稻米垩白度测定特征值提取的算法研究

申 聪，戴小鹏，李东晖，樊振宇

（湖南农业大学信息科学与技术学院，湖南 长沙 410128）

稻米垩白度测定特征值提取的算法研究

申 聪，戴小鹏，李东晖，樊振宇

（湖南农业大学信息科学与技术学院，湖南 长沙 410128）

为了改进传统的稻米垩白度计算方法操作困难、准确率低等不足，提出了一种稻米垩白度测定特征值提取的新算法。该算法利用图像处理软件和积分学的相关理论计算稻米米粒的面积和垩白区域的面积，进而计算稻米垩白度，大大提高了算法的精准度，为稻米品质评价指标体系的建立打下了基础。

稻米垩白度；图像处理；特征提取；积分学

随着经济社会的快速发展和人民生活水平的提高，食用米的品质越来越受到人们的关注。垩白是稻米胚乳中白色不透明的部分，为胚乳淀粉粒之间存在空隙引起透光性改变所致。研究发现，垩白是衡量稻米品质的重要性状之一。垩白面积与稻米面积是计算稻米垩白度的2个主要指标，从已有文献得知，这2个指标大多数是通过人工目测估算而得，也有少部分资料用到了积分算法[1]，但并没有详细讲述计算过程，而且存在操作困难、准确率低等诸多弊端。为了尽可能地减少计算误差，笔者通过图像处理软件提出了一种简单易理解的垩白度测定特征值提取的测算方法，并运用积分学的原理详细讲述了计算过程，大大提高了米粒垩白度测算的精准度，为稻米品质评价指标体系的建立打下了基础。

1 稻米垩白度算法实现过程

1.1 垩白度计算模型分析

垩白度计算需要经过图像采集、图像预处理、图像灰度化、灰度值与阈值1比较（从背景图片中抽象出稻米区域）、灰度值与阈值2比较（从稻米图片中抽象出垩白区域）、垩百度计算、垩白粒率计算等过程，如图1所示。笔者将从图像预处理、灰度化和垩白度计算过程所联系的相关计算方法详细阐述垩白度的计算过程。

1.2 图像预处理

1.2.1 噪声过滤 图像因其直观形象的特性成为人们传递信息的一种重要载体，而传输中的图像或多或少的都带有噪声的影响，导致图像与事实有所偏差[2]。图像噪声过滤的目的是在最大程度地保护图像的边沿、纹理和细节的基础上去除与研究对象无关的图像因素。因此，采集后的图片需用滤波器进行噪声过滤后才可进行垩白面积的求解。

1.2.2 边缘检测算法 图像的大部分信息都在图像边缘中体现，主要表现为图像局部特征的不连续性，即图像中灰度变化比较剧烈的地方[3]。边缘检测是利用图像中各像素点灰度值的差别对图像边缘进行检测的一个过程，传统的边缘检测方法有微分算子法，现代的边缘检测的方法有模糊学、小波分析、形态学、人工智能、遗传算法等[4]。笔者在传统的微分算子法基础上得到的一种新型算法。

假设一幅长宽都为M的图片中像素点P（x，y）对应的灰度值为z，构造函数z=f（x，y），对于图片中每一个确定的点P（x，y）都有唯一的灰度值z与之对应，在函数f（x，y）中对x、y分别求一维偏导数得到函数值z=f（x，y）在点P（x,y）的全微分

图1 垩百度计算模型分析

由（1）式可知，|dz|越大，说明函数在P（x，y）这一点的变化幅度越大，则图片的灰度值变化越大，将|dz|与参照的阈值T比较，如果有|dz|＞T即可认为该点为灰度值分界点，所有的分界点连接起来形成边缘线。

1.2.3 抽象出边缘线 利用边缘检测进行图片处理后可以得到图像边缘线条，如图2所示，此边沿线条可为抽象函数方程计算每部分面积提供原始数据。

图2 垩白米粒抽象出边缘线

1.3 垩白度计算

1.3.1 垩白面积与米粒面积计算 稻米轮廓所在的曲线大多数不能直接对应某一种或者某一类函数模型，需要将米粒和垩白区的边缘曲线进行分段处理，对每一小段的数据用最接近的曲线轮廓进行划分，如图3所示。

以计算米粒的面积为例，对米粒边缘曲线建立平面直角坐标系，假设曲线OL、LC、CM、MO所在曲线方程分别为y=f（x）OL、y=f（x）LC、y=f（x）CM、Y=f（x）MO，则米粒的面积可以表示为：

图3 米粒边缘线条建立的函数模型

由于根据OL、LC、CM、MO所在曲线求对应函数的过程比较困难，所以采用分段求函数的方法，对于分段的间距可以根据边缘曲线的轮廓决定，以OL段（图3）为例，进行分段后的函数可表示为：

其中，间距△a越小，则算出来的面积越接近于真实值，以阴影部分OaL（图3）为例，在变量区间[-a，0]上进行分段，每一段的面积为Areaai：

同理，可以求出AreaOaLC、AreaObMC、AreaObM，那么米粒的面积可以表示为：

计算得到米粒的面积Area米粒后，用同样的方法可以计算出垩白区域的面积Area垩白，根据Area米粒和Area垩白可以进行稻米垩白度的计算。

1.3.2 垩白度和垩白粒率的计算 根据农业部标准得到下列计算公式[5]：

垩白度（%）=米粒中垩白部位投影面积/米粒投影面积×100

垩白粒率（%）=垩白米粒数/总粒数×100

垩白米粒数是指有垩白的米粒数量，在国家标准中，垩白度的计算需要取30粒米粒的平均值，作为整个样本空间的米粒垩百度的最终结果。

1.3.3 依据垩白粒率判断稻米品质的标准 依据国家标准[6]，将垩白粒率为10%、20%和30%的籼米、粳米、籼糯米和粳糯米等大米的品质分别划分为一级、二级和三级。

2 结果与分析

2.1 稻米粘黏性问题

稻米粘黏是计算稻米垩白度过程中遇到的常见问题，传统的计算方法[7]必须把每一粒米粒都独立的分隔出来才能计算，而该算法只需考虑稻米堆积问题，对同一平面的稻米粘黏性问题无需考虑，算出多粒大米的垩白区域面积与多粒大米的面积的比值即可，对垩白率不会产生任何影响。

2.2 边缘检测方法

该算法利用了各坐标点灰度值的变化情况对图像的边缘曲线进行处理，与利用颜色突变或纹理结构突变的其他方法相比，具有数据处理简单、易操作控制的优点。同时，构建二维空间函数，通过对坐标点灰度值的全微分值与给定阈值比较得到边缘曲线，提高了稻米垩白率的计算准确性。

2.3 计算结果的精度分析

稻米垩白度的计算精度主要体现在垩白面积和稻米面积的计算精度，该文提出对不规整的几何图形分段积分求面积的方法，和传统的人工计算方法相比，对垩白度计算的结果更加趋向于真实值，对农业中稻米品质的改善提供了更加可靠的数据支撑。如表1所示，无论是垩白粒率、垩白度，还是长宽比，积分计算的标准差都高于人工计算，说明人工计算对于数据的把握集中于一个较小的范围，对于波动范围较大的数据无法准确定位。

表1 稻米垩白度积分计算和人工计算的比较

3 结 论

稻米垩白度测定特征提取算法研究是垩白度算法不断完善的过程。研究从图像的噪声过滤、边沿检测算法和抽象出边沿线出发，提出了利用微分学计算稻米垩白度的算法，通过农业部提供的垩白度和垩白粒率计算公式，对计算结果进行了详细的分析；同时，与传统人工计算方法进行比较，得到了积分算法准确度更高的结论。稻米垩白度测定特征提取算法是基于二维平面的垩白度计算方法，随着三维技术的发展，利用三重积分通过体积比计算垩白率的算法一定会是垩白度计算的另一个新起点。

[1] 陈丁山，陈 鹏，李东晖，等. 基于计算机图像处理的稻米垩白测定系统的研究[J]. 湖南农业大学学报（自然科学版），2011，37（5）：469-473.

[2] 谭永杰，曹 彦，王永亮. 图像噪声类型识别研究[J]. 周口师范学院学报，2013，30（5）：129-131.

[3] 段瑞玲，李庆祥，李玉和. 图像边缘检测方法研究综述[J]. 光学技术，2015，3（31）：415-419.

[4] 魏伟波，芮筱亭. 图像边缘检测方法研究[J]. 计算机工程与应用，2006，（30）：88-91.

[5] NY147—88，米质测定方法[S].

[6] GB1354—2009，优质大米质量指标[S].

[7] 萧浪涛，李东晖，蔺万煌，等. 一种测定稻米垩白性状的客观方法[J].中国水稻科学，2001，15（3）：206-208.

（责任编辑：成 平）

Research on an Algorithm for Feature Extraction of Rice Chalkiness Determination

HEN Cong，DAI Xiao-peng，LI Dong-hui，FAN Zhen-yu
（College of Information Science and Technology, Hunan Agricultural University, Changsha 410128, PRC）

in order to improve the traditional rice chalkiness calculation methods, which are dif fi cult to operate and low in accuracy, a new algorithm for rice chalkiness determination was proposed. Calculation of rice grains area and the area of the chalky area, furthermore, rice chalkiness was calculated, which greatly improved the accuracy of the algorithm and laid the foundation for the establishment of rice quality evaluation index system.

rice chalkiness; image processing; feature extraction; integral calculus

S11+2

：A

：1006-060X（2017）07-0098-03

10.16498/j.cnki.hnnykx.2017.007.027

2017-04-12

湖南省教育厅项目（17k044，17A092）

申 聪（1996-），男，湖南永州市人，本科生，专业：计算机科学与技术。

戴小鹏