專利名稱：禽蛋尺寸及蛋形指數(shù)的檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及農(nóng)產(chǎn)品無損檢測技術(shù)，尤其涉及一種禽蛋尺寸及蛋形 指數(shù)的檢測方法。
背景技術(shù)：
禽蛋尺寸大小和蛋形指數(shù)檢測在蛋品工業(yè)中有著重要應(yīng)用。運輸
過程中要求禽蛋按大小進行分級包裝以減少破損；銷售中要求保持外 觀一致性以提高產(chǎn)品價格。此外，孵化中也要求蛋形指數(shù)必須在一定 范圍以保證孵化率。
中國發(fā)明專利"用于禽蛋尺寸與蛋形指數(shù)及重量同時檢測的方 法"(CN1934935 )公開了 一種同時檢測禽蛋尺寸、蛋形指數(shù)和重量 的檢測法。此專利釆用計算機視覺技術(shù)，釆集禽蛋圖像，對禽蛋圖像 進行二值分割、濾波和邊緣檢測，最后利用提出的特征算來檢測尺寸、
蛋形指數(shù)和重量等。該方法具有無損、快捷等特點，但離實際應(yīng)用還 存在不少差距，主要體現(xiàn)在
(1) 在生產(chǎn)中，CCD獲取的圖像通常為彩色RGB圖像，專利 "CN1934935"的方法檢測禽蛋尺寸和蛋形指數(shù)，首先需要對彩色圖
像進行二值化，而圖像轉(zhuǎn)化時計算機系統(tǒng)資源的巨大開銷會加大對系 統(tǒng)硬件的配置要求；
(2) 禽蛋圖像形心的計算需要計算禽蛋在圖像上的投影面積， 專利"CN1934935"在計算面積時，需要統(tǒng)計圖像上每個點的信息； 利用一階矩計算形心時，也需要統(tǒng)計圖像上每個點的相關(guān)信息，算法 較為復(fù)雜，效率不高；
(3) 圖像縱徑是重要的特征參數(shù)，專利"CN1934935"計算時 需要對邊緣點做正交旋轉(zhuǎn)變換，運算相當復(fù)雜，主要表現(xiàn)在①需要將邊緣點坐標從圖像坐標系轉(zhuǎn)換到迪卡爾坐標系；②需要對圖像的所
有邊緣點進行多次的正交旋轉(zhuǎn)、平移操作；③程序可靠性得不到保證。
此外最大橫徑的特征算法也有待進一步商榷。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種禽蛋尺寸與蛋形指數(shù)的檢測方法，以解 決現(xiàn)有技術(shù)中檢測方法存在的對系統(tǒng)硬件配置要求較高、算法復(fù)雜效 率較低及可靠性得不到保證等缺陷。
為了達到上述目的，本發(fā)明的技術(shù)方案提出一種禽蛋尺寸及蛋形
指數(shù)的檢測方法，該方法包括以下步驟
釆集禽蛋的圖像，并對釆集的圖像進行濾波；
在濾波后的圖像RGB顏色空間中，以R分量為變量函數(shù)，利用 二分法檢測禽蛋在圖像中的邊緣點；
利用得到的邊緣點信息計算禽蛋的形心；
以形心為基點，查找禽蛋的縱徑及最大橫徑。
上述禽蛋尺寸及蛋形指數(shù)的檢測方法中，所述利用二分法檢測檢 測禽蛋在圖像中的邊緣點具體包括
利用二分法查找圖像的最高點及最低點，分別記為風、
以最高點^。為參考點，查找正下方邊緣點/^;
以W。、 ^、 M為依據(jù)，將圖像劃分為兩塊區(qū)域；
分別在所述兩塊區(qū)域內(nèi)，利用二分法查找圖像在每一行像素的左 右邊緣點。
上述禽蛋尺寸及蛋形指數(shù)的檢測方法中，所述利用得到的邊緣點 信息計算禽蛋的形心具體包括
按照每一行像素的順序?qū)D像的左右邊緣點進行存儲；
根據(jù)公式(1)計算圖像的面積，
^4= JJ 血辦=z (1)其中，Mz、聲w分別為第i行的左、右邊緣點，MP-PC + 1表
示第i行的像素和；
根據(jù)公式(4)計算圖像的形心橫坐標，
JJx血辦 Z .x - j^丄.x +J + M丄J) / 2 M 、
根據(jù)公式(5)計算圖像的形心縱坐標，
_[[ Wx辦f /xO,— Lx + l)
上述禽蛋尺寸及蛋形指數(shù)的檢測方法中，以形心為基點查找禽蛋 的縱徑及最大橫徑具體包括
記形心為點o，以形心o為基點，定義離o距離最遠的邊緣點
為縱徑的一端點A;定義離A距離最遠的邊緣點為縱徑的另一端點B; 計算AB的長度丄^，該長度丄^即為禽蛋縱徑的長度；
以AB為基準線，用兩條平行于AB的直線逼近圖像的邊緣點， 當兩平行線均相切于邊緣時，切點分別記為E、 F;計算兩平行線之 間的垂直距離Z^，該長度丄^即為禽蛋的最大橫徑。
上述禽蛋尺寸及蛋形指數(shù)的檢測方法中，得到禽蛋的縱徑及最大 橫徑之后還包括
建立禽蛋實際橫徑Z)vert與最大橫徑之間的關(guān)系模型并用于檢 測禽蛋的實際橫徑，該值A(chǔ)ert即為所需的禽蛋尺寸；
計算禽蛋縱徑、s與最大橫徑Z￡F的比值，該比值即為所需的蛋 形指數(shù)。
上述禽蛋尺寸及蛋形指數(shù)的檢測方法中，所述的實際橫徑化 ,與 最大橫徑"F之間的關(guān)系模型為其中，L6為根據(jù)實際檢測的經(jīng)驗數(shù)據(jù)進行曲線擬合得到的常數(shù)。
本發(fā)明的技術(shù)方案具有以下優(yōu)點(1)圖像不需要二值化；(2) 邊緣檢測釆用二分法，速度較快；(3)釆用簡化形心計算方法，效率 較高；(4)具有較高的準確性。


圖1為本發(fā)明禽蛋尺寸及蛋形指數(shù)的檢測方法實施例流程圖2為本發(fā)明檢測方法實施例釆集得到的禽蛋圖像；
圖3為本發(fā)明檢測方法實施例的上邊緣點查找流程圖4為本發(fā)明檢測方法實施例的水平邊緣點查找流程圖5為本發(fā)明檢測方法實施例的最高點查找流程圖6為本發(fā)明檢測方法實施例的下邊緣點查找流程圖7為本發(fā)明檢測方法實施例的禽蛋圖像分區(qū)示意圖8為本發(fā)明檢測方法實施例的左邊緣點查找流程圖9為本發(fā)明檢測方法實施例的右邊緣點查找流程圖IO為本發(fā)明檢測方法實施例的圖像邊界點圖11為本發(fā)明檢測方法實施例的圖像形心檢測示意圖12為本發(fā)明檢測方法實施例的圖像縱徑檢測原理圖13為本發(fā)明檢測方法實施例得到的圖像縱徑、最大橫徑示意圖。
具體實施例方式
以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。
圖1為本發(fā)明禽蛋尺寸及蛋形指數(shù)的檢測方法實施例流程圖，如
圖所示，本實施例的檢測方法包括以下步驟S11 S14。
Sll、采集禽蛋的圖像，并對釆集的圖像進行濾波處理。 選取一定數(shù)量的禽蛋試驗樣本，分別加以標記。同時用游標卡尺
實際檢測其縱徑和最大橫徑，并將檢測數(shù)據(jù)記錄下來。
采集禽蛋圖像(如圖2所示)，濾波后得到圖像的RGB顏色空間。
7S12、在濾波后的圖像RGB顏色空間中，以R分量為變量函數(shù)，
利用二分法檢測禽蛋在圖像中的邊緣點。
以R分量(后續(xù)用函數(shù)f表示)為研究對象，利用二分法快速檢 測禽蛋在圖像中的邊緣點，具體過程如以下S121 S124所述。
S121 、利用二分法查找圖像的最高點及最低點，分別記為風、^ 。
查找最高點與最低點，是縮小圖像邊緣查找區(qū)域，同時為步驟 S123的圖像分區(qū)提供基點。其中，查找最高點的過程如下。
首先，在圖像上任取一點A,利用二分法在豎直方向上查取上邊 緣點W'。查找上邊緣點的程序流程如圖3所示，又具體包括①定 義二分法的兩個變量并賦值，令a0=0, b0=pt.y (pt.y表示點W的縱 坐標，單位為像素)，如圖5所示，初始的a0、 bO分別為整個圖像邊 緣的 一 點及^點，而查找蛋形上邊緣點的二分法也即在經(jīng)過點W的豎 直線上進行，因此所有點的橫坐標x都相同，查找的僅是邊緣點的縱 坐標y;②計算變量平均值，r0=(a0+b0)/2， r0即為線段a0b0的中點； ③判斷點r0處圖像的R分量與設(shè)定T值之差，即f(rO)-T是否大于0, (T為常量，取值范圍是蛋形特征區(qū)域內(nèi)R分量的最小值與背景區(qū)域 R分量最大值之間，下同)，如果大于則說明點rO在蛋形特征區(qū)域內(nèi)， 則將r0賦值給變量b0并轉(zhuǎn)下 一步；否則說明點r0在蛋形特征區(qū)域外， 從而將rO賦值給變量aO并轉(zhuǎn)下一步；④判斷b0與aO差是否大于1， 如果是則需轉(zhuǎn)步驟②進行下 一 輪逼近運算，否則說明已足夠逼近蛋形 特征區(qū)域的上邊緣點；⑤如圖5所示，即找到點A豎直線上的上邊緣 其橫坐標與點W相同，縱坐標為a0,即聲'.x-w.x; ^>; = "0。
然后，根據(jù)上邊緣點A',利用二分法查找水平方向另一邊緣點 W 。查找水平邊緣點 一'的程序流程與查找上邊緣點k的原理相同、 流程類似，僅僅將縱坐標變量改為橫坐標變量，而逼近算法即在經(jīng)過 點W'的水平線上進行，如圖4所示，具體包括①定義二分法的兩 個變量并賦值，令a(^M (設(shè)整個圖像的右邊緣處具有最大的橫坐標值M)， b0=pt'.x (pt'.x即表示點^'的縱坐標，單位為像素)；②計算 變量平均值，r0=(a0+b0)/2， r0即為線段a0b0的中點；③判斷點r0 處圖像的R分量與設(shè)定T值之差，即f(rO)-T是否大于0,如果大于 則說明點r0在蛋形特征區(qū)域內(nèi)，則將r0賦值給變量b 0并轉(zhuǎn)下 一 步； 否則說明點r0在蛋形特征區(qū)域外，從而將r0賦值給變量a0并轉(zhuǎn)下一 步；④判斷b0與a0差是否大于1，如果是則需轉(zhuǎn)步驟②進行下一輪 逼近運算，否則說明已足夠逼近蛋形特征區(qū)域的右邊緣點； 如圖5 所示，即找到點y水平線上的右邊緣點W,其縱坐標與點A'相同， 橫坐標為a0, 即K'.nO; p,X_y。
最后，判斷乂與一'之間的水平距離，若小于某一設(shè)定值，則認 為兩者之間的任一點即為圖像最高點，程序查找結(jié)東；若距離大于設(shè) 定值，則^與y'連線的中點為新的點^，重復(fù)上述查找上邊緣點4 查找右邊緣點—計算水平距離的過程，直至找到圖像的最高點A 。
最低點查找與最高點類似，區(qū)別在于最高點查找在第一步時需要 用二分法查找上邊緣點，而最低點的查找是需要查找下邊緣點；而隨 后的兩步則相同，也是查找下邊緣點水平線上的右邊緣點，接著判斷 兩點的水平距離是否小于某一設(shè)定值，進而確定是否需要繼續(xù)逼近直 至找到圖像的最低點；^。此處，對于最低點的查找流程不再贅述， 僅對圖6所示的下邊緣點查找流程描述如下①定義二分法的兩個變 量并賦值，令a(^M(設(shè)整個圖像的下邊緣處具有最大的縱坐標值M), bO=pt.y;②計算變量平均值，rO=(aO+bO)/2, r0即為線段aOb0的中點； ③判斷點r0處圖像的R分量與設(shè)定T值之差，即f(rO)-T是否大于0, 如果大于則說明點r0在蛋形特征區(qū)域內(nèi)，則將r0賦值給變量b0并轉(zhuǎn) 下一步；否則說明點rO在蛋形特征區(qū)域外，從而將rO賦值給變量a0 并轉(zhuǎn)下一步；④判斷bO與aO差是否大于1,如果是則需轉(zhuǎn)步驟②進 行下一輪逼近運算，否則說明已足夠逼近蛋形特征區(qū)域的下邊緣點； ⑤即找到點^豎直線上的下邊緣點，其橫坐標與點^相同，縱坐標為a0。
5122、 以最高點/^。為參考點，查找正下方邊緣點聲。
5123、 以風、M 為依據(jù)，將圖像劃分為兩塊區(qū)域。 分區(qū)的方法為經(jīng)過風、W的兩條水平線與圖像左、右邊界所
圍區(qū)域為I，經(jīng)過W、 M的兩條水平線與圖像左、右邊界所圍區(qū)域為 II。分區(qū)的目的是為二分法的程序自動實現(xiàn)提供保障。圖7為分區(qū)的 示意圖。
5124、 分別在所述兩塊區(qū)域內(nèi)，利用二分法查找圖像在每一行像
素的左右邊緣點。
經(jīng)過步驟S123的分區(qū)后，運算區(qū)域限制在區(qū)域/、 //。以/區(qū)為
例，圖像每行的邊緣點分布在線段^兩側(cè)，運用二分法分別快速
査找出左右邊緣點。
代碼結(jié)構(gòu)為
for ( inti = pt0.y; i<ptl.y; i++)
int a0=0; int b0=pt0.x;
查找第i行左邊緣點；
aO=M;
b0=pt0.x;
查找第i行右邊緣點； 保存第i行邊緣點；
其中，左邊緣點查找流程如圖8所示，右邊緣點查找流程如圖9 所示，其原理已在上述圖3、 4、 6的說明中詳細闡述，除二分法變量 初始賦值外的各步驟也基本相同，因此本技術(shù)領(lǐng)域的技術(shù)人員已能毫 不費力地加以實施，此處不再加以贅述。同理，依次對區(qū)域//進行二分法邊緣檢測。圖io為最終檢測出
的蛋形特征區(qū)域邊界。
S13、利用得到的邊緣點信息計算禽蛋的形心。
本步驟S13具體包括下述子步驟S131 S133。
S131、對邊緣點信息進行順序規(guī)律的保存，為此定義了如下的數(shù)
據(jù)結(jié)構(gòu)。
Typedef struct L_point—R
CPoint left_point; 〃左邊緣點 CPoint Right—Point; 〃右邊緣點
實際使用時，定義此結(jié)構(gòu)對象，然后分別保存檢測到的圖像的某 一行的左邊緣點和右邊緣點。因為每個禽蛋圖像的大小是變化的，即 圖像邊緣的行數(shù)不確定，因此在使用時，為了盡可能地減少內(nèi)存的使 用，我們使用了動態(tài)分配變量的方式，即在需要保存某大小的數(shù)據(jù)， 就即時定義該大小的變量。此外，還需利用〔++提供的CARRY模板 類，使得檢測的每一行的邊緣點信息都保存在CARRY對象中。需要 對邊緣信息進行操作時，只需要對CARRY對象進行操作就可以了 。
邊緣保存的程序結(jié)構(gòu)如下
CArry m—strArray;
for( int i=pt0.y; i〈ptl.y; i++ ){
〃檢測到第i行的左右邊緣點m—left， m_right; L—Point—R *point=new L—Point—R; 〃動態(tài)分配內(nèi)存 point-> left_point=m—left; 〃保存左邊緣點
point-〉rightj)oin1^m一right; 〃保存右邊緣點 m一strArray.Add(point)
li有時，需要把邊緣點按順時針或逆時針存儲，則僅需對
n^strArray數(shù)組進行操作即可。下面以逆時針為例
intm=m—strArray.GetSize();〃獲取圖像邊緣所占的行數(shù) CPoint *m—strPoint=new CPoint[2*m]; for( int i=0; i<m; i++ )
m—strPoint[i]=(( L—Point—R *)(m—strArray.GetAt(i)))->left_point; m—strPoint[2*m-l-i]= (( L—Point一R
* )(m_strArray. GetAt(i)))->right_point;
這樣就可以把邊緣點按逆時針順序保存到CPoint數(shù)組中去，上 述動態(tài)分配的內(nèi)存在使用后要注意及時地釋放，以免內(nèi)存外泄，影響 系統(tǒng)的運行。
S132、圖像區(qū)域面積公式的簡化。
由圖IO所示，圖像區(qū)域面積即為邊緣所圍的閉區(qū)域所覆蓋的范 圍，計算機圖像是離散的，因此，區(qū)域面積在計算機中表現(xiàn)為邊緣所 圍區(qū)域內(nèi)像素的統(tǒng)計和，即像素面積和。結(jié)合數(shù)字圖像的知識，可以 理解禽蛋圖像由很多行圖像按規(guī)律排列組成，且每一行由左右兩個邊 緣點組成。因此，禽蛋圖像區(qū)域面積的檢測可轉(zhuǎn)化為每一行上禽蛋圖 像的面積。即禽蛋圖像在某行上的面積有多大。顯然在某一行上，禽 蛋圖像的大小取決于左右邊緣點的位置信息，位置差即為兩者之間的 相點像素點數(shù)。因此在整個圖像上，區(qū)域面積]可用式(l)求出
<formula>formula see original document page 12</formula>(1)
式中A 、 Ms分別為特征區(qū)域第i行的左邊緣點和右邊緣點(下 同)，MP-MP + 1表示第i行的像素和，風、M分別為特征區(qū)域的 最高點與最低點。程序思路為
int A=0;
for(i=0; i<m—strArray.GetSize();i++)
A+= (( L—Point—R *)(m—strArray. GetAt(i)))->right_point.x隱
((L—Point—R *)(m—strArray.GetAt(i)))->left_point.x+l;
S133、禽蛋圖像形心的確定。
對于已完成邊緣提取與細化的禽蛋圖像，可以計算其形心點O 的坐標氣和凡。
jj &辦
利用(2)、 (3)式求形心，也須知道整個蛋特征區(qū)域內(nèi)的信息， 亦即增加了計算數(shù)據(jù)量。為此簡化為僅需特征區(qū)域的邊界信息求其形 心的方法
。一 W '，' ()
少 =(w)—g"_ ( 3 )
JJ" i辦《藝0,w&.""0,^+;^jV2 (4)
(V "少
Z"JJ Z /xO』xu + l) (5)
因此，由式(1)、 (2)、 (3)、 (4)、 (5)形心坐標可簡化為:
爿 J 綜上所述，可以根據(jù)蛋特征區(qū)域邊界信息求出蛋的形心坐標，從 而加快了計算速度。另外，由于避免了禽蛋圖像表面污斑等信息的影 響，還可以提高形心坐標的精度。圖11為形心檢測的效果圖。S14、利用邊緣點及形心計算縱徑與最大橫徑。
本步驟S14具體包括下述子步驟S141 S143。 S141、最大縱徑檢測
假設(shè)0(x。,少。)為檢測到的禽蛋圖像的形心。m—strPoint^m]依次 存儲的是起點為風，按逆時針順序存儲的計算機邊緣點，m為圖像 邊緣點所占的行數(shù)。形心到邊緣點的距離公式為
51, = V(x0 —附—<y/r/V> int[/] .x)2 + (少0 — w — WrPo int[/] .y)2 ( 7 )
定義離形心距離最遠的一個邊緣點為縱徑的一個端點A^w,即
S(jc"^)-max(5;)/ = 0，1，…,2m — l (8)
縱徑A點檢測程序，結(jié)果保存在點point中，檢測結(jié)果如圖12所示。
CPoint point(0，0);
double max= O0 —附_ Wr尸o int[O] .x)2 + O0 —附—int[o;i ._y)2; for(int i=0; i<2*m;i ++)
double s= (x0 —附—int[/] .x)2 + (^0 — m _ int[/].少)2 if s>max;
point=m—strPoint [i]; max=s;
在所有邊緣點中，到端點A距離最大的點定義為縱徑的另一 端點^"，A)。查找另一端點B的程序為 CPoint point O,力； double max= 0; for(int i=0; i<2*m;i++)double s= (X —附_ ^trPo int[/] .x)2 + (乃—附—WrPo int[/].力2 if s>max;
point=m—strPoint[i]; max=s;
這樣point點中保存的點即為長軸的一個端點^(x2，;g, AB連線 即為定義的禽蛋圖像縱徑，其長度4可由式(9)計算，單位是像素。
A)2+" —A)2 (9) 圖13中AB即為新算法檢測出的縱徑示意圖。 S142、最大橫徑檢測
如圖13虛線部分所示，兩虛線均平行于縱徑且外切于邊緣，切 點分別是E、 F，則E、 F兩點之間的垂直距離定義禽蛋圖像的最大橫 徑。其數(shù)值Z^可由式(10)計算。由圖13可知E點是弧ACB上到 軸AB距離最大的點。F點是弧BDA上到AB距離最大的點。
下面簡單介紹一下E、 F點的查找方法。 = cfol + (i/s2 (10)
為了分別計算disl和dis2,則要把邊緣劃分為弧ACB和弧BFA 兩段。假設(shè)AB在圖像坐標系中的方程為
由幾何知識不難發(fā)現(xiàn)弧ACB與弧BDA上的點代入式(12 )計算 時，會發(fā)現(xiàn)/"力異號。不妨假設(shè)弧ACB上的點大于零，則BDA上 的點代入時結(jié)果都小于零。
/(a:,力十^ —6 (12)
15用式(13 )區(qū)分了兩弧段后，這樣再根據(jù)點到直線的距離公式(14 ) 來查找兩弧段到縱徑的最大距離。
,.I ^ — Ax —Z> I , 、 /,2 ， (14)
實現(xiàn)程序為
CPoint pointE(O,O), pointF(O,O); double disl= 0,dis2=0,dis=0; for(int i=0; i<2*m;i++)
double s=m—strPoint[i] .y-k*m—strPoint[i].x; dis=abs(m—strPoint[i] .y-k*m—strPoint[i] .x)/sqrt(k*k+1); if(s>0)
If(dis〉disl)
disl=dis;
pointE=m—strPoint[i];
else
if(dis〉dis2) dis2=dis;
pointF=s_strPoint[i];S143、尺寸及蛋形指數(shù)檢測
根據(jù)經(jīng)驗數(shù)據(jù)建立禽蛋實際最大橫徑值與^之間的關(guān)系模型
并用于檢測禽蛋的實際最大橫徑。
化w".""6 (15)
A和6分別為待定常數(shù)。
下面是試驗過程中所建立的模型
￡)vert= 0.2425.;+5.745 (16) 在以后的檢測中，通過式(16)計算出禽蛋實際最大橫徑值A(chǔ)m，
該值即定義為禽蛋的尺寸。禽蛋的蛋形指數(shù)則定義為禽蛋縱徑與最大
橫徑之比值，卜s與丄w之比值就是禽蛋的蛋形指數(shù)。
以上為本發(fā)明的最佳實施方式，依據(jù)本發(fā)明公開的內(nèi)容，本領(lǐng)域 的普通技術(shù)人員能夠顯而易見地想到一些雷同、替代方案，均應(yīng)落入 本發(fā)明保護的范圍。
權(quán)利要求
1、一種禽蛋尺寸及蛋形指數(shù)的檢測方法，其特征在于，該方法包括以下步驟采集禽蛋的圖像，并對采集的圖像進行濾波；在濾波后的圖像RGB顏色空間中，以R分量為變量函數(shù)，利用二分法檢測禽蛋在圖像中的邊緣點；利用得到的邊緣點信息計算禽蛋的形心；以形心為基點，查找禽蛋的縱徑及最大橫徑。
2、 如權(quán)利要求1所述禽蛋尺寸及蛋形指數(shù)的檢測方法，其特征 在于，所述利用二分法檢測檢測禽蛋在圖像中的邊緣點具體包括利用二分法查找圖像的最高點及最低點，分別記為^。、 以最高點^。為參考點，查找正下方邊緣點聲； 以A。、聲、M為依據(jù)，將圖像劃分為兩塊區(qū)域； 分別在所述兩塊區(qū)域內(nèi)，利用二分法查找圖像在每一行像素的左 右邊緣點。
3、 如權(quán)利要求2所述禽蛋尺寸及蛋形指數(shù)的檢測方法，其特征 在于，所述利用得到的邊緣點信息計算禽蛋的形心具體包括按照每 一行像素的順序?qū)D像的左右邊緣點進行存儲； 根據(jù)公式(1)計算圖像的面積，X = JJ 崎=J] (p^ .x -艮.x +1) ( 1 )其中，"力eo^"表示積分范圍在圖像邊界區(qū)域內(nèi)，；^、戶G分 別為第i行的左、右邊緣點，MP-MW + l表示第i行的像素和； 根據(jù)公式(4)計算圖像的形心橫坐標，JJx綺 Z ( /^.x + 1)(/^.x + /^j0/2根據(jù)公式(5)計算圖像的形心縱坐標，ff "'少jjWx辦Z /x(/^jfH"l)，，—(Jc,力e。一f__ W_
4、 如權(quán)利要求1所述禽蛋尺寸及蛋形指數(shù)的檢測方法，其特征 在于，以形心為基點查找禽蛋的縱徑及最大橫徑具體包括記形心為點O，以形心O為基點，定義離O距離最遠的邊緣點 為縱徑的一端點A;定義離A距離最遠的邊緣點為縱徑的另一端點B; 計算AB的長度Z^，該長度i^即為禽蛋縱徑的長度；以AB為基準線，用兩條平行于AB的直線逼近圖像的邊緣點， 當兩平行線均相切于邊緣時，切點分別記為E、 F;計算兩平行線之 間的垂直距離Z^，該長度丄^即為禽蛋的最大橫徑。
5、 如權(quán)利要求4所述禽蛋尺寸及蛋形指數(shù)的檢測方法，其特征 在于，得到禽蛋的縱徑及最大橫徑之后還包括建立禽蛋實際橫徑Z)自與最大橫徑qF之間的關(guān)系模型并用于檢 測禽蛋的實際橫徑Z)自，該值A(chǔ)^即為所需的禽蛋尺寸；計算禽蛋縱徑、s與最大橫徑Z￡F的比值，該比值即為所需的蛋 形指數(shù)。
6、 如權(quán)利要求5所述禽蛋尺寸及蛋形指數(shù)的檢測方法，其特征 在于，所述的實際橫徑A w與最大橫徑&F之間的關(guān)系模型為其中，L 6為根據(jù)實際檢測的經(jīng)驗數(shù)據(jù)進行曲線擬合得到的常數(shù)。
全文摘要
本發(fā)明涉及一種禽蛋尺寸及蛋形指數(shù)的檢測方法，包括以下步驟采集禽蛋的圖像，并對采集的圖像進行濾波；在濾波后的圖像RGB顏色空間中，以R分量為變量函數(shù)，利用二分法檢測禽蛋在圖像中的邊緣點；利用得到的邊緣點信息計算禽蛋的形心；以形心為基點，查找禽蛋的縱徑及最大橫徑。本發(fā)明的技術(shù)方案具有以下優(yōu)點(1)圖像不需要二值化；(2)邊緣檢測采用二分法，速度較快；(3)采用簡化形心計算方法，效率較高；(4)具有較高的準確性。
文檔編號A01K43/00GK101455183SQ20081024748
公開日2009年6月17日 申請日期2008年12月31日 優(yōu)先權(quán)日2008年12月31日
發(fā)明者平 周, 剛 孫, 王紀華, 申長軍, 趙春江, 鄭文剛, 華 閆 申請人:北京農(nóng)業(yè)信息技術(shù)研究中心