OpenCV的煙葉圖像處理技術(shù)分析

　　OpenCV是一個(gè)基于BSD許可（開(kāi)源）發(fā)行的跨平臺(tái)計(jì)算機(jī)視覺(jué)庫(kù)，可以運(yùn)行在Linux、Windows、Android和Mac OS操作系統(tǒng)上。它輕量級(jí)而且高效——由一系列 C 函數(shù)和少量 C++ 類構(gòu)成，同時(shí)提供了Python、Ruby、MATLAB等語(yǔ)言的接口，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺(jué)方面的很多通用算法。

　　OpenCV用C++語(yǔ)言編寫，它的主要接口也是C++語(yǔ)言，但是依然保留了大量的C語(yǔ)言接口。該庫(kù)也有大量的Python， Java and MATLAB/OCTAVE （版本2.5）的接口。這些語(yǔ)言的API接口函數(shù)可以通過(guò)在線文檔獲得。如今也提供對(duì)于C#，Ch， Ruby的支持。

　　所有新的開(kāi)發(fā)和算法都是用C++接口。一個(gè)使用CUDA的GPU接口也于2010年9月開(kāi)始實(shí)現(xiàn)。

　　煙葉是煙草工業(yè)的基礎(chǔ)原料，煙葉品質(zhì)的識(shí)別對(duì)煙草工業(yè)生產(chǎn)質(zhì)量和煙草行業(yè)經(jīng)營(yíng)效益具有舉足輕重的作用。因此，對(duì)煙葉生產(chǎn)過(guò)程的各個(gè)環(huán)節(jié)包括煙葉品質(zhì)的智能識(shí)別進(jìn)行技術(shù)創(chuàng)新，提供品質(zhì)和效率，是一個(gè)前沿研究方向目前，這一方面的研究主要集中在數(shù)字圖像處理方面，把煙葉品質(zhì)的數(shù)字圖像處理與計(jì)算機(jī)軟件相結(jié)合，實(shí)現(xiàn)煙葉品質(zhì)的智能識(shí)別，是一個(gè)極有價(jià)值的工作。OpenCV的全稱是 Open Source Computer Vision Library，是一個(gè)跨平臺(tái)的計(jì)算機(jī)視覺(jué)庫(kù)。OpenCV是由英特爾公司發(fā)起并參與開(kāi)發(fā)，以BSD 許可證授權(quán)發(fā)行，可以在商業(yè)和研究領(lǐng)域中免費(fèi)使用，并且源代碼是公開(kāi)的。OpenCV由一系列C函數(shù)和少量C++類構(gòu)成，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺(jué)方面的很多通用算法，可用于開(kāi)發(fā)實(shí)時(shí)的圖像處理、計(jì)算機(jī)視覺(jué)以及模式識(shí)別程序，極大地方便了圖像和視覺(jué)處理研究者進(jìn)行二次開(kāi)發(fā)口3。為此，筆者基于OpenCV對(duì)煙葉圖像進(jìn)行處理，旨在提高煙葉品質(zhì)的智能識(shí)別效果。

　　l煙草圖像采集的預(yù)處理

　　煙草圖像采集的現(xiàn)場(chǎng)條件比較惡劣，還會(huì)受到光照條件和煙葉物理性質(zhì)的影響，這樣就會(huì)在圖像成型的過(guò)程中產(chǎn)生很大的干擾，使圖像特征被淹沒(méi)，不利于圖像分析。因此，有必要對(duì)圖像進(jìn)行預(yù)處理，以增強(qiáng)圖像后繼處理的重要特征。

　　對(duì)煙草彩色圖像進(jìn)行平滑處理能夠減少圖像的變劣差異；對(duì)圖像進(jìn)行加權(quán)處理，能夠減少噪音的干擾，同時(shí)加權(quán)處理還能夠使整體顏色趨于一致（圖1、2）。采用模板為：int M ［3］［3］-{{l，2，l}，{2，4，2}，{l，2，l}}。

　　2圖像顏色表的建立

　　圖3中的橫坐標(biāo)表示圖像中各個(gè)像素點(diǎn)的灰度級(jí)，縱坐標(biāo)為各個(gè)像素點(diǎn)出現(xiàn)的次數(shù)或概率。由圖3可知j煙葉圖像像素灰度級(jí)直方圖呈現(xiàn)多峰值，且服從正態(tài)分布，因此可以利用圖像閾值分割和顏色百分比的方法來(lái)建立顏色表。

　　根據(jù)各個(gè)像素點(diǎn)灰度不連續(xù)進(jìn)行基于區(qū)域相關(guān)的分割，用灰度級(jí)的門限提取圖像特征。

　　2．1門限化方法

　　選取適當(dāng)?shù)幕叶燃?jí)門限作為標(biāo)準(zhǔn)，將每個(gè)像素灰度與其比較，若超過(guò)I’】限標(biāo)準(zhǔn)則賦值最大灰度l，否則賦值最小灰度0。這樣就成功地把對(duì)象從背景中分離出來(lái)。圖像以髫，Y）的灰度范圍為［g，，92］，取灰度值丁作為門限，有2種方法定義門限后的二值圖像：

　　門限取得太高時(shí)，許多背景點(diǎn)將被誤判為對(duì)象點(diǎn)；反之，當(dāng)門限取得太低時(shí)，許多對(duì)象點(diǎn)將被誤判成背景點(diǎn)。因此，就有一個(gè)最佳門限的選擇問(wèn)題

　　由圖3可知。煙葉與背景灰度直方圖峰型分布明顯，選擇谷底作為門限值，對(duì)圖像進(jìn)行分割，可以降低錯(cuò)分概率。由統(tǒng)計(jì)分布率得知，相鄰2個(gè)峰谷內(nèi)的面積最大者屬于合格煙葉顏色區(qū)，如圖3陰影部分所示。選擇2個(gè)峰谷（L，疋） 為灰度門限區(qū)間，并把門限區(qū)間內(nèi)的顏色與其在圖像中出現(xiàn)的頻率存儲(chǔ)在一個(gè)顏色表內(nèi)

　　3識(shí)別算法的設(shè)計(jì)

　　以顏色表作為模板．對(duì)煙葉圖像實(shí)施異物標(biāo)識(shí)處理，遍歷圖像每個(gè)像素，在顏色表中查找，若找到，設(shè)置此像素灰度值為0，否則設(shè)置為255，如圖6所示。

　　圖像分割只能把圖像中具有不同平均灰度或組織特征的區(qū)域分離開(kāi)。特征抽取則進(jìn)一步把分割開(kāi)的區(qū)域的特征提取出來(lái)，也就是圖像描述和表示，也稱為圖像理解。

　　對(duì)目標(biāo)圖像區(qū)進(jìn)行區(qū)域標(biāo)記，遍歷每1個(gè)小矩形，把所有“l(fā)”聯(lián)結(jié)的區(qū)域視為異物，計(jì)算其總值，大于設(shè)定的閾值，

　　分檢系統(tǒng)開(kāi)啟氣閥將異物剔除，反之，氣閥不動(dòng)作。在遍歷1 個(gè)小矩形時(shí)，如果異物像素和等于開(kāi)閥條件，停止這個(gè)小矩’ 形的遍歷，可以減少系統(tǒng)的計(jì)算量，提高算法的執(zhí)行速度哺J。

　　異物不可能都在1個(gè)小矩形內(nèi)，橫向、縱向跨界甚至跨幀的情況在所難免，這就要求圖像處理系統(tǒng)具有記憶功能。如圖7，在區(qū)域l和區(qū)域2中，存在橫向跨界；區(qū)域4和區(qū)域8 存在縱向跨界。

　　對(duì)于異物橫向跨界，在遍歷第1個(gè)小矩形時(shí)，如果像素和達(dá)到設(shè)定閾值，氣閥將開(kāi)啟，剔除異物；反之．則不啟動(dòng)氣閥，但系統(tǒng)要記憶此小矩形的像素和和異物邊界坐標(biāo)；然后

　　再遍歷第2個(gè)小矩形，先檢測(cè)異物是否為聯(lián)通區(qū)域。若是，再去判斷第1個(gè)小矩孑的氣閥開(kāi)啟狀態(tài)。若氣閥開(kāi)啟，則第 2個(gè)氣閥也將打開(kāi)；若氣閥未開(kāi)啟，則將這2個(gè)小矩形的像素和相加來(lái)判斷是否達(dá)到設(shè)定的開(kāi)閥閾值。若不是聯(lián)通區(qū)域，則將視一般情況處理。

　　對(duì)于異物縱向跨界，除去在橫向跨界條件下作的處理外，還要將信息保存到第2幀圖像，處理完畢，用前一幀的邊緣小矩形與后一幀對(duì)應(yīng)邊緣小矩形的像素和相加，與閾值比較，以此來(lái)決定氣閥的開(kāi)啟。

　　4結(jié)語(yǔ)

　　基于OpenCV的煙葉品質(zhì)識(shí)別的數(shù)字圖像處理方法，是煙葉生產(chǎn)環(huán)節(jié)的一種技術(shù)創(chuàng)新。它簡(jiǎn)便易行，可以在煙葉生產(chǎn)一線普及推廣，能夠較大地提高煙葉品質(zhì)檢測(cè)的效率和質(zhì)量及自動(dòng)化程度和智能化水平。