当代社会图像处理技术发展飞速,很多基于图像处理的自动计数方法被提出。针对于目前重叠颗粒物计数方法的准确率不高且无法在颗粒物完全重叠时进行计数的研究现状,本文提出一种基于彩色图像和深度图像结合的重叠颗粒分层计数方法。首先,通过使用微软的Kinect Xbox360深度相机(以下简称Kinect相机)获取本文所需的原始彩色图像和深度图像。在采集深度图像时,极易产生随机噪声点和黑洞区域。本文提出一种基于多帧改进的中值滤波方法,来消除深度图像上的孤立噪声点和黑洞区域。为了增强视觉效果便于观察,本文将深度图像进行灰度增强变换。其次,由于Kinect深度摄像头与彩色摄像头位置及结构的不同,造成深度图像和彩色图像之间存在位置偏差,因此需要对Kinect进行标定和配准以消除两幅图像的偏差。本文采用棋盘法对Kinect进行标定,并利用Matlab标定包计算两个摄像头的内部参数,旋转和偏移矩阵。根据Kinect摄像头的畸变模型,结合上述计算结果,实现深度图像和彩色图像的配准。最后,完成重叠颗粒物的分层计数。采用改进的K-means算法提取彩色图像目标区域。根据目标区域的轮廓特征,将其划分为单个,粘连和重叠三种颗粒物摆放类型。由圆形度值统计单个颗粒的数量;根据欧拉圆弧算法对粘连和部分重叠(底层无完全遮挡)类型的颗粒,进行边缘轮廓重建以获取其底层目标数量;对于完全重叠(底层有被完全遮挡)类型的颗粒,由于无法提取到底层被完全遮挡颗粒的轮廓,因此利用边缘重建的单个颗粒物的平均面积,根据目标区域总面积得到被完全遮挡颗粒数量。针对于使用平均面积法计数存在较大偏差的特定的完全重叠类型颗粒,本文提出灰度差异计数法对其底层被完全遮挡的颗粒进行计数,由此提高重叠类型颗粒计数准确率。以上是对单层(包括单个和粘连类型)和重叠类型底层进行颗粒物计数,由于彩色图像提取不到重叠类型颗粒的上层目标,因此对其深度图像进行阈值分割完成上层目标的提取,分类和计数。最后将数量汇总得到整个重叠区域的颗粒物数量,由此实现重叠颗粒的分层计数。本文采用大小均匀、类圆形的纸皮核桃为计数对象。实验中对核桃样本颗粒进行计数,得出本文方法对于粘连类型核桃能够准确计数,重叠类型核桃平均正确率为99.53%,表明重叠颗粒分层计数方法的可行性。本文内容为颗粒自动化计数提供了新思路。