論圖像處理技術在食品檢測中的應用

編者按：對于食品粉體產品，粒度是重要的質量指標，比表面積、營養價值、吸附和功能等特性均與粒徑緊密相關。顆粒加工制備技術的不斷完善，推動食品行業對粉體物料要求的不斷升級，更細的粒徑、更均勻的粒度分布乃至規范的顆粒外形等，都是行業日益關注的重點，因此研究食品粉末顆粒大小、形狀和粒度分布成為研究食品粉體物料的重要課題。

想要快速有效地對食品粒度進行分析，圖像處理技術正是重要的輔助手段。江蘇大學生物與環境工程學院孫宗保副教授的精彩講解，就將讓我們領略，如何利用圖像處理技術更好地進行食品粒度檢測。

專家觀點：

目前對粉體粒度的測量大多采用常規的測量方法，它們共同不足之處均表現為：測量時間長，測量步驟多和測量準確度受主觀因素影響大等。而這些不足對于計算機視覺系統來說，是很容易克服的問題。基于計算機視覺的粒度檢測技術（即圖像處理技術）是在體視學的基礎上，結合現代信息技術，對顆粒粒度進行自動測量并自動分析統計獲得相應的粒度信息，是國內顆粒界所公認的測定粒徑分布與實際吻合最好的測試技術。

數據采集系統一般由顯微鏡、攝像頭、圖像采集卡、微機等組成。顆粒在各種引力的作用下發生凝聚，克服顆粒凝聚的方法是加分散劑和實施外力分散。不同的樣品選用不同的分散介質，分散介質要純凈無雜質，且不能與樣品發生物理變化和化學變化。外力分散效果最好的是超聲波分散。在實際應用中，往往這兩種方法同時使用。下面我們選取經過超微粉碎的珍珠粉作為處理對象，將珍珠粉和分散劑按0.3%濃度配置均勻，并經超聲波震蕩后，取少許置于載波片上待用。

將標準光刻測微標尺（每格10微米）置于顯微鏡下，調整焦距和光強，使標尺圖像清晰。計算各種物鏡下圖像的放大倍數（單位： 微米每像素），可實現尺度標定，得到標定系數。

采集的顆粒圖像為透射圖像，采集后圖像灰度分布相對集中，對比度較差，需對原始圖像進行增強處理。根據顆粒圖像的特點采用灰度指數變換函數對顆粒圖像進行處理。由于圖像分割閾值是隨樣本、放大倍數、光照強度、預處理的不同而發生變化，無法確定一個閾值常數，為此采用一維Otsu閾值自分割技術。

粒度圖像經閾值化后生成二值圖像，由于分割閾值是根據像素統計規律確定，難免將目標區域中一部分顆粒像素誤識為背景 (孔噪聲)或背景誤識為目標(點噪聲)，形態濾波可以去除這些噪聲。形態開啟和閉合運算可以去除特定圖像的細節，不產生全局幾何失真。

由于顆粒表面具有不同的反光現象，顆粒彩色圖像經過二值化分割之后所得到的二值圖像中，一部分顆粒內部存在空洞現象。對于顆粒內部的空洞，采用了圖形學中的種子填充算法，可以有效地填充顆粒內部的空洞。

凝聚顆粒表面積較大，輪廓線復雜，且存在許多凹面，利用這一特點提取必要的特征參數可以去除凝聚顆粒。首先提取的顆粒特征參數是周長、面積，在此基礎上提取復雜度。根據試驗，確定閾值，大于閾值的進行剔除，小于閾值的保留。

在運用計算機圖像處理技術檢測粒度的實際應用中待分析的顆粒往往數量很大，形狀一般不規則，尤其是顆粒往往粘結在一起，形成結團，并占據了一定的比例，如果全部舍棄會影響數據分析的統計特性和可靠性。實際上，對于重疊不太嚴重的顆粒可以通過運用圖像處理的方法將其分割開，把符合誤差要求的部分作為單個顆粒來處理。

腐蝕膨脹分割算法就是利用二值腐蝕和膨脹運算對重疊顆粒的二值圖做處理，首先對二值目標做腐蝕運算，反復腐蝕多次直到分離出一個種子核，這時消去其他部分，對分離出的一個核做同樣次數的膨脹運算，這樣得到原始大小的單個顆粒，以該二值圖為窗，從原灰度圖中可得到對應的顆粒。分割結果見圖（1）

測地重建算法是以測地形態學理論為基礎，在獲取重疊區域分界線的同時又能保持顆粒輪廓不變，并且算法全過程自動完成。該算法的基本過程為： （1）對灰度圖做閾值分割，得到二值圖設為集合Y。（2）對二值圖做距離變換或極限腐蝕，得到代表重疊顆粒的幾何中心區，形成的二值圖為原二值圖的子集，設為集合X。（3）反復做X關于Y的測地膨脹，直到重建原圖，這時各相鄰中心相合形成分界線。

  接下來就要進入特征參數測定及結果分析的階段，目前對顆粒大小的表示有許多不同的表述方法，在這里我們選取了feret直徑和投影面積直徑來表示顆粒的大小。顆粒的投影區域可能出現多種形狀，下面給出形狀指數F與圓、橢圓、多邊形之間的關系表。形狀指數F的變化，反映了形狀的復雜程度。

表中數據表明：（1）值越大，顆粒的投影區域的形狀越接近針狀；（2）橢圓的長短徑相差越大，則橢圓越接近長方形；（3）對于正多邊形，F值越大，表明顆粒的形狀越不圓，其表面的銳角越大。由此可見，采用形狀指數定義顆粒的方法可以作為顆粒形貌特征提取的依據。

經過圖像處理后，對圖像進行識別以獲取分析數據和統計結果。識別出的顆粒根據操作者輸入的粒度間隔以及形狀指數閾值做如下參數的統計：

表 2 是在40X的放大倍數下對珍珠粉進行測定實驗所獲得的數據。從表中可以很清楚的了解粉末顆粒的大小、粒度分布以及形貌特征等參數。表中平均長徑為某直徑范圍中形狀指數超過閾值的所有顆粒的最長Feret直徑的平均值；平均短徑為某直徑范圍中形狀指數超過閾值的所有顆粒的最短Feret直徑的平均值，形狀指數閾值由用戶輸入.平均離散率為這些顆粒的形狀指數的平均值。

同時，我們也在100X的放大倍數下進行了實驗，并對二種放大倍數下的測定情況進行了比較如表3所示。由表3可知，不同放大倍數下測得的粒徑基本相同。

另外，從同一樣本中五次取樣進行拍攝，測得的平均粒度如圖4所示。從圖中的分布可以看出，在 40x放大倍數下采集的數據比100x下更穩定，這是由于40x放大倍數下采集的圖像的可視面積大，測得的顆粒數多。從統計學角度看，40x下測量值更穩定。但當所測粒徑過小時，由于受分辨率的限制，40x的結果不如100x下穩定。

    運用圖像處理技術進行食品超微粉體粒度的檢測具有使用方便，測定速度快，結果穩定可靠等諸多優點，而且不會因為測量儀器和操作人員等因素的變化而使測量結果出現嚴重的偏差，是顆粒檢測發展的趨勢。同時為了減少測量誤差，對如何獲取高質量的圖像以及對凝聚體的處理、區域分割等相關處理和算法上需要做進一步的研究。