【正文】 稻米整精米率的檢測(cè) 在國(guó)家標(biāo)準(zhǔn) GB13501999《稻谷》 [29]中整精米的定 義為：糙米碾磨成精度為國(guó)家標(biāo)準(zhǔn)一等大米時(shí)，米粒產(chǎn)生破碎，其中長(zhǎng)度仍達(dá)到完整精米粒平均長(zhǎng)度的五分之四以上含五分之四的米粒。 (a)原始稻米圖像 (b)MER 后結(jié)果圖 圖 36 稻米粒型檢測(cè)圖 粒型檢測(cè)實(shí)驗(yàn) 本實(shí)驗(yàn)抽取 30 粒飽滿米粒進(jìn)行試驗(yàn)，首先對(duì)大米圖像進(jìn)行去噪、二值化處理，然后運(yùn)用最小外接矩形法求得米粒的平均長(zhǎng)度和平均寬度，求出米粒的寬長(zhǎng)比。 (4) 當(dāng)輪廓跟蹤結(jié)束后，形成邊界的鏈碼表。 (2) 用行掃描的方式找到圖像區(qū)域的邊界點(diǎn)并將其作為前一個(gè)點(diǎn) (用 PrePt 表示 )，以此 點(diǎn)為基礎(chǔ)，尋找第 2 個(gè)邊界點(diǎn)并將其作為當(dāng)前點(diǎn) (用 CurrPt 表示 )。其尋找 MER 的主要思想是：首先利用邊界跟蹤自動(dòng)機(jī)跟蹤邊界，得到區(qū)域邊界的頂點(diǎn)鏈碼表，通過(guò)解碼將其轉(zhuǎn)化為頂點(diǎn)的 x 軸方 向和 y軸方向的坐標(biāo)，并找出最大和最小坐標(biāo)即 ),( maxmax1 yxP 和 ),( minmin2 yxP ，以此兩點(diǎn)連線作為對(duì)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(cè)系統(tǒng)研究 16 為 minmax yyW ?? 。此方法求 MER 是通過(guò)旋轉(zhuǎn)圖像矩陣來(lái)實(shí)現(xiàn)，計(jì)算量較大，特別當(dāng)圖像越大時(shí)，算法效率越差。求稻米長(zhǎng)寬實(shí)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(zhǎng)寬。 1999 年，黃星奕等 [4]利用計(jì)算機(jī)視覺(jué)技術(shù)研究了稻米的粒型檢測(cè)，但要求米粒擺放時(shí)需朝同一個(gè)方向，其方法具有一定的局限性，限制了在實(shí)際過(guò)程中的應(yīng)用。由于對(duì)稱的關(guān)系，只需給出其中的 6 個(gè)狀態(tài)圖的狀態(tài)映射和輸出映射，其余的 18 個(gè)狀態(tài)圖的輸出狀映射，可以通過(guò)對(duì) 6 個(gè)基本狀態(tài)圖的旋轉(zhuǎn)獲得。利用 24 種狀態(tài)圖之間的映射關(guān)系可方便地得到區(qū)域邊界的頂點(diǎn)鏈碼編碼。以此類推，總共可得到 24 種位置關(guān)系。其余標(biāo)記的意義可類推。圖 35中的圓圈表示空缺單元格，即邊界跟蹤時(shí)可行走的方向。經(jīng)研究發(fā)現(xiàn)，每一種位置關(guān)系都有六種對(duì)應(yīng)的狀態(tài)圖。 1 2 3 圖 33 四種位置關(guān)系 像素點(diǎn)的相對(duì)坐標(biāo)定義如圖 34 所示。對(duì)八鄰域圖像區(qū)域進(jìn)行頂點(diǎn)鏈碼編碼方法如下 [28]：以 ? 表示光標(biāo)的當(dāng)前位置，箭頭 (???? )表示前一時(shí)刻光標(biāo)所在的位置，箭頭方向表示行走的方向 (逆時(shí)針?lè)较?)，序號(hào) l， 2， 3， 4 表示位置關(guān)系編號(hào)。 2 0 6 3 5 1 7 4 1 0 3 2 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文（設(shè)計(jì)） 13 (a) 正方形點(diǎn)陣圖形 (b) 頂點(diǎn)鏈編碼元素 圖 32 頂點(diǎn)鏈碼編碼 在二值化圖像中，設(shè)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。方形點(diǎn)陣的頂點(diǎn)鏈碼編碼方法如圖 32 所示。對(duì)于一幅二維圖像來(lái)說(shuō)，只有三角點(diǎn)陣，正六邊形點(diǎn)陣，方形點(diǎn)陣能鋪滿整幅圖像。頂點(diǎn)鏈碼編碼是利用邊界線上單元格的邊或者頂點(diǎn)進(jìn)行編碼，即從任意一個(gè)頂點(diǎn)出發(fā)按一定的方向由邊界上所有頂點(diǎn)的編碼組成的 一個(gè)序列。 頂點(diǎn)鏈碼表示 鏈碼表示法中應(yīng)用最廣泛的是弗里曼鏈碼（ Freeman， 1961） [2224]。 基于圖像的稻米外觀 檢測(cè)系統(tǒng)研究 12 (a) 四領(lǐng)域鏈碼 (b) 八領(lǐng)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(duì)目標(biāo)圖像邊界上的每一個(gè)節(jié)點(diǎn)根據(jù)與之相連的單元格的情況進(jìn)行 編碼。例如對(duì)于 8 連通鏈碼，鏈碼取值 7~0 ，按逆時(shí)針?lè)较蜻f增，鏈碼值加 1 表示其方向順時(shí)針旋轉(zhuǎn)o45 ，當(dāng)鏈碼值超過(guò) 8 或者小于 0 時(shí)，就得除去或補(bǔ)上 8。 (2) 鏈碼表示法：用起點(diǎn)坐標(biāo)加方向碼來(lái)表示圖像邊界上的各點(diǎn)坐標(biāo)及其相互位置關(guān)系。 (1) 直角坐標(biāo)表示法：將圖像邊界上的各個(gè)坐標(biāo)全部保留，把邊界順序勾畫(huà)出來(lái)。因此，描述區(qū)域的數(shù)據(jù)結(jié)構(gòu)十分重要。 二值圖像鏈碼表示 圖像二值化之后一般包含許多相互獨(dú)立的區(qū)域。根據(jù)稻谷國(guó)家標(biāo)準(zhǔn)，采用直尺測(cè)量稻米粒型，即隨機(jī)數(shù)取完整無(wú)損的精米 10 粒，平放于測(cè)量板上，按照頭對(duì) 頭、尾對(duì)尾，不重疊、不留隙的方式，緊靠直尺擺成一行，讀出長(zhǎng)度，求其平均值即為精米長(zhǎng)度，精米寬度測(cè)量方法類似，由此引起的人為誤差較大。因此，有必要獲得稻米粒型的準(zhǔn)確信息。 A? B (A? B)? B B A A? B 基于圖像的稻米外觀 檢測(cè)系統(tǒng)研究 10 根據(jù)稻米圖像的特點(diǎn)，利用 22? 的結(jié)構(gòu)元素對(duì)稻米圖像進(jìn)行開(kāi)運(yùn)算，去除噪聲，其結(jié)果如圖 25 所示。利用圓形結(jié)構(gòu)元素作開(kāi)運(yùn)算既可以起到磨光內(nèi)邊緣的作用（即可以使圖像的尖角轉(zhuǎn)化為背景）又可以起到低通濾波的效果。實(shí)際上，開(kāi)運(yùn)算是先作腐蝕運(yùn)算，再作膨脹運(yùn)算的結(jié)果，如圖 24 所示。 圖 23 膨脹運(yùn)算 在對(duì)圖像進(jìn)行腐蝕或膨脹運(yùn)算時(shí)，結(jié)構(gòu)元素的大小和形狀對(duì)操作結(jié)果會(huì)產(chǎn)生不同的影響，如何選擇合適的結(jié)構(gòu)元素是形態(tài)學(xué)應(yīng)用的關(guān)鍵。 A 被 B 膨脹表示為BA? ，定義為： }:{ BbbABA ???? ? （ 23） 膨脹運(yùn)算具有擴(kuò)大輸入圖像的作用，如圖 23 所示。 如果原點(diǎn)在結(jié)構(gòu)元素的內(nèi)部，腐蝕具有收縮輸入圖像的作用，如圖 22 所示。集合 A 被結(jié)構(gòu)元素 B 腐蝕，表示為 BA? ，定義為： }:{ AxBxBA ???? （ 22） 其中， ? 表示子集關(guān)系， A為輸入元素， B 為結(jié)構(gòu)元素。形態(tài) 學(xué)圖像處理的基本運(yùn)算有4 個(gè)：腐蝕、膨脹、開(kāi)運(yùn)算和閉運(yùn)算 [21]。形態(tài)學(xué)圖像處理的數(shù)學(xué)基礎(chǔ)和所用語(yǔ)言是集合論。 基于圖像的稻米外觀 檢測(cè)系統(tǒng)研究 8 形態(tài)學(xué)（ Morphology）一般指生物學(xué)中研究動(dòng)物和植物結(jié)構(gòu)的一個(gè)分支，用光數(shù)學(xué)形態(tài)學(xué)表示以形態(tài)學(xué)為基礎(chǔ)對(duì)圖像進(jìn)行分析的數(shù)學(xué)工具。在計(jì)算機(jī) 視覺(jué)檢測(cè)過(guò)程中，為了提高檢測(cè)精度，有必要首先對(duì)噪聲進(jìn)行濾除。 圖像去噪 噪聲的定義為“不可預(yù)測(cè)，只能用概率統(tǒng)計(jì)方法來(lái)認(rèn)識(shí)的隨機(jī)誤差”，可以理解為“妨礙人們感覺(jué)器官對(duì)所接受的信源信息理解的因素” [15]。實(shí)驗(yàn)結(jié)果如圖 21 所示。理想中的圖像的灰度直方圖，其背景灰度和目標(biāo)灰度應(yīng)該對(duì)應(yīng)兩個(gè)不同的灰度峰值，所以選取位于兩峰之間的谷值作為閾值，就很快地將一副圖像的背景與目標(biāo)分割開(kāi)了。 基于灰度直方圖的閾值分割 [20] 利用圖想灰度直方圖的特性確定分割閾值方法的原理是如果圖像所包括的背景區(qū)域與所分的目標(biāo)區(qū)域大小可比，而且兩者在灰度上有著明顯的區(qū)別，那么這樣的圖像的灰度直方圖就會(huì)呈現(xiàn)很明顯的雙 峰裝。最大類間方差法主要依據(jù)是概率統(tǒng)計(jì)和最小二 乘法原理，該方法的 判決準(zhǔn)則是基于圖像直方圖一階統(tǒng)計(jì)特性 ，其主要思想 為 選取灰度值 t，以它為界將灰度范圍為 {0,1,…,L1}圖像分為背景和目標(biāo)兩類， ip 為灰度 i 出現(xiàn)的概率，背景部分的概率為 ???ti iptw 00 )( ，目標(biāo)部分的概率為 ?????111 )(Lti iptw ，背景部分的均值 ???ti i twipt 0 00 )(/)(? ，目標(biāo)部分的均值 ?????11 11 )(/)(Lti i twipt? 。全局閾值圖像分割的方法有多種 ,如直方圖閾值圖像分割、類間差閾值圖像分割、最大熵閾值圖像分割等 . 下面簡(jiǎn)單介紹類間差閾值基于圖像的稻米外觀 檢測(cè)系統(tǒng)研究 6 圖像分割的基本原理 [19]和基于灰度直方圖的閾值分割 [20]。利用閾值對(duì)圖像進(jìn)行分割時(shí) ,關(guān)鍵是找到恰當(dāng)?shù)拈撝?,利用閾值將圖像物體和背景區(qū)分開(kāi)來(lái)。 圖像閾值分割 圖像分割技術(shù)是圖像處理中的一種重要技術(shù) ,其中比較常用的一種是利用閾值對(duì)圖像進(jìn)行分割。 圖像分割將原始圖像轉(zhuǎn)化為比較抽象的形式，使得更高層的分析和理解成為可能[17]。 圖像分割的定義 圖像分割就是將圖像中具有特殊含義的不同區(qū)域分開(kāi)來(lái)，這些區(qū)域互相不交叉，每個(gè)區(qū)域都滿足特定區(qū)域的一致性。本章將重點(diǎn)論述圖像預(yù)處理的基礎(chǔ)知識(shí)，并針對(duì)稻米外觀品質(zhì)檢測(cè)的要求，進(jìn)行結(jié)果演示。 第 5 章，對(duì)本論文進(jìn)行總結(jié)，也對(duì)圖像處理技術(shù)進(jìn)行了展望。 第 3 章，具體介紹了稻米外觀品質(zhì)檢測(cè)的有關(guān)算法，包括以最小外接矩形法確定稻米的粒型；基于圖像的稻米整精米率計(jì)算方法。 第 2 章，具體介紹了圖像預(yù)處理的有關(guān)算法，包括采用開(kāi)運(yùn)算進(jìn)行圖像去噪 。 論文結(jié)構(gòu) 本研究以圖像處理技術(shù)為基礎(chǔ)，以稻米的圖像為對(duì)象，進(jìn)行稻米外觀品質(zhì)檢測(cè)方法的研究。另外，對(duì)檢測(cè)設(shè)備基于圖像的稻米外觀 檢測(cè)系統(tǒng)研究 4 自動(dòng)化程度的要求也提高了，檢測(cè)設(shè)備要具有自動(dòng)進(jìn)樣、谷物圖像自動(dòng)采集和分析、樣品自動(dòng)分級(jí)的功能 [1]。 在有 些情況下，例如糧食加工部門，待測(cè)的谷物樣品往往是大批量的。檢測(cè)完畢后，還需要人工清理檢測(cè)樣品。靜態(tài)系統(tǒng)的缺點(diǎn)是自動(dòng)化水平低，一般只具備品質(zhì)檢測(cè)的功能，不具備分級(jí)的功能。谷物圖像是在靜止的情況下采集的， 對(duì)谷物籽粒的放置方式一般也有要求，籽粒之間要相互分離，不能粘連。 Liao， Panigrahi 通過(guò)對(duì)計(jì)算機(jī)視覺(jué)方法實(shí)現(xiàn)對(duì)玉米的顏色、種籽尺寸的質(zhì)量檢測(cè)，為谷物質(zhì)量的自動(dòng)化檢測(cè)系統(tǒng)的工業(yè)化開(kāi)發(fā)打下了一定的 技術(shù)基礎(chǔ)。 Reyer等 利用計(jì)算機(jī)視覺(jué)技術(shù)，尋找合適的波長(zhǎng)并該波長(zhǎng)下的濾光鏡獲得梨的圖像，然后對(duì)該圖像進(jìn)行分析，從而對(duì)梨的表面損傷進(jìn)行檢測(cè)。 Kondo 等提出了檢測(cè)櫻桃西紅柿位置的有效算法 , 并研制出收獲櫻桃西紅柿的機(jī)器人。 Purchase應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)研究了大麥種子的快速鑒定系統(tǒng) [7]。 Miller 等，在桃分級(jí)研究中，分別采用彩色電 視攝像機(jī)和近紅外線掃描攝像機(jī)采集桃子表面圖像，并得出近紅外區(qū)域獲得的桃的圖像比彩色圖像的分級(jí)效果更好的結(jié)論。 Lloyd 等使用振動(dòng)臺(tái)和計(jì)算浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文（設(shè)計(jì)） 3 機(jī)視覺(jué)技術(shù)開(kāi)發(fā)出 GrainCheck 系統(tǒng)用于估算實(shí)驗(yàn)室碾磨機(jī)和商業(yè)化碾磨機(jī)碾磨出的稻米整精米率 [14]。 Cardarelli 和 Tao 等利用計(jì)算機(jī)視覺(jué)技術(shù)，對(duì)暗箱背景光照進(jìn)行改進(jìn)，實(shí)現(xiàn) 了對(duì)稻米內(nèi)部破損程度的檢測(cè)和估計(jì) [12]。 Liu 等利用數(shù)字圖像分析方法對(duì)稻米的碾磨精度進(jìn)行測(cè)量 [10]。 Travis 根據(jù) 49 種不同的稻谷和草籽輪廓，并結(jié)合種子的長(zhǎng)度，成功地辯別出大多數(shù)谷物的種類 [8]。從 1983 年開(kāi)始，日本大學(xué)森島博利用計(jì)算機(jī)視覺(jué)對(duì)稻米識(shí)別和分級(jí)進(jìn)行廣泛的研究。孫永海等運(yùn)用大理石紋和灰度空間相關(guān)矩陣兩種方法對(duì)牛肉圖像特征進(jìn)行分析，分別建立了特征量與肉嫩度等級(jí)間的數(shù)量關(guān)系 [1]。李長(zhǎng)纓等利用計(jì)算 機(jī)視覺(jué)技術(shù)計(jì)算黃瓜幼苗葉冠投影面積和株高，對(duì)黃瓜幼苗生長(zhǎng)進(jìn)行無(wú)損監(jiān)測(cè) [1]。章文英等通過(guò)分塊掃描，光譜分析，灰度統(tǒng)計(jì)方法研究了蘋果果梗的識(shí)別方法和果面缺陷的查找 [7]。張樹(shù)槐、孫明利用計(jì)算機(jī)視覺(jué)技術(shù)的顏色、形狀特征分析實(shí)現(xiàn)蘋果的識(shí)別與自動(dòng)分級(jí) [1]。 在其它農(nóng)產(chǎn)品方面，王江楓等探討了應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)進(jìn)行芒果果面壞損檢測(cè)的方法 ，實(shí)現(xiàn)對(duì)果面壞損的自動(dòng)分級(jí) [1]。曾大力等初步探討了利用視頻顯微掃描技術(shù)研究稻米堊白，與數(shù)字式稻米堊白測(cè)定儀相比，具有更高的精確度 [5]。尚艷芬和侯彩云等利用計(jì)算機(jī)視覺(jué)技