发布时间 : 星期日 文章面粉麸星和白度的图像检测方法的研究更新完毕开始阅读09c4c11b227916888486d725
基于数字图像处理技术的面粉麸星和白度的检测
100%的理想表面的白度为100度，光谱反射比为零的绝对黑表面的白度为零度。面粉白度反映的就是面粉的亮度特征,所以通过检测面粉亮度,就可以获得面粉白度。
白度的基准值是以457nm的蓝光照射到氧化镁板的反射率为基准,以该种光照到面粉上的反射率与氧化镁板的反射率的百分比来表示面粉白度。过往研究表明,面阵CCD对于457nm的蓝光具有比较好的响应灵敏度（如下图4-3所示）。采用CCD摄像机拍摄面粉在蓝光照射下的漫反射图像,通过对数字图像的运算,计算出纸张面粉图像的亮度,进而转化为面粉白度。
图4-3 CCD的感光特性曲线
由CCD获取的彩色图像经过A/D转换后,在计算机内是以像素为单位逐点存储的,每一点存储的信息量都包含了该点的R、G、B 3种与接收到的辐射能成正比的分量值。R、G、B分别表示图像的红色、绿色、蓝色分量;图像的亮度运算通过图像彩色变换获得,如下式所示。
（4.9）
式中:Y是图像的亮度信息, U、V是图像的色差信息。将运算亮度值和白度基准的亮度值进行比较后,就可以得到该面粉样本的白度。处理流程如下图所示。
图4-4 处理流程
图像处理 得出结论 滤波 比较基准 拍照 计算亮度 - 21 -
基于数字图像处理技术的面粉麸星和白度的检测
4.1.3面粉样品图像的获取及处理
为保证实验结论的准确性，我们拍摄两张照片，CCD摄像机将信号传送至PC机图像处理工作将有程序完成。
经过摄像机和图像采集卡获得的图像要进行图像滤波。扰,产生噪声的原因很多,如光电元件产生的随机噪声,数字化产生的量化噪声等。噪声表现在图像中产生杂色点、条纹或明暗不均匀等现象。噪声的存在会造成图像的运算变得复杂,会给计算结果带来严重偏差。本文通过下面式（4-10），（4-11），（4-12）分别在R、G、B彩色分量中对图像进行均值滤波
（4-10）
其中S表示点（x, y）的邻域。由于目前图像采集卡采集的图像比较大,全部进行运算使得计算量过大,也没有意义。所以选取处于图像中心的块区域，因为图像中心区域的光照条件和镜头的成像条件都比较好。进而将这块区域继续划分成等大的9块,求每块区域的图像方差,选择平均方差最小的1块区域作为图像样本进行处理和计算。图像方差小代表图像均匀度好、滤波效果好。 由式（4.9）可知图像中的亮度信息Y有：按照标准我们将氧化镁板亮度值记作
。此
。
将用作为100%白度线性基准,由于
零亮度对应零白度,得到亮度白度线性转换关系,见下式,其中BD表示面粉白度样本的白度值,Y表示面粉白度样本的亮度测量值。
（4-11）
4.2面粉麸星的识别 4.2.1数字图像的灰度化
数字图像的灰度化是指按照一定的规律修改像素的灰度值，使图像的亮度或对比度发生改变，使之更便于分辨，或达到某种预定视觉效果的过程。
数字图像的灰度化是图像处理技术中最为基础，使用最为广泛的一种处理方法。之所以要对图像进行灰度变换，是因为由数码产品得到的彩色数字图像实际
- 22 -
基于数字图像处理技术的面粉麸星和白度的检测
上是一个像素的二维数组，其中每个像素的颜色由构成这种颜色的红(R)、绿(G)、蓝(B)三种基本色的分量来表示。典型情况下，颜色的每一个分量都用一个字节来表示，因此每种颜色共有256个级别，而真彩图片每个像素使用3个字节，RGB值(颜色)达到256×256×256=16777216种，如此庞大的颜色级别对于人眼来说很难区分，即使是计算机处理起来也比较麻烦。此外，由于彩色信息的区分度不高，如果直接对彩色图像的像素进行操作所得到的检测结果精度往往不高，而将图像进行灰度处理后，图像每一个像素的RGB值都是相同的，其范围从(0,0,0)， (1,1,1)一直到(255，255，255)，(0,0,0)为纯黑色，(255，255，255)纯白色，中间的是不同级别的灰色，这样图像就以亮度信息为主要信息，彩色信息为次要信息，十分便于比较区分，这可以在很大程度上提高检测精度，因此需将图像进行灰度处理，把彩色图像转换成为灰度图像。
图像的灰度变换通常都是采用单调函数来实现，其定义域和结果域都在灰度的取值范围之内。常用的方法有3种：最大值法、平均值法以及加权平均值法，其计算公式分别为：
其中，
(2-2) (2-3)
(2-4)
为转换后的像素值；R,G,B为转换前的像素值。由于人眼对
绿色的敏感最高，而对蓝色的敏感最低，因此，按式(2-4)进行处理后还需给操作人员展示出处理后的图像效果，因此本系统选用了式(2-2)的最大值法来进行灰度变换，这样不仅可以得到便于观察的最大亮度图像，而且避免了浮点乘法，加快了计算机的处理速度和精度。
4.2.2数字图像的二值化
数字图像的二值化是指将图像分成对象和背景两部分的一种操作，首先需要确定一个灰度值，然后将大于、等于此灰度值的像素判别为“对象”并用一个灰度值表示，而将小于此灰度值的像素判别为“背景”并用另一个灰度值表示；或者反之，将对象和背景的灰度值关系对调，如式（2-5）所示。二值化处理的结果就是将灰度图像变换成了二值图像，从这个意义上讲，二值化操作可以看成是一种特殊的灰度变换。
(2-4)
- 23 -
基于数字图像处理技术的面粉麸星和白度的检测
上文所述的起分界作用的灰度值在图像处理过程中被称为分割阈值，二值化操作的关键就是对阈值的确定。确定阈值的计算方法有很多，目前应用比较广泛的有大津法 ，即最大类间方差法、最小方差法、最大熵法以及矩量保持法等。通过对多种图像二值化处理方法的试验比较分析，并针对麸星检测的特点本系统采用了最大熵法来对面粉图像进行二值化处理。
最大熵法是一种动态全局阈值选取方法，其优点是可以针对不同图像的不同情况选取相应的阈值，这使得本系统的检测精度和推广性很高。该方法最早是由Pun提出的，其目的就是将图像的灰度直方图分成独立的类，使得各类的总熵最大。设S是潜在的分割阈值点，其分为两个概率分布如下：
是图像灰度级的概率分布，现将
其中，L是灰度级的数目。图像分割后的熵为：
其中：
则分割图像的最佳阈值为：
4.2.3数字图像的滤波
在众多的图像处理方法中，图像滤波一直是研究中的重点和难点。所谓图像滤波是指去除图像中噪声的运算过程，其主要是根据噪声高频、孤立、大偏差等特点而实现的。目前比较成熟的数字图象滤波方法有很多种，例如：邻域平均、中值滤波、高斯滤波等，这些方法虽然能够有效的抑制脉冲、椒盐噪声等于扰，
- 24 -