[发明专利]基于自适应改进型梯度信息的水果表面缺陷检测方法

摘要

本发明公开了一种基于自适应改进型梯度信息的水果表面缺陷检测方法。是先对RGB彩色图像去除背景进行二值化，单独提取边缘并膨胀一次获得轮廓边缘膨胀图像，对彩色图像转换成灰度图像再计算获得归一化梯度图像，然后借助梯度直方图统计实现梯度信息自适应改进并自动计算图像分割阈值，通过图像阈值分割获得改进型梯度二值化图像，将改进型梯度二值化图像减去轮廓边缘膨胀图像获得差值图像，最后差值图像进行膨胀填洞腐蚀和中值滤波处理获得水果表面缺陷图像。本发明克服类球体表面亮度不均匀情况下检测表面不同亮度特征缺陷；图像分割阈值自适应计算获得无需人工选择；易于程序实现，在水果及农产品品质计算机视觉在线检测方面具有应用潜力。

主权项

一种基于自适应改进型梯度信息的水果表面缺陷检测方法，其特征在于，该方法包括如下步骤：1)获取水果RGB彩色图像；2)对水果RGB彩色图像去除背景进行图像二值化，获得二值化图像；3)对二值化图像提取边缘并膨胀一次获得轮廓边缘膨胀图像；4)将水果RGB彩色图像转换为灰度图像，然后再将灰度图像转换成归一化梯度图像；5)对归一化梯度图像进行梯度直方图统计实现梯度信息自适应改进并自动计算图像分割阈值Q，通过图像阈值分割获得改进型梯度二值化图像；6)将步骤5)改进型梯度二值化图像减去步骤3)的轮廓边缘膨胀图像，再进行膨胀填洞腐蚀和中值滤波处理获得水果表面缺陷图像；所述步骤5)中将归一化梯度图像的所有像素值用公式(1)量化为0至255之间的整数，得到量化梯度图像pG，然后用公式(2)计算量化梯度图像pG的直方图统计，得到梯度直方图pGH；G=[n(x,y)-M1M2-M1*255]---(1)]]>式中：M1—归一化梯度图像所有像素梯度值中最小梯度值；M2—归一化梯度图像所有像素梯度值中最大梯度值；G—归一化梯度图像像素量化后的整数梯度级；Ti=biniΣi=0255bini---(2)]]>式中：Ti—量化梯度图像pG中梯度级为i的像素的频度，i＝0，1，...255；bini—量化梯度图像pG中梯度级为i的像素数量；然后将梯度直方图pGH用公式(3)转化为累积直方图pGC，Ci=Σm=0iTm---(3)]]>式中：Ci—量化梯度图像pG中梯度级不大于i的像素的频度，i＝0，1，...255；Ti—量化梯度图像pG中梯度级为i的像素的频度，i＝0，1，...255；对累积直方图pGC直方图统计，得到梯度直方图pGCH，并用数组TC表示；从梯度直方图pGCH的数组TC的第1个元素开始，比较数组TC的元素与限定值x的大小，在本例中，x＝2，当找到数组TC中的第一个大于限定值x的元素时，记录为初始限定位置元素索引号i，用公式(4)并计算获得阈值I；I=i-1256---(4)]]>式中：I—阈值；i—初始限定位置元素索引号；从梯度直方图pGCH的数组TC的第1个元素开始，比较数组TC的元素与限定值阈值I的大小，当找到数组TC中的第一个大于阈值I的元素时，记录为初始限定位置元素索引号j，用公式(5)并计算获得分割阈值Q；Q=j-1255---(5)]]>式中：Q—分割阈值；j—终点限定位置元素索引号；对量化梯度图像pG的每一个像素进行扫描，如果该像素的梯度值大于分割阈值Q，将该像素点的赋值1，否则赋值0，得到改进型梯度二值化图像。