[发明专利]一种采用计算机视觉的海参大小筛选方法

权利要求书

1.一种采用计算机视觉的海参大小筛选方法，其特征在于，包括以下步骤：

步骤1：利用计算机视觉系统对海参和设置好长和宽的标准参照物进行图像采集，采集到原始的彩色RGB图像；

步骤2：对所得图像进行灰度化和高斯滤波处理，处理完成之后进行边缘检测以及膨胀、腐蚀等形态学处理，然后在边缘图像中提取到海参和参照物的轮廓；

步骤3：对边缘图像中所有轮廓按从左到右的顺序进行排序处理，在排序完成后循环遍历图片中所有物体的每一个轮廓；

步骤4：根据每个物体的轮廓计算出其最小外切矩形框，以左上方的点为起始点按顺时针方向对所有顶点进行排序，绘制出其最小外切矩形框；

步骤5：计算出外切矩形框左上和右上顶点的中点坐标、左下和右下顶点的中点坐标并通过线段将两中点坐标连接，计算出左上和左下顶点的中点坐标以及右上和右下顶点的中点坐标，同样通过线段将两中点坐标连接，计算出每对中心点在图片中的欧式距离；

步骤6：根据已知长和宽的标准参照物，计算出图片中参照物的欧氏距离与标准参照物实际距离的比例，根据这个比例和图片中海参的欧式距离计算出海参的实际长度和宽度，根据海参的实际长度和宽度实现对海参大小的筛选。

2.根据权利要求1所述的一种采用计算机视觉的海参大小筛选方法，其特征在于：所述的步骤1中，通过计算机视觉系统对图像进行采集时，应确保单目摄像头处于整个图像采集平面的正上方，以防止物体的阴影或拍摄角度差异对后续的处理产生影响。

3.根据权利要求1所述的一种采用计算机视觉的海参大小筛选方法，其特征在于：所述的步骤1中采集得到的图像的颜色模型为24位RGB彩色模型，每一幅图像由红、绿、蓝三个基本颜色分量组成，每个颜色分量为8位。

4.根据权利要求1所述的一种采用计算机视觉的海参大小筛选方法，其特征在于：步骤2中所述的加权平均值灰度化方法为：

Y(x,y)＝WrR(x,y)+WgG(x,y)+WbB(x,y)

1＝Wr+Wg+Wb

其中，Y(x，y)为灰度图像，R(x，y)、G(x，y)、B(x，y)分别表示红、绿、蓝颜色分量，Wr、Wg、Wb为权值系数；根据人眼对光的敏感度，三种颜色分量的权值满足条件Wg＝0.59、Wr＝0.3、Wb＝0.11时最为合理。

5.根据权利要求1所述的一种采用计算机视觉的海参大小筛选方法，其特征在于：步骤2中所述的二维高斯滤波公式为：

其中(x，y)为点坐标，σ是标准差。

6.根据权利要求1所述的一种采用计算机视觉的海参大小筛选方法，其特征在于：步骤4中所述的最小外切矩形框运用到了opencv里面的cv2.minAreaRect函数。

7.根据权利要求1所述的一种采用计算机视觉的海参大小筛选方法，其特征在于：步骤5中中心点坐标运算运用到了公式：

其中l(x,y)和r(x,y)分别代指相邻两顶点坐标，而z(x,y)代指中点坐标。

8.根据权利要求1所述的一种采用计算机视觉的海参大小筛选方法，其特征在于：步骤6中计算每对中心点的欧式距离运用到了公式：

其中L代表两点之间的欧式距离，而x₁、x₂分别为两顶点在x轴上的坐标。y₁、y₂分别为两顶点在y轴上的坐标。

9.根据权利要求1所述的一种采用计算机视觉的海参大小筛选方法，其特征在于：步骤6中海参实际长度和宽度运算运用到了公式：

Hc＝D*Oc

Hk＝P*Ok

其中Hc代指海参实际长度，Oc代指海参在图片中长度上的欧式距离，D代指标准参照物实际长度与图片中欧式长度距离的比例。Hk代指海参实际宽度，Ok代指海参在图片中宽度上的欧式距离，P代指标准参照物实际宽度与图片中欧式宽度距离的比例。