摘 要：通過對青椒RGB模型、顏色因子、直方圖閾值的分析,提出了一種顏色特征與直方圖閾值相結(jié)合進(jìn)行田間青椒圖像分割的方法，該方法無需灰度轉(zhuǎn)換。試驗(yàn)結(jié)果表明，該算法能很好地從圖像背景中分離田間青椒果實(shí),并較好地保存青椒輪廓信息,分割成功率高于85%。進(jìn)一步對分割的圖像進(jìn)行平滑,形態(tài)學(xué)處理,如膨脹、腐蝕等,可以有效消除孔洞現(xiàn)象,有利于對青椒的進(jìn)一步識(shí)別。
關(guān)鍵詞：顏色特征；圖像分割；采摘機(jī)器人；閾值
隨著農(nóng)業(yè)的不斷發(fā)展，自動(dòng)化是現(xiàn)代化農(nóng)業(yè)的一個(gè)首要標(biāo)志。在青椒采摘機(jī)器人的研制中，田間青椒果實(shí)與其背景的分離是首要的任務(wù)。由于機(jī)器人采集的圖像受到自然光的影響,青椒果實(shí)表面與其周圍葉片等環(huán)境存在一定的差別, 目前常用的圖像分割方法有兩種：利用圖像的顏色特征進(jìn)行分割以及利用BP神經(jīng)網(wǎng)絡(luò)對圖像進(jìn)行分割。本文經(jīng)過對青椒果實(shí)的顏色因子和青椒葉子的顏色因子分析發(fā)現(xiàn)，通過RGB顏色因子G與B的差值和G與R的差值的疊加可以將青椒從其背景中有效分割出來。
1 圖像的采集
(1)采集時(shí)間：圖像獲取的時(shí)間，應(yīng)根據(jù)青椒作物的生長狀況和生長規(guī)律而定，選擇青椒有較明顯特征時(shí)進(jìn)行拍攝。
(2)采集地點(diǎn)：東北農(nóng)業(yè)大學(xué)園藝田。
(3)所用儀器：SONY彩色數(shù)碼照相機(jī)。
(4)采集方法：用數(shù)碼相機(jī)在園藝田中拍攝青椒作物圖片，選擇具有典型代表的圖片進(jìn)行處理，獲取的圖像以JPG格式存儲(chǔ)在存儲(chǔ)卡中，在并行口與計(jì)算機(jī)相連，將圖像存儲(chǔ)于硬盤中并轉(zhuǎn)成BMP格式的24位真彩圖。
在實(shí)際應(yīng)用系統(tǒng)中可考慮采用CCD攝像機(jī)動(dòng)態(tài)采集圖像，通過圖像采集卡將圖像實(shí)時(shí)地傳入到控制臺(tái)的計(jì)算機(jī)內(nèi)。由于數(shù)字圖像處理具有數(shù)據(jù)量大、處理費(fèi)時(shí)的特點(diǎn)，考慮到實(shí)際操作時(shí)，青椒識(shí)別系統(tǒng)的實(shí)時(shí)性要求高，因而要求計(jì)算機(jī)的性能較高，尤其是處理速度要高，在滿足識(shí)別系統(tǒng)要求的情況下，選擇性價(jià)比高的硬件配置。
2 田間青椒圖像顏色特征的分析算法
顏色是自然界中一種常見的物理現(xiàn)象，是外界的光刺激引起人的顏色視覺細(xì)胞的感應(yīng)。目前，用于定量地描述顏色的模型有許多種，在與數(shù)字圖像處理有關(guān)的研究中使用得最多的顏色模型是RGB模型和HIZ模型。RGB顏色模型基于人類視覺的三基色原理，是最基本的一種顏色模型，因此本文采用此顏色模型進(jìn)行分析研究。在這種顏色模型中，彩色圖像中每個(gè)像素的顏色都能用三維空間中第一象限的一個(gè)點(diǎn)來表示，如圖1所示。
所謂的顏色特征提取方法是從彩色圖像中獲取三基色(R、G、B)的原始數(shù)據(jù)，或經(jīng)一定數(shù)學(xué)處理的算子(顏色因子)，對果實(shí)與周圍背景進(jìn)行顏色區(qū)分。在采集的圖像中，其豐富的色彩信息為青椒圖像的分割提供了便利。在顏色特征提取分析過程中，利用 Photoshop圖像處理軟件對圖像中各對象(青椒、青椒葉)的感興趣區(qū)域ROI(Region of Interest)進(jìn)行分析和比較， 圖2是ROI的選取示意圖。
表1、表2是圖像中各對象(青椒、葉子)顏色特征的R、G、B值和顏色因子G-R、G-B、|G-R|+|G-B|的值，共有30組。
在提取各對象R、G、B成份值后，用Excel對數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)分析，比較了青椒和青椒葉兩者間的G-R、G-B、|G-R|+|G-B|的顏色因子。通過表1和表2的對比發(fā)現(xiàn)，青椒與葉子G-R、G-B顏色因子的值都比較接近，而青椒和青椒葉|G-R|+|G-B|顏色因子的值存在較大的差別，因此，可以利用顏色因子|G-R|+|G-B|將青椒果實(shí)與其背景的差別顯現(xiàn)出來。對圖像G-R顏色因子處理后的圖像如圖3所示。
對圖像G-B顏色因子處理后的圖像如圖4所示。
對圖像|G-R|+|G-B|顏色因子處理后的圖像如圖5所示。
從圖3、圖4、圖5的對比不難發(fā)現(xiàn)，經(jīng)顏色因子|G-R|+|G-B|處理后的圖像，青椒與其背景存在明顯的差別。
3 直方圖閾值分割算法
圖像分割是指根據(jù)灰度、色彩、空間紋理、幾何形狀等特征，把圖像劃分成若干個(gè)互不相交的區(qū)域，使得這些特征在同一區(qū)域內(nèi)表現(xiàn)出一致性或相似性，而在不同區(qū)域間表現(xiàn)出明顯的不同。目前，最常用的圖像分割方法是閾值分割。其中閾值選取方法主要有直方圖技術(shù)和自適應(yīng)性閾值。
對于含有目標(biāo)區(qū)域和背景區(qū)域?qū)Ρ茸銐虼蟮膱D像，通常可以借助直方圖，可方便地確定物體圖像和背景的灰度突變位置，并把閾值選在此處，來進(jìn)行圖像分割。圖6為存在峰值點(diǎn)的圖像直方圖。
在經(jīng)過顏色因子|G-R|+|G-B|處理后的圖像中，可以看到青椒與其背景的差別很大，通過觀察發(fā)現(xiàn)，此圖像的直方圖存在峰值點(diǎn)，因此，可以選擇該點(diǎn)作為閾值點(diǎn)進(jìn)行分割。圖像分割結(jié)果如圖7所示。
4 實(shí)驗(yàn)結(jié)果分析
由于自然條件中光線的過強(qiáng)或過弱都會(huì)對青椒的分割產(chǎn)生較大的影響，因此做如下分析說明。
(1)光線強(qiáng)：由于光線較強(qiáng)，青椒表面對光的反射也隨之增強(qiáng)，圖像分割后會(huì)使青椒表面存在較大的空洞。
(2)光線弱：由于光線較弱，青椒表面部分顏色會(huì)與其葉子和背景的顏色相近，分割后會(huì)產(chǎn)生一些誤判的區(qū)域。
以上的情況，在青椒分割后均會(huì)使其面積大量地缺失，繼而，也會(huì)使青椒分割后的輪廓受到嚴(yán)重的影響。
本試驗(yàn)所用青椒圖像為使用數(shù)碼相機(jī)在東北農(nóng)業(yè)大學(xué)園藝田自然光條件下拍攝的5組照片，圖像分辨率為3 072像素×2 304像素。圖像處理平臺(tái)為Windows XP操作系統(tǒng),編程語言采用Matlab7.1。隨機(jī)選取一組照片進(jìn)行實(shí)驗(yàn)，采用顏色因子與直方圖閾值相結(jié)合進(jìn)行圖像分割。由于自然條件的隨機(jī)性影響，在分割過程中會(huì)產(chǎn)生一些誤判的小區(qū)域，對于這種情況，可以采用小區(qū)域面積消除，進(jìn)行處理。文中對誤判小區(qū)域進(jìn)行處理后的圖像，如圖8所示。
從圖8中可以看到，經(jīng)過小區(qū)域去除后，青椒的輪廓保存較為完整。本文對100個(gè)隨機(jī)樣本進(jìn)行分析驗(yàn)證后，其青椒的分割成功率高于85%。圖9所示是圖像分割率的統(tǒng)計(jì)圖。對于未成功分割率的原因作如下分析：
（1）青椒位于枝葉中的較深部位時(shí)，經(jīng)圖像處理后，其R、G、B的值與葉子相似，經(jīng)直方圖閾值法很難找到相應(yīng)的閾值進(jìn)行分割。
（2）由于強(qiáng)光的照射，青椒表面經(jīng)處理后會(huì)產(chǎn)生大片的未閉合區(qū)域，最終造成“誤分割”的結(jié)果。
本文所提出的基于顏色特征與直方圖閾值相結(jié)合的田間青椒圖像分割算法,具有分割時(shí)間短、分割精度高等優(yōu)點(diǎn),能很好地實(shí)現(xiàn)田間青椒果實(shí)與其背景的分離 ,并較好地保存了青椒的輪廓信息,有利于對青椒的進(jìn)一步識(shí)別。采用形態(tài)學(xué)的膨脹、腐蝕等方法,可有效地改善圖像分割后存在的孔洞現(xiàn)象。
參考文獻(xiàn)
[1] 李弼程，彭天強(qiáng)，彭波，等.智能圖像處理技術(shù)[M].北京：電子工業(yè)出版社，2004.
[2] 謝志勇，張鐵中.基于RGB彩色模型的草莓圖像色調(diào)分割算法[J].中國農(nóng)業(yè)大學(xué)學(xué)報(bào)，2006，11(1):84-86.
[3] 董長虹，賴志國，余嘯海.Matlab圖像處理與應(yīng)用[M].北京：國防工業(yè)出版，2004:168-202.
[4] 張志涌.精通MATLAB6.5[M].北京：北京航空航天大學(xué)出版社，2003.