数字图像处理和安全

• 简介:

中国是世界苹果生产大国,苹果分级对提高果农收入,加快果品流通具有十分重要的意义。但苹果分级技术及苹果分级装备落后,效率低、精度低,本文利用MATLAB图像处理技术设计了一种苹果分级系统。本系统主要包括四个过程:图像采集,图像预处理,特征提取以及苹果分级。

以往苹果分级多采用人工分级和机械分级,效率低、精度低。本文利用MATLAB图像处理技术设计了一个程序,能够高精度地识别苹果表面图像的大小、颜色、形状和缺陷程度数据,成功地实现了苹果的自动分级。Bhatt等建立基于机器视觉和人工神经网络的苹果分级系统,其具有较好的性能。SofuM等依据苹果的颜色,大小及重量特征将苹果分成不同的等级,设计了苹果在线分拣系统,在对183个样本进行了测试之后,得到分级的准确率在73％到96％之间。杨小青等利用像素点变换法计算苹果的表面积以及着色比,依据此来判断苹果等级。黄兆良等经过在苹果RGB图像上进行阙值分割,之后采用超红—超绿阙值分割来计算苹果的着色面积,最后分级准确率达到90%以上。邱光应等把果梗花萼以及缺陷的颜色、纹理及形状作为特征,使用决策向量机进行三者区分,最终识别正确率达到97.7%。黄辰等利用苹果的果径、色泽和缺陷面积通过判别树进行了初步的分级,又使用果形、纹理和颜色分布特征通过了粒子群优化的支持向量机进行再次分级,最后把两种模型结果进行决策融合,得到最终的分级结果。郑羽纶等在对苹果的分级中,首先利用支持向量机模型区分了缺陷果和完好果,然后在对完好果分级时,分别进行了单一特征下的分级,又利用了多特征组合下利用K－最近邻、BP神经网络和支持向量机算法的分级,为提高分级准确率,提出多特征多分类器融合的分级方法,最终分级准确率达到了90.2%。本文以红富士苹果为研究对象,设计了基于MATLAB图像处理的苹果分级检测系统。在总结国内外研究成果的基础上,选择了高速、高可靠性的方法。该系统包括图像采集、图像预处理、特征提取和苹果分级。在对苹果进行分级时,主要依据苹果的大小特征、红色着色率即颜色特性、苹果圆形度还有缺陷度进行分级。

(1)图像采集:苹果图像采集工作是将苹果样本放在相同的背景和光照条件下进行拍摄,拍照获得每个苹果的正视图还有俯视图图像。

(2)图像预处理:灰度化处理、图像阈值分割、形态学降噪、边缘检测。

(3)特征提取:大小、颜色、缺陷度以及圆形度。

(4)苹果分级:综合得到的四种特征根据苹果分级标准进行苹果分级。

二、苹果图像预处理

（1）灰度化处理：对于采集到的苹果图像,一个合适的颜色模型会使得图像的目标与背景更易分离,在RGB模型下分别提取各个分量下的苹果图像。在RGB模型下的各分量图中,R分量图效果较好,更适合进行图像分割。

（2）图像分割：图像分割就是对采集到的图像进行目标和背景的分割,最终得到像素值为1的目标区域和像素值为0的背景区域。对于苹果图像,目标区域是苹果样本,其余区域是背景区域。图像分割需要从整个图像中提取完整的苹果样本。QTSU法分割效果较好,被广泛应用,因此最终使用QTSU法来进行苹果图像分割处理。

R分量图分割效果最好,背景与目标边界区分明显,没有目标缺失的现象,I分量图和灰度图中,目标边缘缺失严重,并且有小部分像素点出现。最终选用苹果R分量图进行图像分割。

（3）形态学降噪

图像分割后会存在孤立的像素点或出现目标边缘不平滑的现象,使得图像分割效果不完善,使特征提取结果产生误差。为了消除这一现象的影响,进行形态学操作,消除毛刺,细化边缘。

（4）边缘检测

边缘检测是只获取苹果图像边缘部分,Canny算子边缘检测效果最好,其边缘定位准确性和抗噪声干扰性较其他算子结果更优。

• 特征数据提取

（1）苹果的大小检测

苹果最大横截面直径不是图像边缘两点距离的最大值,而是苹果正立放置时,垂直于果轴的最大直径为最大横截面直径。

（2）苹果大小测量实验

本次实验选取了24个大小不一的红富士苹果作为研究对象, 分别使用游标卡尺测量这些苹果的实际果径大小,并进行编号,之后按照编号依次获得每个苹果的四幅图像并测量果径面的直径大小;最后把系统直径和实际直径进行对比,得到两者的绝对误差。

四、苹果分级

（1）研究的目的与意义

基于MATLAB的水果分级自动识别，利用手机端获取苹果的样本图像，应用MATLAB软件编程实现了对样本图像的预处理，包括图像滤波、图像填充、图像灰度化、图像二值化以及特征量提取等。水果分级自动识别我们通过四个不同方面来对基于MATLAB的苹果分级进行探索研究。

主要工作如下：

1.在苹果大小识别方面，比较了不同的大小计算方法，选择了利用图像处理技术，找到苹果中心点，判断苹果图像实际半径长度，从而对苹果大小进行分级识别。

2.在苹果颜色识别方面，通过对不同的颜色模型进行研究，RGB模型主要适用于硬件设备，HIS模型更符合人类视觉特征，所以我们选择HIS模型来对苹果进行颜色分级识别。

3.在苹果缺陷识别方面，利用多种不同的算子对苹果图像进行处理，选择利用canny算子对图像进行处理。

4.在苹果形态识别方面，通过计算公式，得到图像的圆度数值。

水果分级识别技术在如今一切以“O2O”模式为经营理念的当下，具有重要的意义。水果分级识别技术是利用了计算机技术以及图像处理等许多学科知识综合起来，先通过对水果图像的大小与颜色进行检测，再对检测结果进行综合分析，继而对水果进行分类以及分级。这项技术只需要对水果进行拍照就可以进行比对识别，便于应用。现如今，许多国家都推出了无人便利店，在无人便利店里因为有部分商品是处于自动售货机内，不能被消费者挑挑拣拣的，这时就需要用到水果识别技术来帮助消费者区分水果质量，通过适合的价格购买到正确品质的水果，不让消费者产生多余的损耗。并且，在现在虚拟经济的时代，具有像亚马逊，京东这样的自营品牌大型电商，这种企业在大型城市里都具有自己的线下仓库，通过纪录片我了解到，他们的仓库里面基本已经实现了无人工作的模式，一切调度，提取货物，装箱发货都已经采用了机器人技术以及自动化技术，京东已经在部分城市实现了机器人派送货物，亚马逊更是已经实现了无人机派送货物，人力资源逐渐在被取代。在他们的仓库里面就需要用到水果识别技术，对水果进行分类与分级识别，继而由机器人进行分拣。在过去，水果分级都是人工分级，难免会产生矛盾，现在，应用计算机图像处理技术，进行随机取样，计算机通过随机取样图像可以计算出这个图像内水果的大中小、优良中差等个数及受损情况、所占比例，并做出综合质量判断，这种方法省时省力且客观公正。

数字图像处理技术是20世纪60年代发展起来的一门新兴学科，随着图像处理理论和方法的进一步完善，使得数字图像处理技术在各个领域得到了广泛应用，并显示出广阔的应用前景。MATLAB既是一种直观、高效的计算机语言，同时又是一个科学计算平台。它为数据分析和数据可视化、算法和应用程序开发提供了最核心的数学和高级图形工具。根据它提供的500多个数学和工程函数，工程技术人员和科学工作者可以在它的集成环境中交互或编程以完成各自的计算。

（2）国外研究现状

日本拥有世界上最贵的西瓜（北海道黑皮西瓜），世界上最贵的苹果（青森县世界一苹果），世界上最贵的柑橘（凸脐柑），世界上最贵的蜜瓜，世界上最贵的草莓，世界上最贵的芒果，世界上最贵的葡萄等等。

在日本，因为国土面积问题，农作物的价值非常高，日本消费者对水果的消费是非常挑剔的，其水果上市前都要经过分级包装。有些价值较高的水果，如冬季上市的西瓜要在标签上糖度数值。目前，在日本许多高新技术在水果检测领域得到应用。计算机技术、无损伤检测技术以及自动化控制技术的发展为现代分级检测技术提供了广阔的空间，使分级检测技术正在由半自动化向全自动化，复杂化向简单化转变。

（3）国内研究现状

现如今，陕西的苹果，已经从国外引进了分级设备与技术，以利于更好地出口创汇。目前中国国内最主要的矛盾是：人民日益增长的物质文化需求与落后的社会生产之间的矛盾。我们国家地大物博，物产丰富。如果能够好好的利用这项技术，对于国内社会可以提高人民群众的生活品质，在国际社会也可以提高国际声誉，拉动中外友谊。这项技术必将对国家的发展产生有利的影响。

（4）系统包括硬件部分和软件部分

硬件部分主要是图像的采集部分，包括手机摄像头、数据传输设备、一台安装了Matlab软件的计算机。软件部分主要是图像的处理部分，Matlab编码对图像进行处理与仿真。

（5）分级系统研究

水果分级检测的步骤如下：

1、对采集到的图像，用Matlab软件对图像进行处理。

2、对图像进行预处理，包括滤波、灰度化、二值化等。

3、对苹果进行大小检测，通过果径大小进行等级划分。

4、对苹果进行颜色检测，先将图像RGB模型转换为HIS模型。通过HIS模型中的H分量进行颜色分级。

5、对苹果进行缺陷检测，使用canny边缘检测算子进行边缘检测，进而检测出苹果的缺陷部分。

（6）水果形态检测试验与结果

水果形态我们根据水果的圆度来进行判断，通过公式我们可以得到圆度的计算公式：

五、总结

本文设计了基于MATLAB图像处理的苹果分级检测系统,以红富士苹果为研究对象。本系统主要包括了图像获取,图像预处理,特征提取以及苹果分级这四个过程。

本文的主要内容以及研究工作如下:

(1)为了确保苹果图像采集的完整性,将苹果放置在黑色背景同一光源线下进行四幅表面图像的获取。提取苹果图像的各个分量图,对灰度图还有R分量和I分量图的分割图像进行对比后,发现R分量图最适合阈值分割。之后进行形态学降噪,平滑边缘,边缘检测。

(2)大小可以最直观的展现苹果品质,本文根据国标要求,将苹果正立时的俯视图作为果径面,其最大横截面直径就可以用来表征苹果大小。用苹果的红色着色率表征苹果的颜色特征,按照HSI颜色空间进行红色着色率。本文在进行缺陷提取时,首先在之前图像处理的基础上进行苹果缺陷区域和果梗区域的提取,然后在提取的苹果表面缺陷的基础上,根据苹果缺陷面积所占苹果面积计算缺陷度,又根据果梗区域面积平均占比,优化了果径面缺陷度计算公式,根据圆形度公式对苹果果径面进行了圆形度计算。