[发明专利]一种基于机器视觉的类圆颗粒目标计数方法

说明书

本发明公开了一种基于机器视觉的类圆颗粒目标计数方法。所述计数方法首先进行图像采集，然后进行图像增强预处理和提取类圆颗粒的扩展边缘特征，接着根据提取的扩展边缘特征重构类圆颗粒特征，最后进行类圆颗粒特征分割和消除噪声，最终实现类圆颗粒目标的计数。该方法基于类圆颗粒之间的扩展边缘特征信息，采用一种特征重构的方法重建类圆颗粒的特征，从而实现类圆颗粒的快速准确分割计数；计数算法效率高、鲁棒性好、准确率高，能满足生产线的实时性要求，提升生产线的自动化水平，具有实际应用价值。

技术领域

本发明属于机器视觉与模式识别技术领域，特别是涉及一种基于机器视觉和图像特征中的特征重构的类圆颗粒目标计数方法。

背景技术

类圆形颗粒图像分析与处理技术是计算机视觉应用领域的一个重要研究内容，在医疗健康、农产品加工、工业生产等不同领域都有广泛的应用需求，如：苹果、鸡蛋等农产品的包装计数，棒材、嘴棒等工业生产的计数，早期检测分析各种显微图像中的细胞颗粒数量、形态等进行重大疾病诊断。这些类圆颗粒具有排列紧密，纹理、灰度特征相似等特征信息，且颗粒之间相互粘连组合形成各种复杂的结构。对类圆颗粒目标进行准确分割计数在工农业生产制造、医疗健康等应用领域具有重要意义，因此如何对大量复杂颗粒组合有效提取其特征信息，并精确将其分割成独立的颗粒个体显得异常困难，这就对传统的图像分割方法提出新的挑战。

近几年来，国内外学者就该内容进行广泛而深入的研究，提出许多有效的分割方法，并取得许多研究成果，这些方法可以归纳为两种：基于边缘分析的分割方法和基于形态学的分割方法。基于边缘分析的分割方法的基本思想是：首先提取类圆颗粒复合区域的边缘特征信息，然后在边缘上快速、准确地找到若干分离点；每两个分离点就是一个点对，每个点对之间的边缘组成颗粒目标的非遮挡边缘；然后，基于分离点采用先验知识的椭圆拟合等方法准确提取或者估计堆叠区域内部的分离线，将堆叠颗粒区域划分为对应的独立颗粒目标，从而实现堆叠颗粒目标分割。但基于边缘分析的分割方法下的颗粒目标分割不能很好解决以下问题：①堆叠颗粒的形状各异，相互连接处的分离点并不清晰；②颗粒目标受到挤压边缘具有不光滑和不规则的特点，分离点容易噪声干扰；③堆叠颗粒区域之间的对比度非常小、甚至不存在；④算法复杂度大，适用范围也受到限制，不太适合大规模工业生产应用。基于形态学的方法是目前广泛使用的一种颗粒目标分割方法，其基本原理是先选取适合的结构元素对堆叠颗粒二值化图像重复腐蚀操作使颗粒区域不断收缩，当收缩使颗粒目标堆叠产生凹陷处，堆叠区域会被分割成与真实颗粒对应的目标核，最后对目标核做相同次数的膨胀运算，生成颗粒目标的原始形状。但是基于形态学的分割方法存在两方面问题：①当颗粒堆叠、挤压严重时，粘连处收缩不均匀，使得部分堆叠区域即使经过数次腐蚀，也很难分割成独立的目标核；②腐蚀与膨胀不是互逆算子，即使经过相同次数的腐蚀与膨胀操作，也不能保证完全恢复原图像，导致分割误差。

因此，探索适合在线检测鲁棒性好、准确率高、实时性好的分割计数方法，以解决工农业生产等领域应用还需进一步研究。

发明内容

本发明的目的就是针对现有技术的不足，提供一种基于机器视觉的类圆颗粒目标计数方法，该方法基于类圆颗粒之间的扩展边缘特征信息，采用一种特征重构的方法重建类圆颗粒的特征，从而实现类圆颗粒的快速准确分割计数。本发明方法计数算法效率高、鲁棒性好、准确率高，能满足生产线的实时性要求，提升生产线的自动化水平，具有实际应用价值。

为实现上述目的，本发明的技术方案是：

本发明提出一种基于机器视觉和特征重构的类圆颗粒目标计数方法，具体步骤如下：

(一)图像采集。针对需要计数的类圆颗粒目标，进行图像采集，得到需计数类圆颗粒目标图像。采集图分辨率需要满足：图像中单个类圆颗粒目标有效像素点个数不低于10*10。

(二)图像增强预处理。针对步骤(一)中得到的需计数类圆颗粒目标图像，采用分块直方图均衡化进行对比度增强，同时有效降低噪声干扰，得到增强图像I。