茶葉嫩芽圖像自動分割方法的研究

汪 洋，胡 靖，邵煜坤，楊志剛，呂 軍

（黃山學院 信息工程學院，安徽 黃山245041）

茶葉作為保健飲品受到廣大群眾的喜愛。我國作為茶葉生產大國，目前茶葉采摘以人工采摘為主，該方法耗時耗力、主觀因素大。基于機械式的采茶機[1]對老葉、茶梗和嫩芽間的選擇效率低下且對部分茶葉葉片損壞導致茶葉質量下降[2]。隨著計算機技術的不斷發展，楊福增[3]、劉志杰[4]等人在白色背景下獲取了陜西名茶“午子仙毫”圖像，利用閾值分割實現了嫩葉和老葉自動分離。韋佳佳[5]針對自然環境下茶葉圖像，提出了基于不同色彩因子分割的嫩梢識別方法，為后期嫩梢定位提供了理論基礎。以上方法茶葉圖像背景相對簡單，而自然環境下的茶葉不僅受到灰塵、土壤、茶梗的影響，老葉的姿態、殘缺、重疊等也加大了嫩芽的分割難度。

1 材料與方法

1.1 茶葉圖像采集

本文以黃山毛峰茶葉為研究對象，樣本均采集于清明前期安徽省黃山市茅山茶場。利用Nikon D90 數碼相機 （定焦鏡頭焦距為28mm，光圈為f/2.8D）正面拍攝茶葉圖像，以JPG 格式保持（如圖1所示），共采集圖像50 幅。為加快計算機處理速度，圖像尺寸統一為640×640 像素。本文所有程序均在matlab2010a 環境下編制。

1.2 茶葉圖像增強

茶葉圖像采集過程中易受噪聲干擾、光照不均等影響。常用的中值濾波和均值濾波能夠有選擇性的去除噪聲，但圖像會變得模糊[6]。本文利用高、低帽變換實現茶葉圖像增強（如圖2 所示），有效提高了茶葉圖像的對比度。程序如下：

rgb=imread(‘maofeng.jpg’);

se=strel(‘disk’,7);

J=imtophat(rgb,se);

K=imbothat(rgb,se);

RGB=imsubtract(imadd(J,rgb),K);

figure,imshow(rgb)

figure,imshow(RGB)

圖1 自然環境下茶葉彩色圖像

圖2 自然環境下茶葉增強圖像

1.3 基于顏色的茶葉嫩芽分割

常用的顏色模型有RGB、HSV、Lab 和YCbCr等,不同的顏色模型描述的信息特性不同。本文選取RGB 和HSV 兩種色彩模型進行茶葉嫩芽分割。首先選取合適的分量灰度圖并閾值分割，然后利用形態學處理獲取茶葉嫩芽二值圖像，最終通過邏輯運算實現嫩芽圖像彩色分割，具體流程如下：

1.分析各分量及分量組合灰度圖，選取嫩芽與背景區分明顯的灰度圖作為待分割圖；

2.使用最大類間方差法（OTSU）確定分割閾值，獲取嫩芽二值圖像，然后利用5×5 模板中值濾波去除噪聲顆粒，記作bw(i,j)；

3.對步驟2 二值圖像bw(i,j)進行連通區域標記和編號，計算編號區域的面積，設定面積閾值T1，保留大于T1 的目標區域，去除偽目標區域，記作Bw(i,j)；

4.對步驟3 二值圖像Bw(i,j)進行取反，設定面積閾值T2，保留小于T2 的目標區域，并將該區域與Bw(i,j)相加，實現目標孔洞選擇性填充，記作BW(i,j);

5.根據下式將二值圖像BW(i,j)和原始彩色圖像rgb 進行邏輯“與”，得到茶葉嫩芽彩色區域。

1.3.1 基于RGB 模型的茶葉嫩芽分割

RGB 模型是應用廣泛的顏色系統之一，其原理是通過紅（R）、綠（G）、藍（B）3 原色按照不同的比例構成不同的色彩。本文通過對R、G、B 和不同色差模型分析發現，R-B 色差模型不僅嫩芽與背景差異明顯，而且可以降低光照對單一分量的影響[7]。部分代碼如下：

R=RGB(:,:,1);%R 分量灰度圖

B=RGB(:,:,3);%B 分量灰度圖

RJB=R-B;%R-B 色差灰度圖

level=graythresh(RJB);

BWRJB=im2bw(RJB,level);%OTSU 二值化

BW=medfilt2(BWRJB,[5,5]);%5×5 中值濾波

bw=bwareaopen (BW,200);%剔除面積小于200 的偽

目標區域

bw1= ～bw;

bw2=bwareaopen(bw1,200);

bw3=bw1-bw2;

bw4=bw+bw3;%目標區域孔洞填充

[m n]=size(bw);

for i=1:m

for j=1:n

if bw4(i，j)==1

rgb(i，j，:)=rgb(i，j，:);

else rgb(i，j，:)=0;

end

end

end%邏輯“與”實現嫩芽彩色分割

圖3 R-B 色差模型下茶葉嫩芽二值圖像

圖4 R-B 色差模型下茶葉嫩芽彩色圖像

1.3.2 基于HSV 模型的茶葉嫩芽分割

HSV 顏色模型是由色調（H）、飽和度（S）、亮度（V）3 個互不相關的顏色屬性組成。色調H 通過角度度量不同的顏色，飽和度S 描述顏色的純度，亮度V 與圖像彩色信息無關。由于H、S 與人的感知顏色系統相似，所以HSV 模型適合于人類視覺系統感知顏色特征的圖像處理。

從自然環境下茶葉彩色圖像不難看出，茶葉嫩芽呈黃綠色，而老葉呈深綠色。因此，可以利用飽和度S 作為分割灰度圖，實現嫩芽與背景的彩色分割。S 灰度圖提取代碼如下：

hsv=rgb2hsv (RGB);%將RGB 空間轉換到HSV空間

s=hsv(:,:,2);%S 分量灰度圖

圖5 S 分量模型下茶葉嫩芽二值圖像

圖6 S 分量模型下茶葉嫩芽彩色圖像

2 結果與分析

從圖4 和圖6 茶葉嫩芽彩色分割圖像顯示，不同顏色模型的嫩芽分割能夠有效地識別嫩芽區域。基于HSV 模型的嫩芽分割效果受老葉影響較大，主要因為自然環境下茶葉姿態各異，且老葉背面顏色與嫩芽顏色較為相近。通過對自然環境下多幅茶葉單株圖像和區域圖像的實驗，發現基于R-B 色差模型的茶葉嫩芽分割效果最佳。

3 討 論

自然環境下茶葉圖像易受到顆粒、光照、老葉姿態、茶梗和土壤等影響。本文對自然條件下毛峰茶葉嫩芽分割進行了研究。利用嫩芽與背景在不同模型中的差異選擇R-B 和S 灰度圖作為待分割圖像，通過OTSU 和數學形態學獲取最終的嫩芽二值圖像，最后采用邏輯運算實現了茶葉嫩芽彩色區域識別。R-B 色差彩色分割在算法魯棒性和正確率上效果明顯。自然環境下茶葉嫩芽的自動分割為后期茶葉嫩芽智能采摘提供了理論基礎。

[1]鄒勇,胡根貴.茶葉采摘與管理[J].安徽農業通報,2005,11(1):71.

[2]吳雪梅,張富貴,呂敬堂.基于圖像顏色信息的茶葉嫩芽識別方法研究[J].茶葉科學,2013,33(6):584-589.

[3]楊福增,楊亮亮,田艷娜,等.基于顏色和形狀特征的茶葉嫩芽識別方法[J].農業機械學報,2009,40(增刊):119-123.

[4]劉志杰,田艷娜,楊亮亮,等.重疊條件下茶葉嫩芽的自動檢測方法[J].中國體視學與圖像分析,2009,14(2):129-132.

[5]韋佳佳,陳勇,金小俊,等.自然環境下茶葉樹梢識別方法研究[J].茶葉科學,2012,32(5):377-381.

[6]袁西霞,岳建華,趙賢任.Matlab 在中值濾波改進算法中的應用[J].廣東工業大學學報,2007,24(1):33-35.

[7]韋佳佳.名優茶機械化采摘中嫩芽識別方法的研究[D].南京:南京林業大學,2012:11-19.