浙江大学生物系统工程-图像处理与机器视觉-禽蛋裂纹检测分析.pptx

组员 郑成煌 蒋昊铮 吕腾浩 徐飞洋 实验背景 禽蛋是人们离不开的重要食品。在禽蛋加工过程中的一个重要步骤是分拣，即把破损蛋(主要是裂纹蛋)从好蛋中挑出来。 目前，研究采用的方法主要有图像识别和敲击声音识别，或两种方法融合。 图像识别的优势在于能够同时检测禽蛋的内外部品质，且是无接触型检测，不会对禽蛋造成二次破坏。 实验方法 第一章 算法实现 第二章 实验软件： Matlab_2010b 硬件配置： CPU:(英特尔)Intel (R) Core(TM) i5-4200M CPU @ 2.50GHz(2501 MHz) 内存：4.00 GB (1600 MHz) 显卡：NVIDIA GeForce GT 755M 边缘检测 定位 滤波 增强裂纹区域的对比度 图像增强 小组分工 蒋昊铮：用不同的滤波方式进行处理，比较不同滤波方式对裂纹提取结果的影响 郑成煌：尝试不同的边缘检测算子进行处理，观察各种算子提取裂纹结果的好坏 吕腾浩：通过直方图均衡化的方法增强图像的对比度检测裂纹 徐飞洋：根据反锐化掩膜的方法增强裂纹，实现裂纹的检测提取 算法实现 上一章 图像锐化 图像滤波 反锐化掩膜法 直方图均衡化 图像锐化 详述 尝试几种不同的边缘检测算子进行锐化（Laplace算子、Sobel算子和Log算子） 比较不同算子提取裂纹的效果 1、灰度化 2、边缘检测 3、去噪 主要步骤 Matlab 代码 图像锐化 Image=imread(D:\ZJU\图像处理与识别\课程设计\08-01.bmp); G=rgb2gray(Image); %灰度化 G=double(G); G(find(G=45))=0; %去除背景 [m,n]=size(G); F=G; %F(i,j)=abs(sum(sum(G(i-1:i+1,j-1:j+1).*laplace))); end end %for i=3:m-2 %for j=3:n-2 %F(i,j)=abs(sum(sum(G(i-2:i+2,j-2:j+2).*log))); %end %end F=uint8(F); imshow(F); level=0.15; %设置阈值 I=uint8(im2bw(F,level)); %阈值分割 I=255*I; imshow(I); BW2 = uint8(bwareaopen(I,4,8)); %噪点去除 g1=BW2.*I; imshow(uint8(g1)); laplace=[0 -1 0;-1 4 -1;0 -1 0]; %Laplace算子 sobel1=[-1 0 1;-2 0 2;-1 0 1]; %Sobel算子 sobel2=sobel1; log=[-2 -4 -4 -4 -2;-4 0 8 0 -4;-4 8 24 8 -4;-4 0 8 0 -4;-2 -4 -4 -4 -2]; %Log算子 for i=2:m-1 %卷积处理 for j=2:n-1 F(i,j)=sqrt(sum(sum(G(i-1:i+1,j1:j+1).*sobel1))^2 +sum(sum(G(i-1:i+1,j-1:j+1).*sobel2))^2); 图像锐化 处理效果 原图像 Laplace算子 灰度图 二值化 图像锐化 Sobel算子 二值化 Log算子 二值化 处理效果 图像锐化 原图像 灰度图 Laplace算子 二值化 处理效果 图像锐化 Sobel算子 二值化 Log算子 二值化 处理效果 结果分析 由以上结果可知，Sobel算子和Log算子的边缘检测效果要好于Laplace算子，原因可能是Laplace算子是各向同性算子，在只关心边缘的位置而不考虑其周围的象素灰度差值时比较合适。在本次实验中，提取裂纹需要尽可能增加裂纹区域和蛋壳区域的灰度差，所以Laplace算子的效果不明显。 图像锐化 图像滤波 详述 通过尝试对比多种滤波方式之后，最终根