一种自适应的鸡蛋透射图像蛋黄区域分割方法
【专利摘要】本发明公开一种自适应的鸡蛋透射图像蛋黄区域分割方法，属于图像法无损检测领域。该方法首先采集鸡蛋透射图像，再计算其中鸡蛋区域G分量的平均灰度值，然后将该平均灰度值带入阈值计算公式计算分割阈值。再用该分割阈值对蛋黄区域阈值分割并去除杂点，获得蛋黄区域的二值图像，最后将鸡蛋透射图像点乘蛋黄区域二值图像，获得蛋黄区域透射图像。本方法可应用于不同蛋壳颜色和透光性的鸡蛋，能够克服鸡蛋蛋壳颜色和透光性的差异对不同鸡蛋透射图像蛋黄区域分割的不利影响，为基于蛋黄或蛋白区域形态及颜色特征的禽蛋新鲜度的图像法无损检测方法奠定了基础。
【专利说明】
一种自适应的鸡蛋透射图像蛋黄区域分割方法
技术领域
:
[0001]本发明属于图像法无损检测领域，特别涉及一种自适应的鸡蛋透射图像蛋黄区域分割方法。
【背景技术】
:
[0002]鸡蛋营养丰富、价格低廉，在深受广大消费者的欢迎。随着贮藏时间的增加，鸡蛋受到微生物侵染程度加深，新鲜度逐渐下降。新鲜度过差的鸡蛋食品安全性较低，不宜食用。
[0003]计算机视觉方法是无损检测鸡蛋新鲜度的主要方法，目前计算机视觉鸡蛋新鲜度无损检测方法主要基于对鸡蛋蛋黄或蛋白区域颜色、形态特征的提取和分析。然而，由于鸡蛋蛋壳颜色和透光性的不同，以及鸡蛋在贮藏过程中透光性的变化，导致所采集到的鸡蛋透射光图像亮度差异明显，蛋黄区域分割过程中阈值不易选择，蛋黄区域特征参数提取误差较大。目前对不同品种鸡蛋进行蛋黄提取主要采用大津阈值分割法或先判断蛋壳种类再对蛋黄区域进行分割的方法，但这些方法的准确性受鸡蛋透光性的差异影响较大。
[0004]因此，建立能够适应不同鸡蛋透光图像的蛋黄区域分割方法是目前本领域科研工作者需要解决的技术问题。
【发明内容】
:
[0005]本发明的目的是提供一种自适应的鸡蛋透射图像蛋黄区域分割方法，该方法可以对不同颜色和透光性的鸡蛋透射图像进行自适应的蛋黄区域分割，提高大样本鸡蛋新鲜度视觉无损检测的准确度和精确度。
[0006]为解决上述问题，本发明提供了一种自适应的鸡蛋透射图像蛋黄区域分割方法，该方法实行步骤包含:(一)鸡蛋透射图像采集；(二)G通道鸡蛋透射灰度图像中鸡蛋区域平均灰度值的计算；(三)计算分割阈值；(四)蛋黄区域二值图像提取；(五)蛋黄区域二值图像修整；(六)蛋黄区域图像分割；
[0007]所述步骤一，其特征在于光源为暖白色LED灯；
[0008]所述步骤二，其特征在于:先以大津阈值分割法对R通道灰度图进行分割，并去除分割后图像中的杂点，获得鸡蛋区域二值图，再将其作为蒙板，统计G通道鸡蛋透射灰度图像中鸡蛋区域的平均灰度值；
[0009]所述步骤三，其特征在于:分割阈值使用以下模型进行计算:
[0010]T = 0.0036 g
[0011]其中，T为分割阈值，g为G通道鸡蛋透射灰度图像中鸡蛋区域的平均灰度；
[0012]所述步骤四，其特征在于:用步骤三计算得到的分割阈值为阈值，对G通道鸡蛋透射灰度图像进行阈值分割并反色，获得带背景和杂点的蛋黄区域二值图像；
[0013]所述步骤五，其特征在于按如下步骤进行:先将步骤二得到的鸡蛋区域二值图像反色并以直径40的圆盘为模版进行膨胀，获得边缘收缩的鸡蛋区域二值图像的反色图像；然后将步骤四得到的蛋黄区域二值图像与边缘收缩的鸡蛋区域二值图像的反色图像进行减运算，获得只带杂点的蛋黄区域二值图像；最后去除其中面积较小的连通域，获得蛋黄区域的二值图像；
[0014]所述步骤六，其特征在于:先将单通道的蛋黄区域的二值图像扩充至三个通道。然后用原始鸡蛋透射图像点乘(.*)扩充至三个通道的蛋黄区域二值图像，获得鸡蛋蛋黄区域透射图像。
【附图说明】
:
[0015]图1:白壳草鸡蛋透射图像
[0016]图2:白壳草鸡蛋带背景和杂点的蛋黄区域二值图像
[0017]图3:白壳草鸡蛋蛋黄区域的二值图像
[0018]图4:白壳草鸡蛋蛋黄区域透射图像
[0019]图5:褐壳洋鸡蛋透射图像
[0020]图6:褐壳洋鸡蛋带背景和杂点的蛋黄区域二值图像
[0021]图7:褐壳洋鸡蛋蛋黄区域的二值图像
[0022]图8:褐壳洋鸡蛋蛋黄区域透射图像
【具体实施方式】
:
[0023]本发明的目的是提供一种自适应的鸡蛋透射图像蛋黄区域分割方法，该方法可以对不同蛋壳颜色和透光性的鸡蛋透射图像进行自适应的蛋黄区域分割，提高大样本鸡蛋新鲜度视觉无损检测的准确度和精确度。
[0024]为了使本技术领域人员更好地理解本发明方案，下面结合【具体实施方式】对本发明作进一步的详细说明。
[0025]在一种具体实施例中，对鸡蛋透射图像中蛋黄区域进行分割。首先用暖白色LED灯为光源采集鸡蛋的透射图像，对鸡蛋透射图像中G通道和R通道的灰度图进行提取。然后以大津阈值分割法对R通道灰度图进行阈值分割，并去除分割后图像中的杂点，获得鸡蛋区域的二值图像，并以其为蒙板，统计G通道鸡蛋灰度图像中鸡蛋区域灰度的平均值。再将其平均灰度值带入分割阈值计算模型T = 0.0036 g中求得分割阈值，并用该分割阈值对G通道鸡蛋灰度图像进行给定阈值分割，再将图像反色得到带背景和杂点的蛋黄区域二值图像。然后，将鸡蛋区域二值图像反色并以直径40的圆盘为模版进行膨胀，获得边缘收缩的鸡蛋区域二值图像的反色图像，再将蛋黄区域二值图像与边缘收缩的鸡蛋区域二值图像的反色图像进行减运算，并去除图像中面积较小的连通域，获得蛋黄区域二值图像。最后，将单通道的蛋黄区域的二值图像扩充至三个通道。然后用原始鸡蛋透射图像点乘(.*)扩充至三个通道的蛋黄区域二值图像，获得鸡蛋蛋黄区域透射图像。
[0026]实施例1
[0027]100枚白壳草鸡蛋透射图像蛋黄区域的分割:先用相机采集鸡蛋的透射图像，背景光源为IW白色LED灯，透射图像如图1所示。然后提取透射图像中G通道和R通道的灰度图，再以大津阈值分割法对R通道灰度图进行阈值分割，并去除分割后图像中的杂点，获得鸡蛋区域的二值图像，并以其为蒙板，统计G通道鸡蛋灰度图像中鸡蛋区域灰度的平均值。然后利用分割阈值计算模型τ = 0.0036 g计算出分割阈值，用该阈值对G通道透射图像灰度图进行给定阈值分割并反色，获得带背景和杂点的蛋黄区域二值图像，如图2所示。然后，将鸡蛋区域二值图像反色并以直径40的圆盘为模版进行膨胀，获得边缘收缩的鸡蛋区域二值图像的反色图像。再将带背景和杂点的蛋黄区域二值图像，与边缘收缩的鸡蛋区域二值图的反色图像进行减运算，并去除图像中面积较小的连通域，获得蛋黄区域的二值图像，如图3所示。最后，将单通道的蛋黄区域的二值图像扩充至三个通道。然后用原始鸡蛋透射图像点乘(.*)扩充至三个通道的蛋黄区域二值图像，获得鸡蛋蛋黄区域透射图像，如图4所示。分割结果显示该方法对100枚白壳草鸡蛋透光图像的蛋黄区域都可有效分割，分割出的蛋黄区域面积占全蛋区域面积的37.1±6.6%。
[0028]实施例2
[0029]用相机采集褐壳洋鸡蛋的透射图像，背景光源为IW白色LED灯，透射图像如图5所示。然后提取透射图像中G通道和R通道的灰度图，再以大津阈值分割法对R通道灰度图进行阈值分割，并去除分割后图像中的杂点，获得鸡蛋区域的二值图像，并以其为蒙板，统计G通道鸡蛋灰度图像中鸡蛋区域灰度的平均值。然后利用分割阈值计算模型T = 0.0036g计算出分割阈值T，用该阈值对G通道透射图像灰度图进行给定阈值分割并反色，获得带背景和杂点的蛋黄区域二值图像，如图6所示。然后，将鸡蛋区域二值图像反色并以直径40的圆盘为模版进行膨胀，获得边缘收缩的鸡蛋区域二值图像的反色图像。再将带背景和杂点的蛋黄区域二值图像与边缘收缩的鸡蛋区域二值图像的反色图像进行减运算，再去除图像中面积较小的连通域，获得蛋黄区域的二值图像，如图7所示。最后，将单通道的蛋黄区域的二值图像扩充至三个通道。然后用原始鸡蛋透射图像点乘(.*)扩充至三个通道的蛋黄区域二值图像，获得鸡蛋蛋黄区域透射图像，如图8所示。分割结果显示该方法对100枚褐壳洋鸡蛋透光图像的蛋黄区域都可有效分割，分割出的蛋黄区域面积占全蛋区域面积的38.0±6.6%ο
【主权项】
1.一种自适应的鸡蛋透射图像蛋黄区域分割方法，其特征在于按照如下步骤进行:(一)鸡蛋透射图像采集；(二)G通道鸡蛋透射灰度图像中鸡蛋区域平均灰度值的计算；(三)计算分割阈值；(四)蛋黄区域二值图像提取；(五)蛋黄区域二值图像修整；(六)蛋黄区域图像分割: 所述步骤一，其特征在于光源为暖白色LED灯； 所述步骤二，其特征在于:先以大津阈值分割法对R通道灰度图进行分割，并去除分割后图像中的杂点，获得鸡蛋区域二值图，再将其作为蒙板，统计G通道鸡蛋透射灰度图像中鸡蛋区域的平均灰度值； 所述步骤三，其特征在于:分割阈值使用以下模型进行计算:T = 0.0036g 其中，T为分割阈值，g为G通道鸡蛋透射灰度图像中鸡蛋区域的平均灰度； 所述步骤四，其特征在于:用步骤三计算得到的分割阈值为阈值，对G通道鸡蛋透射灰度图像进行阈值分割并反色，获得带背景和杂点的蛋黄区域二值图像； 所述步骤五，其特征在于按如下步骤进行:先将步骤二得到的鸡蛋区域二值图像反色并以直径40的圆盘为模版进行膨胀，获得边缘收缩的鸡蛋区域二值图像的反色图像；然后将步骤四得到的蛋黄区域二值图像与边缘收缩的鸡蛋区域二值图像的反色图像进行减运算，获得只带杂点的蛋黄区域二值图像；最后去除其中面积较小的连通域，获得蛋黄区域的二值图像； 所述步骤六，其特征在于:先将单通道的蛋黄区域的二值图像扩充至三个通道。然后用原始鸡蛋透射图像点乘(.*)扩充至三个通道的蛋黄区域二值图像，获得鸡蛋蛋黄区域透射图像。
【文档编号】G06T7/00GK105894488SQ201410588865
【公开日】2016年8月24日
【申请日】2014年10月21日
【发明人】屠康, 孙柯, 马龙, 潘磊庆
【申请人】南京农业大学