[发明专利]基于多图像块阈值分割算法的水果表面缺陷检测方法

权利要求书

1.基于多图像块阈值分割算法的水果表面缺陷检测方法，其特征在于：其包括以下步骤：

步骤(1).获取水果RGB彩色图像；

步骤(2).提取R-B差值分量图像构建掩模去除背景，形成目标图像I_orange；

步骤(3).将目标图像I_orange分成n×n个长宽等同大小的小图像块，建立与目标图像等同大小的模板并对其初始化，采用Otsu算法计算每个图像块的阈值T；

步骤(4).计算各图像块的类间平均灰度差Δd以排除纯背景或纯物体的干扰并以此为判断条件结合Otsu算法对各图像块进行二值化处理；

步骤(5).将各图像块的二值化图像复制进步骤(3)建立的模板中形成完整的水果二值化图像B(x,y)；

步骤(6).对步骤(5)得到的水果二值化图像B(x,y)面积滤波去除杂散点及噪声，获得水果表面缺陷图像D(x,y)。

2.根据权利要求1所述的基于多图像块阈值分割算法的水果表面缺陷检测方法，其特征在于：所述步骤(3)的具体步骤为：

步骤(3.1)将目标图像I_orange分成n×n个长宽等同大小的图像块；

步骤(3.2)建立与目标图像I_orange等同大小的模板并对其初始化；

步骤(3.3)采用Otsu算法计算每个图像块的分割阈值T。

3.根据权利要求1所述的基于多图像块阈值分割算法的水果表面缺陷检测方法，其特征在于：所述步骤(4)的具体步骤为：

步骤(4.1)平均灰度差Δd的计算方法为：

Δd＝|m₁(k)-m₂(k)| (3)；

式中：C₁表示灰度级为[1,2,...,k]的像素点，C₂表示灰度级为[k+1,k+2,...,L]的像素点；P(i)表示其灰度级的频率分布；m(k)表示其灰度级从1到k的平均灰度值；Δd表示类间平均灰度差。

步骤(4.2)根据公式(1)～(3)计算出来的类间平均灰度差Δd结合各图像块的阈值T，实现对各图像块的二值化操作。

4.根据权利要求1或3所述的基于多图像块阈值分割算法的水果表面缺陷检测方法，其特征在于：所述步骤(4)中，当图像块的类间灰度差Δd小于设定值d₀时，此时判定该图像块内的像素为同一类，不对该图像块二值化操作；否则，对图像块进行二值化操作。

5.根据权利要求1、2、3任意一项所述的基于多图像块阈值分割算法的水果表面缺陷检测方法，其特征在于：所述步骤(5)将步骤(4)中获得的各图像块的二值化图像复制进步骤(3)建立的与目标图像I_orange等同大小的模板中，形成完整的水果二值化图像B(x,y)。

6.根据权利要求1、2、3、5任意一项所述的一种基于多图像块阈值分割算法的水果表面缺陷检测方法，其特征在于：所述步骤(6)对步骤(5)获得的水果二值化图像B(x,y)面积滤波，设置窗口大小为3×3，去除B(x,y)可能存在的杂散点及噪声，得到水果表面缺陷图像D(x,y)。