基于图像采集装置的在线烟叶的正反面的识别方法

摘要

本发明提供一种基于图像采集装置的在线烟叶的正反面的识别方法：原烟图像采集装置获取烟叶图像；将烟叶图像，分别提取图像的RGB的颜色空间，把烟叶颜色空间转化为HSV孟塞尔空间，建立烟叶HSV颜色异常分析模型，保留正常样本图像；将所述正常样本图像进行滤波；根据烟梗二值化阈值将图像黑化处理，计算烟梗的面积比例；根据烟叶正反二值化阈值计算烟叶正面的面积比例p1(a)；计算烟叶反面所占的比例。其优点在于根据双阈值确定的方法结合统计，建立了一个半监督的烟叶梗和烟叶反面比例的识别方法，并进行了交叉检验，较以往的方法的阈值确定的随意性进行了误差的把控。

主权项

一种基于图像采集装置的在线烟叶的正反面的识别方法，其特征在于，包括以下步骤：步骤A、在原烟挑选线获取原烟烟叶的扫描图像，对扫描图像进行滤波处理；然后对图像进行灰度处理得到灰度矩阵G；人工测量烟梗在实际烟叶的面积占比；该面积比为记为PG；并统计获得原料样本的烟叶正反面比例；步骤B、对灰度矩阵G选取一定的阈值；对阈值的分别进行二值化矩阵，矩阵的像素为m×n；分别计算在上述阈值下的二值化矩阵$p\left(s\right)=\frac{Area\left(G\right(i,j)==0)}{m\times n}$其中Area(G(i,j)＝＝0)表征的是灰度矩阵在s阈值上，G(i,j)＝0的图像像素点数，根据人工测量的烟梗在实际烟叶的面积占比PG，选取p(s)＝PG的阈值s作为图像的二值化阈值；步骤C、根据原料样本的原料样本烟梗的面积比例确定烟梗二值化阈值，计算烟梗的面积比例p(b)；在生产线上取待测量的烟叶样本图像，待测图片进行中值滤波，根据阈值s来对滤波后的图像进行二值化操作,得到二值化矩阵Im；计算烟梗的面积占比为；Im中为0的元素个数除以(m*n)；定义待测烟叶样本中烟梗的比例为p(b)，则$p\left(b\right)=\frac{count(\mathrm{Im}==0)}{m\times n}$步骤D、将烟叶样本图像，分别提取图像的RGB的颜色空间，把烟叶颜色空间转化为HSV孟塞尔空间,其中rgb转换成hsv采用rgb2hsv函数，根据HSV的颜色均值空间分布；建立烟叶HSV颜色异常分析模型，保留正常样本图像；步骤E、将正常样本图像进行滤波；步骤F、根据原料样本的烟叶正反面比例确定烟叶正反二值化阈值，根据烟叶正反二值化阈值，根据二值化矩阵得到每个格子区域图像的连通关系；并计算每个格子的图像中烟叶连通区域的面积。计算烟叶正面的面积比例p1(a)；步骤G、计算烟叶反面所占的比例pp＝p1(a)/(1‑p(b))。