基于机械视觉的鱼的辨别
包思圆 刘娜 羊志膺
摘 要：改革开放以来，我国淡水渔业无论在国内还是国际的渔业发展中都具有十分重要的地位和作用[1]。近几年，我国淡水养殖业有较大发展，产量占总渔获量的40%左右，但由于传统的生活习俗，淡水鱼都是活销或鲜销，故加工量很少[2]。本研究将机器视觉、图像处理技术、模式识别应用于淡水鱼的品种识别研究中，使用Photoshop软件对收集到的图片进行处理，提取鱼体外轮廓，使用Matlab收集图像特征，得出实验数据，该技术的建立和实施有利于实现鱼类营养价值和经济价值的最大化，提高我国鱼类资源利用率。
关键词：图像处理；淡水鱼的分类；机器视觉
DOI：10.16640/j.cnki.37-1222/t.2019.07.222
0 引言
中国是淡水鱼养殖生产大国，年产量占世界總产量的70%以上，由于中国淡水鱼加工工业发展滞后，淡水鱼以鲜活销售为主，在集中上市季节，容易造成“压塘”和“卖鱼难”的现象，挫伤生产者的积极性，因此开发淡水鱼深加工装备，对于促进中国淡水鱼养殖生产的发展和增加生产者的收入都有具有重要意义[3]。
1 研究的主要内容
photoshop软件将采集的鱼的图片进行分割，提取鱼体外轮廓，对收集到的鱼体照片进行处理，将处理后的图片导入Matlab软件中，进行数据分析。首先进行灰度化处理，调整图像对比度，然后用灰度直方图，修改技术根据灰度化分布统计特征对图像进行增强，进而对图像进行二值化处理，使具有灰度级的图像变成只有两个灰度值的黑白图像，通过自动确定图像二值化的最佳阀值进行二值化处理，在不影响图像清晰度的同时降低图像噪音。
2 研究的技术路线
3 图像采集及预处理方法
对实验材料进行拍照，对图像进行色彩提取、二值化、轮廓提取以及特征值的提取。
（1）图像预处理。本次研究，用图像预处理技术预先进行色彩提取，灰度化图片，增强图像、清楚边界、使图像变得更加二值化以及提取图像的轮廓。（2）提取彩色分量。色彩图片被采集到的图片，它的每一个像素点都是由红绿蓝三个基本色组成，此外红绿蓝这三个分量分别占有八位存储空间，量化范围为（0.255）即256级，如果改变红绿蓝的存储空间，对像素点的信息也具有一定的影响。通过量化范围可以得出RGB模型为：256*256*256=16777216，大约有1670万种色彩，因为RGB可以把自然界中的任何一种颜色表示出来，所以被称为24位真彩色，RGB会根据图像的不同对像素点赋予不同的RGB值，形成一幅24位真彩色图像。（3）图像灰度化。当R=G=B时，RGB模型和图像中色彩显示时有所不同的，如下R=G=B时在RGB模型中为灰度色彩，图像就组了灰度范围为0-255的灰度图。并且灰度图的每个像素点都会用一个字节来存放灰度值。对图像进行灰度化处理在很大程度上会减少计算量，并且在图像的整体以及局部色彩色度和亮度的分布以及特征上灰度图像和彩色图像是一样的。如今采集到的图片是由红、绿、蓝这三种把不同的颜色调色合成的24位真彩色图像。比如：会用a*b*3的形式来存储尺寸为a*b的图像。代码C的像素值为图像A中用代码（X，Y.1：3）。如果想要时存储空间有所减小，就对凸显间灰度化处理，把图像的多种颜色信息变成黑白两色，在对亮度进行合适的调节，进而生成灰度化图片。（4）图像二值化。将灰度图转为二值图常用的处理措施时阈值处理。阈值θ的作用类似于一个门槛，比它大被判定为属于特定物体，其灰度值为255表示，比它小则被排除在目标区域以外，灰度值为0，表示背景或者例外的物体区域。该变换函数是阶跃函数，只需给出阈值点θ的值即可，经过阈值处理后的图像变成了一幅黑白二值图。其计算公式为：
其中f（x，y）为灰度图像数据，f'（x，y）为二值化后的图像数据，x和y分别是该点的横坐标与纵坐标。而阈值θ主要是经过用户指定，也能过通过算法主动生成一个阈值，不同的阈值处理的效果对图像的处理的效果不同。现有的硬件设备不是很完善并且环境不好，所以采集到的图片里有一部分是存在大量的噪音，在一定程度上影响图像的美观，并且不利于目标特征的提取。通过去除图片中的噪音和锐化图片之后，图片中的单个噪声点就会消失，光照更加均匀，目标更加突出。（5）轮廓提取。二值图像被增强后就可以分析出以下的两种信息：黑色背景以及白色目标物体。在研究时要对目标物体的轮廓进行提取，因为这样就可以方便快捷的统计投影面积。提取二值轮廓的算法相对来说是比较简单的，并且会对边界点进行保留，省去内部点。主要运用邻域边界算法，所谓的邻域边界算法是把原有的图片上存在像素值为黑色并且个邻域点也为黑色的内部点的像素改为白色。
4 实验结果和分析
对收集来的淡水鱼图片提取色彩分量、灰度化、二值化、增强处理，得到所需的二值图和轮廓图。目前研究可实现一部分功能，但由于机器学习和机器识别的图像效果不佳且图像量少，图像拍摄光线不一，光线、背景晰度等都造成数据的不准确性。由于特征数据不足，本系统的识别准确率不够高，我们将继续扩充特征数据和样本质量，以提高本系统的识别率。
参考文献：
[1]罗相忠，邹桂伟，潘光碧等.我国淡水鱼也的现状和发展趋势[A].长江大学学报（自然版），2005，2（05）.
[2]赵占西.我国淡水水产品加工业的现状和前景展望[J].河海大学常州分校学报，2004，24（12）：30-37.
[3]戴新明，熊善柏.湖北省淡水鱼加工与综合利用[J].渔业现代化，
2004，8（03）：14-17.
作者简介：包思圆（1997-），男，蒙古族，内蒙古通辽人，本科在读，研究方向：图像处理。
