基于数字图像处理课程内容的实践案例实施

马慧敏 袁涛 焦俊 乔焰 朱诚

摘 要 《数字图像处理》课程是一门实践性强，理论知识点综合应用的课程，在当下人工智能機器视觉发展的形势下，更突显了该门课程的实用性。本文以本课程的教学目标及内容为基础，设计针对《数字图像处理》课程知识点综合应用的创新实践项目并实施，对学生综合应用《数字图像处理》课程的专业知识处理实际问题有重要的指导意义。

关键词 数字图像处理 创新实践 苹果图像分割 项目实施

中图分类号：G642.4文献标识码：A

《数字图像处理》是电子信息类专业重要的专业课。随着信息、电子技术及人工智能的快速发展，数字图像处理技术已被广泛应用于计算机视觉、模式识别、交通运输、医学和军事等各个领域，且在这些领域发挥着越来越重要的作用。安徽农业大学（以下简称“我校”）电子信息类专业、物联网工程专业、电气工程专业都开设了“《数字图像处理》”课程。本文为进一步提高《数字图像处理》课程的教学效果，以激发学生的兴趣，增强学生的信心，提高学生在机器视觉领域的就业竞争力，从工程应用出发，给出一项基于数字图像处理课程内容的创新实践项目的实施过程。在《数字图像处理》课程教学中结合人工智能创新发展引入案例或项目驱动教学模式，培养学生的学习兴趣，并结合教师的科研项目和学生竞赛，对图像处理算法进行设计并实现，提高学生的实践能力。

在教学中，《数字图像处理》课程的教学内容分为三个部分：概述部分、理论基础部分和应用基础部分。概述部分：主要介绍数字图像处理的发展历史、研究内容和基本概念，这一部分主要帮助学生了解该学科的发展方向及应用领域，整体了解数字图像处理的基础理论和解决问题的思路框架，为学生解决问题做好铺垫，激发学生的学习兴趣。数字图像处理理论基础部分：主要介绍数字图像处理基础的概念、基本运算以及图像变换，按照空间域处理（点处理、直方图、代数运算、几何运算）、频域处理（傅里叶离散变换、滤波处理）和统计方法处理几个方面来教学。数字图像处理应用技术部分：这一部分包括图像增强、图像压缩、图像复原、图像分割和特征提取等应用技术，重点讲述应用基础理论和方法来解决实际问题。从教学内容中看，《数字图像处理》课程内容涉及到的理论和应用知识点多，而且在实际应用中这些知识点需要综合应用，进行项目实践对《数字图像处理》课程知识点综合应用是非常必要的。本文以“自然环境下的苹果图像的分割与定位”创新实践项目为例，讲述项目的实施过程、内容及结果。

1图像预处理

图像的预处理是苹果图像准确分割的一个至关重要的环节，因为在现实环境中采集的图片会受到噪声、光照等原因的影响，给分割带来了很大的麻烦。首先要将目标果实与背景分割开来，树枝、叶子应该消除，这样有利于后续分割。由于成熟苹果的颜色特征比较明显，可以求色差图像，突出了苹果的颜色特征且很好地消除枝叶。对初始图像做如下处理：（1）求图像RGB三个通道的图像分量;（2）用R通道图像分量减去B通道图像分量得到新的图像数组，以此类推。针对3张自然环境下拍摄的苹果图像，处理的结果如图1所示，图中从上到下依次是R-G色差图像、R-B色差图像。从图中可以看，我们尝试的几幅红色苹果图像，发现均是前两幅色差图像效果好，突出了果实，较好地消除了枝叶。而G-R色差图像、G-B色差图像、B-R色差图像、B-G色差图像几乎全黑，无法突出果实。因此，选取前两幅色差图像作为预处理图，即R-G或R-B色差图像。

2苹果图像分割

在图像预处理后，选择R-G或R-B色差图像作为分割的初始图像。由于自然环境下的苹果图像具有分割区域和背景明显对比的特征，在此，选取全局阈值法进行分割，主要对比迭代式阈值选择法和最大类间方差阈值选择法对自然环境下苹果图像的分割效果。对于一幅图像X我们给出一般的描述，一幅具有L级灰度级图像，其中第i级的像素为ni个，0

2.1迭代式阈值选择法与最大类间方差法

迭代式阈值法选择法基本思想是：开始时选择一个阈值作为初始估计值，然后按照某种策略不断改进这一估计值，直到满足给定的准则为止。因此，设计的迭代阈值法步骤如下：

（1）对图像灰度进行选择，将其中值作为初始阈值T0。

（2）根据阈值Ti把图像分割成两个区域，分别为R1、R2，再利用下面的公式计算区域R1、R2的灰度均值u1、u2：

（3）算出u1和u2之后，根据下面这个公式计算出新的阈值：

（4）最后重复步骤（2）-（3），一直到与之间的差小于某个定值。

最大类间方差阈值选择法（Otsu算法），是在灰度直方图的基础上利用最小二乘法原理推出来的，是统计意义上的最佳分割阈值。Otsu算法的基本思想是以最佳阈值把图像的灰度直方图分割成两个部分，从而使得两个部分之间的方差取得最大值，这时候分离性最大。

2.2苹果图像分割结果

迭代式阈值选择法和Otsu算法对自然环境下苹果图像的分割效果如图2所示。从图中可以看出，经过Otsu算法处理的分割效果图中的果实缺失程度比迭代阈值选择法的轻，比如第三张原图由于光照因素，两种方法处理的最终图像里果实内部存在一些细小的孔洞，但经过Otsu算法处理的图像的孔洞比迭代法的孔洞要少且更小。其他四张原图都是这种情况，尤其是第一张原图，我们可以明显看出经过Otsu算法处理的图像里的果实明显比迭代法的要大，而且对比原图，我们明显发现迭代法处理的果实变小了。因此，对于自然环境下苹果图像的分割Otsu算法优胜于迭代阈值选择法。

3苹果定位

3.1方法及步骤

对自然环境下拍摄的苹果图像中的苹果区域进行定位，实践实施中采用的关键步骤如下：

（1）读取拍摄的苹果图像，求取差值图像用于去掉背景，用彩色图像的R通道减去G通道得到R-G差值图像;

（2）去噪处理，对图像进行中值滤波;并用Otsu法选取阈值并对图像二值化;

（3）去除小目标，利用bwareaopen函数对二值化图像进行去除小目标（面积小的单独部分）;

（4）进行腐蚀处理，实验中时连续四次腐蚀;再依次进行关运算、闭运算，各进行一次;进行一次膨胀，显示边界;

（5）求出各个目标的周长P与面积A，最后通过求得目标的圆形度;经过尝试，认为圆形度大于0.7的目标为圆形，且计算其圆心，为属于某一个苹果区域的像素集，Ai为该区域的像素的总数，（x，y）为像素点坐标。

3.2定位结果

图3（a）是一幅只有单个苹果且背景较简单的苹果图像，图3（b）是用色差图像R-G将背景中枝叶去除，从上面实验结果图像来看，对图像进行的预处理是成功的，使图像后续处理简单，图3（c）是Otsu算法选取阈值分割且二值化处理的结果，效果也是比较好的，最后以求质心的方法来定位，也达到了预期效果。

图4（a）是一幅有多个苹果且背景较复杂的苹果图像，图4（b）是分割后的二值图像，然后对图像进行去除小目标及形态学腐蚀和膨胀处理，如图4（c-e）所示，最后判断封闭区域的圆形度并标记圆心。

4结束语

《数字图像处理课程》是一门基础理论复杂抽象，实践性强且应用非常广的课程，在当下人工智能发展的形式下，更突显了该门课程的实用性。目前该课程的教学普遍理论多，实践少，在教学的过程中知识点之间的综合应用较少，使得学生很难对《数字图像处理》课程理论知识建立起一个完整的综合体系，进行项目实践对《数字图像处理》课程知识点综合应用是非常必要的。本论文给出在学生掌握《数字图像处理》课程知识点的基础上，针对《数字图像处理》课程知识点综合应用的创新实践项目实施，以“自然环境下苹果图像的分割与定位”创新实践项目为例，讲述项目的实施的过程、内容及结果，对学生综合应用《数字图像处理》课程的专业知识处理实际问题有一定的指导。

基金项目：安徽农业大学2018校级教学质量工程项目（2018aujyxm114），安徽省高校自然科学研究项目（KJ2019A0210）资助。

参考文献

[1] 赵秦川.数字图像处理技术与应用探讨[J].科技与创新，2018（04）：147-148.

[2] 盧桂馥，王勇.面向应用的数字图像处理课程的教学改革与实践[J].铜仁学院学报，2016，18（04）：101-104.

[3] 刘君.结合人工智能的数字图像处理教学改革探讨[J].科技创新导报，2018（16）：229-232

[4] RC Gonzalez， RE Woods， SL Eddins.国外电子与通信教材系列：数字图像处理 （MATLAB版）[M].阮秋琦译.北京：电子工业出版社，2014.

[5] 杨杰.数字图像处理及MATLAB实现[M].北京：电子工业出版社，2013.

[6] 张洁，李艳文.果蔬采摘机器人的研究现状、问题及对策[J].机械设计，2010，27（06）：1-5.

[7] 崔玉洁，张祖立，白晓虎.采摘机器人的研究进展与现状分析[J].农机化研究，2007（02）：4-7.

[8] 张德丰.MATLAB数字图像处理[M].北京：机械工业出版社，2012.

[9] 王晓凯.图像椒盐噪声及高斯噪声去噪方法研究[D].上海：复旦大学，2010.