文欣薇 李雅芝 朱雄杰 王善偉

摘要：本文提出了一種基于機(jī)器視覺技術(shù)的香菇表面紋理種類鑒別方法，以提取圖片中的香菇主體。首先利用高斯濾波對(duì)圖片進(jìn)行降噪處理，分析背景顏色，得出其R、G、B值的波動(dòng)范圍，采用清0的方式將圖像背景剔除。結(jié)合prewitt算子檢測(cè)邊緣，通過(guò)矩陣運(yùn)算得出香菇的二值圖，由此實(shí)現(xiàn)香菇的定位。紋理區(qū)域存在灰度值突變的情況，而采用梯度法對(duì)香菇表面的紋理進(jìn)行數(shù)值處理得到的精度較高，對(duì)圖片進(jìn)行梯度銳化，并再次用濾波去除雜質(zhì)以突出紋理。最后選取平均梯度作為判定指標(biāo)，利用K均值聚類法，可順利將香菇分成A、B兩類。

關(guān)鍵詞：高斯濾波;prewitt算子;二值圖;梯度法;灰度直方圖

中圖分類號(hào)：G642? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）16-0208-02

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

我國(guó)是一個(gè)香菇生產(chǎn)大國(guó)，其中香菇的分類加工屬于勞動(dòng)密集型環(huán)節(jié)，長(zhǎng)期以來(lái)依靠人工進(jìn)行香菇類型分選以及破損、畸形、霉變香菇的篩除。利用人工進(jìn)行香菇分揀有諸多缺點(diǎn)，例如勞動(dòng)強(qiáng)度大、耗費(fèi)人力多、效率低、分類精度不高等。另外，人工分類還有一個(gè)很嚴(yán)重的問題，即分類精度會(huì)受工人主觀因素影響。人力成本是在很大程度上影響香菇的生產(chǎn)成本，而隨著社會(huì)的發(fā)展，社會(huì)勞動(dòng)力成本只會(huì)越來(lái)越高，同時(shí)國(guó)內(nèi)外市場(chǎng)對(duì)香菇的品質(zhì)要求越來(lái)越嚴(yán)格，所以香菇的高效、自動(dòng)分揀是香菇加工、出口業(yè)亟待解決的重要問題。

香菇生長(zhǎng)過(guò)程中， 因表皮細(xì)胞與肉質(zhì)細(xì)胞分裂不同步， 菌蓋龜裂會(huì)產(chǎn)生花紋，形成花菇， 依菌蓋表面白色花紋的多少， 香菇可分為天白花菇、白花菇、茶花菇和光面菇，不同種類的香菇具有不同的價(jià)值，所以必須對(duì)花紋混雜的香菇原料進(jìn)行分級(jí)。

本文嘗試?yán)脵C(jī)器視覺技術(shù)，構(gòu)建了香菇紋理識(shí)別系統(tǒng)，達(dá)到對(duì)香菇進(jìn)行分選的目的。在對(duì)香菇樣本進(jìn)行圖片采集之后，通過(guò)高斯濾波、邊緣檢測(cè)等操作對(duì)圖片進(jìn)行降噪、邊緣化等預(yù)處理，并利用MATLAB軟件得到其灰度圖[1]，通過(guò)清0置1的方法將背景剝離，得到香菇的二值圖，由此可以準(zhǔn)確快捷地判斷香菇的位置。通過(guò)研究發(fā)現(xiàn)兩種類型香菇的紋理灰度分布具有顯著特征，所以利用灰度直方圖可以在一定程度上反映幾種不同類型菌蓋紋理的區(qū)別。本文通過(guò)梯度法對(duì)灰度圖進(jìn)行處理，計(jì)算平均梯度，建立相應(yīng)的等級(jí)模型，并利用K均值聚類法，便可對(duì)香菇進(jìn)行較為精確的分類。

1香菇紋理特征的提取

1.1圖像采集

本文的實(shí)驗(yàn)材料圖片來(lái)自華中地區(qū)大學(xué)生數(shù)學(xué)建模第十屆邀請(qǐng)賽，圖1所示的兩類香菇，其中A類香菇菌蓋龜裂形成褐白相間、菊花狀的花紋，其學(xué)名為花菇;B類香菇菌蓋無(wú)裂紋，被稱為光面菇。花菇價(jià)值與普通光面菇相比，價(jià)格可相差 5～8 倍。為了保證香菇質(zhì)量，優(yōu)質(zhì)優(yōu)價(jià)，按級(jí)定價(jià)，提高經(jīng)濟(jì)效益，必須對(duì)花紋混雜的香菇原料進(jìn)行自動(dòng)分揀。

1.2圖像預(yù)處理

1.2.1實(shí)現(xiàn)背景與香菇主體分離

以A類香菇處理為例，先將圖1中的A香菇圖片進(jìn)行預(yù)處理，通過(guò)MATLAB軟件將圖片轉(zhuǎn)化為RGB的三維矩陣，得到有效的數(shù)據(jù)信息，矩陣上的每一個(gè)點(diǎn)代表每一個(gè)像素點(diǎn)，R、G、B三個(gè)維度的值代表每一個(gè)像素點(diǎn)的顏色[2]?？紤]所給圖片存在拍照角度及光源不同等的影響因素，采用高斯濾波進(jìn)行降噪處理。由于背景顏色與香菇顏色易于區(qū)分，其對(duì)應(yīng)的R、G、B值存在很大差異，分析背景顏色，得出其R、G、B值的波動(dòng)范圍為{R<100，G>5，B<0}。設(shè)計(jì)程序并以此為條件找出所有處于此范圍的像素點(diǎn)，將其清0，其余非此范圍的值保持不變，即得到香菇主體，如圖2（a）所示，以此實(shí)現(xiàn)背景分割。為了提高結(jié)果精度，進(jìn)一步對(duì)得到的背景分離圖片進(jìn)行灰度化處理，再次使用高斯濾波濾去雜質(zhì)，如圖2（b）所示。

1.2.2香菇定位

利用sobel、prewitt、roberts以及canny四種算子得出灰度化處理后圖片的邊緣曲線，結(jié)果如圖3所示。結(jié)合本文需求，相比較而言，選取prewitt算子作為最佳的邊緣處理方式[3]。

為實(shí)現(xiàn)對(duì)香菇的定位，首先對(duì)各行列的像素點(diǎn)進(jìn)行逐一檢驗(yàn)，邊緣像素點(diǎn)成白色，其值為1;其他所有的像素點(diǎn)為黑色，其值為0;利用prewitt算子，用其對(duì)各行列的像素點(diǎn)進(jìn)行逐一檢驗(yàn)，將檢驗(yàn)到的第一個(gè)值為1的像素點(diǎn)至最后一個(gè)值為1的像素點(diǎn)間的所有像素點(diǎn)的值置1，此時(shí)可以得到0-1矩陣，將原矩陣與其進(jìn)行三次運(yùn)算，得到圖4中左圖即為香菇的二值化圖像，并將其與原圖進(jìn)行對(duì)比，可以發(fā)現(xiàn)此種方法可以快速精準(zhǔn)的實(shí)現(xiàn)香菇的定位。

2建立分級(jí)模型

2.1 梯度法提取香菇特征紋理

將所有待分類的香菇圖片進(jìn)行預(yù)處理并編號(hào)為001-135，刻畫圖像邊緣，提取目標(biāo)香菇;調(diào)用MATLAB中rgb2gray（）函數(shù)得到其灰度圖;由于紋理區(qū)域位于灰度突變的地方，故采用梯度法對(duì)香菇表面的紋理進(jìn)行數(shù)值處理[3，4]。圖像中像素點(diǎn)[（x，y）]的梯度方向?yàn)榛叶戎礫f（x，y）]在這點(diǎn)變化率最大的方向，模[G（f（x，y））]為灰度值[f（x，y）]的最大變化率，即：

再進(jìn)行濾波去噪使紋理被清晰地顯示，然后計(jì)算該圖像的分級(jí)特征值——平均梯度S。

2.2 K均值聚類法實(shí)現(xiàn)A、B類香菇分選

將得到的平均梯度值進(jìn)行K均值聚類分析，得到兩個(gè)聚類中心，實(shí)現(xiàn)香菇的初步分類。統(tǒng)計(jì)歸納A、B兩類香菇的平均梯度值，作出其分布圖，如圖5所示，可以發(fā)現(xiàn)平均梯度在約為2000的位置，兩類香菇有明顯的分級(jí)現(xiàn)象，故以此為臨界值，若大于臨界值則歸為A類，小于臨界值則歸為B類，建立分級(jí)模型，即可實(shí)現(xiàn)對(duì)所有香菇的快速分類。另外，用肉眼對(duì)這135幅香菇圖片進(jìn)行類別判斷，得到A、B兩類香菇的個(gè)數(shù)分別為80個(gè)及55個(gè);而由此系統(tǒng)識(shí)別得到的A、B兩類香菇的個(gè)數(shù)分別為85個(gè)及50個(gè)，據(jù)此得出系統(tǒng)的正確識(shí)別率為96%。

3 模型評(píng)價(jià)

本文所提到的香菇分類識(shí)別系統(tǒng)采用清0置1的方法，即可快速得到各香菇的大致位置，且具有一定的精準(zhǔn)度，但此算法對(duì)于原始信息的提取程度還有待加強(qiáng)。由于圖片分辨率的不同導(dǎo)致背景脫離時(shí)含有噪聲，則需要在既定的模型基礎(chǔ)上進(jìn)行參數(shù)調(diào)試，對(duì)高斯濾波尺度的選擇也應(yīng)進(jìn)一步做研究，且這種降噪方式并不能完全解決由拍攝角度、光源差異及圖片質(zhì)量等因素帶來(lái)的問題;因?yàn)橄愎奖砻娲嬖诩y理，得出的三維矩陣比較復(fù)雜，灰度值的范圍也非常廣，故沒有直接采用灰度值來(lái)直接刻畫香菇的特征，而是利用灰度值的變化率，即采用平均梯度值對(duì)香菇特征進(jìn)行刻畫，有效地對(duì)香菇紋理特征進(jìn)行了簡(jiǎn)化，并且以此為指標(biāo)特征很好地完成了香菇的分類。

參考文獻(xiàn)：

[1]劉麗，蘇賦，田芳，等. 基于Matlab的圖像感興趣區(qū)域提取[J]. 現(xiàn)代電子技術(shù)，2013（8）： 117-120.

[2]陳紅，夏青，左婷，等. 基于機(jī)器視覺的花菇分選技術(shù)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2014， 45（1）：281-287 .

[3]李偉， 康晴晴， 張俊雄， 等. 基于機(jī)器視覺的蘋果表面紋理檢測(cè)方法[J]. 吉林大學(xué)學(xué)報(bào)（工）， 2008， 38（5）：1110-1113.

[4]陳朋. 煙葉紋理表面的視覺檢測(cè)技術(shù)研究與應(yīng)用[D].貴州大學(xué)，2017.

【通聯(lián)編輯：王力】