基于图像识别的物品分类计数的方法、装置和存储介质

技术领域

本发明涉及物品识别统计技术领域，具体为一种基于图像识别的物品分类计数的方法、装置和存储介质。

背景技术

在流水线或者物品混合的场所需要对物品分类并统计，目前分类计数普遍采用人工统计的方法来分类统计。这种方法费工费时，效率低下。

图像识别是人工智能的一项基础技术手段，目前图像识别都是通过将待识别图像中各个像素点的特征提取出来，与现有图像中各个像素点的特征进行比对，当比对出像素点的特征的相似程度在设定的范围内的时候，将现有图像中的物品作为待识别图像中的物品进行输出。但是存在的问题是图像处理功能存在不足：在对物品照片处理后物品变得模糊，对物品照片处理有缺失从而导致统计率不准确。

发明内容

本发明的目的在于提供一种基于图像识别的物品分类计数的方法、装置和存储介质，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于图像识别的物品分类计数的方法，包括：

图像的获取：获取物品的照片；

图像的预处理：选取物品的照，对照片的灰度变换，然后滤波处理，得到二值图像；

物品的特征提取：根据二值图像，提取颜色特征，然后图像灰度化处理，再依次提取物品轮廓以及几何形状特征，再用原图与二值图像相差获得目标区域图像；

图像的质量改善：对所述目标区域图像存在的缺陷填补修复，得到优化的二值图像；

物品计数：对所述优化的二值图像上下、左右顺序进行扫描识别，得到物品数量。

优选的，所述灰度变换采用加权平均法对叶片进行灰度化处理，通过公式：G＝0.299r+0.587g+0.114b将32位RGB图像转化到256位灰度图，式中： G为灰度值，r、g、b分别是RGB图像中红、绿、蓝3个分量的值，所述滤波处理为中值滤波。

优选的，所述颜色特征采用颜色直方图进行颜色特征的提取；所述图像灰度化处理包括：三基色24bit值的读取，定义比例变换矩阵

优选的，所述OSTU阈值分割法包括：设1次OSTU阈值分割得到的阈值为q

优选的，所述对目标区域图像存在的缺陷填补修复采用以目标像素为中心点，在其上下左右四邻域最少有1个像素与目标像素灰度级不同时，用255 (黑)的灰度级代替中心点灰度，可以达到消除白点噪声的目的。

优选的，所述区域面积与长轴和短轴的乘积比值为物品的矩形度，所述区域重心到物品边界的平均距离以及区域重心到边界各点距离的均方差的比值为物品的圆形度。

为实现上述目的，本发明还提供如下技术方案：

一种基于图像识别的物品分类计数的装置，包括：

获取模块，用于获取物品的照片；

预处理模块，用于对物品照片的灰度变换，然后滤波处理，得到二值图像；

特征提取模块，用于根据二值图像，提取颜色特征，然后图像灰度化处理，再依次提取物品轮廓以及几何形状特征，再用原图与二值图像相差获得目标区域图像；

质量改善模块，对所述目标区域图像存在的缺陷填补修复，得到优化的二值图像；以及

计数模块，对所述优化的二值图像上下、左右顺序进行扫描识别，得到物品数量。

为实现上述目的，本发明还提供如下技术方案：

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述任一项所述方法的步骤。

为实现上述目的，本发明还提供如下技术方案：

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的方法的步骤。

与现有技术相比，本发明的有益效果是：

本发明，通过第一次灰度处理，能够将物品图像中较小的杂质过滤掉，较大的杂质面积变小，颜色变淡，在去除杂质的同时，物品部分并未变的十分模糊，第二次灰度处理能够使使图像的细节变得清晰，改善图像的视觉效果，采用通过OSTU阈值分割法来改善图像质量，使得图像区域完整，这样可以减少程序对于边框的判断，提高速度，同时采用提取几何形状特征来降低出错率。

附图说明

图1为本发明的基于图像识别的物品分类计数的方法框图；

图2为本发明的灰度化后的物品示意图；

图3为本发明的中值滤波淡化物品上的白点及杂质示意图；

图4为本发明的二次OSTU阈值分割得到的二值图像示意图；

图5为本发明的基于图像识别的物品分类计数的装置框图；

图6为本发明的计算机设备的内部结构图；

图7为本发明的物品片图像特征提取、识别方法及计数示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1～7，本发明提供一种技术方案：

一种基于图像识别的物品分类计数的方法，包括：

S101、图像的获取：获取物品的照片；

S102、图像的预处理：选取物品的照，对照片的灰度变换，然后滤波处理，得到二值图像；

S103、物品的特征提取：根据二值图像，提取颜色特征，然后图像灰度化处理，再依次提取物品轮廓以及几何形状特征，再用原图与二值图像相差获得目标区域图像；

S104、图像的质量改善：对所述目标区域图像存在的缺陷填补修复，得到优化的二值图像；

S105、物品计数：对所述优化的二值图像上下、左右顺序进行扫描识别，得到物品数量。

具体的，所述灰度变换采用加权平均法对叶片进行灰度化处理，把图像由RGB颜色空间转换到灰度空间，先通过公式：G＝0.299r+0.587g+0.114b将 32位RGB图像转化到256位灰度图，式中：G为灰度值，r、g、b分别是 RGB图像中红、绿、蓝3个分量的值，所述滤波处理为中值滤波。为减少噪声对图像处理环节的干扰，采用中值滤波的方法来减少图像的噪声，即用一个奇数点的窗口，将窗口中心点的值用窗口内各点的中值代替。由图2-3可见，较小的杂质已经基本被过滤掉，较大的杂质面积变小，颜色变淡，很容易在后面的二值化中的处理。在去除杂质的同时，物品部分并未变的十分模糊，结果较好。

具体的，所述颜色特征采用颜色直方图进行颜色特征的提取；所述图像灰度化处理包括：三基色24bit值的读取，定义比例变换矩阵

所述提取物品轮廓包括：采用OSTU阈值分割法先从直方图中将绝大多数背景灰度去掉，然后去掉背景后将剩下的物体和阴影的部分再用OSTU阈值分割法进行二次分割。具体的，所述OSTU阈值分割法包括：设1次OSTU 阈值分割得到的阈值为q

所述提取几何形状特征包括：根据提取的物品轮廓计算得到该物品几种基于区域的几何参数，包括区域面积、长轴、短轴、区域重心到物品边界的平均距离以及区域重心到边界各点距离的均方差。所述区域面积与长轴和短轴的乘积比值为物品的矩形度，所述区域重心到物品边界的平均距离以及区域重心到边界各点距离的均方差的比值为物品的圆形度。通过提取几何形状特征可以能有效地提高识别率，实现物品的自动分类。

本发明，通过第一次灰度处理，能够将物品图像中较小的杂质过滤掉，较大的杂质面积变小，颜色变淡，在去除杂质的同时，物品部分并未变的十分模糊，第二次灰度处理能够使使图像的细节变得清晰，改善图像的视觉效果，采用通过OSTU阈值分割法来改善图像质量，使得图像区域完整，这样可以减少程序对于边框的判断，提高速度，同时采用提取几何形状特征来降低出错率。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。