一种面向果蔬采后处理装备的表面缺陷提取方法与流程

1.本发明属于果蔬采后处理技术领域，具体涉及通过对于背景、成熟、未成熟和表面缺陷四个色卡编号集合的综合相邻色卡编号平均要素差异互信息量和最大概率色卡编号平均要素差异互信息量加权的色卡编号三阈值最大类间方差最大化从而得到划分四个色卡编号集合的三个优化阈值，从而分割出果蔬采后处理装备给出的果蔬彩色图像中背景、成熟、未成熟和表面缺陷相关区域以完成表面缺陷提取工作。


背景技术：

2.在果蔬采后分选过程中对果蔬图像进行处理时，通常只对其中的某些部分感兴趣，可把这些兴趣点聚焦的区域定义为目标区域(也叫前景区域)。在多数情况下，目标区域具有某些共同特性，而其余的部分则为背景区域。只有将目标从背景中分离并提取出特性，才能对其加以识别和分析，进而对目标进行更深层次的应用。在模式识别和机器视觉系统中，图像分割的重要性毋容置疑，是进一步理解图像的基础。图像处理中许多至关重要的后续任务，如特征提取、图像分析、模式识别、图像理解等都是基于图像分割技术的操作。国内外众多学者先后提出了形形色色的分割算法，其中基于阈值的分割法由于具有阈值计算难度小、鲁棒性强等优点，故备受研究人员的关注和喜爱。来自日本的研究者大津展之基于类间方差最大的原理提出了一种新的阈值分割法(简称otsu法)，被认定为是图像阈值分割技术中的经典算法。otsu法具有计算量较小且不因图像亮度或对比度的变化而剧烈变化的特性。
3.lab颜色模型由三个要素组成，一个要素是亮度(l)，a和b是两个颜色通道，其中a包括的颜色是从深绿色(低亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值)，b是从亮蓝色(底亮度值)到灰色(中亮度值)再到黄色(高亮度值)。
4.潘通(pantone)色卡为国际通用的标准色卡，涵盖印刷、纺织、塑胶、绘图、数码科技等领域的色彩沟通系统，已经成为当今交流色彩信息的国际统一标准语言。pantone的每个颜色都是有其唯一的编号的，比如pantone印刷色卡中颜色的编号就是以3位数字或4位数字加字母c或u构成的，例pantone 100c或100u,或pantone 1205c或1205u.字母c的意思是表示这个颜色在铜版纸上的表现，字母u表示是这个颜色在胶版纸上的表现。
5.考虑到果蔬采后处理装备中图像处理的复杂性和实时性，对于实际应用中的图像信息包含了成熟色泽、未熟色泽和表面缺陷等海量数据，因此从阈值集合中选定一组科学且合理的阈值，其时间消耗相当大。可见，可面向果蔬采后处理装备的具体应用层面进行设计，将有利于丰富拓展表面缺陷提取方法的内涵。


技术实现要素：

6.本发明的目的在于将果蔬采后处理装备给出需进行表面缺陷提取的果蔬彩色图像中的像素点对应的要素组合对应划分归类为背景、成熟、未成熟、表面缺陷4个色卡编号集合后，确定对于四个色卡编号集合的综合相邻色卡编号平均要素差异互信息量和最大概
率色卡编号平均要素差异互信息量加权的色卡编号三阈值最大类间方差，而后将该像素点的要素组合对应的色卡编号与步骤2中划分四个色卡编号集合的三个优化阈值进行比较从而确定对应的色卡编号集合编号，完成4个色卡编号集合的划分从而实现面向果蔬采后处理装备的表面缺陷提取；
7.为实现上述目的，本发明提出的技术方案如下：
8.一种面向果蔬采后处理装备的表面缺陷提取方法，方法包含如下步骤：
9.步骤1：对于果蔬采后处理装备给出需进行表面缺陷提取的果蔬彩色图像，将该果蔬彩色图像中的各个像素点按照某个颜色模型进行亮度归一化后输出该颜色模型三个要素对应的某种色卡编号，设定得到的色卡编号可划分归类为背景、成熟、未成熟、表面缺陷四个色卡编号集合，给出四个色卡编号集合产生的概率和对应的要素平均值，给出不同色卡编号集合共同产生的概率和对应的要素平均值，通过某个色卡编号集合与下一个色卡编号集合在色卡编号差别在限定条件内时给出相邻色卡编号平均要素差异互信息量，通过某个色卡编号集合与另外一个色卡编号集合各自在图像中像素点的概率最大时的色卡编号给出最大概率色卡编号平均要素差异互信息量，确定对于四个色卡编号集合的综合相邻色卡编号平均要素差异互信息量和最大概率色卡编号平均要素差异互信息量加权的色卡编号三阈值最大类间方差；
10.步骤2：通过在三个色卡编号以往历史阈值作为初始值的基础上，将阈值组合不断增减色卡编号阈值变化量与循环过程计数的乘积来归入阈值排列组合集合并将计算结果归入色卡编号三阈值最大类间方差数值集合，若色卡编号三阈值最大类间方差数值集合不再新增更大的数值，则色卡编号三阈值最大类间方差数值集合中最大的数值对应的阈值组合则为划分四个色卡编号集合的三个优化阈值；
11.步骤3：对于图像中的像素点，可将该像素点的要素组合对应的色卡编号与步骤2中划分四个色卡编号集合的三个优化阈值进行比较从而确定对应的色卡编号集合编号，而后输出图像中所有像素点对应的色卡编号集合编号以完成四个色卡编号集合的划分从而提取出表面缺陷；
12.进一步地，步骤1中，所述将该果蔬彩色图像中的各个像素点按照某个颜色模型进行亮度归一化后输出该颜色模型三个要素对应的某种色卡编号，设定得到的色卡编号可划分归类为背景、成熟、未成熟、表面缺陷4个色卡编号集合具体为：设果蔬彩色图像中按照某一颜色模型进行亮度归一化后的要素组合(l,a,b)对应的色卡编号可从到其中，l,a,b分别为果蔬彩色图像中的像素点按该颜色模型给出的三个要素的取值，分别为果蔬彩色图像中色卡编号最小的颜色对应的三个要素的取值，分别为果蔬彩色图像中色卡编号最大的颜色对应的三个要素的取值，并划分为ω1、ω2、ω3和ω4共计4个色卡编号集合，所述4个色卡编号集合可表征为背景、成熟、未成熟、表面缺陷，具体形式如下：
[0013][0014]
ω2＝{γ(x1,y1,z1)+1,...,γ(x2,y2,z2)}
[0015]
ω3＝{γ(x2,y2,z2)+1,...,γ(x3,y3,z3)}
[0016][0017]
其中，γ为输入要素组合而输出色卡编号的函数，(x1,y1,z1)、(x2,y2,z2)和(x3,y3,z3)为划分ω1、ω2、ω3和ω44个色卡编号集合的色卡编号对应的要素组合；
[0018]
进一步地，步骤1中，所述给出四个色卡编号集合产生的概率和对应的要素平均值具体为：所述ω1、ω2、ω3和ω44个色卡编号集合产生的概率分别为κ1、κ2、κ3和κ4，具体形式如下：
[0019][0020]
其中,i∈[1,2,3,4]，ε
(l,a,b)
为要素组合(l,a,b)在图像中像素点的概率；
[0021]
对应ω1、ω2、ω3和ω44个色卡编号集合的要素平均值分别为υ1、υ2、υ3和υ4，具体形式如下：
[0022][0023]
其中,α、β和γ分别为要素l、a和b在要素平均值的权重系数；
[0024]
进一步地，步骤1中，所述给出不同色卡编号集合共同产生的概率和对应的要素平均值具体为：ω1和ω2共同产生的概率为κ
1,2
，ω1和ω3共同产生的概率为κ
1,3
，ω1和ω2共同产生的概率为κ
1,4
，ω1和ω2共同产生的概率为κ
1,3
，ω1和ω4共同产生的概率为κ
1,4
，ω2和ω3共同产生的概率为κ
2,3
，ω2和ω4共同产生的概率为κ
2,4
，ω3和ω4共同产生的概率为κ
3,4
，具体形式如下：
[0025][0026]
其中，i,j∈[1,2,3,4]，i≠j且i＜j；
[0027]
ωi和ωj共同对应的要素平均值分别为ψ
i,j
，其中，i,j∈[1,2,3,4]，i≠j且i＜j，具体形式如下：
[0028][0029]
进一步地，步骤1中，所述通过某个色卡编号集合与下一个色卡编号集合在色卡编号差别在限定条件内时给出相邻色卡编号平均要素差异互信息量具体为：对于满足i,j∈[1,2,3,4]且i+1＝j的ωi和ωj，设定相邻色卡编号差别的限定值为k，则通过ωi中任意色卡编号γ(x,y,z)与相邻的ωj中任意色卡编号γ(x
′
,y
′
,z
′
)可计算出限定条件γ(x,y,z)-γ(x
′
,y
′
,z
′
)≤k内对于ωi和ωj的相邻色卡编号平均要素差异互信息量ξ
i,j,k
，具体形式如下：
[0030][0031]
其中，为任意的符号；
[0032]
进一步地，步骤1中，所述通过某个色卡编号集合与另外一个色卡编号集合各自在图像中像素点的概率最大时的色卡编号给出最大概率色卡编号平均要素差异互信息量具体为：对于满足i,j∈[1,2,3,4]且j＞i+1的ωi和ωj，可通过ωi中像素点的概率最大时的色卡编号γ(xi,yi,zi)与ωj中像素点的概率最大时的色卡编号γ(xj,yj,zj)可计算出对于ωi和ωj的最大概率色卡编号平均要素差异互信息量具体形式如下：
[0033][0034]
其中，
[0035]
进一步地，步骤1中，所述确定对于四个色卡编号集合的综合相邻色卡编号平均要素差异互信息量和最大概率色卡编号平均要素差异互信息量加权的色卡编号三阈值最大类间方差具体为：确定对于ω1、ω2、ω3和ω4的相邻色卡编号平均要素差异互信息量ξ
i,j,k
和最大概率色卡编号平均要素差异互信息量加权的色卡编号三阈值最大类间方差为σ2[γ(x1,y1,z1),γ(x2,y2,z2),γ(x3,y3,z3)]，具体形式如下：
[0036][0037]
其中，θ1＝{(1,2),(2,3),(3,4)}，θ2＝{(1,3),(1,4),(2,4)}；
[0038]
进一步地，步骤2中具体包括：
[0039]
步骤2.1：将三个色卡编号以往历史阈值和作为当前果蔬彩色图像处理中色卡编号阈值γ(x1,y1,z1)、γ(x2,y2,z2)和γ(x3,y3,z3)的初始值，设定色卡编号阈值变化量为δ，循环过程计数t为0，将(γ(x1,y1,z1),γ(x2,y2,z2),γ(x3,y3,z3))阈值组合归入阈值排列组合集合ν(t＝0)中，根据步骤1中所述的色卡编号三阈值最大类间方差的具体形式来计算ν(t＝0)中的阈值组合，并将计算结果归入色卡编号三阈值最大类间方差数值集合υ(t＝0)中；
[0040]
步骤2.2：将t加1后代替原先的t，设中间变量θ取值为δ
·
t或0，将(γ(x1,y1,z1)
±
θ,γ(x2,y2,z2)
±
θ,γ(x3,y3,z3)
±
θ)阈值组合归入阈值排列组合集合ν(t)中；
[0041]
步骤2.3：根据步骤1中所述的色卡编号三阈值最大类间方差的具体形式来计算所述ν(t)中的阈值组合，并将计算结果归入色卡编号三阈值最大类间方差数值集合υ(t)中；
[0042]
步骤2.4：将υ(t)与υ(t-1)进行比较，看是否有更大的数值出现，如果υ(t)相比υ(t-1)还有更大的数值出现则进入步骤2.2，否则进入步骤2.5；
[0043]
步骤2.5：将υ(t)中最大的数值对应的和阈值组合设定为划分ω1、ω2、ω3和ω44个色卡编号集合的三个优化阈值；
[0044]
进一步地，步骤3中具体包括：对于图像中的像素点(m,n)，通过该像素点(m,n)对应的要素组合(l,a,b)可确定对应的色卡编号集合编号f(m,n)，具体形式如下：
[0045][0046]
输出图像中所有像素点对应的色卡编号集合编号，完成ω1、ω2、ω3和ω44个色卡编号集合的划分从而提取出表面缺陷对应的色卡编号集合。
附图说明
[0047]
图1为面向果蔬采后处理装备的表面缺陷提取步骤图；
[0048]
图2为脐橙彩色图像样本集的例图；
[0049]
图3为脐橙彩色图像经色卡编号集合划分后给出的表面缺陷区域。
具体实施方式
[0050]
以下结合附图通过面向果蔬采后处理装备的表面缺陷提取方法运用于脐橙彩色图像的具体实施方式对本发明作进一步地描述。
[0051]
如图1所示，本发明实施方式中一种面向果蔬采后处理装备的表面缺陷提取方法包括以下步骤：
[0052]
步骤1：对于果蔬采后处理装备给出需进行表面缺陷提取的脐橙彩色图像可采用lab颜色模型和pantone色卡模式，其中pantone色卡编号取pantone nc xxxc或xxxxc的前3位数字，x表示数字，设脐橙彩色图像中按照lab颜色模型进行亮度归一化后的要素组合(l,a,b)对应的pantone色卡编号可从到其中，l,a,b分别为脐橙彩色图像中的像素点按该颜色模型给出的三个要素的取值，分别为脐橙彩色图像中色卡编号最小的颜色对应的三个要素的取值，分别为脐橙彩色图像中色卡编号最大的颜色对应的三个要素的取值，并划分为ω1、ω2、ω3和ω4共计4个色卡编号集合，所述4个色卡编号集合可表征为背景、成熟、未成熟、表面缺陷，具体形式如下：
[0053][0054]
ω2＝{γ(x1,y1,z1)+1,...,γ(x2,y2,z2)}
[0055]
ω3＝{γ(x2,y2,z2)+1,...,γ(x3,y3,z3)}
[0056][0057]
其中，γ为输入要素组合而输出色卡编号的函数，(x1,y1,z1)、(x2,y2,z2)和(x3,y3,z3)为划分ω1、ω2、ω3和ω44个色卡编号集合的色卡编号对应的要素组合；
[0058]
对于ωi和ωj共同产生的概率为κ
i,j
，具体形式如下：
[0059][0060]
其中,i,j∈[1,2,3,4]，ε
(l,a,b)
为要素组合在图像中像素点的概率，κi为要素组合集合ωi产生的概率；
[0061]
对应ωi的要素平均值为υi，具体形式如下：
[0062][0063]
ωi和ωj共同的要素平均值分别为ψ
i,j
，其中，i,j∈[1,2,3,4]，i≠j且i＜j，具体形式如下：
[0064][0065]
对于满足i,j∈[1,2,3,4]且i+1＝j的ωi和ωj，设定相邻色卡编号差别的限定值为k，则通过ωi中任意色卡编号γ(x,y,z)与相邻的ωj中任意色卡编号γ(x
′
,y
′
,z
′
)可计算出限定条件γ(x,y,z)-γ(x
′
,y
′
,z
′
)≤k内对于ωi和ωj的相邻色卡编号平均要素差异互信息量ξ
i,j,k
，具体形式如下：
[0066][0067]
其中，为任意的符号；
[0068]
对于满足i,j∈[1,2,3,4]且j＞i+1的ωi和ωj，可通过ωi中像素点的概率最大时的色卡编号γ(xi,yi,zi)与ωj中像素点的概率最大时的色卡编号γ(xj,yj,zj)可计算出对于ωi和ωj的最大概率色卡编号平均要素差异互信息量具体形式如下：
[0069][0070]
其中，
[0071]
对于ω1、ω2、ω3和ω4的相邻色卡编号平均要素差异互信息量ξ
i,j,k
和最大概率色卡编号平均要素差异互信息量加权的色卡编号三阈值最大类间方差为σ2[γ(x1,y1,z1),γ(x2,y2,z2),γ(x3,y3,z3)]，具体形式如下：
[0072][0073]
其中，θ1＝{(1,2),(2,3),(3,4)}，θ2＝{(1,3),(1,4),(2,4)}；
[0074]
步骤2包括如下5个步骤：
[0075]
步骤2.1：通过50张如图2所示的脐橙图片建立脐橙彩色图像样本集，由图2中可以看出部分脐橙图片未含有未成熟区域，同时部分脐橙图片也存在多种表面缺陷类型，而后检测出各个脐橙图片中背景、成熟、未成熟、表面缺陷的色卡编号相关区域并进行合并，可设成熟相关的色卡编号范围为122至124以及135至138，未成熟相关的色卡编号范围为372至377以及379至382，表面缺陷相关的色卡编号范围为443至457以及539至544，背景相关的
色卡编号范围为577至580；由此可设三个色卡编号以往历史阈值和分别为138、382和544，同时可设脐橙彩色图像中最小的色卡编号和最大的色卡编号分别为122和580；将三个色卡编号以往历史阈值和作为当前图3(a)中所示脐橙彩色图像处理中色卡编号阈值γ(x1,y1,z1)、γ(x2,y2,z2)和γ(x3,y3,z3)的初始值，设定色卡编号阈值变化量为δ＝1，循环过程计数t为0，将(γ(x1,y1,z1),γ(x2,y2,z2),γ(x3,y3,z3))阈值组合归入阈值排列组合集合ν(t＝0)中，根据步骤1中所述的色卡编号三阈值最大类间方差的具体形式来计算ν(t＝0)中的阈值组合，并将计算结果归入色卡编号三阈值最大类间方差数值集合υ(t＝0)中；
[0076]
步骤2.2：将t加1后代替原先的t，设中间变量θ取值为δ
·
t或0，将(γ(x1,y1,z1)
±
θ,γ(x2,y2,z2)
±
θ,γ(x3,y3,z3)
±
θ)阈值组合归入阈值排列组合集合ν(t)中；
[0077]
步骤2.3：根据步骤1中所述的色卡编号三阈值最大类间方差的具体形式来计算对于图3(a)中所示脐橙彩色图像的ν(t)中的阈值组合，并将对于图3(a)中所示脐橙彩色图像的计算结果归入色卡编号三阈值最大类间方差数值集合υ(t)中；
[0078]
步骤2.4：将υ(t)与υ(t-1)进行比较，看是否有更大的数值出现，如果υ(t)相比υ(t-1)还有更大的数值出现则进入步骤2.2，否则进入步骤2.5；
[0079]
步骤2.5：将υ(t)中最大的数值对应的和阈值组合设定为划分ω1、ω2、ω3和ω44个色卡编号集合的三个优化阈值，由于图3(a)中不包括未成熟区域，而存在两个特征具有较大区别的表面缺陷区域，则在步骤2中可缩减为3个色卡编号集合，也可通过表面缺陷相关的色卡编号范围的分裂为表面缺陷划分两个色卡编号集合从而提高表面缺陷提取的辨识度，在本发明实施方式中以为表面缺陷划分两个色卡编号集合为例，因此三个优化阈值和相比三个色卡编号以往历史阈值和可调整为137、457和541；
[0080]
步骤3：对于图3(a)中脐橙彩色图像中的像素点(m,n)，通过该像素点(m,n)对应的要素组合(l,a,b)可确定对应的色卡编号集合编号f(m,n)，具体形式如下：
[0081][0082]
输出图像中所有像素点对应的色卡编号集合编号，完成ω1、ω2、ω3和ω44个色卡编号集合的划分，可见ω1和ω4分别为成熟和背景对应的色卡编号集合，从而提取出ω2和ω3两个表面缺陷对应的色卡编号集合。
[0083]
对于图3(a)中所示的脐橙图像，可通过色卡编号集合编号的具体形式输出图像中所有像素点对应的色卡编号集合编号，由图3(b)中可看出将该脐橙图像划分为4个色卡编号集合，由于该脐橙图像中不包括未成熟区域，而这两个表面缺陷区域的各自特征存在较大区别，因此可分裂为2个色卡编号集合以便进行明显区分以进一步提高识别能力，从而使
得绿色和土黄标注区域皆为表面缺陷区域，以实现面向果蔬采后处理装备的表面缺陷提取。
[0084]
本实施例中未明确的部分均可用现有技术加以实现。
[0085]
对于本领域的普通技术人员而言，根据本发明的教导，在不脱离本发明的原理与精神的情况下，对实施方式所进行的改变、修改、替换和变型仍落入本发明的保护范围之内。

技术特征：
1.一种面向果蔬采后处理装备的表面缺陷提取方法，其特征在于，所述方法包括以下步骤：步骤1：对于果蔬采后处理装备给出需进行表面缺陷提取的果蔬彩色图像，将该果蔬彩色图像中的各个像素点按照某个颜色模型进行亮度归一化后输出该颜色模型三个要素对应的某种色卡编号，设定得到的色卡编号可划分归类为背景、成熟、未成熟、表面缺陷四个色卡编号集合，给出四个色卡编号集合产生的概率和对应的要素平均值，给出不同色卡编号集合共同产生的概率和对应的要素平均值，通过某个色卡编号集合与下一个色卡编号集合在色卡编号差别在限定条件内时给出相邻色卡编号平均要素差异互信息量，通过某个色卡编号集合与另外一个色卡编号集合各自在图像中像素点的概率最大时的色卡编号给出最大概率色卡编号平均要素差异互信息量，确定对于四个色卡编号集合的综合相邻色卡编号平均要素差异互信息量和最大概率色卡编号平均要素差异互信息量加权的色卡编号三阈值最大类间方差；步骤2：通过在三个色卡编号以往历史阈值作为初始值的基础上，将阈值组合不断增减色卡编号阈值变化量与循环过程计数的乘积来归入阈值排列组合集合并将计算结果归入色卡编号三阈值最大类间方差数值集合，若色卡编号三阈值最大类间方差数值集合不再新增更大的数值，则色卡编号三阈值最大类间方差数值集合中最大的数值对应的阈值组合则为划分四个色卡编号集合的三个优化阈值；步骤3：对于图像中的像素点，可将该像素点的要素组合对应的色卡编号与步骤2中划分四个色卡编号集合的三个优化阈值进行比较从而确定对应的色卡编号集合编号，而后输出图像中所有像素点对应的色卡编号集合编号以完成四个色卡编号集合的划分从而提取出表面缺陷。2.根据权利要求1所述的一种面向果蔬采后处理装备的表面缺陷提取方法，其特征在于，步骤1中将该果蔬彩色图像中的各个像素点按照某个颜色模型进行亮度归一化后输出该颜色模型三个要素对应的某种色卡编号，设定得到的色卡编号可划分归类为背景、成熟、未成熟、表面缺陷4个色卡编号集合的具体方法为：设果蔬彩色图像中按照某一颜色模型进行亮度归一化后的要素组合(l,a,b)对应的色卡编号可从到其中，l,a,b分别为果蔬彩色图像中的像素点按该颜色模型给出的三个要素的取值，分别为果蔬彩色图像中色卡编号最小的颜色对应的三个要素的取值，分别为果蔬彩色图像中色卡编号最大的颜色对应的三个要素的取值，并划分为ω1、ω2、ω3和ω4共计4个色卡编号集合，所述4个色卡编号集合可表征为背景、成熟、未成熟、表面缺陷，具体形式如下：ω2＝{γ(x1,y1,z1)+1,...,γ(x2,y2,z2)}ω3＝{γ(x2,y2,z2)+1,...,γ(x3,y3,z3)}其中，γ为输入要素组合而输出色卡编号的函数，(x1,y1,z1)、(x2,y2,z2)和(x3,y3,z3)为划分ω1、ω2、ω3和ω44个色卡编号集合的色卡编号对应的要素组合。
3.根据权利要求1所述的一种面向果蔬采后处理装备的表面缺陷提取方法，其特征在于，步骤1中给出四个色卡编号集合产生的概率和对应的要素平均值的具体方法为：所述ω1、ω2、ω3和ω44个色卡编号集合产生的概率分别为κ1、κ2、κ3和κ4，具体形式如下：其中,i∈[1,2,3,4]，ε
(l,a,b)
为要素组合(l,a,b)在图像中像素点的概率；对应ω1、ω2、ω3和ω44个色卡编号集合的要素平均值分别为υ1、υ2、υ3和υ4，具体形式如下：其中,α、β和γ分别为要素l、a和b在要素平均值的权重系数。4.根据权利要求1所述的一种面向果蔬采后处理装备的表面缺陷提取方法，其特征在于，步骤1中给出不同色卡编号集合共同产生的概率和对应的要素平均值的具体方法为：ω1和ω2共同产生的概率为κ
1,2
，ω1和ω3共同产生的概率为κ
1,3
，ω1和ω2共同产生的概率为κ
1,4
，ω1和ω2共同产生的概率为κ
1,3
，ω1和ω4共同产生的概率为κ
1,4
，ω2和ω3共同产生的概率为κ
2,3
，ω2和ω4共同产生的概率为κ
2,4
，ω3和ω4共同产生的概率为κ
3,4
，具体形式如下：其中，i,j∈[1,2,3,4]，i≠j且i＜j；ω
i
和ω
j
共同对应的要素平均值分别为ψ
i,j
，其中，i,j∈[1,2,3,4]，i≠j且i＜j，具体形式如下：5.根据权利要求1所述的一种面向果蔬采后处理装备的表面缺陷提取方法，其特征在于，步骤1中通过某个色卡编号集合与下一个色卡编号集合在色卡编号差别在限定条件内时给出相邻色卡编号平均要素差异互信息量的具体方法为：对于满足i,j∈[1,2,3,4]且i+1＝j的ω
i
和ω
j
，设定相邻色卡编号差别的限定值为k，则通过ω
i
中任意色卡编号γ(x,y,z)与相邻的ω
j
中任意色卡编号γ(x
′
,y
′
,z
′
)可计算出限定条件γ(x,y,z)-γ(x
′
,y
′
,z
′
)≤k内对于ω
i
和ω
j
的相邻色卡编号平均要素差异互信息量ξ
i,j,k
，具体形式如下：其中，其中，为任意的符号。6.根据权利要求1所述的一种面向果蔬采后处理装备的表面缺陷提取方法，其特征在
于，步骤1中通过某个色卡编号集合与另外一个色卡编号集合各自在图像中像素点的概率最大时的色卡编号给出最大概率色卡编号平均要素差异互信息量的具体方法为：对于满足i,j∈[1,2,3,4]且j＞i+1的ω
i
和ω
j
，可通过ω
i
中像素点的概率最大时的色卡编号γ(x
i
,y
i
,z
i
)与ω
j
中像素点的概率最大时的色卡编号γ(x
j
,y
j
,z
j
)可计算出对于ω
i
和ω
j
的最大概率色卡编号平均要素差异互信息量具体形式如下：其中，7.根据权利要求1所述的一种面向果蔬采后处理装备的表面缺陷提取方法，其特征在于，步骤1中确定对于四个色卡编号集合的综合相邻色卡编号平均要素差异互信息量和最大概率色卡编号平均要素差异互信息量加权的色卡编号三阈值最大类间方差的具体方法为：确定对于ω1、ω2、ω3和ω4的相邻色卡编号平均要素差异互信息量ξ
i,j,k
和最大概率色卡编号平均要素差异互信息量加权的色卡编号三阈值最大类间方差为σ2[γ(x1,y1,z1),γ(x2,y2,z2),γ(x3,y3,z3)]，具体形式如下：其中，θ1＝{(1,2),(2,3),(3,4)}，θ2＝{(1,3),(1,4),(2,4)}。8.根据权利要求1所述的一种面向果蔬采后处理装备的表面缺陷提取方法，其特征在于，所述步骤2具体步骤为：步骤2.1：将三个色卡编号以往历史阈值和作为当前果蔬彩色图像处理中色卡编号阈值γ(x1,y1,z1)、γ(x2,y2,z2)和γ(x3,y3,z3)的初始值，设定色卡编号阈值变化量为δ，循环过程计数t为0，将(γ(x1,y1,z1),γ(x2,y2,z2),γ(x3,y3,z3))阈值组合归入阈值排列组合集合ν(t＝0)中，根据步骤1中所述的色卡编号三阈值最大类间方差的具体形式来计算ν(t＝0)中的阈值组合，并将计算结果归入色卡编号三阈值最大类间方差数值集合υ(t＝0)中；步骤2.2：将t加1后代替原先的t，设中间变量θ取值为δ
·
t或0，将(γ(x1,y1,z1)
±
θ,γ(x2,y2,z2)
±
θ,γ(x3,y3,z3)
±
θ)阈值组合归入阈值排列组合集合ν(t)中；步骤2.3：根据步骤1中所述的色卡编号三阈值最大类间方差的具体形式来计算所述ν(t)中的阈值组合，并将计算结果归入色卡编号三阈值最大类间方差数值集合υ(t)中；步骤2.4：将υ(t)与υ(t-1)进行比较，看是否有更大的数值出现，如果υ(t)相比υ(t-1)还有更大的数值出现则进入步骤2.2，否则进入步骤2.5；步骤2.5：将υ(t)中最大的数值对应的和阈值组合
设定为划分ω1、ω2、ω3和ω44个色卡编号集合的三个优化阈值。9.根据权利要求1所述的一种面向果蔬采后处理装备的表面缺陷提取方法，其特征在于，所述步骤3中具体包括：对于图像中的像素点(m,n)，通过该像素点(m,n)对应的要素组合(l,a,b)可确定对应的色卡编号集合编号f(m,n)，具体形式如下：输出图像中所有像素点对应的色卡编号集合编号，完成ω1、ω2、ω3和ω44个色卡编号集合的划分从而提取出表面缺陷对应的色卡编号集合。

技术总结
本发明公开了一种面向果蔬采后处理装备的表面缺陷提取方法，通过对于背景、成熟、未成熟和表面缺陷四个色卡编号集合的综合相邻色卡编号平均要素差异互信息量和最大概率色卡编号平均要素差异互信息量加权的色卡编号三阈值最大类间方差最大化从而得到划分四个色卡编号集合的三个优化阈值，而后将图像中所有像素点的要素组合对应的色卡编号与三个优化阈值进行比较，完成四个色卡编号集合的划分从而实现面向果蔬采后处理装备的表面缺陷提取。而实现面向果蔬采后处理装备的表面缺陷提取。而实现面向果蔬采后处理装备的表面缺陷提取。


技术研发人员：朱二 朱壹
受保护的技术使用者：绿萌科技股份有限公司
技术研发日：2023.05.16
技术公布日：2023/9/22