出血橙的著色比例。試驗方案適用于血橙成熟度檢測，通過統(tǒng)計出的數(shù)據(jù)能判斷血橙是否成熟。

關(guān)鍵詞：血橙成熟度；閾值分割；像素點統(tǒng)計

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：0439-8114（2016）03-0740-03

DOI：10.14088/j.cnki.issn0439-8114.2016.03.048

Abstract： The maturity of blood oranges could be judged by the colored proportion of the surface， and the pick time of blood oranges could be obtained by the maturity， which provided an evidence for optimum time of storage， transportation and selling. The global threshold segmentation was performed by using digital image processing technology on the both positive and negative surfaces’ photos of blood oranges taken by CCD camera. In the segmented image， the background outside the area of blood orange were treated to be black by imclearborder function， thus the white and black pixel points could be statistically counted. The photo of blood orange taken by CCD camera could be effectively processed by digital image processing technology. The detecting method in this research was suitable to check the maturity of blood oranges， and the data statistically counted could be used for judging whether the blood orange matured or not.

Key words：maturity of blood oranges；threshold segmentation；pixel points count

血橙是南方特有的珍奇水果，以其汁胞呈血紅色如血絲，并有益氣補血、止咳化痰、健胃消食等多種保健功能而得名。由于其品質(zhì)優(yōu)良且在春節(jié)期間成熟，又適合大眾口味，所以其價格是其他柑橘的幾倍。但是在血橙篩選過程中，通過人工篩選血橙，不但耗時耗力，而且可能造成血橙受損，影響血橙的品質(zhì)。因此實現(xiàn)對血橙成熟度的無損檢測，可以節(jié)省人力，提高血橙分揀效率。

基于計算機視覺對水果進(jìn)行無損檢測一直是研究的熱點。由于水果的表面特征不同，所以不同水果的檢測方法也各不相同。常用的技術(shù)方法有數(shù)字圖像處理、近紅外光譜分析、光特性無損檢測等。由于血橙的表皮有著獨特的性質(zhì)，在其趨于成熟的時候表面會產(chǎn)生獨有的血紅色，通過對血橙的圖像采集，分析血橙獨有的圖像特性，對血橙進(jìn)行有效分割。運用全局閾值法分割采集的血橙圖像，然后對分割后的圖像信息進(jìn)行有效處理，通過處理后的信息能準(zhǔn)確計算出血橙的成熟度[1]。

1 材料與方法

1.1 試驗設(shè)備

CCD相機分辨率1 024像素×768像素，可見光和近紅外長條形LED光源。固定相機與光源的位置，手動調(diào)整血橙放置位置，保證人為改動血橙位置后依然處于相機拍攝的最佳角度。先采集血橙的正面圖像，再采集同一血橙的背面圖像。

1.2 閾值法分割圖像

閾值法分為全局閾值法和局部閾值法，全局閾值法是利用全局信息對整個圖像求出最優(yōu)的分割閾值，可以是單閾值，也可以是多閾值[2]。而局部閾值法是把原始圖像分為幾個小的子圖像，再對每個子圖像應(yīng)用全局閾值法分別求出最優(yōu)的分割閾值。所謂閾值分割方法就是確定某個閾值Th，根據(jù)圖像中每個像素的灰度值大小或小于該閾值Th進(jìn)行圖像分割，實際上就是按照某個準(zhǔn)則函數(shù)求最優(yōu)閾值Th的過程。設(shè)原圖像為f（x，y）（二維數(shù)字圖像的平面坐標(biāo)），圖像灰度級的取值范圍是G=|0，1，2...L-1|（0代表最暗的像素點，L-1代表最亮的像素點）。經(jīng)過分割處理后的圖像為g（x，y），g（x，y）為二值圖像，則有：

g（x，y）=1，f（x，y）≥Th0，f（x，y）

2 結(jié)果與分析

2.1 全局閾值法分割血橙

對采集的血橙圖像進(jìn)行預(yù)處理，通過rgb2gray（）函數(shù)將其轉(zhuǎn)換為灰度圖像，血橙正面原始圖像的灰度圖如圖1所示。

背景的灰度值在整個圖像中可看作恒定，而且分割對象與背景都具有幾乎相同的對比度。只要選擇正確的全局閾值，一般都會有較好的分割效果[3，4]。對圖1中血橙的正面灰度圖像采取全局閾值分割，將小于全局閾值的像素點置為白色；反之，大于全局閾值的像素點置為黑色。經(jīng)過分割處理后的圖像變?yōu)楹诎咨亩祱D，血橙表面的著色區(qū)域顏色深故變?yōu)楹谏缺砻娴奈粗珔^(qū)域顏色淺故變?yōu)榘咨＿x取不同的全局閾值，對圖像的分割效果也各不相同[5]。選取全局閾值分別為110、120、130對圖1血橙的正面灰度圖像進(jìn)行分割，其結(jié)果如圖2所示。

當(dāng)全局閾值選為110（圖2a）時，血橙的邊界與背景分界模糊，部分血橙被誤認(rèn)為背景，同時部分著色區(qū)域被誤認(rèn)為未著色，減少了血橙實際的著色面積。全局閾值選為130（圖2c）時，完全消除了血橙被誤認(rèn)為背景的部分，但是部分未著色區(qū)域被誤認(rèn)為著色區(qū)域，增大了血橙實際的著色面積。而全局閾值選為120（圖2b）時，血橙著色區(qū)域與未著色區(qū)域完全區(qū)分，背景與血橙分界明顯，分割效果最佳，所以全局閾值設(shè)定為120。

同理，通過rgb2gray（）函數(shù)將血橙背面原圖轉(zhuǎn)換為灰度圖像（圖3a），選取全局閾值為120分割得到處理后的圖像如圖3b所示。

2.2 統(tǒng)計著色比例

由于血橙著色區(qū)域與未著色區(qū)域相互交錯，并且分布零散。常用的matlab不規(guī)則面積計算方法無法精確計算出著色面積與未著色面積的比例。本試驗采用黑白像素點統(tǒng)計的辦法對圖像中的每個像素點逐個統(tǒng)計，通過if語句判斷，如果為黑色像素點（二值圖中0表示黑色），則黑色像素點總數(shù)加1，反之白色像素點總數(shù)加1。先計算血橙正面分割圖未著色面積的白色像素點個數(shù)，以及著色面積的黑色像素點個數(shù)，然后計算血橙反面分割后的黑色像素點個數(shù)與白色像素點個數(shù)。用兩個圖總的黑色像素點個數(shù)除以兩圖總的黑白像素點個數(shù)，得到整個血橙著色面積占總面積的比例。由于血橙正面選取120全局閾值分割處理后背景也是白色，白色像素點個數(shù)包括未著色區(qū)域與背景，此時只能有效統(tǒng)計出黑色像素個數(shù)。所以先計算出圖2b血橙正面分割圖中總的黑色像素點個數(shù)為2 324 223，即著色區(qū)域，再通過imclearborder函數(shù)將血橙正面分割后血橙區(qū)域外的背景處理成黑色（圖4a），計算出血橙正面分割圖中白色像素點個數(shù)為625 926，即未著色區(qū)域。同理由圖3b計算出血橙背面分割處理后的黑色像素點個數(shù)為2 085 542，即著色區(qū)域，再通過圖4b計算出血橙背面分割圖白色像素點數(shù)為93 568，即未著色區(qū)域。此時，以血橙正面與背面分割圖像的總黑色像素點個數(shù)之和除以血橙正面與背面分割圖像的黑白像素點個數(shù)總和，計算出血橙的著色比例為85.97%。血橙成熟度是按照果皮著色面積達(dá)到三分之二即八成熟，以此為標(biāo)準(zhǔn)，本試驗采集的血橙樣品檢測結(jié)果為完全成熟[6，7]。

3 小結(jié)

試驗通過選取不同的全局閾值對血橙進(jìn)行分割，不同全局閾值分割出來的圖像效果各不相同。選取全局閾值為120時，血橙邊界與背景分界清晰，并且血橙內(nèi)部著色部分與未著色部分區(qū)分明顯。在統(tǒng)計血橙著色比例時，運用imclearborder函數(shù)處理分割后圖像，較為準(zhǔn)確地將血橙分割后的背景白色填充為黑色，以此實現(xiàn)著色區(qū)域與未著色區(qū)域的統(tǒng)計。通過分別統(tǒng)計黑白像素點個數(shù)的方法，代替計算血橙表面不規(guī)則著色面積與未著色面積，降低了計算的難度，解決了計算血橙著色面積比例的核心問題。依照著色面積達(dá)到三分之二即八成熟的標(biāo)準(zhǔn)，可以判斷出血橙是否成熟。

本試驗方案針對血橙成熟度檢測設(shè)計，在血橙分割方法上采用全局閾值分割法達(dá)到了理想效果。通過imclearborder函數(shù)處理分割后圖像，能有效統(tǒng)計血橙黑白像素點個數(shù)，與傳統(tǒng)計算方法相比更為簡便，為今后血橙自動化無損檢測提供了理論基礎(chǔ)和數(shù)據(jù)積累。

參考文獻(xiàn)：

[1] 熊俊濤，鄒湘軍，陳麗娟，等.基于機器視覺的自然環(huán)境中成熟荔枝識別[J].農(nóng)業(yè)機械學(xué)報，2011，42（9）：162-166.

[2] 林正春，王知衍，張艷青.最優(yōu)進(jìn)化圖像閾值分割算法[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報，2010，22（7）：1201-1206.

[3] 馬義得，錢志柏，李 娜.基于FCM的動態(tài)結(jié)合全局圖像閾值分割[J].電子科技大學(xué)學(xué)報，2006，35（3）：349-351.

[4] 夏 勇，陳 斌，李永華，等.基于RGB的干棗圖像區(qū)域閾值分割算法的應(yīng)用研究[J].現(xiàn)代儀器，2012，18（6）：44-47.

[5] EKSTROM M P.Digital image processing techniques[M].Orlando，F(xiàn)lorida：Academic Press，Inc.，2012.

[6] PRABHA D S，KUMAR J S. Assessment of banana fruit maturity by image processing technique[J]. Journal of Food Science and Technology，2015，52（3）：1316-1327.

[7] MAGWAZA L S，TESFAY S Z. A review of destructive and non-destructive methods for determining avocado fruit maturity[J].Food and Bioprocess Technology，2015，8（10）：1995-2011.