基于图像处理组合技术的贝类外部形态参数测量方法.pdf

《基于图像处理组合技术的贝类外部形态参数测量方法.pdf》由会员分享，可在线阅读，更多相关《基于图像处理组合技术的贝类外部形态参数测量方法.pdf（17页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010499889.8 (22)申请日 2020.06.04 (71)申请人 山东工商学院 地址 264003 山东省烟台市莱山区滨海中 路191号 (72)发明人 赵峰陈致远刘培强冯烟利 安志勇 (74)专利代理机构 青岛发思特专利商标代理有 限公司 37212 代理人 董宝锞 (51)Int.Cl. G06K 9/00(2006.01) G06K 9/46(2006.01) G06T 5/00(2006.01) G06T 5/30(2006.01) G06T 7/13(。

2、2017.01) (54)发明名称 基于图像处理组合技术的贝类外部形态参 数测量方法 (57)摘要 本发明涉及一种基于图像处理组合技术的 贝类外部形态参数测量方法， 属于贝类形态测量 技术领域， 以贝类图像为检测对象， 通过交互界 面输入参数进行初始化； 检测图片背景像素分布 的概率密度， 对图片进行预处理； 使用线检测的 方法对图像背景进行切割， 初步去除图片噪声； 通过变窗口方法搜索并剔除奇异物， 进一步去除 图片噪声； 再次使用线检测方法， 对主体进行精 准检索； 通过腐蚀技术对图像边缘进行边缘光滑 处理； 通过边界跟踪的方法， 检测目标边缘， 得到 目标轮廓； 通过图像处理的手段以及交。

3、互界面的 设计对贝类外部形态进行快速精确、 交互能力强 的自动化检测， 避免了基于人工测量的种种限制 且易于操作， 提升贝类的产品品质。 权利要求书2页 说明书7页 附图7页 CN 111695477 A 2020.09.22 CN 111695477 A 1.一种基于图像处理组合技术的贝类外部形态参数测量方法， 其特征在于， 包括以下 步骤： 步骤一、 在交互界面中选择需要检测的贝类图片， 通过在系统的建议下输入测量物关 键测量参数， 对测量程序进行初始化； 步骤二、 基于概率密度对初始化后图像进行预处理， 将图片转化为二值图像； 步骤三、 基于线检测方法初步去除二值图像背景， 去除图片中的。

4、部分背景以及其中的 噪声； 步骤四、 基于变窗口剔除去除背景后图片中的奇异物， 精细剔除图片中的噪声； 步骤五、 基于线检测方法精准检索剔除奇异物的图片中的目标， 得到目标的扫描轮廓 并将其中的空间填满； 步骤六、 基于腐蚀技术对空间填满的贝类边缘进行光滑处理， 根据腐蚀尺寸以及腐蚀 次数， 以白色像素为中心对图像中的黑色像素进行腐蚀； 步骤七、 基于边界跟踪方法检测腐蚀后的贝类边缘， 首先选取主体的第一行像素中的 左端点作为起始点， 其次从端点开始， 使用边界跟踪的算法对主体边界进行识别， 最后记录 边界； 步骤八、 基于图像描述技术测量步骤六得到的贝类图像外部形态参数并在交互界面展 示测量。

5、结果。 2.根据权利要求1所述的基于图像处理组合技术的贝类外部形态参数测量方法， 其特 征在于： 所述步骤二中的基于概率密度对图像进行预处理的步骤为， 步骤a、 将输入的图片转化为灰度图片； 步骤b、 采集步骤a中灰度图片部分的背景， 检测其中像素分布的概率密度； 步骤c、 假设步骤b中的背景像素服从正态分布， 对图片中每个像素都进行2 检验， 即将 像素值偏离背景均值2 以上的部分认定为非背景区域， 反之则为背景区域； 步骤d、 将2 检验后的图片转化为二值图片， 即将背景区域的像素值置为0， 颜色为黑 色， 非背景区域像素值置为1， 颜色为白色。 3.根据权利要求1所述的基于图像处理组合技。

6、术的贝类外部形态参数测量方法， 其特 征在于： 所述步骤三中基于线检测方法初步去除背景的步骤为， 步骤e、 通过横向逐行扫描， 初步确定图像中包含主体的行范围， 并去除不包含主体的 行； 步骤f、 通过垂直逐列扫描， 初步确定图像中包含主体的列范围， 并去除不包含主体的 列； 步骤g、 通过取交集， 将以上步骤e和步骤f所得结果相结合， 得到一副通过横竖切割初 步去除背景的粗去噪图像。 4.根据权利要求1所述的基于图像处理组合技术的贝类外部形态参数测量方法， 其特 征在于： 所述步骤四中基于变窗口剔除图片中奇异物的步骤为， 步骤h、 根据预设的第一个较大的窗口大小， 对于图像中的每一个白点， 。

7、以其为中心创 建一个窗口， 统计窗口中的白点个数， 如小于一定比例， 则将该窗口中的内容视为噪声， 全 部变成黑点， 反之， 则保留， 此举目标为去除图像中较大的噪声以及距离主体较远的小噪 声； 权利要求书 1/2 页 2 CN 111695477 A 2 步骤i、 根据预设的第二个较小的窗口大小， 对于图像中的每一个白点， 以其为中心创 建一个窗口， 统计窗口中的白点个数， 如小于一定比例， 则将该窗口中的内容视为噪声， 全 部变成黑点， 反之， 则保留， 此举目标为去除图像中距离主体较近的小噪声。 5.根据权利要求1所述的基于图像处理组合技术的贝类外部形态参数测量方法， 其特 征在于： 所。

8、述步骤五中基于线检测方法精准检索图片中目标的步骤为， 步骤j、 通过横向逐行扫描， 确定主体在图像每一行中的左右端点， 并将左右端点之间 的像素填充为白色； 步骤k、 通过垂直逐列扫描， 确定主体在图像每一列中的上下端点， 并将上下端点之间 的像素填充为白色； 步骤l、 通过取交集， 结合步骤j和步骤k的的结果， 得到主体的精准检索图像。 6.根据权利要求1所述的基于图像处理组合技术的贝类外部形态参数测量方法， 其特 征在于： 所述步骤八中基于图像描述技术测量步骤六得到的贝类图像外部形态参数的步骤 为， 步骤m、 通过步骤六得到的贝类图像， 统计图像中的像素点个数， 得到该检测主体的像 素面积。

9、SP； 步骤n、 通过步骤七得到的轮廓图像， 计算边界长度， 得到该检测主体的像素周长LP； 步骤o、 然后根据形状复杂度计算公式得到检测贝类主体的边缘复杂度e； 步骤p、 然后对轮廓之中每一对像素距离进行对比， 找出轮廓点之间的最长距离， 得到 检测主体的长度WP； 步骤q、 然后通过将输入图像的像素与步骤一中预设的拍摄区域实际长度相除， 可以得 到每厘米实际长度所占用的像素值pc， 再对其求平方可得到每平方厘米实际面积所占用的 像素值ps； 步骤r、 最终得到贝类的实际面积SRSP/ps,实际长度LRLP/pc， 实际周长WRWP/pc。 权利要求书 2/2 页 3 CN 11169547。

10、7 A 3 基于图像处理组合技术的贝类外部形态参数测量方法 技术领域 0001 本发明涉及一种基于图像处理组合技术的贝类外部形态参数测量方法， 其属于贝 类形态测量技术领域。 背景技术 0002 中国在海水贝类的生产总量上占有全世界70以上的份额， 是贝类生产和出口的 第一大国。 而贝类的形态测度在贝类的筛选以及育苗过程当中扮演着重要的角色， 是衡量 贝类生长状况的主要方式， 有着重要的研究意义。 传统的方法是通过人工使用一些皮尺之 类的工具进行测量。 现有贝类外部形态测量技术通过对测量工具进行创新来加快测量速 度， 例如专利号为： CN201320005084.9， 专利名称为： 三维数显贝。

11、类形态测量装置； 以及专利 号为： CN201520378894.8， 专利名称为： 一种贝类体态快速批量数据测量仪， 均是依赖人工 测量， 无法摆脱传统方法的局限性， 同时受人为因素制约导致效率较低、 误差较大。 另外， 目 前测量方法本质上属于测量仪器的改进， 尽管对贝类长度测量的精度相对有所提高， 但贝 类的面积、 周长， 因贝类边缘不规整， 造成目前的测量技术无法完成对贝类面积及长度的精 准度量。 0003 现有技术虽然解决长度的精准测量的技术问题， 但仍然存在诸多问题： 多是采用 人工测量， 或者采用精度更高的仪器进行测量， 但并没有改变传统方法的局限性， 存在效率 低、 误差大的问。

12、题， 无法实现贝类周长、 面积的测量。 导致测量速度慢， 人工耗时大、 精度不 高， 众多形态学参数无法获取等不足。 特此研发一款基于图像处理组合技术的贝类外部形 态参数测量方法有着重要的实用价值， 因此研发能自动且精准测量贝类外部长度、 周长、 面 积等各种形态参数的方法是至关重要的。 发明内容 0004 本发明针对上述现有技术中存在的不足， 提供一种基于图像处理组合技术的贝类 外部形态参数测量方法。 0005 本发明解决上述技术问题的技术方案如下： 0006 一种基于图像处理组合技术的贝类外部形态参数测量方法， 包括以下步骤： 0007 步骤一、 在交互界面中选择需要检测的贝类图片， 通过。

13、在系统的建议下输入测量 物关键测量参数， 对测量程序进行初始化； 0008 步骤二、 基于概率密度对初始化后图像进行预处理， 将图片转化为二值图像； 0009 步骤三、 基于线检测方法初步去除二值图像背景， 去除图片中的部分背景以及其 中的噪声； 0010 步骤四、 基于变窗口剔除去除背景后图片中的奇异物， 精细剔除图片中的噪声； 0011 步骤五、 基于线检测方法精准检索剔除奇异物的图片中的目标， 得到目标的扫描 轮廓并将其中的空间填满； 0012 步骤六、 基于腐蚀技术对空间填满的贝类边缘进行光滑处理， 根据腐蚀尺寸以及 说明书 1/7 页 4 CN 111695477 A 4 腐蚀次数，。

14、 以白色像素为中心对图像中的黑色像素进行腐蚀； 0013 步骤七、 基于边界跟踪方法检测腐蚀后的贝类边缘， 首先选取主体的第一行像素 中的左端点作为起始点， 其次从端点开始， 使用边界跟踪的算法对主体边界进行识别， 最后 记录边界； 0014 步骤八、 基于图像描述技术测量步骤六得到的贝类图像外部形态参数并在交互界 面展示测量结果。 0015 优选地， 所述步骤二中的基于概率密度对图像进行预处理的步骤为， 0016 步骤a、 将输入的图片转化为灰度图片； 0017 步骤b、 采集步骤a中灰度图片部分的背景， 检测其中像素分布的概率密度； 0018 步骤c、 假设步骤b中的背景像素服从正态分布，。

15、 对图片中每个像素都进行2 检验， 即将像素值偏离背景均值2 以上的部分认定为非背景区域， 反之则为背景区域； 0019 步骤d、 将2 检验后的图片转化为二值图片， 即将背景区域的像素值置为0， 颜色为 黑色， 非背景区域像素值置为1， 颜色为白色。 0020 优选地， 所述步骤三中基于线检测方法初步去除背景的步骤为， 0021 步骤e、 通过横向逐行扫描， 初步确定图像中包含主体的行范围， 并去除不包含主 体的行； 0022 步骤f、 通过垂直逐列扫描， 初步确定图像中包含主体的列范围， 并去除不包含主 体的列； 0023 步骤g、 通过取交集， 将以上步骤e和步骤f所得结果相结合， 得到。

16、一副通过横竖切 割初步去除背景的粗去噪图像。 0024 优选地， 所述步骤四中基于变窗口剔除图片中奇异物的步骤为， 0025 步骤h、 根据预设的第一个较大的窗口大小， 对于图像中的每一个白点， 以其为中 心创建一个窗口， 统计窗口中的白点个数， 如小于一定比例， 则将该窗口中的内容视为噪 声， 全部变成黑点， 反之， 则保留， 此举目标为去除图像中较大的噪声以及距离主体较远的 小噪声； 0026 步骤i、 根据预设的第二个较小的窗口大小， 对于图像中的每一个白点， 以其为中 心创建一个窗口， 统计窗口中的白点个数， 如小于一定比例， 则将该窗口中的内容视为噪 声， 全部变成黑点， 反之， 则。

17、保留， 此举目标为去除图像中距离主体较近的小噪声。 0027 优选地， 所述步骤五中基于线检测方法精准检索图片中目标的步骤为， 0028 步骤j、 通过横向逐行扫描， 确定主体在图像每一行中的左右端点， 并将左右端点 之间的像素填充为白色； 0029 步骤k、 通过垂直逐列扫描， 确定主体在图像每一列中的上下端点， 并将上下端点 之间的像素填充为白色； 0030 步骤l、 通过取交集， 结合步骤j和步骤k的的结果， 得到主体的精准检索图像。 0031 优选地， 所述步骤八中基于图像描述技术测量步骤六得到的贝类图像外部形态参 数的步骤为， 0032 步骤m、 通过步骤六得到的贝类图像， 统计图像。

18、中的像素点个数， 得到该检测主体 的像素面积SP； 0033 步骤n、 通过步骤七得到的轮廓图像， 计算边界长度， 得到该检测主体的像素周长 说明书 2/7 页 5 CN 111695477 A 5 LP； 0034步骤o、 然后根据形状复杂度计算公式得到检测贝类主体的边缘复杂度e； 0035 步骤p、 然后对轮廓之中每一对像素距离进行对比， 找出轮廓点之间的最长距离， 得到检测主体的长度WP； 0036 步骤q、 然后通过将输入图像的像素与步骤一中预设的拍摄区域实际长度相除， 可 以得到每厘米实际长度所占用的像素值pc， 再对其求平方可得到每平方厘米实际面积所占 用的像素值ps； 0037 。

19、步骤r、 最终得到贝类的实际面积SRSP/ps,实际长度LRLP/pc， 实际周长WRWP/ pc。 0038 与现有技术相比， 本发明的有益效果是： 本发明以贝类图像为检测对象， 通过在交 互界面中输入测量的关键参数， 完成检测流程的初始化； 通过图片背景像素分布的概率密 度检测， 对图片进行预处理； 通过线检测的方法， 对图像背景进行切割， 初步去除图片噪声； 通过变窗口方法搜索并剔除奇异物， 进一步去除图片噪声； 再次使用线检测方法， 对主体进 行精准检索； 使用腐蚀技术进行边缘光滑处理， 降低线检测方法导致的细微检测误差对图 像的影响； 通过边界跟踪的方法， 检测目标边缘， 得到目标轮。

20、廓； 通过图像描述技术， 对贝类 外部形态进行参数测量， 并在交互界面中展示测量结果。 本发明对贝类外部形态进行快速 精确的自动化检测， 避免了基于人工测量的种种限制， 并且交互界面设计简洁明了、 易于操 作， 对提升贝类的产品品质、 提高贝类养殖企业的经济效益有所助益， 市场前景广阔。 附图说明 0039 图1为本发明的交互界面初始状态图。 0040 图2为本发明的待检测的贝类示例图。 0041 图3为本发明的选择图像后的交互界面图。 0042 图4为本发明的交互界面点击开始测量后显示测量进度图。 0043 图5为本发明的贝类预处理后的图像图。 0044 图6为本发明的贝类横向扫描结果图。 。

21、0045 图7为本发明的贝类垂直扫描结果图。 0046 图8为本发明的贝类合并得到的粗去噪结果图。 0047 图9为本发明的贝类奇异物剔除结果图。 0048 图10为本发明的贝类目标精准检索结果图。 0049 图11为本发明的贝类边缘光滑处理的结果图。 0050 图12为本发明的贝类边缘检测结果图。 0051 图13为本发明的贝类目标长度检测图。 0052 图14为本发明的交互界面结果展示图。 具体实施方式 0053 以下结合附图对本发明的原理和特征进行描述， 所举实例只用于解释本发明， 并 非用于限定本发明的范围。 说明书 3/7 页 6 CN 111695477 A 6 0054 一种基于。

22、图像处理组合技术的贝类外部形态参数测量方法， 包括以下步骤： 0055 步骤一、 在交互界面中选择需要检测的贝类图片， 通过在系统的建议下输入测量 物关键测量参数， 关键测量参数包括： 实际长度、 第一次筛选窗口大小、 第二次筛选窗口大 小、 腐蚀圆盘尺寸以及腐蚀次数， 其中(1)实际长度根据拍摄区域横向长度的测量值输入系 统， (2)筛选窗口大小表示奇异物的判断标准， 窗口越大， 可去除的奇异物面积越大， 但越容 易出现误判， 因此采用变窗口策略， 通过两个不同大小的窗口筛选奇异物， (3)图像腐蚀参 数中腐蚀圆盘尺寸表示每次腐蚀操作中白色像素点向外扩展的像素个数， 腐蚀次数即为腐 蚀操作的。

23、迭代执行次数， 腐蚀参数设置过大会导致测量误差， 过小则达不到平滑边界的效 果， 使用者可根据实际图像情况调整参数设置， 对测量程序进行初始化； 0056 步骤二、 基于概率密度对初始化后图像进行预处理， 将图片转化为二值图像； 0057 步骤三、 基于线检测方法初步去除二值图像背景， 去除图片中的部分背景以及其 中的噪声； 0058 步骤四、 基于变窗口剔除去除背景后图片中的奇异物， 精细剔除图片中的噪声； 0059 步骤五、 基于线检测方法精准检索剔除奇异物的图片中的目标， 得到目标的扫描 轮廓并将其中的空间填满； 0060 步骤六、 基于腐蚀技术对空间填满的贝类边缘进行光滑处理， 根据腐。

24、蚀尺寸以及 腐蚀次数， 以白色像素为中心对图像中的黑色像素进行腐蚀； 0061 步骤七、 基于边界跟踪方法检测腐蚀后的贝类边缘， 首先选取主体的第一行像素 中的左端点作为起始点， 其次从端点开始， 使用边界跟踪的算法对主体边界进行识别， 最后 记录边界； 0062 步骤八、 基于图像描述技术测量步骤六得到的贝类图像外部形态参数并在交互界 面展示测量结果。 0063 所述步骤二中的基于概率密度对图像进行预处理的步骤为， 0064 步骤a、 将输入的图片转化为灰度图片； 0065 步骤b、 采集步骤a中灰度图片部分的背景， 检测其中像素分布的概率密度； 0066 步骤c、 假设步骤b中的背景像素服。

25、从正态分布， 对图片中每个像素都进行2 检验， 即将像素值偏离背景均值2 以上的部分认定为非背景区域， 反之则为背景区域； 0067 步骤d、 将2 检验后的图片转化为二值图片， 即将背景区域的像素值置为0， 颜色为 黑色， 非背景区域像素值置为1， 颜色为白色。 0068 所述步骤三中基于线检测方法初步去除背景的步骤为， 0069 步骤e、 通过横向逐行扫描， 初步确定图像中包含主体的行范围， 并去除不包含主 体的行； 0070 步骤f、 通过垂直逐列扫描， 初步确定图像中包含主体的列范围， 并去除不包含主 体的列； 0071 步骤g、 通过取交集， 将以上步骤e和步骤f所得结果相结合， 得。

26、到一副通过横竖切 割初步去除背景的粗去噪图像。 0072 所述步骤四中基于变窗口剔除图片中奇异物的步骤为， 0073 步骤h、 根据预设的第一个较大的窗口大小， 对于图像中的每一个白点， 以其为中 心创建一个窗口， 统计窗口中的白点个数， 如小于一定比例， 则将该窗口中的内容视为噪 说明书 4/7 页 7 CN 111695477 A 7 声， 全部变成黑点， 反之， 则保留， 此举目标为去除图像中较大的噪声以及距离主体较远的 小噪声； 0074 步骤i、 根据预设的第二个较小的窗口大小， 对于图像中的每一个白点， 以其为中 心创建一个窗口， 统计窗口中的白点个数， 如小于一定比例， 则将该窗。

27、口中的内容视为噪 声， 全部变成黑点， 反之， 则保留， 此举目标为去除图像中距离主体较近的小噪声。 0075 所述步骤五中基于线检测方法精准检索图片中目标的步骤为， 0076 步骤j、 通过横向逐行扫描， 确定主体在图像每一行中的左右端点， 并将左右端点 之间的像素填充为白色； 0077 步骤k、 通过垂直逐列扫描， 确定主体在图像每一列中的上下端点， 并将上下端点 之间的像素填充为白色； 0078 步骤l、 通过取交集， 结合步骤j和步骤k的的结果， 得到主体的精准检索图像。 0079 所述步骤八中基于图像描述技术测量步骤六得到的贝类图像外部形态参数的步 骤为， 0080 步骤m、 通过步。

28、骤六得到的贝类图像， 统计图像中的像素点个数， 得到该检测主体 的像素面积SP； 0081 步骤n、 通过步骤七得到的轮廓图像， 计算边界长度， 得到该检测主体的像素周长 LP； 0082步骤o、 然后根据形状复杂度计算公式得到检测贝类主体的边缘复杂度e； 0083 步骤p、 然后对轮廓之中每一对像素距离进行对比， 找出轮廓点之间的最长距离， 得到检测主体的长度WP； 0084 步骤q、 然后通过将输入图像的像素与步骤一中预设的拍摄区域实际长度相除， 可 以得到每厘米实际长度所占用的像素值pc， 再对其求平方可得到每平方厘米实际面积所占 用的像素值ps； 0085 步骤r、 最终得到贝类的实际。

29、面积SRSP/ps,实际长度LRLP/pc， 实际周长WRWP/ pc。 0086 随着贝类产能的增大， 传统方法通常会遇到人手不足、 精度不高、 测量速度较慢等 系列问题， 而且对贝类面积和周长以及形状复杂度等重要指标， 更是无法人工完成， 只能凭 借经验进行目测， 对贝类产业的发展造成很大的影响。 针对上述问题， 本技术拟采用多种数 字图像技术， 通过测量贝类影像的长度、 面积、 形状复杂度等系列形态参数， 实现快速、 高 效、 精准的贝类外面形态参数测量， 为贝类育苗筛选提供可靠、 可信的参数。 0087 实施例： 交互界面设计及测量物关键参数输入： 交互界面初始状态如图1所示， 以 在。

30、图2中展示的鲍鱼检测为例， 在交互界面中选择需要检测的鲍鱼图片， 交互界面中会展示 出所选图片， 并根据图片的像素密度自动给出一部分检测参数的建议值， 包括第一次筛选 窗口大小、 第二次筛选窗口大小、 腐蚀圆盘尺寸以及腐蚀次数， 如图3所示。 通过输入照片拍 摄的实际长度， 并根据实际情况调整给出的建议值， 对测量程序进行初始化， 之后点击交互 界面中的开始测量按钮， 进入到自动化测量阶段， 此时屏幕下方会显示如图4所示的进度 条， 提醒检测进度。 0088 所述步骤二中的基于概率密度对图像进行预处理的步骤为， 说明书 5/7 页 8 CN 111695477 A 8 0089 a、 将输入的。

31、图片转化为灰度图片； 0090 b、 采集步骤a中灰度图图片部分背景， 检测其中像素分布的概率密度； 0091 c、 假设步骤b中的背景像素服从正态分布， 对图片中每个像素都进行2检验， 即将 像素值偏离背景均值2 以上的部分认定为非背景区域， 反之则为背景区域； 0092 d、 将2 检验后的图片转化为二值图片， 即将背景区域的像素值置为0， 颜色为黑 色， 非背景区域像素值置为1， 颜色为白色， 结果如图5所示。 0093 所述步骤三中基于线检测方法初步去除背景的步骤为， 0094 步骤e、 通过横向逐行扫描， 初步确定图像中包含主体的行范围， 并去除不包含主 体的行， 如图6所示； 00。

32、95 步骤f、 通过垂直逐列扫描， 初步确定图像中包含主体的列范围， 并去除不包含主 体的列， 如图7所示； 0096 步骤g、 通过取交集， 将以上步骤e和步骤f所得结果相结合， 得到一副通过横竖切 割初步去除背景的粗去噪图像， 如图8所示。 0097 所述步骤四中基于变窗口剔除图片中奇异物的步骤为， 0098 步骤h、 根据步骤一中预设的窗口大小1(一般为一个较大的值)， 对于图像中的每 一个白点， 以其为中心创建一个窗口， 统计窗口中的白点个数， 如小于一定比例， 则将该窗 口中的内容视为噪声， 全部变成黑点， 反之， 则保留， 此举目标为去除图像中较大的噪声以 及距离主体较远的小噪声。。

33、 0099 步骤i、 与步骤h类似， 根据步骤一中预设的窗口大小2(一般为一个较小的值)， 对 于图像中的每一个白点， 以其为中心创建一个窗口， 统计窗口中的白点个数， 如小于一定比 例， 则将该窗口中的内容视为噪声， 全部变成黑点， 反之， 则保留， 此举目标为去除图像中距 离主体较近的小噪声， 最后的结果如图9所示。 0100 所述步骤五中基于线检测方法精准检索图片中目标的步骤为， 0101 步骤j、 通过横向逐行扫描， 确定主体在图像每一行中的左右端点， 并将左右端点 之间的像素填充为白色。 0102 步骤k、 通过垂直逐列扫描， 确定主体在图像每一列中的上下端点， 并将上下端点 之间的。

34、像素填充为白色。 0103 步骤l、 通过取交集， 结合步骤j和步骤k的结果， 得到主体的精准检索图像， 如图10 所示。 0104 基于腐蚀技术的边缘光滑处理， 根据步骤1中预设的腐蚀尺寸创建腐蚀圆盘， 以每 个白色像素为中心， 对周围的黑色像素进行腐蚀， 重复N次(N为预设的腐蚀次数)， 目标为平 滑边缘以及降低步骤5中产生的细微检测误差对图像质量的影响， 如图11所示。 0105 基于边界跟踪方法的目标边缘检测， 得到目标轮廓。 首先选取主体的第一行像素 中的左端点作为起始点， 其次从端点开始， 使用边界跟踪的算法对主体边界进行识别， 最后 记录边界， 如图12所示。 0106 所述步骤。

35、八中基于图像描述技术测量步骤六得到的贝类图像外部形态参数的步 骤为， 0107 步骤m、 通过步骤六得到的贝类图像， 统计图像中的像素点个数， 得到该检测主体 的像素面积SP； 说明书 6/7 页 9 CN 111695477 A 9 0108 步骤n、 通过步骤七得到的轮廓图像， 计算边界长度， 得到该检测主体的像素周长 LP； 0109步骤o、 然后根据形状复杂度计算公式得到检测贝类主体的边缘复杂度e； 0110 步骤p、 然后对轮廓之中每一对像素距离进行对比， 找出轮廓点之间的最长距离， 如图13所示， 得到检测主体的长度WP。 0111 步骤q、 然后通过将输入图像的像素与步骤一中预设。

36、的拍摄区域实际长度相除， 可 以得到每厘米实际长度所占用的像素值pc， 再对其求平方可得到每平方厘米实际面积所占 用的像素值ps。 0112 步骤r、 最终得到贝类的实际面积SRSP/ps,实际长度LRLP/pc， 实际周长WRWP/ pc。 0113 测量结果的展示， 将得到的实际面积,实际长度， 实际周长以及边缘复杂度展示在 交互界面中， 便于使用者查看， 如图14所示。 0114 因此， 本发明拟从数字图像处理技术的角度， 通过对贝类图像的处理， 获取精准的 贝类外部形态， 如长度、 周长、 面积、 形状复杂度等精准、 快速、 高效的度量， 为贝类选种育种 提供技术支持。 0115 本发。

37、明以贝类图像为检测对象， 通过在交互界面中输入测量的关键参数， 完成检 测流程的初始化； 通过图片背景像素分布的概率密度检测， 对图片进行预处理； 通过线检测 的方法， 对图像背景进行切割， 初步去除图片噪声； 通过变窗口方法搜索并剔除奇异物， 进 一步去除图片噪声； 再次使用线检测方法， 对主体进行精准检索； 使用腐蚀技术进行边缘光 滑处理， 降低线检测方法导致的细微检测误差对图像的影响； 通过边界跟踪的方法， 检测目 标边缘， 得到目标轮廓； 通过图像描述技术， 对贝类外部形态进行参数测量， 并在交互界面 中展示测量结果。 本发明对贝类外部形态进行快速精确的自动化检测， 避免了基于人工测 。

38、量的种种限制， 并且交互界面设计简洁明了、 易于操作， 对提升贝类的产品品质、 提高贝类 养殖企业的经济效益有所助益， 市场前景广阔。 0116 以上所述仅为本发明的较佳实施例， 并不用以限制本发明， 凡在本发明的精神和 原则之内， 所作的任何修改、 等同替换、 改进等， 均应包含在本发明的保护范围之内。 说明书 7/7 页 10 CN 111695477 A 10 图1 图2 说明书附图 1/7 页 11 CN 111695477 A 11 图3 图4 说明书附图 2/7 页 12 CN 111695477 A 12 图5 图6 说明书附图 3/7 页 13 CN 111695477 A 13 图7 图8 说明书附图 4/7 页 14 CN 111695477 A 14 图9 图10 说明书附图 5/7 页 15 CN 111695477 A 15 图11 图12 说明书附图 6/7 页 16 CN 111695477 A 16 图13 图14 说明书附图 7/7 页 17 CN 111695477 A 17 。