数字图像处理应用.ppt

（二）坏损点检测坏损点检测规则分以下几种情况：（1）当相邻比较像素PI不是坏损点时（2）当相邻比较像素PI是首次可疑下降点时（3）当相邻比较像素PI是第2可疑下降点时（4）当相邻比较像素PI是第3可疑下降点时（5）当相邻比较像素PI是第4可疑下降点时第30页,共45页，星期六，2024年，5月（6）当相邻比较像素PI是第5可疑下降点时（7）当相邻比较像素PI是第1可疑上升点时（8）当相邻比较像素PI是第2可疑上升点时（9）当相邻比较像素PI是第3可疑上升点时（10）当相邻比较像素PI是第4可疑上升点时（11）当相邻比较像素PI是下降坏损点时（12）当相邻比较像素PI是上升坏损点时第31页,共45页，星期六，2024年，5月上述条件都不满足，则检测点P作为上升坏损点处理。上述预估值是指与坏损边缘点相邻的且在同一判别方向上的苹果非坏损处的灰度值的预估值。在苹果图像中如无坏损和果梗、花萼时，其灰度值的空间分布可用下式近似表示：第32页,共45页，星期六，2024年，5月（三）坏损区域判别首先，将检测出的坏损点依据坏损点标记使图像中的坏损点汇聚成若干个不相联的可疑坏损区域。定义区域的最小深度为：当阈值，且区域面积阈值时，该区域初步判定为坏损区域。第33页,共45页，星期六，2024年，5月为了避免将果梗区和花萼区判为坏损区域，采用如下判别方法：（设可疑坏损区域所在的图像为F1(或F3)）(1)当可疑坏损区域的面积大于阈值时，需进行下面判别，否则为坏损区域。(2)在F3(或F1)中无可疑坏损区域，如果的面积大于阈值，并且其形心靠近图像处理窗口的顶部，则进行第(3)判别，否则可疑坏损区域是坏损区域。第34页,共45页，星期六，2024年，5月(3)如果形心位于接近图像处理窗口的顶部边缘，则为果梗区域或花萼区域。否则F2中的苹果图像上部的边缘作一直线拟合(如图11－28所示)。当拟合直线的斜率大于，则为果梗区域或花萼区域；否则为坏损区域。图11－28边缘直线拟合第35页,共45页，星期六，2024年，5月（4）在F3或(F1)中有可疑坏损区域，当其相应的形心满足下列条件之一则和为果梗区和花萼区，否则都为坏损区域。第36页,共45页，星期六，2024年，5月（四）结果坏损点单调检测法能有效地检测出坏损。系统对阈值参数选择不是很敏感，即鲁棒性较强。在参数选择得当的条件下，坏损检测与判别方法能以较高的正确率将坏损检出。第37页,共45页，星期六，2024年，5月四、缺陷分类（一）缺陷特征参数圆形因子定义为：长形因子L(B)定义为：第38页,共45页，星期六，2024年，5月区域宽度W(B)定义：设区域在θ方向上获得最大投影长度，区域在方向上的投影长度则为区域宽度，其为：第39页,共45页，星期六，2024年，5月（二）分类方法缺陷分类是一个多模式分类问题，利用二叉树（决策）方法可把一个复杂多模式分类问题化为多级多个二类模式分类问题。如图11－31所示的缺陷分类方法。第40页,共45页，星期六，2024年，5月图11－31缺陷分类方法第41页,共45页，星期六，2024年，5月（三）分类结果（1）深度分类由于缺陷区域深度不仅与面积有关，还与缺陷在苹果图像上位置有关系，因此需求出区域在图像上的相对位置，其为：第42页,共45页，星期六，2024年，5月对于深度分类采用三层BP神经网络，输入到神经网络的特征参数有：1.区域最小深度2.区域面积3.区域相对坐标第43页,共45页，星期六，2024年，5月（2）宽度、深度、面积分类长形宽度、深度、面积分类采用三层BP神经网络，输入到神经网络的特征参数为：1.宽度因子2.区域最小深度3.区域相对坐标输出为一个节点。第44页,共45页，