一種自適應的雞蛋透射圖像蛋黃區域分割方法
【專利摘要】本發明公開一種自適應的雞蛋透射圖像蛋黃區域分割方法，屬于圖像法無損檢測領域。該方法首先采集雞蛋透射圖像，再計算其中雞蛋區域G分量的平均灰度值，然后將該平均灰度值帶入閾值計算公式計算分割閾值。再用該分割閾值對蛋黃區域閾值分割并去除雜點，獲得蛋黃區域的二值圖像，最后將雞蛋透射圖像點乘蛋黃區域二值圖像，獲得蛋黃區域透射圖像。本方法可應用于不同蛋殼顏色和透光性的雞蛋，能夠克服雞蛋蛋殼顏色和透光性的差異對不同雞蛋透射圖像蛋黃區域分割的不利影響，為基于蛋黃或蛋白區域形態及顏色特征的禽蛋新鮮度的圖像法無損檢測方法奠定了基礎。
【專利說明】
一種自適應的雞蛋透射圖像蛋黃區域分割方法
技術領域
:
[0001]本發明屬于圖像法無損檢測領域，特別涉及一種自適應的雞蛋透射圖像蛋黃區域分割方法。
【背景技術】
:
[0002]雞蛋營養豐富、價格低廉，在深受廣大消費者的歡迎。隨著貯藏時間的增加，雞蛋受到微生物侵染程度加深，新鮮度逐漸下降。新鮮度過差的雞蛋食品安全性較低，不宜食用。
[0003]計算機視覺方法是無損檢測雞蛋新鮮度的主要方法，目前計算機視覺雞蛋新鮮度無損檢測方法主要基于對雞蛋蛋黃或蛋白區域顏色、形態特征的提取和分析。然而，由于雞蛋蛋殼顏色和透光性的不同，以及雞蛋在貯藏過程中透光性的變化，導致所采集到的雞蛋透射光圖像亮度差異明顯，蛋黃區域分割過程中閾值不易選擇，蛋黃區域特征參數提取誤差較大。目前對不同品種雞蛋進行蛋黃提取主要采用大津閾值分割法或先判斷蛋殼種類再對蛋黃區域進行分割的方法，但這些方法的準確性受雞蛋透光性的差異影響較大。
[0004]因此，建立能夠適應不同雞蛋透光圖像的蛋黃區域分割方法是目前本領域科研工作者需要解決的技術問題。

【發明內容】

:
[0005]本發明的目的是提供一種自適應的雞蛋透射圖像蛋黃區域分割方法，該方法可以對不同顏色和透光性的雞蛋透射圖像進行自適應的蛋黃區域分割，提高大樣本雞蛋新鮮度視覺無損檢測的準確度和精確度。
[0006]為解決上述問題，本發明提供了一種自適應的雞蛋透射圖像蛋黃區域分割方法，該方法實行步驟包含:(一)雞蛋透射圖像采集；(二)G通道雞蛋透射灰度圖像中雞蛋區域平均灰度值的計算；(三)計算分割閾值；(四)蛋黃區域二值圖像提?。?五)蛋黃區域二值圖像修整；(六)蛋黃區域圖像分割；
[0007]所述步驟一，其特征在于光源為暖白色LED燈；
[0008]所述步驟二，其特征在于:先以大津閾值分割法對R通道灰度圖進行分割，并去除分割后圖像中的雜點，獲得雞蛋區域二值圖，再將其作為蒙板，統計G通道雞蛋透射灰度圖像中雞蛋區域的平均灰度值；
[0009]所述步驟三，其特征在于:分割閾值使用以下模型進行計算:
[0010]T = 0.0036 g
[0011]其中，T為分割閾值，g為G通道雞蛋透射灰度圖像中雞蛋區域的平均灰度；
[0012]所述步驟四，其特征在于:用步驟三計算得到的分割閾值為閾值，對G通道雞蛋透射灰度圖像進行閾值分割并反色，獲得帶背景和雜點的蛋黃區域二值圖像；
[0013]所述步驟五，其特征在于按如下步驟進行:先將步驟二得到的雞蛋區域二值圖像反色并以直徑40的圓盤為模版進行膨脹，獲得邊緣收縮的雞蛋區域二值圖像的反色圖像；然后將步驟四得到的蛋黃區域二值圖像與邊緣收縮的雞蛋區域二值圖像的反色圖像進行減運算，獲得只帶雜點的蛋黃區域二值圖像；最后去除其中面積較小的連通域，獲得蛋黃區域的二值圖像；
[0014]所述步驟六，其特征在于:先將單通道的蛋黃區域的二值圖像擴充至三個通道。然后用原始雞蛋透射圖像點乘(.*)擴充至三個通道的蛋黃區域二值圖像，獲得雞蛋蛋黃區域透射圖像。
【附圖說明】
:
[0015]圖1:白殼草雞蛋透射圖像
[0016]圖2:白殼草雞蛋帶背景和雜點的蛋黃區域二值圖像
[0017]圖3:白殼草雞蛋蛋黃區域的二值圖像
[0018]圖4:白殼草雞蛋蛋黃區域透射圖像
[0019]圖5:褐殼洋雞蛋透射圖像
[0020]圖6:褐殼洋雞蛋帶背景和雜點的蛋黃區域二值圖像
[0021]圖7:褐殼洋雞蛋蛋黃區域的二值圖像
[0022]圖8:褐殼洋雞蛋蛋黃區域透射圖像
【具體實施方式】
:
[0023]本發明的目的是提供一種自適應的雞蛋透射圖像蛋黃區域分割方法，該方法可以對不同蛋殼顏色和透光性的雞蛋透射圖像進行自適應的蛋黃區域分割，提高大樣本雞蛋新鮮度視覺無損檢測的準確度和精確度。
[0024]為了使本技術領域人員更好地理解本發明方案，下面結合【具體實施方式】對本發明作進一步的詳細說明。
[0025]在一種具體實施例中，對雞蛋透射圖像中蛋黃區域進行分割。首先用暖白色LED燈為光源采集雞蛋的透射圖像，對雞蛋透射圖像中G通道和R通道的灰度圖進行提取。然后以大津閾值分割法對R通道灰度圖進行閾值分割，并去除分割后圖像中的雜點，獲得雞蛋區域的二值圖像，并以其為蒙板，統計G通道雞蛋灰度圖像中雞蛋區域灰度的平均值。再將其平均灰度值帶入分割閾值計算模型T = 0.0036 g中求得分割閾值，并用該分割閾值對G通道雞蛋灰度圖像進行給定閾值分割，再將圖像反色得到帶背景和雜點的蛋黃區域二值圖像。然后，將雞蛋區域二值圖像反色并以直徑40的圓盤為模版進行膨脹，獲得邊緣收縮的雞蛋區域二值圖像的反色圖像，再將蛋黃區域二值圖像與邊緣收縮的雞蛋區域二值圖像的反色圖像進行減運算，并去除圖像中面積較小的連通域，獲得蛋黃區域二值圖像。最后，將單通道的蛋黃區域的二值圖像擴充至三個通道。然后用原始雞蛋透射圖像點乘(.*)擴充至三個通道的蛋黃區域二值圖像，獲得雞蛋蛋黃區域透射圖像。
[0026]實施例1
[0027]100枚白殼草雞蛋透射圖像蛋黃區域的分割:先用相機采集雞蛋的透射圖像，背景光源為IW白色LED燈，透射圖像如圖1所示。然后提取透射圖像中G通道和R通道的灰度圖，再以大津閾值分割法對R通道灰度圖進行閾值分割，并去除分割后圖像中的雜點，獲得雞蛋區域的二值圖像，并以其為蒙板，統計G通道雞蛋灰度圖像中雞蛋區域灰度的平均值。然后利用分割閾值計算模型τ = 0.0036 g計算出分割閾值，用該閾值對G通道透射圖像灰度圖進行給定閾值分割并反色，獲得帶背景和雜點的蛋黃區域二值圖像，如圖2所示。然后，將雞蛋區域二值圖像反色并以直徑40的圓盤為模版進行膨脹，獲得邊緣收縮的雞蛋區域二值圖像的反色圖像。再將帶背景和雜點的蛋黃區域二值圖像，與邊緣收縮的雞蛋區域二值圖的反色圖像進行減運算，并去除圖像中面積較小的連通域，獲得蛋黃區域的二值圖像，如圖3所示。最后，將單通道的蛋黃區域的二值圖像擴充至三個通道。然后用原始雞蛋透射圖像點乘(.*)擴充至三個通道的蛋黃區域二值圖像，獲得雞蛋蛋黃區域透射圖像，如圖4所示。分割結果顯示該方法對100枚白殼草雞蛋透光圖像的蛋黃區域都可有效分割，分割出的蛋黃區域面積占全蛋區域面積的37.1±6.6%。
[0028]實施例2
[0029]用相機采集褐殼洋雞蛋的透射圖像，背景光源為IW白色LED燈，透射圖像如圖5所示。然后提取透射圖像中G通道和R通道的灰度圖，再以大津閾值分割法對R通道灰度圖進行閾值分割，并去除分割后圖像中的雜點，獲得雞蛋區域的二值圖像，并以其為蒙板，統計G通道雞蛋灰度圖像中雞蛋區域灰度的平均值。然后利用分割閾值計算模型T = 0.0036g計算出分割閾值T，用該閾值對G通道透射圖像灰度圖進行給定閾值分割并反色，獲得帶背景和雜點的蛋黃區域二值圖像，如圖6所示。然后，將雞蛋區域二值圖像反色并以直徑40的圓盤為模版進行膨脹，獲得邊緣收縮的雞蛋區域二值圖像的反色圖像。再將帶背景和雜點的蛋黃區域二值圖像與邊緣收縮的雞蛋區域二值圖像的反色圖像進行減運算，再去除圖像中面積較小的連通域，獲得蛋黃區域的二值圖像，如圖7所示。最后，將單通道的蛋黃區域的二值圖像擴充至三個通道。然后用原始雞蛋透射圖像點乘(.*)擴充至三個通道的蛋黃區域二值圖像，獲得雞蛋蛋黃區域透射圖像，如圖8所示。分割結果顯示該方法對100枚褐殼洋雞蛋透光圖像的蛋黃區域都可有效分割，分割出的蛋黃區域面積占全蛋區域面積的38.0±6.6%ο
【主權項】
1.一種自適應的雞蛋透射圖像蛋黃區域分割方法，其特征在于按照如下步驟進行:(一)雞蛋透射圖像采集；(二)G通道雞蛋透射灰度圖像中雞蛋區域平均灰度值的計算；(三)計算分割閾值；(四)蛋黃區域二值圖像提取；(五)蛋黃區域二值圖像修整；(六)蛋黃區域圖像分割: 所述步驟一，其特征在于光源為暖白色LED燈； 所述步驟二，其特征在于:先以大津閾值分割法對R通道灰度圖進行分割，并去除分割后圖像中的雜點，獲得雞蛋區域二值圖，再將其作為蒙板，統計G通道雞蛋透射灰度圖像中雞蛋區域的平均灰度值； 所述步驟三，其特征在于:分割閾值使用以下模型進行計算:T = 0.0036g 其中，T為分割閾值，g為G通道雞蛋透射灰度圖像中雞蛋區域的平均灰度； 所述步驟四，其特征在于:用步驟三計算得到的分割閾值為閾值，對G通道雞蛋透射灰度圖像進行閾值分割并反色，獲得帶背景和雜點的蛋黃區域二值圖像； 所述步驟五，其特征在于按如下步驟進行:先將步驟二得到的雞蛋區域二值圖像反色并以直徑40的圓盤為模版進行膨脹，獲得邊緣收縮的雞蛋區域二值圖像的反色圖像；然后將步驟四得到的蛋黃區域二值圖像與邊緣收縮的雞蛋區域二值圖像的反色圖像進行減運算，獲得只帶雜點的蛋黃區域二值圖像；最后去除其中面積較小的連通域，獲得蛋黃區域的二值圖像； 所述步驟六，其特征在于:先將單通道的蛋黃區域的二值圖像擴充至三個通道。然后用原始雞蛋透射圖像點乘(.*)擴充至三個通道的蛋黃區域二值圖像，獲得雞蛋蛋黃區域透射圖像。
【文檔編號】G06T7/00GK105894488SQ201410588865
【公開日】2016年8月24日
【申請日】2014年10月21日
【發明人】屠康, 孫柯, 馬龍, 潘磊慶
【申請人】南京農業大學