一种烤后烟叶烟筋图像提取方法
【技术领域】
[0001] 本发明涉及烟叶图像处理领域，更具体地，涉及一种烤后烟叶烟筋图像提取方法。
【背景技术】
[0002] 目前国内密集化烤烟过程中观察烟叶在烘烤不同阶段颜色形状的变化，都是根据 标准烟叶样本，依靠人的感官判断。但是这种主观的意见标准并不稳定可靠，不同人在不同 的时间，受不同外界环境的影响，在评价烟叶烘烤现状时给出的判定结论难免会有偏差，造 成调整的干湿球烘烤工艺曲线不准确，不客观，严重影响烟叶的烘烤质量，给烟农、烟草行 业以及国民经济带来了较大的损失，也为后期加工带来许多麻烦。
【发明内容】
[0003] 本发明提供一种烤后烟叶烟筋图像提取方法，该方法能够将烟叶的烟筋图像提取 出来而为判断烟叶烘烤效果做出更加全面的判断。
[0004] 为了达到上述技术效果，本发明的技术方案如下：
[0005] -种烤后烟叶烟筋图像提取方法，包括以下步骤：
[0006] Sl :对烟叶图像进行预处理；
[0007] S2 :对预处理后的烟叶图像的进行边缘提取；
[0008] S3 :将烟筋从进行边缘提取后的烟叶图像中提取出来。
[0009] 进一步地，所述步骤Sl的具体过程如下：
[0010] Sll :采集24位深度的彩色烟叶BMP位图图像，分别提取该图像的RGB空间的三个 通道的8位的灰度图像得到R通道图像、G通道图像和B通道图像；
[0011] S12 :分别对三个通道的8位的灰度图像进行中值滤波。
[0012] 进一步地，所述步骤S2的具体过程如下：
[0013] 分别对R通道图像、G通道图像和B通道图像利用Sobel算子或Laplace算子进 行边缘提取，之后再对进行了 Sobel算子边缘提取的R通道图像、G通道图像和B通道图像 进行二值化处理。
[0014] 进一步地，所述步骤S3的具体过程如下：
[0015] 对进行了 Sobel算子边缘提取和二值化处理的R通道图像、G通道图像和B通道 图像进行数学形态学的腐蚀、膨胀的去噪处理，将得到的图像再进行Hough变换提取出烟 筋的图像。
[0016] 进一步地，所述步骤S12的中值为y :
[0017]
[0018] 式中X11, xl2, X13，…，χιη是灰度数值从小大排列的一组像素，中值滤波的过程是首 先确定一个含有奇数个点的窗口，窗口大小为W，窗口内各像素按灰度大小排序后，用其中 间位置的灰度值代替原灰度值。
[0019] 与现有技术相比，本发明技术方案的有益效果是：
[0020] 本发明方法在烟叶烘烤过程中，烘烟工作人员通过不仅观察烟叶的颜色的变化， 还可以通过观察提取出来的烟筋的颜色变化，以此判断烟叶烘烤质量的好坏并适时调整烘 烤温湿度曲线，通过将烟叶烘烤图像中烟叶、烟筋分割开，分别观察它们的颜色特征，最终 达到更加全面、准确的判断烟叶烘烤状态的目的。
【附图说明】
[0021] 图1为本发明方法的流程图；
[0022] 图2为中值滤波后R、G、B三通道的图像；
[0023] 图3为中值滤波后R通道图像，经Sobel算子进行边缘提取后得到的图像；
[0024] 图4为中值滤波后R通道图像，经Laplace算子进行边缘提取后得到的图像；
[0025] 图5为经Sobel算子进行边缘提取后得到的图像再经数学形态学的腐蚀、膨胀后 的图像；
[0026] 图6为不同的斜率和截距且通过（a'，b'）的直线包含了所有的点的示意图；
[0027] 图7为利用Hough变换提取直线的处理方式提取出烟筋部分的效果图。
【具体实施方式】
[0028] 附图仅用于示例性说明，不能理解为对本专利的限制；
[0029] 为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品 的尺寸；
[0030] 对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解 的。
[0031] 下面结合附图和实施例对本发明的技术方案做进一步的说明。
[0032] 实施例1
[0033] 如图1所示，一种烤后烟叶烟筋图像提取方法，包括以下步骤：
[0034] Sl :对烟叶图像进行预处理；
[0035] S2 :对预处理后的烟叶图像的进行边缘提取；
[0036] S3 :将烟筋从进行边缘提取后的烟叶图像中提取出来。
[0037] 进一步地，步骤Sl的具体过程如下：
[0038] SI 1 :采集24位深度的彩色烟叶BMP位图图像，分别提取该图像的RGB空间的三个 通道的8位的灰度图像得到R通道图像、G通道图像和B通道图像；
[0039] S12 :分别对三个通道的8位的灰度图像进行中值滤波。
[0040] 本实施例中，中值滤波是将原图中一个像素点一定邻域范围内的所有像素点的灰 度值按照大小排序，以此中间值作为该邻域范围中心像素点的灰度值，是一种非线性滤波 方式。若邻域范围内有奇数个像素点则中值为按序排序后中间的灰度值；若有偶数个像素 点，则中值为按序排序后中间两个值的平均值。中值的定义如下：
[0041 ]
[0042] 式中X11, xl2, xl3,…，χιη是灰度数值从小大排列的一组像素，中值滤波的过程是首 先确定一个含有奇数个点的窗口，窗口大小为W，窗口内各像素按灰度大小排序后，用其中 间位置的灰度值代替原灰度值，本发明中W为二维模板，关于窗口模板的形状也有多种，如 十字形，线状，圆环形等，尺寸一般为2X2, 3X3, 5X5。本文采用5 X 5区域模板过滤烟叶图 像处理，本实施例中，中值滤波后的图像median_R，median_G，median_B如图2所示。
[0043] 进一步地，步骤S2的具体过程如下：
[0044] 分别对R通道图像、G通道图像和B通道图像利用Sobel算子或Laplace算子进 行边缘提取，之后再对进行了 Sobel算子边缘提取的R通道图像、G通道图像和B通道图像 进行二值化处理。
[0045] 本实施例中，Sobel算子包含两组横向/纵向的3X3矩阵，将原图像与此矩阵作 平面上的卷积，得到图像在横向和纵向上的亮度差分近似值。以A表示原图像，GJPG y* 别代表经过横向和纵向上边缘检测后的梯度分量如下式：
[0046]
[0047] 将图像上每个像素的横向上和纵向上的梯度近似值进行结合，得到图像的梯度值 如式：
[0048]
[0049] 以R通道的灰度图像作为原图像，经Sobel算子进行边缘提取后得到的图像如图 3所示。
[0050] 从图3(a)和图3(b)中可看出，Sobel算子能有效提取出图像中不仅提取出烟脉 也提取出了烟筋。这为后续进行图像的分割创造了条件。
[0