奶牛圖像二值化的研究

汪存燕 汪依帆

（1、上海應用技術學院，上海 201418 2、上海市學生事務中心，上海 200235）

引言

奶牛體型線性評定是奶牛優化育種工作的重要內容，國內對奶牛的識別主要依靠人工應用皮尺、卡尺、半圓儀等量具進行測量，并與之前所測量的數據進行對比，來計算奶牛的生長速度，體型及背部花紋變化情況等。所有數據用人工進行處理完成，工作量極大，且易出錯。對奶牛進行規范化拍照，并將照片進行二值化處理，可對奶牛進行識別。本文分析了對奶牛背部圖案的提取、處理和二值化的過程。

1 樣本圖像采集與預處理

本系統所采用的照片為奶牛養殖場實地拍攝，共對10頭奶牛進行了拍攝，總共100張512*512照片，包括旋轉、大小、光照和姿勢的變化，通過中值濾波對圖像進行降噪處理，人工去除原有背景并以綠色填充，作為實驗樣本。

2 奶牛圖像的二值化處理

圖像二值化處理是將灰度圖像分成兩部分：大于閾值和小于閾值的像素，因樣本圖像中的奶牛大多可以背部黑色和白色的圖案作為識別依據，故對奶牛圖像作二值化處理是提取奶牛特征的重要步驟。

2.1 奶牛圖像直方圖的特點

對奶牛圖像直方圖作分析，發現由于在成像過程中，容易受到奶牛身上污物、自身斑塊顏色的影響，以及光照等外界環境因素的干擾，使每張圖像的直方圖形狀受到一定程度的干擾，出現峰谷分布不明顯或有多個峰谷出現等，對最佳閾值的選定可能造成偏差。

2.1.1 直方圖毛刺較多：由于大部分奶牛背部的斑塊并不是純白或者純黑，且受泥土、污垢等外界因素影響，部分區域為深褐色或深灰色，這使得奶牛直方圖毛刺較多，且并不一定呈現出兩個波峰，對此類直方圖本文采用鄰閾平滑法對直方圖進行處理，其基本思想是用直方圖中的某個點左右相鄰的幾個值的平均值來代替此點的值，這種方法計算速度快，且簡單有效，其效果如圖1所示，左邊是未平滑的直方圖，右邊是平滑后的直方圖。

圖1 直方圖的平滑處理

2.1.2 光照過強：由于樣本圖像是在室外奶牛場實地拍攝，受太陽光折射的影響，可能會產生一些光線特別強烈的照片，造成直方圖向右偏移，如圖2中是同一頭奶牛在不同光照條件下取RGB圖像中的R分量圖產生的直方圖，其中，圖片下方的奶牛受光照影響明顯大于圖片上方的奶牛，所以，受光照影響的奶牛圖片的直方圖明顯向右偏移，如果在較低灰度值中尋找閾值就會造成誤差。因為R、G、B三個分量均包含亮度信息，它們之間存在著很大的相關性，而這種相關性，不利于圖像的邊緣檢測和分割[6]。經實驗發現，圖像的YUV空間具有與人視覺感知的一致性，且比RGB空間具有更好的認知均勻性，故為了避免光照的影響，可對光照強烈的圖像在YUV空間中尋找閾值。在YUV空間中，Y是顏色的亮度，U和V是色調。本實驗中，我們發現YUV空間中的V分量更能區分奶牛中的黑白色，故取V分量圖作為實驗圖。從RGB空間到YUV空間的轉換關系如下：

圖2 受光照影響的直方圖

2.2 最佳閾值的確定

按照上述奶牛圖像直方圖的特點，我們利用圖3所示最佳閾值的確定流程圖對奶牛圖像作二值化。

圖3 直方圖最佳閾值確定流程圖

2.3 區域增長

確定最佳閾值t0之后，大于t0的像素值被標記為1，置為白色，小于t0的像素值被標記為0，但按照閾值t0分割后的二值圖像中，有部分黑色像素周圍的點被誤作白色，故可進一步以黑色點作為種子點進行區域增長。區域增長的思想是將具有相似性質的像素點集合起來構成同一區域[7]。

設被標記為黑色的種子點的灰度值為b0，判斷種子點b0的鄰域8個點，其灰度值用b1表示，當滿足以下條件，則判斷b1與b0相似，同為黑色，被標記為0：

由于奶牛圖像的復雜性，無法保證所有被標記的種子點的正確性，若僅按照上述條件1，則有可能從被標記錯誤的種子點作區域增長，故在進行區域增長時，還需附加條件2、3，以避免從錯誤種子點增長。

3 奶牛圖像二值化處理結果

從圖4可見，用本文提出方法對奶牛圖像進行二值化處理，既可以比較精確地獲取閾值從而對圖像作二值化，同時，也能夠消除光照、泥土等外界因素對圖像二值化的影響。

圖4 利用本文方法對奶牛圖像二值化處理后的結果

結束語

奶牛圖像二值化是奶牛圖像識別最重要的部分。本論文提出了一種專門針對奶牛圖像的二值化方法，對于解決傳統方法鑒別動物的成本高、操作復雜和識別率低等問題以及推廣動物跟蹤應用、提高食品安全有重大的意義。

[1]嚴曲，趙躍龍.一種基于迭代閾值法的身份證圖像二值化研究算法 [J].計算機測量與控制，2005，13(6)：595-597.

[2]付阿利，雷秀娟.基于改進PSO算法的最大熵閾值圖像分割 [J].計算機工程與應用，2008，44(29):174-176.

[3]王祥科，鄭志強.Otsu多閾值快速算法及其在彩色圖像中的應用[J].計算機應用，2006，26:14-15.

[4]肖艷煒，張云.改進的二維Otsu自動分割算法及其應用研究[J].計算機工程與應用，2007，43(7):243-245.

[5]陳敏.一種自動識別最優閾值的圖像分割方法[J].計算機應用與軟件,2006,23(4)：85-86.

[6]王建國，華繼釗.基于YCgCr顏色空間的光照自適應的膚色區域檢測 [J].計算機應用研究，2008，25(2):467-472.

[7]裘旭光.基于自適應區域增長算法獲取手臂靜脈模式[J].計算機工程與應用，2007，43(33):230-233.