[发明专利]一种基于图像分割的蚕茧计数方法

说明书

技术领域

本发明涉及蚕茧计数技术领域，具体涉及一种基于图像分割的蚕茧计数方法。

背景技术

当今社会的生物医学工程、遥感技术、军事、通讯、农业及工业等研究领域，经常需要统计类圆颗粒(比如玉米、大米等农作物种子、药片、钢材、细胞等)的数量来确定目标物的数量，检测目标物的质量。例如，医疗诊断上经常用测量人体血液的各类细胞数目来诊断人体的健康状况；工业上对打捆的钢材计数；农业上统计种子的发芽率及粮食的产量；生丝生产中检测绪下蚕茧的数目、蚕茧的剥茧层率来确定生产的生丝质量等。

目前的缫丝设备基本上是采用定纤控制系统的自动缫丝机，根据生丝规格要求自动控制生丝纤度，但是在生丝纤度的自动控制过程中由于车间温湿度变化、蚕茧的煮熟程度不同，以及生丝纤度控制机构间的差异等因素会引起生丝纤度的粗细变化。生丝纤度的粗细在实际生产过程中无法采用定量标示的方法进行直观反映，实验证实绪下蚕茧平均粒数与生丝纤度存在一一对应关系，可以通过检查绪下蚕茧粒数多少来了解纤度的变化情况，

为便于进行实缫工艺参数的修正，传统的生丝生产管理是采用人工定期目测、手工记录、计算的方法，对每组缫丝设备绪下蚕茧粒数进行检测，这种方法存在着效率低、工作量大、实时效果差的缺点，不利于提高生丝品质、减少用工。因此，开发出能够快速、准确的自动判别绪下蚕茧粒数的计数系统，不仅能提高劳动生产率，而且还可以实现生丝纤度控制系统的实时修正，提高生丝质量。

发明内容

针对现有技术的不足，本发明提供了一种基于图像分割的蚕茧计数方法。

一种基于图像分割的蚕茧计数方法，包括：

(1)采集蚕茧样本图像，并对采集到的蚕茧样本图像进行预处理，得到预处理后的图像；

(2)采用基于最大距离的K均值聚类将预处理后的图像中的像素点聚为三类，分别为背景点、边缘点和中心点，并分别设定背景点、边缘点和中心点的像素值，得到聚类后的图像；

(3)采用自适应阈值分割算法确定最佳阈值，并利用该阈值对聚类后的图像进行二值化，得到二值化图像；

(4)各个针对所述二值化图像中任意一个由目标像素点组成的连通区域，对该像连通区域进行腐蚀和膨胀；

所述的目标像素点为二值化过程中像素值大于最佳阈值的像素点；

(5)计算步骤(4)处理后的二值化图像中各个由目标像素点组成的连通区域的个数，并以连通区域的个数作为蚕茧的个数。

与现有技术相比，本发明在对图像进行二值化处理前还对图像中的像素点进行了聚类，将所有像素点分为背景点、边缘点和中心点，从而使二值化后能够更好的将前景(蚕茧)和背景区分开来，且本发明先对二值化后的图像进行腐蚀，有效的将粘连在一起的蚕茧分割开来，大大提高了计数的准确性。

本发明中所述步骤(2)中设置的背景点、边缘点和中心点的像素值必须互不相同，从而能够将三者进行区分，作为优选，本发明中设置背景点的像素值为0，边缘点的像素值为127.5，中心点的像素值为255。

所述步骤(1)中预处理过程包括依次对采集到的蚕茧样本图像中值滤波、均值漂移和傅里叶变换。

均值漂移算法对于蚕茧图像来说比较合适，实现了一定的滤波去噪效果，关键是它能够增加求蚕茧中心、蚕茧边缘和背景之间的对比度，这对于后续进行图像分割是非常有用的，能够提高后续处理的精度。边界处的端点常常是伪端点，增加了蚕茧中心与边缘的对比度，能够加快图像分割的处理速度；傅里叶变换能够增加图像的亮度，本发明中通常采用快速傅里叶变换(FFT变换)，但是由于FFT变换采用蝶形算法，在对图像FFT变换前需要进行一次中值滤波，提前消除椒盐噪声。

所述步骤(2)中采用基于最大距离的K均值聚类对预处理图像中的像素点进行聚类的过程如下：

(2-1)计算预处理后的蚕茧样本图像中任意两个像素点之间的距离，分别以距离最大的两个像素点作为第一数据对象和第二数据对象；

(2-2)在预处理后的蚕茧样本图像中确定与第一数据对象和第二数据对象的距离最远的像素点，并以该像素点作为第三数据样本；

(2-3)在预处理后的图像中确定与第一数据对象相邻的像素点，第二数据对象相邻的像素点，以及与第三数据对象相邻的像素点；

(2-4)求取所有第一数据样本的平均像素值，所有第二数据样本的平均像素值，所有第三数据样本的平均像素值，并以各个平均像素值作为聚类时的聚类中心，采用K均值聚类法将预处理图像中的像素点聚为3类。