一種基于計(jì)算機(jī)視覺的豬肉肌內(nèi)脂肪含量無損檢測方法，

其特征在于包括以下步驟：

(1)標(biāo)定攝像機(jī),，得到圖像中單位像素對應(yīng)于真實(shí)場景中的實(shí)際長度,；

(2)選取豬肉第5-6根肋骨處背最長肌作為樣本，將樣本放置于黑色背景布上,，并用白色燈對樣本進(jìn)行補(bǔ)光,，利用數(shù)碼照相機(jī)對樣本橫截面進(jìn)行俯拍，獲取豬肉眼肌樣本圖像,，圖像大小為1000*1000像素,；

(3)利用改進(jìn)的樣本塊修復(fù)方法對得到的樣本圖像進(jìn)行預(yù)處理，恢復(fù)圖像反光區(qū)域原有信息,；

(4)結(jié)合最大熵法與迭代法對預(yù)處理后的眼肌圖像進(jìn)行圖像分割,，提取出豬肉大理石花紋,；

(5)從得到的大理石花紋圖像中提取出脂肪數(shù)量指標(biāo)、脂肪分布指標(biāo)和脂肪紋理指標(biāo)特征值,；

(6)根據(jù)特征值和化學(xué)方法檢測結(jié)果建立逐步回歸預(yù)測模型和Fisher判別模型,，而后對模型進(jìn)行檢驗(yàn)和結(jié)果比較，最后通過該模型對豬肉肌內(nèi)脂肪含量進(jìn)行預(yù)測,；

所述步驟(3)圖像預(yù)處理過程中利用樣本塊修復(fù)方法對得到的樣本圖像進(jìn)行預(yù)處理包括以下步驟：

(1a)針對圖像反光區(qū)域特征,，即反光區(qū)域中心像素點(diǎn)有較高的亮度(Value，V)值和較高的飽和度(Saturation,，S)值,，對圖像逐像素點(diǎn)進(jìn)行閾值分割以得到反光中心區(qū)域，分割公式如下：

其中的F(i,，j)代表坐標(biāo)為(i,，j)的像素點(diǎn)所對應(yīng)的顏色值，255對應(yīng)的是白色,，0對應(yīng)的是黑色,，thresh1和thresh2分別代表了某一固定的閾值，閾值大小視實(shí)際拍攝條件而定,；

(1b)對圖像進(jìn)行2次全方向膨脹,，使得圖像中相互靠近的反光中心區(qū)域相互合并，然后對膨脹后的圖像進(jìn)行2次全方向腐蝕,，使得面積變大的反光中心區(qū)域還原為原始大小,；

(1c)對于面積較大的反光中心區(qū)域,，把這些區(qū)域的外接矩形作為圖像的反光區(qū)域，而對于面積很小的區(qū)域則進(jìn)行簡單的平滑處理,；

(1d)利用改進(jìn)的樣本塊修復(fù)方法對反光區(qū)域進(jìn)行圖像復(fù)原,，改進(jìn)方法如下：

首先修補(bǔ)過程中每次只針對一個(gè)待修復(fù)區(qū)域進(jìn)行修補(bǔ)，然后再復(fù)原其它修復(fù)塊,，直到全部修補(bǔ)完成為止,；其次在搜索最佳匹配塊的過程中采用二次匹配法進(jìn)行搜索，第一次匹配是粗略匹配,，通過隔行隔列粗略搜索最佳匹配塊的中心點(diǎn)位置,，每次掃描的數(shù)據(jù)量降為原圖四分之一；第二次匹配是精確匹配,，在第一次匹配搜索到的中心點(diǎn)位置的八鄰域點(diǎn)內(nèi)進(jìn)行遍歷搜索,，以得到最后的最佳匹配塊進(jìn)行修復(fù)。

所述步驟(4)圖像分割過程中結(jié)合最大熵法與迭代法對預(yù)處理后的眼肌圖像進(jìn)行圖像分割包括以下步驟：

(2a)去除圖像背景：將去除反光后的圖像轉(zhuǎn)換為灰度圖像,，根據(jù)眼肌圖像的特征,，轉(zhuǎn)換的灰度值公式為：Gray＝G*0.6+B*0.4,，其中Gray為圖像灰度值，G為原始圖像綠色通道值,，B為原始圖像藍(lán)色通道值,，運(yùn)用大津法對得到的灰度圖像進(jìn)行整體閾值分割去除圖像背景，得到圖像P1,；

(2b)提取眼肌中的脂肪部分：把P1均分為20*20份并分別進(jìn)行閾值分割,，每一份小圖像根據(jù)其圖像特征為其選取不同的自適應(yīng)閾值分割算法，選取的流程如下,，其中迭代法分割出的大理石花紋面積為S1,，最大熵法分割出的大理石花紋面積為S2：

當(dāng)圖像塊中包含背景區(qū)域時(shí)，選用迭代法對圖像塊進(jìn)行自適應(yīng)閾值分割,；

當(dāng)S2≤S1＜1.3*S2時(shí),，選用迭代法對圖像塊進(jìn)行自適應(yīng)閾值分割；

當(dāng)S1≤S2＜1.3*S1時(shí),，選用最大熵法對圖像塊進(jìn)行自適應(yīng)閾值分割,；

當(dāng)S2≥1.3*S1時(shí)，選用迭代法對圖像塊進(jìn)行自適應(yīng)閾值分割,；

當(dāng)S1≥1.3*S2時(shí),，選用最大熵法對圖像塊進(jìn)行自適應(yīng)閾值分割；

每個(gè)小塊分割完成后得到圖像P2,；

(2c)去除肌間脂肪：對P2進(jìn)行輪廓提取,，選出周長最大的一個(gè)輪廓，對該輪廓進(jìn)行填充,，對填充后的區(qū)域進(jìn)行形態(tài)學(xué)膨脹處理得到圖像P3,，對圖像P2和P3進(jìn)行差值運(yùn)算，得到圖像P4,；

(2d)對P4進(jìn)行形態(tài)學(xué)膨脹處理得到圖像P5,，對P5進(jìn)行輪廓提取，找出輪廓像素點(diǎn)個(gè)數(shù)小于10的輪廓區(qū)域,，這些區(qū)域?yàn)樵肼朁c(diǎn),，去除這些區(qū)域得到圖像P6，對P5和P6進(jìn)行與計(jì)算得到圖像P7,，此時(shí)的圖像即為提取出的眼肌大理石花紋,。

所述步驟(5)特征提取過程中從得到的大理石花紋圖像中提取出脂肪分布指標(biāo)特征值共3個(gè)，所述特征的詳細(xì)表述如下：

F1脂肪顆粒均勻度：指的是脂肪顆粒分布變異系數(shù),，設(shè)有效眼肌圖像有n行,，每行的脂肪像素占該行總像素比例為wi(i＝1,2,…,n)，平均值為則脂肪顆粒均勻度C的計(jì)算公式如下：

F2計(jì)盒維數(shù),；

F3信息維數(shù),。