的水 果图像进行检测，获得各自的检测图像数据，具体如下：
[0128] 图13是脐橙虫伤果的原始彩色图像，图14是图13的检测结果图，其中白色区域为 缺陷区域。
[0129] 图15是脐橙风伤果的原始彩色图像，图16是图15的检测结果图，其中白色区域为 缺陷区域。
[0130] 图17是脐橙蓟马果的原始彩色图像，图18是图17的检测结果图，其中白色区域为 缺陷区域。
[0131] 图19是脐橙介壳虫果的原始彩色图像，图20是图19的检测结果图，其中白色区域 为缺陷区域。
[0132] 图21是脐橙溃疡果的原始彩色图像，图22是图21的检测结果图，其中白色区域为 缺陷区域。
[0133] 图23是脐橙裂果的原始彩色图像，图24是图23的检测结果图，其中白色区域为缺 陷区域。
[0134] 图25是脐橙炭疽病果的原始彩色图像，图26是图25的检测结果图，其中白色区域 为缺陷区域。
[0135] 图27是脐橙药害果病果的原始彩色图像，图28是图27的检测结果图，其中白色区 域为缺陷区域。
[0136] 图29是脐橙表皮破裂腐烂果的原始彩色图像，图30是图29的检测结果图，其中白 色区域为缺陷区域。
[0137] 图31是脐橙梗伤果的原始彩色图像，图32是图31的检测结果图，其中白色区域为 缺陷区域。
[0138] 由上述实施例可看出本发明方法检测均非常准确，克服了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。并且，由于本发明通过步骤5)避免了直方图每个频度 的统计计算，简化了阈值计算的工作量，使得上述各个实施例的计算时间均控制在50ms左 右，而现有基于自适应改进型梯度信息的水果表面缺陷检测方法的单个计算时间是在 130ms左右，相比可见本发明大大加快了计算速度，技术效果显著突出，易于工程实现，具有 很大的应用潜力。
[0139] 上述【具体实施方式】用来解释说明本发明，而不是对本发明进行限制，在本发明的 精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范 围。
【主权项】
1. 一种梯度迭代阈值分割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迭代依次计算获得图像分割阈值Q，通过图像分割阈值Q分割 获得梯度二值化图像； 6) 将步骤5)的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 处理，最后经过中值滤波处理获得水果表面缺陷图像，获得水果表面缺陷检测结果。2. 根据权利要求1所述的一种梯度迭代阈值分割的水果表面缺陷检测方法，其特征在 于:所述步骤3)的膨胀和所述步骤6)的膨胀均采用以下公式完成形态学膨胀获得图像结 果；式中，R:-膨胀图像结果;A-待膨胀处理图像;a-A中一个像素;S-圆形结构元;Sv-S 的对称集；Φ-空集。3. 根据权利要求2所述的一种梯度迭代阈值分割的水果表面缺陷检测方法，其特征在 于:所述步骤3)膨胀的圆形结构元S采用3像素半径圆形的结构元。4. 根据权利要求2所述的一种梯度迭代阈值分割的水果表面缺陷检测方法，其特征在 于:所述步骤6)膨胀的圆形结构元S采用1像素半径圆形的结构元。5. 根据权利要求1所述的一种梯度迭代阈值分割的水果表面缺陷检测方法，其特征在 于:所述步骤4)中将水果RGB彩色图像转换为灰度图像，计算获得灰度图像中每个像素的梯 度值m(i，j)，再通过以下公式进行所有像素数据的归一化，获得归一化梯度图像：式中，G (i，j)--像素的归一化梯度值;m(i，j)--像素的梯度值;max--归一化前 图像中所有像素梯度值中最大梯度值。6. 根据权利要求1所述的一种梯度迭代阈值分割的水果表面缺陷检测方法，其特征在 于:所述步骤5)具体为： 5.1) 计算归一化梯度图像中所有像素的最大和最小数值的均值，并作为初始预分割 值；式中，Gmax-一归一化梯度图像中所有像素梯度值中最大梯度值;Gmin-一归一化梯度 图像中所有像素梯度值中最小梯度值;To-一初始预分割值； 5.2) 再通过以下公式计算每次的预分割差值： ΔΤ= |Tn+l-Tn 式中，ΛΤ-一预分割差值;Τη-一第η次迭代计算的预分割值;Tn+1-一第η+1次迭代计 算的预分割值;η-一迭代次数； 5.3) 依次迭代计算直到预分割差值小于0.01，再通过以下获得归一化梯度图像分割阈 值Q: Q = Tn 式中，Q-一分割阈值;Tn-一第η次迭代计算的预分割值;η-一迭代次数； 5.4) 对归一化梯度图像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，否则赋值〇，从而得到梯度二值化图像。7. 根据权利要求6所述的一种梯度迭代阈值分割的水果表面缺陷检测方法，其特征在 于:所述步骤5.2)中的第η次迭代计算的预分割值Τ η和第η+1次迭代计算的预分割值1"+1均 采用以下公式表示的方式计算：式中，Ggroupl--第一组梯度均值;Ggrmjp2--第二组梯度均值;Tn+1--第Π +l次迭代计 算的预分割值;η-一迭代次数。 所述第一组梯度均值Ggr?pl采用以下公式计算：式中，Ggroupi--第一组梯度均值;G(i，j)--像素的归一化梯度值;Z(i，j)--权重 系数;Τη-一第η次迭代计算的预分割值;η-一迭代次数； 所述第二组梯度均值Ggr?p2采用以下公式计算：式中，Ggroup2--第二组梯度均值;G(i，j)--像素的归一化梯度值;Z(i，j)--权重 系数;In-一第η次迭代计算的预分割值;η-一迭代次数。8. 根据权利要求1所述的一种梯度迭代阈值分割的水果表面缺陷检测方法，其特征在 于:所述步骤6)中填洞具体是采用以下公式： FP=(FP-iE) nDc,FP = FP-i 式中，F-填洞后的图像处理结果;D-差值图像完成形态学膨胀的图像;E-四连通域； P-次数，P = l，2,3'";De-D 的补集； 所述步骤6)中腐蚀具体是采用以下公式得到差值图像腐蚀图：式中，R2-腐蚀后的图像处理结果;V-差值图像完成膨胀和填洞的图像;v-V中一个像 素;W-半径为2像素圆形结构元。9.根据权利要求5或6所述的一种梯度迭代阈值分割的水果表面缺陷检测方法，其特征 在于:所述像素的梯度值采用以下公式进行计算；式中，m(i，j) 一当前像素的梯度值;X (i，j)一图像中像素（i，j)的水平方向梯度分量;y (i，j) 一图像中像素(i，j)的垂直方向梯度分量； 其中，图像中像素（i，j)的水平方向梯度分量X (i，j)、图像中像素（i，j)的垂直方向梯 度分量y (i，j)进一步采用以下公式进行计算：式中，h-索贝尔算子；h2-索贝尔算子In的转置;f(i，j) 一像素（i， j)的灰度值;i、j分别表示像素的横、纵坐标，k表示横坐标偏移量，1表示纵坐标偏移量。
【专利摘要】本发明公开了一种梯度迭代阈值分割的水果表面缺陷检测方法。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RGB彩色图像转换成灰度图像再计算获得归一化梯度图像，然后通过梯度迭代计算获得图像分割阈值，通过图像分割阈值分割获得梯度二值化图像，将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。本发明克服了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；图像处理速度快易于程序实现，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。
【IPC分类】G01N21/95
【公开号】CN105675625
【申请号】CN201610121374
【发明人】应义斌, 容典, 饶秀勤
【申请人】浙江大学
【公开日】2016年6月15日
【申请日】2016年3月3日