【文章內容簡介】 24） 其等價方程： }:{ AxBxBBA ???? ?? （ 25） 上式表明，開運算可以通過計算所有可以填入圖像內部的結構元素平移的并求的。實際上，開運算是先作腐蝕運算，再作膨脹運算的結果，如圖 24 所示。 圖 24 開運 算 開運算常常使用圓形結構元素，因為圓形結構元素具有旋轉不變性。利用圓形結構元素作開運算既可以起到磨光內邊緣的作用（即可以使圖像的尖角轉化為背景）又可以起到低通濾波的效果。 開運算具有去噪的功能，主要去處圖像中的微小連接，孤立點和突出部分，切斷細長的搭接而起到分離的作用，使圖像更加平滑。 A? B (A? B)? B B A A? B 基于圖像的稻米外觀 檢測系統(tǒng)研究 10 根據稻米圖像的特點，利用 22? 的結構元素對稻米圖像進行開運算，去除噪聲，其結果如圖 25 所示。 (a)帶噪聲 的稻米圖像 (b)開運算后的稻米圖像 圖 25 稻米圖像去噪 浙江理工大學信息電子學院本科畢業(yè)論文（設計） 11 第 3 章 稻米外觀檢測算法研究 稻米粒型的檢測 稻米粒型是指稻米粒長與粒寬的比值，可以通過長度，寬度信息來描述，是稻米品種的重要特征之一，是商品稻米分類和定價的主要依據之一。因此，有必要獲得稻米粒型的準確信息。 目前，國內對稻米粒型的檢測主要依賴于人工利用直尺等工具進行測量。根據稻谷國家標準，采用直尺測量稻米粒型，即隨機數取完整無損的精米 10 粒，平放于測量板上，按照頭對 頭、尾對尾，不重疊、不留隙的方式，緊靠直尺擺成一行，讀出長度，求其平均值即為精米長度，精米寬度測量方法類似，由此引起的人為誤差較大。 針對目前在稻米粒型檢測中依靠人工費時、費力、精度難于控制等問題，本節(jié)擬通過最大類間方差法自動確定圖像分割閾值，采用頂點鏈碼和最小外接矩形方法獲得稻米的長、寬信息 [30]。 二值圖像鏈碼表示 圖像二值化之后一般包含許多相互獨立的區(qū)域。圖像處理的重要任務就是將它們尋找出來，并對其進行分析和特征提取。因此，描述區(qū)域的數據結構十分重要。對圖像中的區(qū)域有兩種常用的表示方法，直 角坐標表示法和鏈碼表示法。 (1) 直角坐標表示法：將圖像邊界上的各個坐標全部保留，把邊界順序勾畫出來。例如： ),(),(),(),( 332211 nn yxyxyxyx ?等。 (2) 鏈碼表示法：用起點坐標加方向碼來表示圖像邊界上的各點坐標及其相互位置關系。常見的有四領域鏈碼和八領域鏈碼，如圖 31。例如對于 8 連通鏈碼，鏈碼取值 7~0 ，按逆時針方向遞增，鏈碼值加 1 表示其方向順時針旋轉o45 ，當鏈碼值超過 8 或者小于 0 時，就得除去或補上 8。 與直角坐標表示法比較 ，鏈碼表示法的優(yōu)點明顯，它把二維圖像的存儲和處理變成一維鏈上的問題，對于處理大尺度的圖像而言，鏈碼表示法既節(jié)省了存儲空間又提高了處理速度。 基于圖像的稻米外觀 檢測系統(tǒng)研究 12 (a) 四領域鏈碼 (b) 八領域鏈碼 圖 31 鏈碼表示法 鏈碼編碼的基本思想是：先利用某種規(guī)則的單元格將圖像鋪滿，然后對目標圖像邊界上的每一個節(jié)點根據與之相連的單元格的情況進行 編碼。從圖像邊界上任意一個節(jié)點出發(fā)，按一定方向沿著圖像邊界走一圈，依次將所有節(jié)點的編碼都記錄下來，所形成的序列就是該圖像的鏈碼編碼。 頂點鏈碼表示 鏈碼表示法中應用最廣泛的是弗里曼鏈碼（ Freeman， 1961） [2224]。在弗里曼之后提出多種編碼的改進方案 [2526]， Bribiesca[27] （ 1999）提出的頂點鏈碼編碼（ Vertex chain code）就是其中之一。頂點鏈碼編碼是利用邊界線上單元格的邊或者頂點進行編碼，即從任意一個頂點出發(fā)按一定的方向由邊界上所有頂點的編碼組成的 一個序列。 Bribiesca 對頂點鏈碼編碼做了系統(tǒng)的研究，并給出了三角點陣和正六邊形點陣中的頂點鏈碼編碼。對于一幅二維圖像來說，只有三角點陣，正六邊形點陣，方形點陣能鋪滿整幅圖像。從應用的角度出發(fā)，利用方形點陣的八領域對二值圖像進行頂點鏈碼編碼。方形點陣的頂點鏈碼編碼方法如圖 32 所示。一個封閉的圖形可以用編號為1， 2， 3 這三種元素進行編碼。 2 0 6 3 5 1 7 4 1 0 3 2 浙江理工大學信息電子學院本科畢業(yè)論文（設計） 13 (a) 正方形點陣圖形 (b) 頂點鏈編碼元素 圖 32 頂點鏈碼編碼 在二值化圖像中，設黑色區(qū)域（像素值為 0）與白色區(qū)域（像素值為 255）由封閉的邊界相區(qū)分。因此，對區(qū)域邊界的標定等價于對區(qū)域的標定。對八鄰域圖像區(qū)域進行頂點鏈碼編碼方法如下 [28]：以 ? 表示光標的當前位置，箭頭 (???? )表示前一時刻光標所在的位置，箭頭方向表示行走的方向 (逆時針方向 )，序號 l， 2， 3， 4 表示位置關系編號。當跟蹤區(qū)域邊界時，當前位置 與區(qū)域邊界單元格的相互位置關系有 24種，由于只沿一個方向（逆時針方向）行走，因此，實際上只有如圖 33 所示的 4 種位置關系。 1 2 3 圖 33 四種位置關系 像素點的相對坐標定義如圖 34 所示。對于每一種位置關系，還要分析光標當前位置（ ? ）周圍其余 5 個單元格是否空缺。經研究發(fā)現，每一種位置關系都有六種對應的狀態(tài)圖。以第一種位置關系為例，有如圖 35 所示的 6 種對應的狀態(tài)圖。圖 35中的圓圈表示空缺單元格，即邊界跟蹤時可行走的方向。當當前位置發(fā)生變化時，其坐標也相應發(fā)生改變，如 )1,1( ?? 表示當前位置的 x 方向和 y 方向的坐標各加 1。其余標記的意義可類推。 2 1 1 3 3 1 1 3 1 2 1 3 2 1 2 1 2 3 2 1 1 3 1 3 基于圖像的稻米外觀 檢測系統(tǒng)研究 14 (1,1) (0,1) (+1,1) (1,0) (x,y) (+1,0) (1,+1) (0,+1) (+1,+1) 圖 34 像素點坐標的定義 圖 35 八近鄰圖像狀態(tài)映射 由于位置關系的對稱關系，將第一種位置關系下的狀態(tài)圖逆時針旋轉 90o，可得到第二種位置關系的狀態(tài)圖。以此類推，總共可得到 24 種位置關系。這 24 種狀態(tài)圖構成的集合具有完備性和封閉型。利用 24 種狀態(tài)圖之間的映射關系可方便地得到區(qū)域邊界的頂點鏈碼編碼。對于八領域，為每一個 位置狀態(tài)規(guī)定一個頂點鏈子串，作為位置狀態(tài)的輸出、對于圖 33 所示的第一種位置關系，表 31 給出了相應的鏈碼子串。由于對稱的關系，只需給出其中的 6 個狀態(tài)圖的狀態(tài)映射和輸出映射，其余的 18 個狀態(tài)圖的輸出狀映射，可以通過對 6 個基本狀態(tài)圖的旋轉獲得。 (0,+1) (+1,0) (1,+1) (0， 0) (1,0) (+1,0) 當前狀態(tài)圖 下一時刻狀態(tài)圖 4 4 3 (+1,1) (+1,1) (+1,0) (+1,0) (+1,+1) (+1,+1) 當前狀態(tài)圖 下一時刻狀態(tài)圖 2 1 1 浙江理工大學信息電子學院本科畢業(yè)論文（設計） 15 表 31 八近鄰頂點鏈碼子串 輸入狀態(tài)圖編號 八近鄰頂點鏈碼子串 1 2 31 32 331 332 實現最小外接矩形 由于稻米的外形近似橢圓形狀，因此，目前計算稻米粒型的方法，主要是通過對稻 米進行橢圓擬合，求得橢球的長軸、短軸作為稻米的粒長、粒寬。 1999 年，黃星奕等 [4]利用計算機視覺技術研究了稻米的粒型檢測，但要求米粒擺放時需朝同一個方向，其方法具有一定的局限性，限制了在實際過程中的應用。 2020 年，凌云等 [1]提出基于極坐標的粒型檢測算法，通過先求出質心再求出最長軸與最短軸的方法，具有旋轉不變性，但其對稻米外形進行橢圓擬合，因此準確度不是很高。求稻米長寬實際上就是求其最小外接矩形（ MER），如果能夠得出圖像中稻米的最小外接矩形就可求得其長寬。 通常情況下，求 MER 方法首先對米粒進行區(qū)域標 記，獲得標記區(qū)域的最左、右、上、下各點坐標值，計算其外接矩形面積大小，從 00開始，以 30為增量順時針旋轉二維圖像矩陣，直至 900結束；比較標記區(qū)域外接矩形大小，當面積最小時獲得 MER，此時 MER 長寬即為稻米的長寬。此方法求 MER 是通過旋轉圖像矩陣來實現，計算量較大，特別當圖像越大時，算法效率越差。 利用頂點鏈碼方法將圖像二維矩陣的旋轉轉換為一維鏈碼上的計算，這樣既節(jié)省了存儲空間又提高了計算效率。其尋找 MER 的主要思想是：首先利用邊界跟蹤自動機跟蹤邊界，得到區(qū)域邊界的頂點鏈碼表，通過解碼將其轉化為頂點的 x 軸方 向和 y軸方向的坐標，并找出最大和最小坐標即 ),( maxmax1 yxP 和 ),( minmin2 yxP ，以此兩點連線作為對角線的矩形即為圖像區(qū)域的最小外接矩形，其中矩形的 minmax xxL ?? ，寬基于圖像的稻米外觀 檢測系統(tǒng)研究 16 為 minmax yyW ?? 。具體實現算法如下 [30]： (1) 將 24 種狀態(tài)映射圖保存在數組 TempArray 中，作為狀態(tài)遷移的模板保存起來為后面進行狀態(tài)匹配使用。 (2) 用行掃描的方式找到圖像區(qū)域的邊界點并將其作為前一個點 (用 PrePt 表示 )，以此 點為基礎，尋找第 2 個邊界點并將其作為當前點 (用 CurrPt 表示 )。 (3) 按照順時針方向讀入以點 CurrPt 為中心的 33? 窗口，將其與存儲在數組TempArray 中的模板進行比對，確定下一步行走的方向并重新設置前一個點PrePt 和當前點 CurrPt，輸出邊界點的鏈碼子串。 (4) 當輪廓跟蹤結束后，形成邊界的鏈碼表。通過解碼來尋找 x 和 y 軸方向上具有最大坐標和最小坐標的兩個點，以兩點連線為對角線的矩形即為圖像區(qū)域的最小外接矩形。 (a)原始稻米圖像 (b)MER 后結果圖 圖 36 稻米粒型檢測圖 粒型檢測實驗 本實驗抽取 30 粒飽滿米粒進行試驗，首先對大米圖像進行去噪、二值化處理，然后運用最小外接矩形法求得米粒的平均長度和平均寬度，求出米粒的寬長比。本實驗求得米粒的平均長度為 ， 均寬度為 ，長寬 比為 ， 平均面積為 。 浙江理工大學信息電子學院本科畢業(yè)論文（設計） 17 稻米整精米率的檢測 在國家標準 GB13501999《稻谷》 [29]中整精米的定 義為：糙米碾磨成精度為國家標準一等大米時，米粒產生破碎，其中長度仍達到完整精米粒平均長度的五分之四以上含五分之四的米粒。 整精米率是稻谷標準 GB13501999[29]中新增加的內容，也是優(yōu)質稻谷標準 GB/T 178911999 中的分級質量指標之一。整精米率是稻米加工品質優(yōu)劣的指標，是稻米貿易中商家最關注的內容，它與碾米廠的經濟效益密切相關。 目前，國內仍采用人工目測 識別整精米與碎米，并采用稱重法獲得整精米率的信息 。 此方法 具有較強的主觀性，而且檢測工作量大 、 效率低 。針對此問題