第五章-食品无损检测：计算机视觉

食品无损检测潘磊庆南京农业大学食品科技学院12十一月20242第五章计算机图像处理检测第一节图像处理简介一、计算机图像处理

数字图像处理（digitalimageprocessing）：通俗地讲，就是用计算机对图像进行一系列的操作，从而达到某种预期效果的技术。

/（中国视觉网）/index.asp（中国图像图形）12十一月20243图像按空间坐标和明暗程度的连续性可分:

模拟图像：指空间坐标和明暗程度都是连续变化的图像。

数字图像：是一种空间坐标和灰度均不连续的、用离散的数字(一般用整数)表示的图像。12十一月20244二、数字图像处理的应用领域

①生物医学图像处理。

各种细胞自动计数、分类，染色体分析，癌细胞识别X光肺部图像增晰、超声波图像处理、心电图分析、立体定向放射治疗等医学诊断方面。

②军事图像处理。导弹的精确制导，各种侦察照片的判读公安业务图片的判读分析，指纹识别，人脸鉴别，不完整图片的复原等。12十一月20245

③工业图像处理邮政信件的自动分拣高速公路不停车自动收费系统中的车辆和车牌的自动识别

④遥感图像处理资源调查/灾害检测/资源勘察/农业规划/城市规划

⑤机器人视觉水下机器人、自动化生产线、无人驾驶汽车12十一月20246一、图像获取设备图像处理的第一步是获取对象物的图像。所获图像的质量直接影响后续各项处理的精度。

常用的图像获取装置或称图像传感器:1．摄像机和图像采集卡

摄像机:目前使用最广泛的图像获取设备。12十一月20247传感器类型：MegaSpeed黑白或彩色CMOS传感器

最大分辨率：1280X1024

像素尺寸：12μmX12μm

光谱范围：400nm-1000nm

像机尺寸：100mmX100mmX152mm

像机重量：1.6Kg

PCI卡：标准PCI

视频输出：高速数据到计算机或通过NTSC或PAL接口

拍摄速度：可任意设置

电源要求：6V直流或220V交流

增益调节：可软件设置，图象尺寸：可软件设置

采集模式：自动、手动或触发器控制

文件存储：AVI或JPG、BMP

图象处理：可用软件进行图象增强

抗冲击：50G高速摄像机12十一月20248图像采集卡:是支持视频信号输入输出计算机的设备。将摄像机摄取的模拟图像信号转换为数字信号，以便

于计算机处理。

农产品自动分级及品质检测:目前研究——绝大多数研究的对象仍是静态的农产品个体。实际生产——大多是动态的农产品图像；图像处理和分析更复杂。要适应动态需要，应选用高速图像采集装置（高速摄像头+高速采集卡/每秒几十帧到上千帧不等。12十一月20249图象采集卡

12十一月2024102．数码摄像机数码摄像机将图像采集、A/D转换等多种功能集于一体，直接输出计算机可接受的数字信号。3．扫描仪精度和分辨率中等，成本很低。但速度较慢，实时性差。4.遥感中常用的图像获取设备多光谱摄像机、红外辐射计、红外摄像仪、多通道红外扫描仪、多光谱扫描仪、微波辐射计、俯视雷达、合成孔径雷达等。12十一月202411索尼DCR-SR62E数码摄像机爱普生PerfectionV500Photo扫描仪MCA多光谱照相机系统卫星遥感：南方积雪覆盖监测12十一月202412二、图像存储器保存图像处理过程中有关数据和处理最终结果的装置。三、输出装置可以是图像/更高层次的理解/识别的描述或结论。

输出可分为:

软拷贝装置：阴极射线管显示器(CRT)、液晶显示器(LCD)、场致发光显示器(ELD)、发光二极管显示器(LED)。

硬拷贝方法:激光打印、喷墨打印、胶片照相和光盘刻录等。12十一月202413四、可见光图像采集方法图像采集是数字图像处理第一步，十分关键！

组成：（1）光照系统

光源：白炽灯、日光灯、汞灯、钠灯

考虑要素：被测对象表面的分光反射特性；被测对象外形；被测对象在视场中的分布情况。（2）摄像机：模拟图像（3）图像采集卡：数字图像（4）图像存储（5）计算机12十一月20241412十一月202415五、红外图像采集方法

组成系统与可见光基本相同。

主要区别：红外摄像机(infraredthermalimager)CCD摄像机与红外线滤镜(infraredfilter)组合

有效工作波长范围：700-1100nm12十一月20241612十一月20241712十一月20241812十一月202419第三节数字图像处理基础一、数字图像处理的基本内容①图像信息的获取。通过图像采集装置获取待研究物体图像，并借助图像处理专用硬件将其转换成适合计算机处理的数字信号。②图像信息的存储。一般作档案存储主要采用磁盘、光盘等。③数字图像处理。计算机图像处理的概念，用计算机对图像进行各种操作,包括图像增强、分割、描述、分析、识别等一系列处理。④图像信息的输出与显示。图像处理的最终信息的显示和输也是不可缺少的环节。12十一月202420二、颜色变换1.RGB颜色模型R：红色，RED，700nmG：绿色，GREEN，546nmB：蓝色，BLUE，435.8nm

R、G、B成分与人的颜色感觉无直接联系。2.HIS颜色模型H：色度，hueI：明度，intensityS：饱和度，saturation与人的颜色感觉一致，有利于图形处理。12十一月2024211.RGB模型RGB模型用三维空间中的一个点来表示一种颜色。每个点有三个分量，分别代表该点颜色的红、绿、蓝亮度值，亮度值限定在［0,1］。在RGB模型立方体中，原点所对应的颜色为黑色，它的三个分量值都为零。距离原点最远的顶点对应的颜色为白色，它的三个分量值都为1。12十一月202422从黑到白的灰度值分布在这两个点的连线上，该线称为灰色线。立方体内其余各点对应不同的颜色。彩色立方体中有三个角对应于三基色——红、绿、蓝。剩下的三个角对应于三基色的三个补色——黄色、青色（蓝绿色）、品红（紫色）。12十一月202423RGB模型单位立方体12十一月2024242.HSI模型

反映了人的视觉系统观察彩色的方式，在艺术上经常使用HSI模型。

HSI模型:H——色调(Hue);S——饱和度(Saturation);I——表示亮度(Intensity，对应成像亮度和图像灰度)。

12十一月202425这个模型的建立基于两个重要的事实：

①I分量与图像的彩色信息无关；②H和S分量与人感受颜色的方式是紧密相联的。

这些特点使得HSI模型非常适合借助人的视觉系统来感知彩色特性的图像处理算法。12十一月202426

色相环：描述了色相和饱和度两个参数。

色相由角度表示，它反映了该彩色最接近什么样的光谱波长。一般假定：0°表示的颜色为红色；

120°为绿色；

240°为蓝色。

0°到240°色相：覆盖了所有可见光谱的彩色；

240°到300°之间：为人眼可见的非光谱色（紫色）。

12十一月202427

饱和度是指一个颜色的鲜明程度.

饱和度越高，颜色越深,如深红，深绿。

饱和度参数是色环的原点（圆心）到彩色点的半径的长度。

由色相环可以看出:环的边界上纯的或饱和的颜色，饱和度值为1。在中心是中性（灰色）阴影，

饱和度为0。12十一月202428H指的就是色相:红色为0度(360度)；黄色为60度；绿色为120度；青色为180度；蓝色为240度；品红色为300度。12十一月20242912十一月202430色相环饱和度色相（色调）非光谱色（紫色）12十一月202431

亮度是指光波作用于感受器所发生的效应.大小由物体反射系数来决定，反射系数越大，物体的亮度愈大，反之愈小。HSI模型的三个属性定义了一个三维柱形空间。灰度阴影沿着轴线从底部的黑变到顶部的白，具有最高亮度。最大饱和度的颜色位于圆柱上顶面的圆周上。12十一月2024323.颜色空间变换（1）RGB到HIS变换上式中：Ｈ＝ＷＢ≤Ｇ［0°,180°］；Ｈ＝２π－ＷＢ＞Ｇ［180°，360°］

对任何3个［0，1］范围内的R、G、B值，其对应HSI模型中的I、S、H分量的计算公式为：12十一月202433

注：式中计算出的H值的范围为［0°,180°］，对应于Ｇ≥Ｂ。在Ｇ＜Ｂ时，Ｈ值大于180°,只要令Ｈ＝360°－H，即可把Ｈ转换到［180°，360°］区间。所以若将两种情况都考虑上，则由式算得的Ｈ是在［0°，360°］范围内。12十一月202434（2）HIS到RGB转换当0°≤H＜120°：

假设H、S、I的值在［0，1］之间，R、G、B的值也在［0，1］之间，则HSI转换为RGB的公式为(分成3段以利用对称性)

12十一月202435当120°≤H≤240°：当240°≤H＜360°：12十一月202436二、图像的数学模型

1.图像的采样和量化

1.1采样图像在空间上的离散化称为采样。用空间上部分点的灰度值代表图像，这些点称为采样点。

具体做法：先沿垂直方向按一定间隔从上到下顺序地沿水平方向直线扫描，取出各水平线上灰度值的一维扫描。而后再对一维扫描线信号按一定间隔采样得到离散信号，即先沿垂直方向采样，再沿水平方向采样这两个步骤完成采样操作。对于运动图像（即时间域上的连续图像），需先在时间轴上采样，再沿垂直方向采样，最后沿水平方向采样由这三个步骤完成。12十一月202437采样示意图12十一月2024381.2量化

模拟图像经过采样后，在时间和空间上离散化为像素。但采样所得的像素值（即灰度值）仍是连续量。把采样后所得的各像素的灰度值从模拟量到离散量的转换称为图像灰度的量化。

12十一月202439若连续灰度值用z来表示，对于满足zi≤z≤zi+1的z值，都量化为整数qi。

qi称为像素的灰度值，z与qi的差称为量化误差。一般，像素值量化后用一个字节8bit来表示。如图（b）所示，把由黑—灰—白的连续变化的灰度值，量化为0～255共256级灰度值，灰度值的范围为0～255，表示亮度从深到浅，对应图像中的颜色为从黑到白。

12十一月202440图量化示意图（a）量化；(b)量化为8bit12十一月202441

连续灰度值量化为灰度级的方法：

等间隔量化；

非等间隔量化。

等间隔量化:简单地把采样值的灰度范围等间隔地分割并进行量化。对于像素灰度值在黑—白范围较均匀分布的图像，这种量化方法可以得到较小的量化误差。该方法也称为均匀量化或线性量化。

12十一月202442

非均匀量化:依据一幅图像具体的灰度值分布的概率密度函数，按总的量化误差最小的原则来进行量化。具体做法：是对图像中像素灰度值频繁出现的灰度值范围，量化间隔取小一些，而对那些像素灰度值极少出现的范围，则量化间隔取大一些。12十一月20244312十一月202444不同采样点数对图像质量的影响（a）原始图像(256×256)；（b）采样图像1(128×128)；（c）采样图像2(64×64)；（d）采样图像3(32×32)；（e）采样图像4(16×16)；（f）采样图像5(8×8)12十一月202445不同量化级别对图像质量的影响（a）原始图像(256色)（b）量化图像1(64色)（c）量化图像2(32色)（d）量化图像3(16色)（e）量化图像4(4色)（f）量化图像5(2色)12十一月202446

一般，当限定数字图像的大小时,为了得到质量较好的图像可采用如下原则：

（1）对缓变的图像，应该细量化粗采样，以避免假轮廓。（2）对细节丰富的图像，应细采样粗量化，以避免模糊（混叠）。对于彩色图像，是按照颜色成分——红（R）、绿（G）、蓝（B）分别采样和量化的。若各种颜色成分均按8bit量化，即每种颜色量级别是256，则可以处理256×256×256=16777216种颜色。

12十一月202447第四节图像增强

图像增强:按照特定的要求，采用一系列技术，突出图像中的某些信息以改善图像的视觉效果，或将图像转换为更适于人或机器进行处理的形式。为后续的特征提取、识别、分析和理解等工作打下良好的基础。12十一月202448（1）直接灰度变换

将每一个像素的灰度值按照一定的数学公式转化为一个新的灰度值。

线形灰度变换；分段线形灰度变换；非线性灰度变换（2）基于直方图的灰度变换

直方图表示每一个灰度级与其出现频数间的统计关系。

直方图均衡化直方图规定化1．灰度变换12十一月20244912十一月2024502.图像平滑

目的：为了减少图像的噪声和抽取对象的特征。

邻域平均法：用几个相邻像素的灰度平均值代替其中的一个

点的灰度值。

中值滤波法：采用含有奇数个点的滑动窗口，将窗口中各点的灰度值的中值代替指定点的灰度值。

低通滤波：由于噪声集中于高频部分，可以去除噪声改善图像质量。

高通滤波：图像的边缘、细节多集中在高频部分，可以采用高通滤波器让高频部分通过，减弱和抑制低频部分。12十一月202451第五节彩色图像处理一、伪彩色图像处理

人为地将灰度图像像素按一定的规则赋予不同的彩色，从而将灰度图像变换成彩色图像，这种处理方法称为伪彩色(pseudoco1or)技术。伪彩色技术是一种有效的图像增强措施，其目的是为了提高图像的可视分辨率。12十一月20245212十一月20245312十一月202454

二、假彩色增强技术

假彩色(falsecolor)处理是通过彩色映射增强图像，但其处理的原始图像不是灰度图像，而是一幅真实的自然彩色图像，或是遥感多光谱图像等。

假彩色处理主要目的：①把景物映射成奇特的色彩，会比原来的自然彩色更引入注目，留下深刻的印象。

如:绿色背景中放一只红香蕉，就格外吸引人的眼光。

12十一月20245512十一月202456②为了提高分辨率，根据人眼的生理特点，将感兴趣而又不易分辨的细节赋予人眼较敏感的颜色。

如:人眼对绿色亮度的响应最灵敏，可把原来是其他颜色的细小物体变换成绿色，这样就容易鉴别了。人眼对蓝色对比灵敏度最大，可把细节较丰富的物体按各像素明暗程度赋予深浅不一的蓝色，从而呈现较强的层次感。

③将多光谱图像合成彩色图像，不仅看起来自然、逼真，更重要的是，通过与其他波段图像配合，可从中获得更多的信息，便于区分不同类型的景物。12十一月202457三、真彩色增强技术一般把能真实反映自然物体本来颜色的图像称作真彩色(truecolor)图像。

最适宜的办法:是将彩色图像从RGB表达空间转换到某种与人眼视觉特性相对应的处理空间.如:亮度(I)-色调；(H)-饱和度；(S)-空间等，然后针对某个或某几个具有物理意义的分量进行增强处理。12十一月202458

第六节小波变换

小波变换(wavelettransform)作为近年来迅速发展起来的新的数学工具，被誉为泛函分析、傅里叶分析、样条分析、调和分析和数值分析的最完美结晶。小波变换具有时频局部化的特性，因而能够有效地从信号中提取信息。通过伸缩和平移等运算功能可对函数或信号逐步进行多尺度的细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，因而在图像处理和模式识别等领域有着重要作用。12十一月202459第七节图像分割

图像分割是图像处理中极为重要的一个环节。

将检测对象从背景中分离出来，以便提取农产品的品质信息。

分割的精确程度影响甚至决定分析、识别和理解的准确程度。

分割问题的困难:图像数据的模糊和噪声的干扰。

12十一月20246012十一月202461一、灰度阈值分割法

灰度阈值分割法:设置一个灰度阈值T，把图像中每个像素的灰度值与它进行比较，将大于等于T的像素与小于T的像素分划成两类，即物体与背景。对像素根据阈值分类达到了区域分割的目的。

阈值的确定是分割的关键。

可分为三种：全局阈值、局部阈值和动态阈值。1.全局阈值的确定方法P参数法(S0/S)；状态法；

12十一月202462二、基于边缘的图像分割

能从一粗糙轮廓识别出物体。物体的边界在图像中是由灰度不连续性所反映的，通常先通过边缘检测算子提取图像中可能的边缘点，再把这些点连接起来形成封闭的边界。12十一月202463

生成的具体方法是：从满足检测准则的点开始，在各个方向上生长区域。当其邻近点满足相似性测度就并人小块区域中，当新的点被合并后再用新的区域重复这一过程，直到没有可接受的邻近点时生成过程终止。

2．分裂—合并算法

分裂—合并算法的思想是：首先将图像划分成若干个小区域，然后运用特定的检测判据，将包含不同内容的区域分裂，将包含相同内容的区域合并，最后得到分割图像。12十一月202464第八节目标识别

目标(模式)识别是整个数字图像处理和分析的最终目标。针对不同的对象和不同的目的，可以用不同的模式识别理论和方法。

常用的主要方法有：统计模式识别法、结构模式识别法、神经网络法。12十一月202465第九节应用实例12十一月202466可见光图像发在农产品

无损检测中的应用12十一月202467研究的目的和意义

探讨计算机视觉技术无损检测禽蛋的裂纹，代替工业生产中的人工照蛋检测禽蛋品质的传统方法，自动剔除破损蛋。

计算机视觉技术能够模拟人眼的功能，对禽蛋裂纹的判断具有显著的优势，工业生产中可以代替人的劳动，并避免人工的不足，可以高速、准确、全面地判断禽蛋的品质。12十一月202468

其中：

CCD摄像头：佳能A85；

图像采集卡：加拿大MatroxП图像采集卡；

光源：25W白炽灯；

PC：P41.7G处理器，显卡为nvidiaGeForceMX44064MB

；

图像处理软件系统：Imageprocessing1.0

鸡蛋：江苏省源创禽业发展有限公司提供的无公害褐壳鸡蛋，鸡种为罗曼蛋鸡

12十一月202469结果与讨论

定义如下变量：

圆形度（R：Ratio）：直线为0，圆为1；

面积（A：Area）；区域像素点总和；

长径（L：LongPath）；区域边缘最长点距离；

短径（S：ShortPath）；与长径垂直线相交于区域边缘两点距离；

长短径之比（LS：LongPath/ShortPath）12十一月202470

裂纹特征满足：①若A≥100像素，则R≤0.2或LS≥3②若A<100像素，则