基于机器视觉的鱼苗自动计数方法研究

多功昊，王紫聪，张 航

（天津农学院 计算机与信息工程学院，天津 300384）

人类发展历史中，水产养殖业占据了重要的地位，渔业越来越受到重视。在鱼类养殖时，对一定水域的鱼苗投放度、计量投放饵料到之后的鱼苗运输、出售，鱼苗计数都是不可或缺的环节。在自动化计数方法出现以前，主要采用推算法、碗量法和开间法来对鱼苗进行计数。以上三种方法，都是基于人工操作，在计数过程中容易对鱼苗造成损伤，而且计数的误差较大。20世纪以来随着科技的发展，自动化的鱼苗计数方法也逐渐研究出来，但是由于成本过高，技术复杂，并且大部分只能针对特定鱼苗，应用并不是很广泛。渔业急需一种成本低，操作简单的自动计数装置。利用计算机视觉和图像处理技术，能够大幅提高鱼苗计数的准确率，并且操作方面简单易懂，成本低廉。不仅可以应用在渔业方面，在军事，农业等多个方面都有着广泛的应用前景。

1 材料和方法

1.1 图像样本

本研究所用的样本为使用摄像头拍摄鱼缸内的鱼苗而得到。图1所示为其中一个鱼苗图片样本。

1.2 鱼苗图像预处理

图像预处理是在图像分析中，对图像识别和理解的一种前期处理方法[1]。在进行图像分析时，图像的质量优劣对算法和效果的精度有着关键的影响，所以在图像分析（特征提取、匹配识别等）时，图像需要进行预处理，最大限度简化数据，改进图像分析的可靠性。对鱼苗图像进行预处理时，主要使用灰度化和中值滤波来尽可能减少图像中无关因素对计数时的干扰。

1.2.1 鱼苗图像

对于图像识别与分析来说，颜色在分割和物体识别中有着重要作用[2]。最基础、最常用的是RGB空间。现有的图像采集设备最初采集到的颜色信息是RGB值，显示设备最终使用的也是RGB值。灰度图即原彩色图中每一个像素点的R、G、B均相等，如图2所示。

1.2.2 鱼苗图像降噪处理

图像噪声是指在图像采集、传输过程中，数据中多余的或者不必要的干扰会形成噪声，降低图像质量，严重影响了图像特征的提取和识别。噪声难以用数学模型表示，鱼苗图片中所出现的噪声常常成为颗粒噪声，有较大的灰度差，主要来源于水中杂质和鱼苗身上的斑点。

中值滤波是一种非线性平滑的滤波技术，中值滤波将每一像素点的灰度值设置成该点邻域窗口内的所有像素点灰度的中值[3]。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，其对于脉冲噪声有良好的滤除作用，在去除噪声的同时还能保护信号的边缘不被模糊中值滤波的效果图如图3所示：

1.3 鱼苗图像分割

Otsu阈值分割也叫大津阈值法[4]，是由日本的大津展之提出的基于判别分析过程的自动阈值选择法。Otsu阈值分割使用聚类的思想，将图像的灰度数分为两个部分，使得两个部分的灰度差异最大，每个部分间的灰度差异最小。通过方差的计算来选取合适的灰度值来划分。

Otsu阈值分割的步骤如下：（1）统计灰度级中每个像素在整幅图像中的个数；（2）计算每个像素在整幅图像的概率分布；（3）对灰度级进行遍历搜索，计算当前灰度值下前景背景类间概率；（4）通过目标函数计算出类内与类间方差下对应的阈值。对于图像I（x，y），前景(即目标)和背景的分割阈值记作T，属于前景的像素点数占整幅图像的比例记为ω0，其平均灰度μ0；背景像素点数占整幅图像的比例为ω1，其平均灰度为μ1。图像的总平均灰度记为μ，类间方差记为g。假设图像的背景较暗，并且图像的大小为M×N，图像中像素的灰度值小于阈值T的像素个数记作N0，像素灰度大于阈值T的像素个数记作N1，则有：

鱼苗图像的灰度直方图和分割结果图分别如图4、图5所示：

1.4 鱼苗图像连通域计数

连通区域一般是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域[5]。连通区域分析是指将图像中的各个连通区域找出并标记。连通区域分析是一种在模式识别和图像分析处理的众多应用领域中较为常用和基本的方法。

连通区域一般指图像中像素值相同且位置相邻的前景像素点组成的图像区域。连通区域分析是指将图像中各个连通区域找出并标记。建立两个空数组分别存储连通域面积和连通域个数。用连通域总面积除以提前设置好的连通域最小面积就可以求出连通域重心坐标并在重心坐标描绘数字，从而得出连通域个数。

1.5 鱼苗图像计数

通过对鱼苗图像的灰度化、腐蚀、膨胀、滤波、阈值分割、连通域标记，对连通域面积的计数，能够很快得出图像中鱼苗图片的数量，结果如图6所示。

2 结果与讨论

结果表明，本系统能够很快识别出图像中鱼苗数量，误差率得到了降低。与人工和机械相比，在对鱼苗图像的处理、计数方面，工作效率得到了提高；与以往的鱼苗计数方法相比，精确程度得到了提高，特别是在没有图像重叠的情况下，计数精确度还可以再次提高。