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 -