基于图像处理技术的西洋参外形特征参数测定

王玉香，张喜红

（亳州职业技术学院，安徽 亳州 236800）

基于图像处理技术的西洋参外形特征参数测定

王玉香，张喜红①

（亳州职业技术学院，安徽 亳州 236800）

采用数码相机在特定环境下拍摄西洋参样本图像，在Matlab2010软件平台下编写相应的程序，首先对原始图像进行滤波、目标与背景分割、二值化及边界检测等预处理，接着通过参照物确立像素点与物体实际外形参数的比例关系，最终建立西洋参长度与横切面直径的测定模型.实验结果表明，所建立的测试模型具有较高的测量精度，达93.8%，与人工测量相对误差在6.2%范围之内.

特征提取；西洋参；机器视觉；图像处理技术

0 引言

通过市场调研发现，西洋参的外形横向长度与横切纵向径是西洋参等级划分的重要指标.然而目前在西洋参分级加工过程中，西洋参外形长度与横切纵向径的尺寸测定大多是通过人工粗略估计实现，对于标准参照样本的测定大多通过游标卡尺来测量.人工经验估计方法存在精度不高的缺点，测定结果与工人的熟练程度有很大的关系，游标卡尺测量方法虽然保证测量精度，但效率极其低下.因此，探索一种新的自动化测量方法，提高测量精度与效率已刻不容缓.近年来，图像处理和计算机技术迅猛发展，机器视觉也在工、农业等领域的生产环节广泛应用，如戴美松等［1-2］基于图像处理技术实现梨果实的形态参数测定；陈艳军等［3］运用机器视觉实现苹果外形特征的自动测量与等级划分.除此之外，图像处理算法也积累相当丰硕的成果，如图像分割、边界提取、特征提取等技术已趋成熟.本文以西洋参为研究对象，构建特定的图像采集装置，实现西洋参样本图像的采集，并在Matlab平台下，运用多种图像处理方法，实现目标形态特征参数的测定，并通过回归分析，建立测定模型.

1 图像采集装置及测定原理

1.1 图像采集装置

图像采集环节是后续研究的首要环节，同时也是极其重要的环节，采集方法的恰当与否将决定图像的质量，图像质量的好坏又决定目标物提取的难易程度与精确度，进而影响后续的测量精度.为提高样本图像的质量，尽可能地降低环境因素的干扰，搭建如图1所示的图像采集装置，由暗箱、数码相机、光源和载物模板构成.暗箱为：长×宽×高＝40 cm×40 cm×100 cm的立方体，箱体六面均用黑色粗纹塑布做遮光处理，以减少外界光的影响.箱体顶部安装有数码相机、环灯光源，考虑到研究成本，数码相机选用佳能EOS-550D，环灯光源选用色温为5 500 K，额定功率为24 W.载物板选用与样本色彩明显的蓝色半透明单面磨砂塑制板；支柱由调高螺柱构成，用于调节目标物与相机的距离，为获得最佳拍摄效果，背景平板与相机镜头在60～90 cm间距范围内可调.计算机通过USB通信协议实现对照相机的图像采集控制.

图1 图像采集装置示意图

1.2 测定原理

一幅二维图像中目标物的实际大小与图像目标的像数点个数具有一定的比例关系，因此可通过已知大小的参照物先标定此关系系数，通过比例变换可将图像目标物的像数值换算成实际尺寸，进而实现物体的形态参数测量.具本做法如下：以1 cm×1 cm大小的方形黑色薄卡片为参照物，针对拍摄中可能出现的镜头畸变问题，通过算法优化先剔除不合格参照物色块，再算出每平方厘米中的像素平均数和像素点相应的实际尺寸.在测量时将参照物与一个西洋参样本一起分散放置于背景平板上，拍照后先将参照物图像分割提取，并统计卡片的像数密度均值k，假设在相同拍摄条件下某二维图像目标物的像数点总数记为x，那么目标的面积y≈kxcm2；同理通过一系列变化也可求出其它参数的实际尺寸.

2 特征提取方法

2.1 图像预处理

由测定原理可知，在像数密度已知的情况，要想求得实际尺寸，首先要获得目标物的像数点数.原始图像是背景与目标共存的图像，同时还存在噪声，因此首先需对原始图像进行滤波、目标提取、二值化等预处理［4］.图像的预处理步骤：1）对原始图像进行滤波平滑处理；鉴于中值滤波方法在消除孤立噪声点的同时，能最大程度地保证边缘信息不丢失，因此采用中值滤波对西洋参原始图像做平滑处理［5］；2）原始图像是目标与背景共存的图像，需事先分割；目标图像提取的精准程度与尺寸测量精度密切相关，经多种算法的对比实验，最终基于k-means聚类算法在Lab色彩空间下，通过聚类分割实现目标图像的提取［6-7］；3）为简化后续特征提取测量的运算量，目标与背景分离后对其进行二值化处理.以10号样本为例，预处理结果如图2（a-e）所示，结果显示图像目标物提取精准，能满足后续特征测量的要求.

图2 10号样本图像预处理结果

2.2 投影面积特征提取

对于形状不规则的西洋参，投影面积是体现西洋参整体质量的指标之一，因此将投影面作为形态特征之一.图像经过二值化处理，用1来标记背景区像数，0来标记目标区像素，因此投影面积像素和通过统计0的个数就可得到，在Matlab2010环境下的具体做法是使用［r c］=find（bw==0）；S=size（r）来实现；其中bw代表二值化后的图像；r、c分别为0像数点的行列坐标值；S为像数点总和.再依据1.2小节在特定拍摄条件下所标定的像素密度，求出西洋参的实际面积大小.

2.3 长度与最大横切径的特征提取

通过调研得知，工人以西洋参纵向首、末端的最大距离标记西洋参的长度，以最大横切径标记西洋参的粗细程度.因此，可通过统计二值化图像上为0像素点的最大水平距离与最大垂直距离获得图像中目标的像素间距值，通过参照物标定的比例值求得长度与最大横切径参数.在Matlab2010环境下的具体做法是：先使用［r c］=find（bw==0）；［Rx，Ry，area，perimeter］=minboundrect（c，r，‘a’）以面积标注最小外接矩形，其中‘a’表示是按面积算的求取最小矩形；Rx、Ry、area依次代表西洋参样本最小外接矩形的长度、宽度与面积.10号样本的最小外接矩形标注如图2（f）所示.

接着用L=sqrt（（Rx（1）-Rx（4））.^2+（Ry（1）-Ry（4））.^2）语句计算最小外接矩形的长度像素值，记作西洋参的纵向长度.

通过如下语句统计二值图像每列为0像素点的对应行最大值与最小值的差值，并取最大值记作西洋参的最大横切径参数：

再依据1.2小节在特定拍摄条件下所标定的像素密度，将对应的像素值分别换算为西洋参的实际物理长度与最大横切径尺寸.

3 实验结果及分析

选择长支与短支的西洋参样本各5支，并依次编号为1～10，先用游标卡尺人工测量其纵向长度与最大横切径，接着再使用1.1小节所述的设备，进行图像采集与特征测量，将两种测量结果进行对比评价，测量结果见表1.精度评价公式如式（1）、（2）所示，其中投影面积人工无法精确测量，因此不作对比.

其中E、C、P、V分别代表相对误差、人工测量值、测量精度、图像测量值.实验测量结果对照如表1所示，从表中分析可知，相对误差平均为6.2%左右，测量精度在93.8%左右，能满足生产加工分级的测定要求.对比长支与短支的测量精度可知，长支精度相对偏低，若不考虑图像处理过程中的随机误差，究其原因是因为长支的横切径普遍高于短支的横切径，参照物定标时与背景板处于同一高度，但西洋参样本高于参照物位置平面，实际像数密度会有所增加，但标定的像数密度值偏低，进而导致测量结果普遍低.而短支横切径较小，与参照物高度接近，因此测量精度也相对较高.

4 结论及展望

文中介绍一种以数码相机在特定环境下的西洋参样本图像为对象，在Matlab2010平台下，基于多种图像处理方法，依次对图像进行目标提取、二值化及边界提取，通过参照物确立像数点与物体实际外形参数的比例关系值，最终建立西洋参长度与横切面直径的测定模型.经与人工测量结果对比表明具有较高的测量精度，能满足西洋参等级划分的测定要求，为西洋参形态特征参数的快速自动化量化提供参考，具有一定的实用价值.后续的研究为进一步提高测量精度，可从参照物像数密度值与物体高度变化的关系方面进行误差校正.另外，在相机选型上，后续研究可考虑选择工业相机，以实现高速物体图像抓拍，进而研究实现生产线数据的实时采集处理.

表1 实验结果对照表

［1］戴美松，张小斌，李秀根，等.基于图像处理技术梨果实尺寸测定系统的研究与应用［J］.园艺学报，2016，43（4）：763-770.

［2］慕军营，陈军，孙高杰，等.基于机器视觉的猕猴桃特征参数提取［J］.农机化研究，2014，36（6）：138-142.

［3］陈艳军，张俊雄，李伟，等.基于机器视觉的苹果最大横切面直径分级方法［J］.农业工程学报，2012，28（2）：284－288.

［4］丁亮，张永平，张雪英.图像分割方法及性能评价综述［J］.国际IT传媒品牌，2010，31（12）：78-83.

［5］刘小丹，牛少敏.一种改进的K-means聚类彩色图像分割方法［J］.湘潭大学学报自然科学版，2012，34（2）：90-93.

［6］ZHANG Qieshi，KAMATA S，ZHANG Jun.Color barycenter hexagon model based road sign detection［J］.Lecture Notes in Engineering and Computer Science，2008，2168（1）：667-670.

［7］郭庆锐，许建龙，孙树森，等.基于颜色重心和k-means的彩色图像聚类分割算法［J］.浙江理工大学学报，2010，27（4）：580-583.

Study on the Measurement of Shape Parameters of American Ginseng Based on Image Processing Technology

WANG Yuxiang，ZHANG Xihong

（Bozhou Vocational and Technical College，236800，Bozhou，Anhui，China）

Using digital camera in the specific environment of ginseng sample image to image，under the Mat⁃lab platform，a variety of image processing methods based on the image in object extraction，binarization and boundary detection etc pretreatment，through the establishment of reference points and the actual objects like shape parameters of proportional value，finally established American ginseng length and transverse section di⁃ameter measurement model.Experiment results show that accuracy of 93.8%，and artificial measuring relative error in the range of 6.2%.

feature extraction；american ginseng；machine vision；image processing

TP 391

A

2095-0691（2017）03-0049-04

2017-04-19

安徽省高校自然科学研究重大项目（KJ2016SD41）；安徽省高校优秀青年人才支持计划项目（gxyq2017217）

王玉香（1983- ），女，安徽蚌埠人，讲师/技师，硕士，研究方向：信息处理及传输.