有关基于计算机视觉的肉质大理石花纹含量的测定毕业论文写作资料-论文写作网

简介:关于本文可作为相关专业图像大理石论文写作研究的大学硕士与本科毕业论文图像大理石论文开题报告范文和职称论文参考文献资料。

图像大理石论文范文

摘要：针对传统的肉质分级方法测定大理石花纹含量存在成本高、主观性强、准确性低等问题,本文以计算机视觉技术为基础,运用统计学中的最大方差法去除了黑色背景,使用二值法对大理石花纹进行了提取,并对其含量进行了测定.研究结果表明,运用计算机视觉技术可以很好地实现论文范文图像中大理石花纹区域的分割和大理石花纹含量的测定,为肉质自动分级打下基础.

关键词：计算机视觉；图像分割；大理石花纹；论文范文

中图分类号：TS 2517,TP 39141

文献标识码： A文章编号： 1004-390X(2011)02-0246-03

The Determination of Meat Marbling Content Based on Computer Vision

SONG Lanxia1,YANG Yi2

(1College of Engineering Technology, Yunnan Agricultural University,Kunming 650201, China；

2College of Basic Science and Information Engineering, Yunnan Agricultural University, Kunming 650201, China)

Abstract： Based on computer vision, black background was removed with the largest variance method of statistics to meet with the shortcomings of the traditional method, such as high cost, strong subjectivity and low accuracy. Marbling was extracted with binary method and its content was determined. It was indicated that marbling image segmentation and the determination of marbling content could be well achieved in carcass image by using computer vision technology. It offers a solid foundation for automatic grading meat.

Key words： computer vision；image segmentation；marbling；carcass

大理石花纹即肉产品的肌间脂肪.大理石花纹含量的多少直接影响到肉的嫩度、多汁性和人的适口性,优质猪肉大理石花纹结构应适中且分布均匀.大理石花纹过多或分布不均,形成很粗的条纹,会使蛋白质减少,适口性变差；大理石花纹过少,则肉的质地干燥,多汁性欠佳.因此,肉的大理石花纹是肉质评定的一个重要因素,通过感官评定的方法测定大理石花纹,除了成本高以外,还容易受分级员主观因素的影响,造成测定结果不准确等等.随着计算机视觉技术的快速发展和市场对肉质检测、分级技术要求的不断提高,计算机视觉技术在肉质检测和论文范文分级中的应用日益受到人们的重视.国内外对肉品质的自动分级技术的研究都取得了一定进展.国外利用计算机视觉技术进行肉质检测和分级开始于20世纪90年代,并且已经取得了显著的成效.在国内应用计算机视觉进行肉质检测和分级也进行了大量的研究,本文利用计算机视觉技术从背长肌图像中提取出大理石花纹并对其进行了量化测定,算法简捷,准确性高,可应用于肉质分级基础数据采集工作.

1材料与方法

11计算机视觉系统

计算机视觉是指用计算机实现人的视觉功能.计算机视觉系统(见图1)由数码相机、图像采集卡、计算机、光源、背景为不反光的黑色容器等几部分组成.计算机通过图像采集卡获取数码相机拍摄的彩色论文范文背长肌图像,然后进行图像处理.

12图像分割

　　图像分割是图像处理和模式识别的瓶颈、首要问题和关键步骤,是一种基本的计算机视觉技术.图像分割是指依据图像的灰度、颜色等特征将图像分成多个区域并从背景中提取出感兴趣目标的技术和过程,并且分割出来的区域应同时满足：

2结果与分析

21论文范文图像黑色背景的去除

基本思想：因为黑色基本不含红色分量,所以对RGB论文范文图像的红色分量运用统计决策论中的知识计算最佳阈值,将彩论文范文像红色分量的直方图划分成两个部分,并且这个阈值使得两部分之间的距离最大,然后用半阈值分割法把黑色背景从整块论文范文图像中去除.去除背景后的图像见图2.

22中值滤波

基本思想:当前点的灰度是通过对其邻域内的像素灰度进行排序并找出中值取而代之而获得.中值滤波算法是应用最多的一种非线性图像处理去噪方法,它可以克服线性滤波器所带来的图像细节模糊问题,也可以减少随机干扰、脉冲干扰,适合于扫描噪声和颗粒噪声的去除.但不一定要把每幅图像都进行滤波处理,因为如果脂肪颗粒太小会被当做杂点去除.该法不适于对点、线、尖端细节多的图像进行处理.

23灰度化处理

为了方便以后的处理,把去除背景后的图像用加权平均值法进行灰度化处理,转换公式如下：Y等于02989R+05870G+01140R.其中,R,G,B分别表示彩色论文范文图像的红色分量、绿色分量、蓝色分量,02989,05870,01140分别表示R,G,B的权值, Y表示灰度论文范文图像的亮度值即灰度级.在加权平均值法中,灰度信息（亮度Y）和彩色信息（色度I、饱和度Q）是分离的,同一信号既可表示彩论文范文像也可表示灰度图像,没有I,Q分量时为灰度图像,否则为彩论文范文像.

24大理石纹的提取

首先,对论文范文图像采用迭代法设置阈值,然后根据阈值用二值化处理的方法把大理石花纹从整块论文范文图像中分割出来.

241迭代法阈值的选取

首先取灰度图像的中值T0,然后按下式迭代［6］：

其中,F(X,Y)表示灰度论文范文图像像素的亮度值,G(X,Y)表示二值化后的图像像素的值,T表示黑色大理石纹和背景区域之间的边界像素的值.

243提取大理石纹的整个实现步骤

（1）对论文范文图像在（0,255）范围的亮度值由小到大排序,得到图像亮度的最大值和最小值；

（2）取初始阈值为图像的最大亮度值和最小亮度值的均值；

（3）把图像分割为两类像素,其中一类像素都大于等于阈值,另一类则小于阈值；

（4）分别计算两类像素的平均亮度值；

（5）新的阈值为两类像素的平均亮度值的均值；

（6）如果新的阈值<,初始阈值则找到了最终的阈值即大理石纹和其他区域的分界点,否则重复（3）~（5）；

（7）如果图像的亮度值小于阈值,则为大理石纹,用黑色表示,否则其值保持不变.

通过以上的二值化处理,阈值将整个灰度图像划分成两个部分,黑色部分为大理石纹(见图3),大理石纹区域的像素点用逻辑“0”表示,白色部分用逻辑“1”表示,从而实现了大理石纹的提取.

25大理石花纹含量的测定步骤

(1)将图2中的非白色像素点个数进行统计, 计为等于14716个像素,也就是肉样总面积；

(2)将图3中的黑色像素点个数进行像素统计,计为等于614个像素,也就是大理石纹面积；

(3)计算大理石花纹的百分含量:

d等于S2/S1×/100%等于417232943%.

26大理石花纹的测定结果

选取6组样本图像,用上述方法测得大理石花纹百分含量,实验结果见表1.

3讨论

本文直接对彩论文范文像进行处理,减少了在由24位彩论文范文像向8位灰度图像转换过程中图像信息的损失.因此,本研究比王笑丹等先把真彩图像转换为灰度图像后再进行分析的处理结果将更为理想,为农畜产品分级带来了更精确和更客观的新方法.

本文虽然实现了大理石花纹含量的无损检测,但实验样本均是背景单一、光照均匀的理想的图片,并没有考虑到复杂背景、光照不均和反光的情况,在应用上对取样条件有较高要求,特别是反光点与大理石纹的区分,有待进一步研究完善.

大理石:胶水门：5岁论文范文被200斤大理石壁炉砸死现场视频

［参考文献］

［1］周光宏.畜产品加工学［M］.北京：中国农业出版社, 2002.

［2］ KIM C J, LEE E S.Effects of quality grade on the chemical,physical and sensory characteristics of Hanwoo (Korean native cattle)beef［J］.Meat Science,2003,63(3)：397-405.

［3］王笑丹,孙永海,胡铁军,等.基于计算机图像分析的肌内脂肪含量测定［J］.食品科学,2005,26(7)：200-204.

［4］左飞,万晋森,刘航,等.Visual C++数字图像处理开发入门与编程实践［M］.北京：电子工业出版社,2008：601.

［5］吴福盛,孙俊,陈斌.汽车轮胎号识别中的图像采集［J］.微计算机信息,2006(12-2)：33-34.

［6］GONZALEZ R C, WOODS R E, EDDINS S L.数字图像处理 (MATLAB版)［M］.北京：电子工业出版社,2008：152-306.

总结：本文是一篇图像大理石论文范文，可作为选题参考。

大理石引用文献: