基于計算機視覺木材軸向薄壁組織提取技術研究.pdf

1、不同種類的木材在人們生活中的使用日益加大,但其種類眾多,分析識別存在一定難度,因此在不破壞產(chǎn)品本身的前提下如何利用輔助設備來分析木材,達到準確識別木材這一目標,就成為目前木材研究領域所要解決的重要問題之一。
　　軸向薄壁組織具有重要的木材紋理信息,它是木材識別的重要特征之一。本文研究的是闊葉材顯微圖像,通過拍攝得到木材橫切面顯微結構圖像,利用計算機圖像處理技術,提取較為完整的木材軸向薄壁組織形態(tài)。首先將獲取的闊葉材軸向薄壁組織圖像

2、進行去噪處理,消除一些噪聲的影響,這樣便于軸向薄壁組織的分離;然后利用數(shù)學形態(tài)學的方法處理圖像,將軸向薄壁組織和導管形態(tài)從闊葉材橫切面圖像中成功的提取出來;最后,通過計算封閉區(qū)域的面積將軸向薄壁組織從導管中分離出來。
　　為了驗證本文算法的有效性,本文利用Matlab語言實現(xiàn)了該算法,并設計了多組實驗。實驗結果發(fā)現(xiàn):去噪時,以9*9為模板對圖像進行中值濾波的效果比較好,并且分塊二值化便于軸向薄壁組織的提取;數(shù)學形態(tài)學處理時,以3*

3、3的十字形結構元素對圖像進行膨脹操作和以半徑從1到10的圓盤形結構元素對圖像進行腐蝕操作后,軸向薄壁組織和導管形態(tài)能夠從闊葉材橫切面圖像中成功的提取出來;計算封閉區(qū)域面積閾值時,通過采用8領域標注封閉區(qū)域面積和用面積直方圖來確定面積閾值,進而能夠較好將軸向薄壁組織從導管中分離出來。
　　目前,該方法在10種不同的樹種中都做了實驗,都取得了良好的效果。這也充分證明了該算法的有效性。同時該算法的實現(xiàn)為以后基于軸向薄壁組織形態(tài)的智能木材