基于機械視覺的魚的辨別

包思圓 劉娜 羊志膺

摘 要：改革開放以來，我國淡水漁業無論在國內還是國際的漁業發展中都具有十分重要的地位和作用[1]。近幾年，我國淡水養殖業有較大發展，產量占總漁獲量的40%左右，但由于傳統的生活習俗，淡水魚都是活銷或鮮銷，故加工量很少[2]。本研究將機器視覺、圖像處理技術、模式識別應用于淡水魚的品種識別研究中，使用Photoshop軟件對收集到的圖片進行處理，提取魚體外輪廓，使用Matlab收集圖像特征，得出實驗數據，該技術的建立和實施有利于實現魚類營養價值和經濟價值的最大化，提高我國魚類資源利用率。

關鍵詞：圖像處理；淡水魚的分類；機器視覺

DOI：10.16640/j.cnki.37-1222/t.2019.07.222

0 引言

中國是淡水魚養殖生產大國，年產量占世界總產量的70%以上，由于中國淡水魚加工工業發展滯后，淡水魚以鮮活銷售為主，在集中上市季節，容易造成“壓塘”和“賣魚難”的現象，挫傷生產者的積極性，因此開發淡水魚深加工裝備，對于促進中國淡水魚養殖生產的發展和增加生產者的收入都有具有重要意義[3]。

1 研究的主要內容

photoshop軟件將采集的魚的圖片進行分割，提取魚體外輪廓，對收集到的魚體照片進行處理，將處理后的圖片導入Matlab軟件中，進行數據分析。首先進行灰度化處理，調整圖像對比度，然后用灰度直方圖，修改技術根據灰度化分布統計特征對圖像進行增強，進而對圖像進行二值化處理，使具有灰度級的圖像變成只有兩個灰度值的黑白圖像，通過自動確定圖像二值化的最佳閥值進行二值化處理，在不影響圖像清晰度的同時降低圖像噪音。

2 研究的技術路線

3 圖像采集及預處理方法

對實驗材料進行拍照，對圖像進行色彩提取、二值化、輪廓提取以及特征值的提取。

（1）圖像預處理。本次研究，用圖像預處理技術預先進行色彩提取，灰度化圖片，增強圖像、清楚邊界、使圖像變得更加二值化以及提取圖像的輪廓。（2）提取彩色分量。色彩圖片被采集到的圖片，它的每一個像素點都是由紅綠藍三個基本色組成，此外紅綠藍這三個分量分別占有八位存儲空間，量化范圍為（0.255）即256級，如果改變紅綠藍的存儲空間，對像素點的信息也具有一定的影響。通過量化范圍可以得出RGB模型為：256*256*256=16777216，大約有1670萬種色彩，因為RGB可以把自然界中的任何一種顏色表示出來，所以被稱為24位真彩色，RGB會根據圖像的不同對像素點賦予不同的RGB值，形成一幅24位真彩色圖像。（3）圖像灰度化。當R=G=B時，RGB模型和圖像中色彩顯示時有所不同的，如下R=G=B時在RGB模型中為灰度色彩，圖像就組了灰度范圍為0-255的灰度圖。并且灰度圖的每個像素點都會用一個字節來存放灰度值。對圖像進行灰度化處理在很大程度上會減少計算量，并且在圖像的整體以及局部色彩色度和亮度的分布以及特征上灰度圖像和彩色圖像是一樣的。如今采集到的圖片是由紅、綠、藍這三種把不同的顏色調色合成的24位真彩色圖像。比如：會用a*b*3的形式來存儲尺寸為a*b的圖像。代碼C的像素值為圖像A中用代碼（X，Y.1：3）。如果想要時存儲空間有所減小，就對凸顯間灰度化處理，把圖像的多種顏色信息變成黑白兩色，在對亮度進行合適的調節，進而生成灰度化圖片。（4）圖像二值化。將灰度圖轉為二值圖常用的處理措施時閾值處理。閾值θ的作用類似于一個門檻，比它大被判定為屬于特定物體，其灰度值為255表示，比它小則被排除在目標區域以外，灰度值為0，表示背景或者例外的物體區域。該變換函數是階躍函數，只需給出閾值點θ的值即可，經過閾值處理后的圖像變成了一幅黑白二值圖。其計算公式為：

其中f（x，y）為灰度圖像數據，f'（x，y）為二值化后的圖像數據，x和y分別是該點的橫坐標與縱坐標。而閾值θ主要是經過用戶指定，也能過通過算法主動生成一個閾值，不同的閾值處理的效果對圖像的處理的效果不同。現有的硬件設備不是很完善并且環境不好，所以采集到的圖片里有一部分是存在大量的噪音，在一定程度上影響圖像的美觀，并且不利于目標特征的提取。通過去除圖片中的噪音和銳化圖片之后，圖片中的單個噪聲點就會消失，光照更加均勻，目標更加突出。（5）輪廓提取。二值圖像被增強后就可以分析出以下的兩種信息：黑色背景以及白色目標物體。在研究時要對目標物體的輪廓進行提取，因為這樣就可以方便快捷的統計投影面積。提取二值輪廓的算法相對來說是比較簡單的，并且會對邊界點進行保留，省去內部點。主要運用鄰域邊界算法，所謂的鄰域邊界算法是把原有的圖片上存在像素值為黑色并且個鄰域點也為黑色的內部點的像素改為白色。

4 實驗結果和分析

對收集來的淡水魚圖片提取色彩分量、灰度化、二值化、增強處理，得到所需的二值圖和輪廓圖。目前研究可實現一部分功能，但由于機器學習和機器識別的圖像效果不佳且圖像量少，圖像拍攝光線不一，光線、背景晰度等都造成數據的不準確性。由于特征數據不足，本系統的識別準確率不夠高，我們將繼續擴充特征數據和樣本質量，以提高本系統的識別率。

參考文獻：

[1]羅相忠，鄒桂偉，潘光碧等.我國淡水魚也的現狀和發展趨勢[A].長江大學學報（自然版），2005，2（05）.

[2]趙占西.我國淡水水產品加工業的現狀和前景展望[J].河海大學常州分校學報，2004，24（12）：30-37.

[3]戴新明，熊善柏.湖北省淡水魚加工與綜合利用[J].漁業現代化，

2004，8（03）：14-17.

作者簡介：包思圓（1997-），男，蒙古族，內蒙古通遼人，本科在讀，研究方向：圖像處理。