一种面向多功能分选系统的表面瑕疵图像检测方法

技术领域

本发明属于图像检测技术领域，具体涉及通过分析某个像素点到某类的聚类中心的最短可达路径像素点集合中各像素点到下一跳像素点的距离与各像素点到对应聚类中心的色码差异状况来判定该像素点归属于该类的权重系数的优化取值，从而为图像中像素点在选择类时提供依据以实现表面瑕疵图像检测。

背景技术

经典的图像分割方法在处理超像素等不规则图像时，存在处理过程较为繁琐问题，且效率低下，无法满足高性能预处理的要求。因此，通过具有优越预处理能力的超像素分割算法在处理图像分割时具有良好的处理性能和较好的精度，但在处理超像素大小不均匀、形状不规则等问题时，仍存在着处理效率低下、效果不佳等现象。考虑到多功能分选系统通过传统图像检测的方法对果蔬进行表面瑕疵时大多采用颜色相近和距离相近作为超像素聚类的依据，而未考虑到由于长条状表面瑕疵对聚类区域可能造成的割裂找出区域边缘的区分效果不佳，因此需在图像检测中考虑各类色彩区域的连续性有利于提高检测精度。

发明内容

本发明的目的在于由被检测图像中某个像素点到某类的聚类中心的最短路径像素点集合中各像素点到下一跳像素点的距离与各像素点与对应聚类中心的色码差异状况的平方加权和对于被检测图像中不同像素点到不同类的聚类中心之权重和在取极小值时给出某个像素点归属于某类的权重系数的优化取值，为某个像素点在选择类时以数值最大提供依据，以实现将所有的像素点归类进行图像分割，从而完成表面瑕疵图像检测。

按照本发明如图1中所提供的设计方案，一种面向多功能分选系统的表面瑕疵图像检测方法，包含如下步骤：

步骤1，设多功能分选系统中果蔬彩色图像的像素点可通过某个颜色模型的色码来表示颜色，则某个像素点与另一个像素点的色码差异状况可通过色码最高位数一半数量的由色码进制数转化为十进制的差异绝对值和来确定；若从果蔬彩色图像中某个像素点可达到某类的聚类中心且存在多条路径，可由其中某条路径中由该像素点到该类的聚类中心的各个像素点来构建若干个路径像素点集合，则在若干个路径像素点集合中满足其中各个像素点与该类的聚类中心的色码差异状况在色码差异门限范围内的条件时，获取元素个数最少的路径像素点集合设为该像素点到该类的聚类中心的最短可达路径像素点集合；

步骤2，由某个像素点到某类的聚类中心的最短可达路径像素点集合中各像素点到下一跳像素点的距离与各像素点与对应聚类中心的色码差异状况的平方加权和对于在果蔬彩色图像权重训练集的各图像中不同像素点到不同类的聚类中心之和来构建距离色码差异状况平衡权重优化函数，其中加权系数为距离色码差异状况平衡权重；当距离色码差异状况平衡权重优化函数对距离色码差异状况平衡权重的二阶导数大于零且一阶导数为零时，可给出距离色码差异状况平衡权重使得距离色码差异状况平衡权重优化函数取极小值时距离色码差异状况平衡权重的优化取值；

步骤3，当多功能分选系统给出的被检测图像被设定聚类中心后，由被检测图像中某个像素点到某类的聚类中心的最短路径像素点集合中各像素点到下一跳像素点的距离与各像素点与对应聚类中心的色码差异状况的平方加权和对于被检测图像中不同像素点到不同类的聚类中心之权重和来构建被检测图像聚类检测优化函数，其中加权系数为步骤2所得距离色码差异状况平衡权重的优化取值且某个像素点归属于某类的权重系数需满足在所有类时的归一化条件；当被检测图像聚类检测优化函数对所述权重系数的二阶导数大于零且一阶导数为零时，可给出所述权重系数使得被检测图像聚类检测优化函数取极小值时权重系数的优化取值；对于某个像素点，选择在不同类的权重系数的优化取值中数值最大且超过权重系数门限对应的类作为需要加入的类，则将该类的聚类中心的色码相对应的颜色可作为该类的颜色；若某些像素点无法归类，可重新设置聚类中心至将所有的像素点归类，则完成表面瑕疵图像检测；

优选的，步骤1中具体包括：

设多功能分选系统中果蔬彩色图像的像素点可通过某个颜色模型的色码来表示颜色，设E为色码最高位数以及d为色码进制数，可确定像素点(i,j)与像素点(i′,j′)的色码差异状况SMCY[(i,j),(i′,j′)]，具体计算公式如下：

其中，s

若从果蔬彩色图像中像素点k到第c类的聚类中心存在一条经由中间若干个像素点的路径则可称k可达c，当k可达c存在R条路径，可以用R条路径中第r条路径中由像素点(i

其中，count为计算集合中元素个数的函数，min为取最小值的函数，

优选的，步骤2具体步骤为：

步骤2-1：设α为距离色码差异状况平衡权重，由像素点(i

其中，B

步骤2-2：给出所述F(α)对所述α的一阶偏导数

步骤2-3：在

优选的，步骤3具体步骤为：

步骤3-1：当多功能分选系统给出的被检测图像被设定聚类中心后，设加权系数为

其中，Y为所述被检测图像的聚类中心集合，X为所述被检测图像的像素点集合；

步骤3-2：给出所述H(ω

步骤3-3：由于

步骤3-4：对于像素点(i

附图说明

图1：面向多功能分选系统的表面瑕疵图像检测步骤图；

图2：多功能分选系统输出的西柚彩色图像；

图3：西柚彩色图像经表面瑕疵图像检测后划分的聚类区域状况。

具体实施方式

以下将对多功能分选系统输出的西柚彩色图像进行表面瑕疵图像检测的具体实施例对本发明提供的技术方案进行详细说明，具体包括以下内容：

步骤1中具体包括：

设多功能分选系统中西柚彩色图像的像素点可通过RGB颜色模型的色码#××××来表示颜色，设置色码最高位数E为6，并设色码进制数d为16，则×为16进制数并使用××××进行计算，可确定像素点(i,j)与像素点(i′,j′)的色码差异状况SMCY[(i,j),(i′,j′)]，具体计算公式如下：

设色码差异门限δ为10，在满足Ξ

步骤2中具体包括：

步骤2-1：设可由200张西柚彩色图像来构造Q，由像素点(i

步骤2-2：给出所述F(α)对所述α的一阶偏导数

步骤2-3：在

由于色码差异门限δ设置为10，可知此时SMCY函数输出的最大值为10，而同时最短可达路径像素点集合Θ

步骤3中具体包括：

步骤3-1：对于多功能分选系统给出的被检测图像，可利用密度峰值算法自动确定聚类数目来根据西柚轮廓边缘来设置聚类中心，设加权系数为

步骤3-2：给出所述H(ω

步骤3-3：由于

考虑到在较多的相近颜色区域场景中，像素点(i

步骤3-4：对于像素点(i

图2中给出了两张多功能分选系统输出的西柚彩色图像，从图2(a)和图2(b)中可以看出西柚彩色图像中表面缺陷分布不均匀且表面缺陷区域与正常区域的边缘存在较多交互，可能造成较难分析表面缺陷占比从而为西柚进行分级；图3给出了图2中两张西柚彩色图像经表面瑕疵图像检测后划分的聚类区域状况，其中表面瑕疵区域被标注为绿色，果脐部分被标注为红色，可以看出图3(a)和图3(b)中绿色区域与图2(a)和图2(b)中表面缺陷区域较为一致，且图3(a)和图3(b)中绿色区域对于表面瑕疵区域的边缘勾画得较为细腻，较好地反映表面瑕疵区域的真实状况，通过有效采集西柚的表皮情况从而为西柚品质分级提供依据。

本实施例中未明确的部分均可用现有技术加以实现。

对于本领域的普通技术人员而言，根据本发明的教导，在不脱离本发明的原理与精神的情况下，对实施方式所进行的改变、修改、替换和变型仍落入本发明的保护范围之内。