面粉麸星和白度的图像检测方法的研究

摘要

摘要

随着计算机速度的不断提高，数字图像处理技术的发展越来越快。而基于数字图像处理的面粉麸星和白度的检测技术在国计民生中的应用也越来越广，提高面粉检测技术的速度与准确性显得越来越重要。面粉中麸星含量的多少及面粉的白度是评价面粉等级的重要指标。本文讲述了面粉麸星和白度的图像检测方法的研究。

麸星的识别和测量以及面粉白度的测定是建立在数字图像处理和模式识别相关理论基础上的。本文对图像灰度化、二值化、平滑滤波、纹理分析、边缘检测等多种数字图像处理技术进行了综合的比较研究，并参考模式识别的相关理论，提出了一种新的麸星快速识别和归一化的算法。 同时，本文还详细介绍的色度学的相关知识，并对面粉白度的测定和计算进行了完整的陈述。

关键词：麸星检测；图像处理； CCD；白度测量

Abstract

Abstract

With the improving constantly of speed of the computer，the development of Digital Image Process technology is faster and faster. The application in the national economy and the people’s livelihood of detection technique of wheat based on Digital Image Process is wider and wider too. The speed and accuracy of improving the detection technique of wheat seem more and more important. The number of bran specks contained in the flour is an import indicator to evaluate the rank of flour,

which reflects the pros and cons of wheat varieties. This article describes the method of the image detection of the whiteness of flour and bran star.

The recognition and measurement of bran specks and the whiteness of flour is based on Digital Image Process technology and the theory of Pattern Recognition. The paper also implement a comprehensive comparative study with a variety of digital image processing technology ,such as, the image gray-based, binarization, smoothing filtering，texture analysis, edge detection and so on. After the reference to the relevant pattern recognition theory, a new bran specks rapid identification and normalization algorithm is presented. Meanwhile, this paper also details the knowledge of the Colorimetry .The measurement and calculation of the flour’s whiteness is described in detail.

Key word: bran specks measure, image process, CCD, measurement of whiteness of flour

绪论

目录

摘要 Abstract 目录

第一章 绪论................................................. - 1 -

1.1本文的选题目的和背景 .......................................................................- 1 - 1.2面粉麸星检测技术的研究现状 ...........................................................- 3 - 第二章 数字图像处理技术基础知识............................. - 5 -

2.1 数字图像相关概念 ..............................................................................- 5 -

2.1.1数字图像 .....................................................................................- 5 - 2.1.2图像处理 .....................................................................................- 6 - 2.1.3图像识别 .....................................................................................- 7 - 2.1.4图像理解 .....................................................................................- 7 - 2.2图像的获取、显示与表示 ...................................................................- 7 -

2.2.1图像的获取 .................................................................................- 8 - 2.2.2图像显示 .....................................................................................- 8 - 2.2.3图像表示 .....................................................................................- 9 -

第三章 面粉麸星和白度图像检测的硬件设计及实现............. - 10 -

3.1 CCD检测原理与构成 ...................................................................... - 11 - 3.1万能数字摄像系统 SV-1300 ............................................................. - 11 -

3.1.1 SV-300的用途 .......................................................................... - 12 - 3.1.2 SV-300的特点 .......................................................................... - 12 - 3.1.3 SV-300的技术参数 .................................................................. - 12 - 3.2 ZOOM-650型立体显微镜 .................................................................. - 13 -

3.2.1 ZOOM-650型立体显微镜用途 ................................................ - 13 - 3.2.2 ZOOM-650型立体显微镜技术规格 ........................................ - 13 -

第四章 基于数字图像处理技术的面粉麸星和白度的检测.......... - 15 -

4.1色度学基本原理 ................................................................................ - 15 -

4.1.1颜色定量表示方法－色度坐标 .............................................. - 15 - 4.1.2 色度坐标的计算 ......................................................................- 20 - 4.1.3面粉样品图像的获取及处理 .................................................. - 22 - 4.2面粉麸星的识别 ................................................................................ - 22 -

4.2.1数字图像的灰度化 .................................................................. - 22 - 4.2.2数字图像的二值化 .................................................................. - 23 - 4.2.3数字图像的滤波 ...................................................................... - 24 -

绪论

4.2.4麸星的识别 ...............................................................................- 25 -

第五章 实验结果处理........................................ - 27 -

5.1面粉白度的计算 ................................................................................. - 27 -

5.1.1 面粉白度测定实验的数据记录 .............................................. - 27 - 5.1.2面粉白度测定实验的数据处理 .............................................. - 28 - 5.2 面粉麸星的归一化算法 ................................................................... - 30 - 5.3 误差分析 ........................................................................................... - 34 - 参考文献................................................... - 35 - 致谢....................................................... - 37 -

绪论

第一章 绪论

1.1本文的选题目的和背景

改革开放三十年来，人们的生活水平逐渐提高，特别是进入21世纪以后，随着中国经济的迅猛发展，人们的生活水平更是有了质的飞跃。当前人们不再追求吃什么更贵，而是追求吃什么更营养、更健康。在中国，尤其是在北方，面食是非常重要的主食，几乎是每个家庭平均三餐中必有一餐的主食是面食。因此，当下人们十分关注各种面粉的质量，高质量的面粉食品逐渐成为人们餐桌上必不可少的食物，而如何判定面粉的质量逐渐成为研究人员感兴趣的课题。

目前，用来评价面粉质量的参数众多，麸星和白度是非常重要的参考指标。首先，面粉麸星是指成品面粉中肉眼可见的、颜色上明显黑于面粉的斑点，其主要成分是小麦在加工成面粉的过程中未被分离出去的小麦麸皮，也有未清理干净的荞麦皮、草籽皮，甚至还有比重、大小与小麦相近的煤渣、黑石块等。面粉加工时混入少量麸星是允许的，麦麸实际上可食且对人体有益，但麸星过多则是不允许的。面粉中麸星的面积大小和数量多少会严重影响面粉的白度与纯度，同时还会会影响面粉生产工艺过程中其他相关重要指标，诸如：面粉等级、粉中含麸率、出粉率等。此外，还可以评价面粉生产过程中磨粉机搭配调整是否得当、及其清理是否干净、筛理匹配是否合理、面粉制粉工艺以及设备是否先进、操作是否规范等事项。另一方面，现代面制食品(如馒头、包子等)在产品质量方面要求有较好的外观白度，面粉麸星的大小和数量影响面粉的白度与等级。此外，麸星含量还反映了面粉加工精度，如小麦清理是否干净、水分调节是否合理、制粉工艺是否完善等由于面粉数星的面积小、数量多，虽然在白色的面粉中十分显眼，但我们却很难将其准确数量化。全国各地的面粉厂和面粉检验机构都是采用国家粮食检验方面的专家凭感官评出的等级面粉小样与要检验的面粉进行比较，给出某种面粉鼓星是否超标，进而确定该面粉的质量和等级。在面粉制粉过程中，面粉加工精度越高，出粉率越低，混入其中的麸皮就越少，颜色就越白，其商品价值就越高。因此，加工精度也是面粉最重要的指标之一，面粉加工精度直接影响面粉的产量和质量，影响面粉的市场价格，也影响面粉加工企业的经济效益。

面粉的白度，即将小麦制成一定粗细度的面粉，用面粉的白度或粉色来表示面的洁白程度。随着面粉市场竞争日趋激烈，制粉企业越来越重视面粉的白度指标，而面粉的白度与面粉的洁白程度有着十分密切的关系。目前，国家尚没有检验面粉白度的标准方法，许多制粉企业也仅凭小麦籽粒的色泽来确定面粉的白度

- 1 -

绪论

情况，以此指导生产搭配，这往往造成生产的面粉白度与标准粉样的白度之间有一定的差距。近年来，许多生产商家为了提高面粉的白度，在面粉加工的过程中添加面粉增白剂，以提高面粉的白度。常用的两种增白剂分别是过氧化苯甲酰和过氧化钙。但是，增白剂的使用会破坏面粉中营养素，而超过标准使用增白剂不仅对人体健康不利，还会使面粉的色泽变暗甚至变灰，反而达不到增白效果。今年年初，卫生部等多部门发公告，自2011年5月1日起，禁止生产、在面粉中添加食品添加剂过氧化苯甲酰、过氧化钙。过氧化苯甲酰俗称面粉增白剂。去年起，本报持续关注面粉增白剂的存废问题。去年12月，卫生部监督局网站对是否禁止使用面粉增白剂——过氧化苯甲酰和过氧化钙公开征求意见。这也使争论十年之久的“面粉增白剂”存废将有结果。征求意见稿显示，自2011年12月1日起，禁止在面粉生产中使用过氧化苯甲酰和 过氧化钙。对于“拟设一年过渡期”，部分公众认为没有必要。根据卫生部发出的正式公告，自2011年5月1日起，禁止生产、在面粉中添加食品添加剂过氧化苯甲酰、过氧化钙。对于“缓刑期”缩短，卫生部食品安全综合协调与卫生监督局副局长陈锐说，第一，这是一个重大的政策调整，要给方方面面留出准备时间；第二，社会上有很多声音要求缩短实施时间，卫生部与方方面面进行反复研究磋商，留出了两个月的过渡期，这也是国际上通行的做法。所以，现在制粉企业越来越重视原料面的选购，即采购白度符合企业标准规定的面粉，用以生产搭配，以满足客户对产品质量的要求。由此可见，面粉白度的检验对于指导面粉的生产具有十分重要的意义。

现如今，我国现行的国家标准面粉加工精度检验方法还是感官检验方法，经过人工搭粉或者是蒸馒头后，用目测的方式与实物标准样品进行比较其白度和麸星，这种方法操作繁琐并，且判断误差较大，结果表述往往不准确。由于国际方法测量带有一定的主观性，不能量化，生产企业在质量控制过程中，常采用灰分的含量间接表示面粉的加工精度。灰分含量测定方法虽然客观，其结果也可以数字化，但是，灰分含量测定所需的时间较长，并且由于小麦的品种不同或是种植条件不同，其灰分含量差异也较大。因此，用灰分含量表示面粉的加工精度仍有一定的局限性。对于面粉中麸星的检测，根据调查研究情况的显示，目前国内绝大多数与面粉制品有关的科研院所、生产厂家等检测机构仍然采用传统的人工方式检测面粉中的麸星。即：操作人员利用放大率为5倍或5倍以上的放大镜直接观察并查找统计视野中可见的麸星个数。但由于面粉中麸星的数量多而且面积较小，因此紧靠工人感官检测的方式所得到的数据结果往往达不到精度要求，而是只能对面粉等级作出一个定性的判定，并不能给出准确的定量的判定。同时，由于操作人员视觉疲劳、面粉质量的不同以及光线能见度等原因的影响，很多情况下，对于不同的检测人员对同一款面粉进行检测，得到的检测结果可能大不相同，而这些在实践过程中存在的缺点和不足严重制约了检测人员的工作效率。

- 2 -

绪论

随着计算机技术的飞速发展，尤其是数字图像处理技术在检测仪器中的应用，仪器自动化、智能化的程度不断提高。先进的检测仪器，不仅具有自动取样、自动控制测试、自动数据处理功能，同时还具有自校正、自诊断等功能，这种新型的智能化系统，代表了新一代分析检测仪器的发展方向。在这样的背景下，本文利用计算机数字图像处理技术对面粉麸星和白度的检测技术进行了深入的探究，在此基础上详细介绍面粉麸星和白度的图像检测技术。

1.2面粉麸星检测技术的研究现状

粮食制品的品质检验一直是粮食工作的重要组成部分，是采用科学的、系统的分析检测手段，依据相关理论和标准，对粮食及其加工品的品质、质量和卫生安全进行客观全面地分析、判断和评价的一门科学。粮食制品的品质检测既综合了各种现代分析技术，也有自己学科独特的分析方法和手段，从而形成了一套从内部到外部、从常量到微量、从单一指标到综合评价的完整检测方法和技术体系。

粮食是一种天然有机物质，组成、结构和生物化学变化复杂而多样，因而决定了粮油检验技术具有多样性、灵活性、系统性和发展性的特征。随着分析技术的进步，对粮食特性的认识，以及人们生活水平的不断提高，粮食品质的检验业也将会得到不断发展进步和完善。

粮食制品的品质检验贯穿于粮食加工、销售、居民供应和消费的整体过程，是开展粮食及其加工品质量管理的主要技术手段。通过检验粮食及其制品中营养物质的种类、含量和分布，色、香、味、形、口感、组织形态，以及卫生安全性指标，可以得出科学的、系统的、标准的检验及评价结果，这将对提高原粮及成品粮质量，合理利用粮食资源，确保粮食卫生安全起到关键性作用。

按照检验方法分类，粮食品质的常规检验可分为感官检验和仪器检验两种；按照检验指标分类，可分为粮食质量标准的全部指标和卫生标准中的粮食化学药剂残留量、过氧化值等指标；按照检验内容分类，可分为物理特性检验、流变学特性检验、化学成分分析等。

近年来，世界范围内围绕提高检验速度和精确度这个主题，发展较快的技术主要是近红外技术、图像处理技术，电子鼻技术等。其中，数字图像处理技术随着计算机的快速发展而得到飞跃式的提高，这就为实现用仪器对粮食作物及其制品进行快速品相判断提供了坚实的技术保障。

在这样的大背景下，用精密仪器进行快速视觉评价成为近年来国内外研究的热点课题，为了降低检验的主观误差，提高检验水平，各国都在积极开发客观的粮食质量分析技术和仪器。由于数字图像处理技术在检测、分级等方面具有速度快、精度高、信息量大、重现性好等优势，美国、加拿大、英国等发达国家以及中国等发展中国家都十分重视其在粮食品质检测中的应用研究。为此许多专家学者在运用图像处理技术进行快速视觉评价方面进行了大量研究。

- 3 -

绪论

从目前的研究现状来看，国内外的众多研究成果虽然在一定程度上解决了传统检测方法检测精度差、检测效率低等问题，但是这些研究成果仍然存在一定的缺点和不足：首先，国内大部分的研究尚处在软件层次并且检测精度有待进一步提高，而市场上现存的少数检测仪器也难以满足智能化、自动化以及多参数检测的要求。其次，国外检测仪器普遍价格昂贵，一旦损坏维护成本极高，不适合在国内推广使用；更需要着重指出的是，麸星检测对于检测环境的要求非常之高，只有在检测环境标准化也就是对光照度精确控制的前提下得到的检测结果才具有现实意义，这一点对于麸星检测标准的制定是至关重要的。但国内外现存的检测仪器全都缺少对于检测环境中光照度的实时检测控制功能，在这种情况下得到的检测结果并不具有完全的可靠性，也无法制定标准。综上所述，目前对于面粉麸星检测的研究尚处在起步探索阶段，并没有出现自动化、智能化较高的检测仪器。

- 4 -

数字图像处理技术基础知识

第二章 数字图像处理技术基础知识

数字图像处理(Digital Image Processing)又称为计算机图像处理，它是指利用计算机对图像信号进行处理的过程。数字图像处理技术起源于20世纪20年代，当时通过海底电缆从英国的伦敦到美国的纽约采用数字压缩技术传输了第一幅数字照片。此后，由于遥感等领域的应用，使数字图像处理技术逐步受到关注并得到相应的发展。第3代计算机问世后，数字图像处理技术开始得到普遍应用，其中比较突出的成就是CT的发明与应用，获得了诺贝尔奖。目前，数字图像处理科学与技术发展迅速，成为很多领域和学科的学习和研究对象。

2.1 数字图像相关概念 2.1.1数字图像

数字图像是由像素组成的二维矩阵。对于单色即灰度图像而言，每个像素的亮度用一个数值来表示，通常数值范围在0—255之间，即可以用一个字节来表示，0表示黑、255表示白，而其他表示灰度。

一般来说从客观景物得到的图像是二维的，可以用一个二维数组f(x,y)来表示，这里x与y表示二维空间中一个坐标点的位置，而f(x,y)则是代表图像在点(x,y)的某种性质的数值。为了能用计算机对图像进行加工，需要把连续的图像在坐标空间(x,y)和性质空间F都离散化，这种离散化以后的图像就是数字图像，图像中的每个基本单元叫做图像元素，简称像素。一幅图像必须在空间和灰度上都离散化才能被计算机处理，空间坐标的离散化叫做空间采样。假设用一个m×n维的数组中等距的采样来近似表示一幅连续图像f(x,y)，即：

f(x,y)=

(2-1)

其中每个元素都是一个离散变量，式(2-1)等号右侧的矩阵代表数字图像，数组的每个元素即对应像素。由此可见，计算机对图像的处理实际上是对组成图像的像素进行操作。

彩色图像可以用红、绿、蓝三元组的二维矩阵来表示。通常，三元组的每个数值也是在0—255之间，0表示相应的基色在该像素中不存在，而255则代表相应的基色再改像素中取得最大值，这种情况下每个像素可用3个字节来表示。

- 5 -

数字图像处理技术基础知识

数字图像在计算机中进行存储时有多种存储格式，比较常见的有BMP、JPG、GIF、TGA、TIF等格式。其中BMP文件是windows操作系统推荐使用的图像文件格式并且被广泛使用，它是将内存或显示器的图像数据不经过压缩而直接按位存储，故而称为位图文件。从客观景物得到的图像在计算机中存储时都是默认存储为BMP格式，其它格式的图片都是将BMP文件通过压缩等变换后转化而来的，因此BMP文件被称为图像处理的基础格式文件。由于BMP文件是采用位映射方式进行存储，除了图像深度可选以外，不进行其它任何形式的压缩，因此BMP文件所占用的内存空间较大。但是这种特殊的存储方式非常有利于对图像进行各种形式的处理，所以本系统采集的图像都是以BMP格式进行存储。

BMP文件由位图文件头、位图信息和像素数据3部分组成，位图信息又是由位图信息头和调色板组成，如图2-1所示。其中，位图文件头、位图信息头是固定长度，分别为14和40字节，调色板数据的多少与图像所用的色彩数有关，它的字节数是色彩数的4倍，但真彩色图像的BMP文件中没有调色板数据。每个调色板单元的前3字节分别表示彩色的蓝、绿、红分量，第4字节备用。像素数据则存储在最后面。

位图文件头（14字节） 位图信息 位图信息头（40字节） 调色板数据(8、64或1024字节) 真彩色图像无调色板 像素数据

图2-1 BMP文件图像结构

在实际使用中，BMP文件又分为DDB格式和DIB格式两种。DDB格式，即Device Dependent Bitmap，是与设备有关的文件格式，用其存储与某个显示设备或打印设备内存兼容的不压缩图像，但由于其依赖于硬件设备，因此并不常用；DIB格式，即Device Independent Bitmap，是与设备无关的文件格式，它本身自带有颜色信息，颜色表管理非常容易，具有极强的通用性。

2.1.2图像处理

在研究图像时，首先要对获得的图像信息进行预处理，包括滤去干扰、噪声，做几何及色彩校正等，这样可以提高图像的信噪比。为了从图像中找到需要识别

- 6 -

数字图像处理技术基础知识

的东西，还得对图像进行分割，也就是进行定位和分离，以分出不同的东西。有时由于信息微弱，无法识别，还需要进行增强。增强的作用是提供一个能满足一定要求的图像，或对图像进行变换，以便人机分析。同时，为了给观察者以清晰的图像，还要对图像进行改善，即进行复原处理，它是把已经退化了的图像加以重建或恢复，以便改善图像的保真度。在实际处理中，由于图像信息量非常大，在存储及传送时，可能还需要对图像信息进行压缩。

上述这些工作必须用计算机进行，因而还要进行编码工作。编码的作用是用最少数量的编码位（亦称比特）表示单色和彩色图像，以便能更有效地传输和存储图像。

以上所叙述的都属于图像处理的范畴。概括起来，图像处理包括图像编码、图像增强、图像分割、图像复原、图像压缩等内容。对图像处理环节来说，输入的是图像，经过处理，输出的也是图像。图像处理的目的主要是在于解决两个问题:一是判断图像中有无所需要的信息；二是确定这些信息是什么。

2.1.3图像识别

图像识别是对处理后的图像进行分类，确定类别名称。它可在分割的基础上选择需要提取的特征，并对某些参数进行测量，再提取这些特征，最后根据测量结果做分类。为了更好地识别图像，还要对整个图像作结构上的分析和描述，以便对图像的主要信息得到解释和理解，并通过许多对象相互间的结构关系加深对图像的理解，以便更好地帮助识别。所以图像识别是在上述分割后的每个部分中，找出它的形状和纹理特征（即特征抽取，有时候也包括图像分割），以便对图像进行分类，并对整个图像做结构上的分析。对图像识别环节来说，输入的是图像（一般是经过上述处理后的图像），输出的是类别和图像的结构分析，而结构分析的结果则是对图像的描述，也是对图像重要信息的理解和解释。

这里要注意的是，图像分割不一定完全在图像处理是进行，对有些问题，要一面进行分割，一面进行识别。所以说，图像处理和图像识别是相互交叉的。

2.1.4图像理解

图像理解是一个总成。上述图像处理的最终目的就在于对图像作描述和解释，以便最终理解它是什么图像。图像理解是在图像处理和图像识别的基础上，再根据分类作结构语法分析，去描述图像和解释图像。因而图像理解包括图像处理、图像识别和图像结构分析等内容。

2.2图像的获取、显示与表示

图像获取是图像的数字化过程，显示则是将数字图像转化为适合人们使用的格式。

- 7 -

数字图像处理技术基础知识

2.2.1图像的获取

图像获取就是图像的数字化过程，也是将图像采集到计算机中的过程，它主要涉及成像及模数转换（A/D Converter）技术。随着计算机与微电子特别是固体城乡设备即电耦合设备CCD（Charge Coupled Devices）的快速发展，使得图像获取设备的成本显著降低，因而越来越普及，不久的将来也可能将成为高档微机的内置设备。

以CCD技术为核心，目前图像获取设备有黑白摄像机、彩色摄像机、扫描仪、数码相机等，性能与价格主要取决于CCD的规格尺寸等。除了这些常见的设备外，目前有许多厂商提供各种其他的专用设备，如显微摄像设备、红外摄像机、告诉摄像机、胶片扫描仪等。此外，遥感卫星、激光雷达等设备也能提供其他类型的数字图像。

目前，图像的数字化设备可分为两类，一类是基于图像采集卡或是图像卡将模拟制式的视频信号（RS170/CCIR黑白电视信号、PAL/NTSC彩色电视信号、S-Video视频信号等）采集到计算机，另一类是摄像机本身带有数字化部件可以直接将数字图像通过计算机端口（如并口、USB接口）或标准设备（如磁盘驱动器）传送给计算机。

图像卡仍是目前专业中常用的图像数字化设备，目前低端的图像采集卡一般不具有图像帧存体，二是直接将图像采集到计算机的内存中以供处理，高端的图像卡是集采集和处理于一身的非标准配件，具有帧存体和数字信号处理器DSP及邻域处理器NOA，用于开发高速或实时处理应用。此外，还有一类普及型的多媒体视频采集卡。最后，还应提到的是一类多媒体应用中使用的压缩卡。

近年来，数码相机及数码摄像机技术迅猛发展，由于不需要其他数字化设备的支持，且具有更高的分辨率及编辑、使用方便等特点，有望逐步取代目前模拟摄像机的地位。

下面列出图像中的若干专业术语：

1、CCD：电荷耦合器件，可看成间隔很小的MOS电容器、单片阵列构成的移位寄存器，它通过充电积累电荷。

2、A/D、采样、量化。

3、Video信号、同步、信噪比SNR。

4、电视制式、帧、场、隔行（Interlace）扫描、宽高比（Aspect Ratio）。 5、扫描仪：分辨率dip (dot per inch)。 2.2.2图像显示

图像显示是将数字图像转化为适合人们使用的形式，便于人们观察和理解。早期的图像处理设备一般都有专门的图像监视器供显示专用，目前一般直接用计

- 8 -

数字图像处理技术基础知识

算机的图像终端显示图像，图像窗口只是图形用户界面的一个普通的窗口。为方便处理，通常图像都表现为矩形区域的位图形式。

2.2.3图像表示 1、分辨率

分辨率用来描述数字图像所表示的空间细节的程度（高或低），如与设备无关的分辨率表示，像素的个数M×N，以及与设备有关的表示，如dpi。

2、亮度和对比度

亮度是人眼感知物体的主观度量，它通常用照度度量，而对比度与物体相对于背景的亮度差别有关，一般用物体亮度与背景的亮度的比值来衡量。

3、彩色图像

通常真彩色用3字节的R、G、B来表示，及8:8:8，共24位。

- 9 -

面粉麸星和白度图像检测的硬件设计及实现

第三章 面粉麸星和白度图像检测的硬件设计及实现

本论文所设计的系统的硬件是由光源、测试台、CCD摄像机、图像采集卡以及PC机组成（见下图3-1）。

本论文所采用的方法选用低功率的钨卤素灯作为光源。整个光学通路的工作原理是,入射光投射到聚光镜上,经聚光后形成平行光束,再经滤光镜照射到被测试面粉样品上,入射光线的轴线与被测面粉样品表面的法线成45°夹角,夹角是为了避免光泽度影响面粉白度测量结果。试样表面的漫反射光线由CCD摄像机拍照,摄像机将采集的照片通过同轴电缆传送到图像采集卡,该图像采集卡安装在PC机插槽上。（图）

图3-1 系统硬件组成

1-滤光镜，2-聚光镜，3-光源，4-SV1300-CCD摄像机， 5-ZOOM-650型立体显微镜，6-图像采集卡 ，7-PC机，8-面粉样品

- 10 -

面粉麸星和白度图像检测的硬件设计及实现

图3-2 白度检测系统方框图

3.1 CCD检测原理与构成

CCD（Charge Coupled Device）即电荷耦合器件，是一种能够把光学影像转化为数字信号的半导体装置。它的基本结构单元是mos（金属－氧化物－半导体）结构，若干个mos结构排列在一起构成一个CCD单元。每个mos结构可以独立感受照射在其上的光强并按光的强弱将其成比例的转换为电荷储存在mos结构中，故mos结构的基本功能是完成光电荷的转换与储存。CCD摄像机的核心是CCD器件，它是由具有光电转换功能的半导体器件组成的一个线阵或面阵单元，每个半导体器件能够存储随景物变化而感受到的信号的电荷量，并能够在控制信号的作用下，将存储的信号按一定顺序输出，形成数字图像信号。

CCD是一种新型的固体成像器件，借助于必要的光学系统和处理电路可将图像的光照度或颜色色彩转换为电信号并进行传输、储存和此后的处理。被检测对象在一定光源照射情况下，反射光线通过光学系统进入CCD面，CCD感光传感器将入射光的强度转化成一定比例的电荷量。在时钟电路、逻辑电路和驱动电路的作用下将这些电量以标准模拟视频信号的方式传输出来，最后将视频信号放大并经由A/D转换器转换成数字信号送入计算机系统进行处理。CCD 系统方框如下图所示。

图3-3 CCD系统方框图

3.1万能数字摄像系统 SV-1300

- 11 -

基于数字图像处理技术的面粉麸星和白度的检测

色；（2）三基色必须是相互独立的，即其中任何一种基色都不能由其它两种基色混合得到；（3）混合色的色调和饱和度是由三基色的混合比例所决定；（4）混合色的亮度是指三基色亮度之和。三基色的选择在原则上是任意的，只要能够满足相互独立的条件即可。由于红、绿、蓝做为三基色相加所能配出的色域较广，品种也较多，所以人们愿意选用红（R）、绿(G)、蓝(B)作为所要相加的三基色。三原色的光谱波长如下：

435.8Nm 波长约400～500 纳米的范围属蓝光范围； 546.1Nm 波长约500～600 纳米的范围属绿光范围； 700Nm 波长约600～700 纳米的范围属红光范围。

自然界中各种物体所表现出的不同色彩，都是可以由蓝色、绿色和红色光线按适当比例混合起来即作用不同的吸收或反射而呈现在人们眼中的。设(C)是混合而成的某种颜色,则用颜色方程可表示为:

式中(R)、(G)、(B)代表(C)的三原色是红、绿、蓝；而R、G、B代表红、绿、兰三原色的具体数值。色度学中一般都不直接用三刺激值表示某种颜色,改用三原色各自在(R+G+B)总量中的相对比例表征颜色,即色坐标.引入色度坐标r、g、b。有：

(4.1)

那么可以写作,由于, 因此只要用二

个色坐标就可表征某种颜色的特征。同种颜色在不同的三原色系统中会有不同的色坐标,在色度图上就会有不同的位置。在CIE-RGB系统中，很多情况下光谱三刺激值是负值，应用时光谱三刺激值正负交替十分不便，不宜理解，因此1931年国际照明委员会(CIE)推荐了一个新的国际色度学系统——1931CIE-XYZ系统。所谓1931CIE-XYZ系统，简称为CIE标准色度系统，这是近代色度学的基础，也是一种混色系统。就是在RGB系统的基础上，用数学方法，选用三个理想的原色来代替实际的三原色，从而将CIE-RGB系统中的光谱三刺激值R、G、B 和色度坐标r、g、b均变为正值。CIE-RGB系统与CIE-XYZ系统的转换关系如表3-2：

X Y r 1.275 -1.739 - 17 -

g -0.278 2.767 b 0.003 -0.028 基于数字图像处理技术的面粉麸星和白度的检测

Z -0.743 0.141 1.602 表3-2 CIE-RGB系统与CIE-XYZ系统的转换关系

在XYZ系统中所得到的光谱三刺激值、 、和色度坐标

x、y、z将完全变成正值。经数学变换，两组颜色空间的三刺激值有以下关系：

(4.2)

根据色度学原理，所有颜色均可由红、绿、蓝三种颜色匹配而成，这三种颜色称为三基色。为了定量地表示颜色，常用的方法是采用“三刺激值”，即红、绿、蓝三基色的量，分别用X、Y、Z表示。在理论上，为了定量地表示颜色，采用平面直角色度坐标在理论上为了定量地表示彩色，我们通常采用平面直角色度坐标来加以表示：

(4.3)

其中X,Y,Z为三刺激值，x、y、z分别是红、绿、蓝三种颜色的比例系数，

。用()代表一种颜色，（R）、（G）、（B）表示红、绿、蓝三基色，

则

. 如一蓝绿色可以表示为：

所有的光谱色在色坐标上为一马蹄形曲线，该图称为CIE 1931色度图(如图4.1.1所示)，在图中红（R）、绿（G）、蓝（B）三基色坐标点为顶点（如图4.1.2所示），围成的三角形内的所有颜色均可以由三基色按一定的量匹配生成。由图可见，色度图中的弧形曲线上的各点是光谱上的各种颜色即光谱轨迹，是光谱各种颜色的色度坐标。红色波段在图的右下部，绿色波段在左上角，蓝紫色波段在图的左下部。图下方的直线部分，即连接400nm和700nm的直线，是光谱上所没有的、由紫到红的系列。曲线上加注了纳米标记，以便能根据它们的波长而辨别其单色。在马蹄形内部包含了用物理方法能实现的所有彩色。马蹄形的底部没有给予标记，因为那里是非谱色(各种紫红色，这些彩色不能作为单色出现在光谱上)，对于这些非谱色，波长当然是没有意义的.

- 18 -

基于数字图像处理技术的面粉麸星和白度的检测

图4-1 CIE 1931色度图

图4-2 XYZ色度图

CIE 1931标准色度学系统色度图（图4.1.1）,应分别以三色坐标x和y为横坐标和纵坐标，图中有波长分度的曲线，是把各种单色光色品点连接起来形成的光谱轨迹，把光谱轨迹两端连接的直线是紫轨迹。所谓1931CIE-XYZ系统，就是在RGB系统的基础上，用数学方法，选用三个理想的原色来代替实际的三原色，从而将CIE-RGB系统中的光谱三刺激值和色度坐标r、g、b均变为正值.任一一

- 19 -

基于数字图像处理技术的面粉麸星和白度的检测

种颜色M(M)(x,y)的色调是由其照明光源坐标点，如A点，到M点的连线的延长线与光谱轨迹相交的交点N的光谱色的色调所决定的，此光谱色则称为主波长（也称为补色波长），如图4.1.1所示：

由此得到颜色M(M)的饱和度为：

P =

则颜色M(M)的色纯度为：

(4.4)

M=

4.1.2 色度坐标的计算

(4.5)

为测量某光源（发光体）的色坐标，必须先测量其光谱组成的功率分布s(λ)，然后再查表找出各光谱的三刺激值，则光源的三刺激值为,

(4.6)

其中，k为调整因数，它的数值被定义为将发光体的Y值凋整为100时通过式(4.4)得到k的值，

(4.7)

则色坐标由式(4.1)计算可得。

为测量某透射或反射样品的色坐标，必须先测量其样品的透射或反射曲线T()，然后再查表找出各光谱的三刺激值

，则有：

及参考光的功率分布

(4.8)

色坐标由式（4.1.1）计算可得。颜色的色度除用色度坐标表示外，还可以用主波长和色纯度来表示。

国家标准GB／T 3977—1997规定了在进行颜色目视匹配或物理测量时颜色的表示方法，在1°～4°视场时，采用XYZ色度学系统（CIE 1931标准色度学系统）表示。白度，顾名思义是物体表面含白色的程度，其定义为光谱反射比为

- 20 -

基于数字图像处理技术的面粉麸星和白度的检测

100%的理想表面的白度为100度，光谱反射比为零的绝对黑表面的白度为零度。面粉白度反映的就是面粉的亮度特征,所以通过检测面粉亮度,就可以获得面粉白度。

白度的基准值是以457nm的蓝光照射到氧化镁板的反射率为基准,以该种光照到面粉上的反射率与氧化镁板的反射率的百分比来表示面粉白度。过往研究表明,面阵CCD对于457nm的蓝光具有比较好的响应灵敏度（如下图4-3所示）。采用CCD摄像机拍摄面粉在蓝光照射下的漫反射图像,通过对数字图像的运算,计算出纸张面粉图像的亮度,进而转化为面粉白度。

图4-3 CCD的感光特性曲线

由CCD获取的彩色图像经过A/D转换后,在计算机内是以像素为单位逐点存储的,每一点存储的信息量都包含了该点的R、G、B 3种与接收到的辐射能成正比的分量值。R、G、B分别表示图像的红色、绿色、蓝色分量;图像的亮度运算通过图像彩色变换获得,如下式所示。

（4.9）

式中:Y是图像的亮度信息, U、V是图像的色差信息。将运算亮度值和白度基准的亮度值进行比较后,就可以得到该面粉样本的白度。处理流程如下图所示。

图4-4 处理流程

图像处理 得出结论 滤波 比较基准 拍照 计算亮度 - 21 -

基于数字图像处理技术的面粉麸星和白度的检测

4.1.3面粉样品图像的获取及处理

为保证实验结论的准确性，我们拍摄两张照片，CCD摄像机将信号传送至PC机图像处理工作将有程序完成。

经过摄像机和图像采集卡获得的图像要进行图像滤波。扰,产生噪声的原因很多,如光电元件产生的随机噪声,数字化产生的量化噪声等。噪声表现在图像中产生杂色点、条纹或明暗不均匀等现象。噪声的存在会造成图像的运算变得复杂,会给计算结果带来严重偏差。本文通过下面式（4-10），（4-11），（4-12）分别在R、G、B彩色分量中对图像进行均值滤波

（4-10）

其中S表示点（x, y）的邻域。由于目前图像采集卡采集的图像比较大,全部进行运算使得计算量过大,也没有意义。所以选取处于图像中心的块区域，因为图像中心区域的光照条件和镜头的成像条件都比较好。进而将这块区域继续划分成等大的9块,求每块区域的图像方差,选择平均方差最小的1块区域作为图像样本进行处理和计算。图像方差小代表图像均匀度好、滤波效果好。 由式（4.9）可知图像中的亮度信息Y有：按照标准我们将氧化镁板亮度值记作

。此

。

将用作为100%白度线性基准,由于

零亮度对应零白度,得到亮度白度线性转换关系,见下式,其中BD表示面粉白度样本的白度值,Y表示面粉白度样本的亮度测量值。

（4-11）

4.2面粉麸星的识别 4.2.1数字图像的灰度化

数字图像的灰度化是指按照一定的规律修改像素的灰度值，使图像的亮度或对比度发生改变，使之更便于分辨，或达到某种预定视觉效果的过程。

数字图像的灰度化是图像处理技术中最为基础，使用最为广泛的一种处理方法。之所以要对图像进行灰度变换，是因为由数码产品得到的彩色数字图像实际

- 22 -

基于数字图像处理技术的面粉麸星和白度的检测

上是一个像素的二维数组，其中每个像素的颜色由构成这种颜色的红(R)、绿(G)、蓝(B)三种基本色的分量来表示。典型情况下，颜色的每一个分量都用一个字节来表示，因此每种颜色共有256个级别，而真彩图片每个像素使用3个字节，RGB值(颜色)达到256×256×256=16777216种，如此庞大的颜色级别对于人眼来说很难区分，即使是计算机处理起来也比较麻烦。此外，由于彩色信息的区分度不高，如果直接对彩色图像的像素进行操作所得到的检测结果精度往往不高，而将图像进行灰度处理后，图像每一个像素的RGB值都是相同的，其范围从(0,0,0)， (1,1,1)一直到(255，255，255)，(0,0,0)为纯黑色，(255，255，255)纯白色，中间的是不同级别的灰色，这样图像就以亮度信息为主要信息，彩色信息为次要信息，十分便于比较区分，这可以在很大程度上提高检测精度，因此需将图像进行灰度处理，把彩色图像转换成为灰度图像。

图像的灰度变换通常都是采用单调函数来实现，其定义域和结果域都在灰度的取值范围之内。常用的方法有3种：最大值法、平均值法以及加权平均值法，其计算公式分别为：

其中，

(2-2) (2-3)

(2-4)

为转换后的像素值；R,G,B为转换前的像素值。由于人眼对

绿色的敏感最高，而对蓝色的敏感最低，因此，按式(2-4)进行处理后还需给操作人员展示出处理后的图像效果，因此本系统选用了式(2-2)的最大值法来进行灰度变换，这样不仅可以得到便于观察的最大亮度图像，而且避免了浮点乘法，加快了计算机的处理速度和精度。

4.2.2数字图像的二值化

数字图像的二值化是指将图像分成对象和背景两部分的一种操作，首先需要确定一个灰度值，然后将大于、等于此灰度值的像素判别为“对象”并用一个灰度值表示，而将小于此灰度值的像素判别为“背景”并用另一个灰度值表示；或者反之，将对象和背景的灰度值关系对调，如式（2-5）所示。二值化处理的结果就是将灰度图像变换成了二值图像，从这个意义上讲，二值化操作可以看成是一种特殊的灰度变换。

(2-4)

- 23 -

基于数字图像处理技术的面粉麸星和白度的检测

上文所述的起分界作用的灰度值在图像处理过程中被称为分割阈值，二值化操作的关键就是对阈值的确定。确定阈值的计算方法有很多，目前应用比较广泛的有大津法 ，即最大类间方差法、最小方差法、最大熵法以及矩量保持法等。通过对多种图像二值化处理方法的试验比较分析，并针对麸星检测的特点本系统采用了最大熵法来对面粉图像进行二值化处理。

最大熵法是一种动态全局阈值选取方法，其优点是可以针对不同图像的不同情况选取相应的阈值，这使得本系统的检测精度和推广性很高。该方法最早是由Pun提出的，其目的就是将图像的灰度直方图分成独立的类，使得各类的总熵最大。设S是潜在的分割阈值点，其分为两个概率分布如下：

是图像灰度级的概率分布，现将

其中，L是灰度级的数目。图像分割后的熵为：

其中：

则分割图像的最佳阈值为：

4.2.3数字图像的滤波

在众多的图像处理方法中，图像滤波一直是研究中的重点和难点。所谓图像滤波是指去除图像中噪声的运算过程，其主要是根据噪声高频、孤立、大偏差等特点而实现的。目前比较成熟的数字图象滤波方法有很多种，例如：邻域平均、中值滤波、高斯滤波等，这些方法虽然能够有效的抑制脉冲、椒盐噪声等于扰，

- 24 -

基于数字图像处理技术的面粉麸星和白度的检测

但这些算法都存在一个共同的不足，就是它们虽然能够平滑噪声，但却使图像中的细节变得模糊化，这样处理后的图像并不能达到令人满意的效果。

4.2.4麸星的识别

图象的识别与检测是一项极其复杂的工作，目前比较成熟的图像识别检测算法至少有成千上万种，具体到某一领域的应用，虽然可行的算法有很多种，但这些算法通常都无法达到最佳的效果，只能是提供一些借鉴作用。针对面粉麸星的识别，基本可行的算法许多，包括投影法，差影法、模板匹配法、K均值聚类法等，下面分别介绍一下各算法的原理及优缺点。

一. 投影法

投影法就是把图像在水平方向或垂直方向上进行投影，在投影图上可以反映出图像中目标对象的尺寸、位置等信息。将RGB图像转换成HIS图像就是一种投影直方图的典型应用，把一幅图像各像素点的某一个特征分别投影在水平轴和垂直轴上，就可得到这一特征信息在X和Y方向上的分布情况。投影法的缺点是空间感比较差，不能够精确的表示形状的空间分布信息，因此投影法主要用于车牌中字母、数字、汉字的对照识别，这是因为车牌包含的信息量有限，比较便于对比处理。此外，投影法还可用于图像的对比检索使用。

二. 差影法

差影法的实质是对两幅图像进行点对点的减法而得到输出图像的运算，又被称为减影技术。利用差影法得到的差值图像提供了图像间的差异信息，对图像背景的消除有显著的作用。图像相减可以去除一幅图像中不需要的加性背景，加性背景可能为缓慢变化的背景阴影、加性噪声、或者是图像上每一像素处均已知的附加污染等。差影法同样可以用于检测同一场景的两幅图像之间的变化。差影法尤其适合工业领域中在线检测工件缺陷，只需将标准工件与待检测工件相比较，得出二者之间的差异，再与设定的阐值相比较，就可以判定工件是否合格。但对于本文要测定面粉图像中麸星的面积，并不合适。

三. 模板匹配法

模板匹配法是模式识别中最原始、最基本的一种识别方法。其原理是事先给定一幅图像，然后与另一幅(或几幅)已知类别的图像进行对比，以此得到不同图像之间的相似度，再根据设定的相似度阈值来判定两幅图像是否匹配。图像之间的匹配可以是整幅的图像间的匹配，也可以是一个较小的图像与一幅较大的图像中的～部分进行匹配。匹配的目的一般有两种：一是确定两幅图像之间的相似程度；二是确定小图像在大图像中是否存在以及所处的位置。目前比较常用的图像匹配方法共有两大类：基于灰度的图像匹配法和基于特征的图像匹配法。

(1)基于灰度的图像匹配法

- 25 -

基于数字图像处理技术的面粉麸星和白度的检测

这种方法首先从参考图像中提取目标作为匹配的模板，然后用该模板在待匹配的图像中进行搜索，通过相似性判断寻找最佳的匹配点，该方法直接利用每一个像素点的灰度值进行判别，无需进行特征提取，是应用较为广泛的一种方法。

(2)基于特征的图像匹配法

基于特征的图像匹配方法包含特征提取与特征匹配两个主要部分，首先从两幅图像中提取变化明显的点特征、线特征以及面特征组成特征点集，然后在两幅图像对应的特征点集中利用特征匹配算法将存在对应关系的特征点对选择出来，从而实现两幅图像之间的匹配对应关系。

四.K均值聚类法

K均值聚类法属于动态聚类法的一种。首先选择一些合适的初始聚类中心，让样本依据某种准则划分到各类中，得到初始的分类，然后再用某种准则进行修改，直到分类比较合理时为止。K均值聚类法使用的是误差平方和准则，通过反复迭代优化聚类结果，使所有样本到各自所属类别中心的距离平方和达到最小。从K均值聚类法的聚类准则可以看出这是一种无监督的学习算法，该算法在面粉图像颜色范围较大时能够准确识别出麸星，但是在麸星和面粉对比度比较低时识别率较差。此外，利用K均值聚类法进行图像分割时，每次迭代优化都需要重新计算聚类中心和类间距，因此耗费大量的计算时间，不利于计算机编程实现。

- 26 -

实验结果处理

第五章 实验结果处理

5.1面粉白度的计算

5.1.1 面粉白度测定实验的数据记录

图5-1 面粉样品的RGB图像1

R 186 191 192 G 186 191 192 B 184 189 180 表5-1 图像1的RGB值

图5.2 面粉样品的RGB图像2

- 27 -

实验结果处理

R 137 132 87 G 141 136 89 表5-2 图像2的RGB值

B 142 135 84 5.1.2面粉白度测定实验的数据处理 由式（4-2）、表5-1、表5-2得到下表

X 185.6 图像1 190.6 189.6 139.24 图像2 133.84 87.02 Y 185.978 190.978 191.868 140.303 135.281 88.591 Z 184.02 189.02 180.12 141.99 135.01 84.05 表5-3 图像1、2的CIE-XYZ系统的三刺激值

综上，在联合式（4-3）可算得CIE-XYZ系统中的色度坐标。如下表5-4所示：

x 0.334054 图像1 0.334036 0.337614 0.330318 图像2 0.331180 0.335129 y 0.334735 0.334698 0.341653 0.332840 0.334745 0.341179 Z 0.331211 0.331266 0.320733 0.336842 0.334075 0.323691 表5-4 图像1、2 在CIE-XYZ系统中的色度坐标

白度的基准值是以457nm的蓝光照射到氧化镁板的反射率为基准,以该种光照到面粉上的反射率与氧化镁板的反射率的百分比来表示面粉白度。表5-5所示为白度基准值的各项参数:

- 28 -

实验结果处理

R 255 X 255 x 0.33333

G 255 Y 255 y 0.33333

表5-5 白度基准值的各项参数

B 255 Z 255 z 0.33333

由式（4-9）可知样品亮度,联合表5-1以及

表5-2可得样本图像1和样本图像2的亮度值分别如下表5-6所示（数据与表5-1&表5-2相对应）：

面粉样品图像1 亮度Y 185.772 190.772 190.632 139.918 面粉样品图像2 134.69 87.832 表5-6 面粉样品图像1、2的亮度值

根据前文所述，按照标准我们将氧化镁板亮度值记作

。此

，按照标准可知

将用作为100%白度线性基准,由于零亮度对应零白度,得到亮度

得到，结果如下表

白度线性转换关系,则面粉样品白度可有公式5-7所示：

面粉样品图像1 面粉样品图像2 BD 0.728518 0.748125 0.747576 0.548698 0.528196 - 29 -

实验结果处理

0.344439 表5-7 面粉样品的白度

5.2 面粉麸星的归一化算法

第四章的4.2所介绍将麸星从面粉图像中识别出来只是完成了工作的第一步，因为此时识别出来的只是被判别为属于麸星的一系列像素点，而在面粉图像中，一个麸星的面积往往包含几个甚至几十个像素点。所以，接下来的问题就是如何对这些像素点进行分类，找出归属于同一个麸星的像素点然后才能统计出麸星的数量。本文在对这些属于麸星的像素点进行归一化处理时，将介绍最适合的一种编程算法，即“圆心赋零”法。首先，根据4.2.4节所述的方法找出符合麸星点判别条件的所有像素点的坐标并存储到专用的数组中(横坐标和纵坐标分别存在两个数组)；然后，以数组(横坐标和纵坐标同时使用)的第一个点为起始点(即“圆心”)，逐个判断数组后面的坐标是否有起始点周围邻域的点，如果有，则停止检测并将“圆心，，赋零，接着再以第二个点为起始点继续检测，如此这般一直到全部检测完毕。

但这其中还存在一个问题——如何判定哪些点是“圆心“周围的点，由于数组中存放的是像素点的坐标值，因此采用邻域判别法进行判断即可。例如：起始点为(3，3)，那么我们只需看数组中剩下的坐标值中是否有(2，2)，(2，3)，(2，4)，(3，2)，(3，4)，(4，2)，(4，3)，(4，4)即可(根据大量检测试验，判断“原点\周围24邻域的点已够用，如果想提高精度可扩大范围)，如果有，即存在周围的点，反之则不存在，如图5-3方像素点的坐标值，其余全部为零，那么最后只需重新扫描数组统计其中不为零的点的个数即为麸星的个数。

- 30 -

实验结果处理

图5-3 邻域判别模板

除此之外，还有一点需要注意，拍摄的图像中，会因为一些外界因素，出现非麸星的“干扰点”，这些“干扰点\会使得检测出的麸星个数存在误差。通过大量的实验数据分析可知，一般一个麸星点只包括几个到几十个像素点，而“干扰点”往往包括很多像素点，因此可利用麸星面积远小于“干扰点\的面积来判断出这些“干扰点\并将它们去除，最终得到准确的麸星个数。在计算麸星面积时本文采用的是“圆心统计\法，即以一个点为圆心，统计出有多少个其周围邻域内的点。首先，在统计麸星个数的同时将横坐标数组和纵坐标数组中不为零的数统一存放在两个新的数组中；然后，以新的数组中的第一个点为“圆心\点，逐个判断原来的数组(存放所有麸星像素点的数组)中的点是否为“圆心\周围邻域的点，如果是则累加；接着再以新的数组中的第二个点为“圆心\继续检测，直到所有的麸星面积都统计完毕。在这个过程中仍需使用上述的那个判别子程序，不过判断范围要扩大到“圆心”周围的25邻域(根据具体情况范围可自定)。计算麸星个数和面积的同时，如果有需要还可计算出麸星面积的百分比、麸星位置等数据。

根据3.1.3节可知本文实验所选用的CCD摄像头的像素尺寸为摄得到的面粉麸星检测样品的RGB图像的参数信息如下表：

尺寸

宽 2046像素

高 1536像素

水平分辨率 96dpi

垂直分辨率 96dpi

。拍

表5-8 面粉麸星检测样品图像参数

- 31 -

实验结果处理

图5-4 面粉麸星检测样品的RGB图像

本文选取图5-4中的麸星之一用来测量麸星面积，截图如下：

图5-5 面粉麸星RGB图

- 32 -

实验结果处理

图5-6 面粉麸星的灰度图

对上图进行数字图像的滤波和二值化，对麸星面积进行测定，可以根据不同的情况来选择一定的算法来完成，常用的方法是标号法，所谓标号法，就是指图像中不同的物体即目标物都有唯一识别的号码。在同一物体中，所有的象素点的标号都是一致的，而在不同的物体之间是完全一不同的。当然这个前提是每个物体对象都是独立的，并且都是不连通的。对不同图像进行标号操作有不同的算法，一般用的是扫描标号法，扫描标号法的具体计算步骤是:

1.进行从左到右，从上到下的扫描，在同一行中不连通的行程，即灰度级相 同的点，标上不同的号，也就是说在每一行中不连通的列都标上不同的号。 2.从左上到右下扫描，如果两个相邻的行中有相连通的行程则下行的号改为上行的号，就是把所能连通的行程改变为一个标号。

3.从右下到左上扫描，如果两个相邻的行中有相连通的行程则上行的号改为下行的号，就是把所能连通的行程改变为一个标号。

4.通过改变以后，图像中每一个独立的物体对象都有了一个属于自己的标号，但这个标号不是连续的，还要对标过的号进行重新排列。

5.通过对图像进行标号后，就可以对不同的物体对象进行测量，主要是对相同标号的物体对象进行累加，得到每个物体的象素点的总和，总和再乘以转换系数，就可以得到图像中物体的面积。这种方法可以用来区分互不连通的物体对象。

实际测得麸星的像素点个数为3086，则图像中麸星的面积为：

- 33 -

实验结果处理

5.3 误差分析

对于面粉麸星和白度的图像检测来说，引起的误差因素很多，主要有以下几个方面:

1.CCD摄像机的分辨率； 2.光照的影响；

3.二值化处理：在进行二值化处理时，闽值的选取不同就会有不同的结果，如果选取过大就会把目标物误判为背景，选取过小就会把背景误判为目标物，选取合适的闭值能很大程度上减少误判性。

- 34 -

参考文献

参考文献

[1］乔常明、孙来军、刘明亮，基于纹理分析的改进型Nagao滤波器阴，微型机与

应用，2010，29(301)：21~23．

[2] 许宇驰、马天武， 计算机智能在线检测面粉白度仪［J］， 粮食与饲料工业，2004（9）：

8．

[3] 孙来军、刘明亮、乔常明等，基于BP神经网络的数字式光照度计设计阴，微型机与应

用，2009，28(294)：22-25．

[4 ] Richard E Woods， Digital Image Process2ingUsingMATLAB [M ]，北京:电子工业出版社,

2005CPP

[5] 李则选， 用数码摄像和图像处理技术分析米、面的颜色［J］ ， 粮食加工， 2007（1）：

84～85．

[6] 王心环、 李茜、 王慧， 在线智能白度测定仪［J］， 纸和造纸，2004（3）： 41～42． [7] 戴常军、孙来军、乔常明等，面粉麸星计算机检测系统叨，Eg-T技术应用，2009，35(11)：

111—113．

[8] Jingyan Xue、Laijun Sun、Changming Qiao，Research on H Speed Fuzzy

Reasoning with CPLD for Fault Diagnosis Expert System[C]，ICEMI 2009 International Conference，2009，7：564~568

[9] 张清文， 关于白度、ISO亮度与D65亮度[ J ]，中国造纸，2005, 24 (6) : 56 [10] 张清文，三种纸张白度仪的比较[ J ].纸和造纸, 1999 (4) : 53

[11] Jingyan Xue、Laijun Sun、Changming Qiao，Implement Fault Diagnosis High Speed

Reasoning Expert System with CPLD[C]，ICEMI 2009 International Conference，2009，7，540~544

[12] 王庆有，CCD应用技术[M ]，天津:天津大学出版社, 2002

[13] Jingyan Xue、Laijun Sun、Mingliang Liu、Changming Qiao，Time—variation and

Frequency-variation Analysis of Wavelet Packet-Characteristic Entropy for Vibration Signals[C]，ICMA 2009 International Conference，2009，8，4737~4741 [14] 陈永常， 纸张、油墨的性能与印刷适性[M ]，北京:化学工业出版社, 2004

[15] Jingyan Xue、Laijun Sun、Mingliang Liu、Changming Qiao，Implement FaultDiagnosis High

Speed Reasoning Expert System FPGA[C]，ICMA 2009 International Conference，2009，8，752~756

- 35 -

参考文献

[16] Jingyan Xue、Laijan Sun, Mingliang L、 Changming Qiao，Research On Hi Speed Fuzzy

Reasoning with FPGA for Fault Diagnosis Expert System[C]．ICMA 2009 International Conference，2009（8）：3005~3009．

[17] 陈恪，机器视觉技术在测量中的应用［J］， 中国计量， 2008，（9）： 62～63． [18] Jingyan Xue、Laijun Sun、Mingliang Liu 、Changming Qiao，A New Method of Fault

Diagnosis for High Voltage Circuit Breakers Based On Vibration signals[C]，ICMA [19] GB /T8940. 1—1988 国家标准， 纸和纸板白度测定法45 /0定向反射法[ S] [20] 陈仲林.，用数码相机测量亮度分布[ J ]，照明工程学报, 2005, 16 (3) : 12

[21] Kenneth R Castleman.，Digital Image Pro2cessing[M ]， London: Percep tive Scientif2ic Instruments, Inc. , 2003

- 36 -

致谢

致谢

时光如瓦楞上的猫，飞逝而过。本科毕业论文的完成，标志着我在吉林大学四年的校园生活即将结束。过往的生活、校园的一草一木、教师的一桌一椅都历历在目，不禁心绪万千。在此，我要向所有关心、帮助和教育过我的老师、同学和朋友们表示我最衷心的感谢。

是从冯毅老师做毕业设计是我一生的荣幸。论文从选题、撰写到最后定稿都倾注了冯老师大量的心血，给予了我很多无微不至的指导和帮助，我对老师的感激之情与于言表。冯老师正直豁达的人品、认真负责的态度和平易近人的工作作风，给我留下了深刻的印象，在今后的学习和工作中都将使我受益终生。

同时，我还要真诚的感谢朱晓燕、王成燕、杨梦涵、李伟、郑蕊、孙吉以及其他所有关心帮助我的同学，我们之间的真挚友谊将是我一生的财富。

最后，感谢母校吉林大学对我的教育和培养！

- 37 -

本文来源：https://www.bwwdw.com/article/sttg.html