圖像中成熟蘋果果實定位方法研究

李宏利，劉全中

(西北農林科技大學 信息工程學院，陜西 楊凌　712100)

?

圖像中成熟蘋果果實定位方法研究

李宏利，劉全中

(西北農林科技大學 信息工程學院，陜西 楊凌712100)

摘要：針對目前蘋果果實圖像定位中存在的準確度較低、速度較慢等問題，在分析比較的基礎上，對蘋果果實定位方法進行了進一步的思考和研究。以3點確定圓算法為中心，配合圖像中樹枝樹葉部分的分割、果實邊緣的檢測及去除圖像的噪聲等技術，以使處理速度滿足實時要求，并使果實定位結果準確。經測試，本方法對成熟蘋果果實具有較好的定位效果。

關鍵詞：蘋果圖像；果實定位；圓檢測

0引言

機器人采摘蘋果是我國果蔬業自動化程度的重要體現。隨著科學技術的快速發展，機器人采摘蘋果已經成為蘋果采摘技術的熱點；但快速準確識別定位成熟果實既是機器人采摘蘋果的技術難點，又是研究的熱點。

文獻[1]～[6]采用Hough進行目標定位研究，文獻[7]～[8]通過曲率對蘋果果實進行識別和定位。但是已有研究表明：通過Hough變換、圓曲率等方法進行目標輪廓提取及定位時, 輪廓像素點過多會產生較多冗余圓，定位效率低下。

為此，本文主要以成熟蘋果圖像為研究目標。首先，對果實圖像進行分割去噪處理；其次，對目標輪廓進行提取，并對輪廓邊緣進行了細化處理，對細化后的邊緣進行無效點合并處理，減少了無效像素點對算法的影響；最后，采用3點確定圓的方法獲得蘋果果實的幾何參數。

1圖像預處理

本文以處于收獲期的紅富士蘋果為研究對象。在蘋果成熟季節，使用Nikon COOLPIX S6150型號數碼相機，在陜西楊凌農民果園實地拍攝200幅圖像。其中，順光圖像120幅，逆光圖像80幅；圖像格式為jpg，圖像大小為1 024×768像素。

1.1果實圖像分割

針對紅色蘋果果實、綠色樹葉和棕色樹干，常用比較像素點中R、G這兩個值大小的方法進行果實圖像分割；但RGB色彩空間中的顏色數量多，直接比較R和G的值所獲得的效果與要求誤差較大。在測試中用從R/1到R/2之間的值分別與G的值進行比較，發現R/1.7與G的值進行比較時的效果最好。若R/1.7>G，則保留該像素；否則，將該像素點置換為白色。當樹葉等其它背景遮擋果實時，會對定位效果產生一定的誤差，一般情況下，只要遮擋面積不大于50%時，誤差較小，定位效果可以滿足要求。測試效果如圖1所示。

圖1　圖像分割前后對比

1.2圖像去噪

自然場景下獲取的蘋果果實圖像有噪聲，會降低圖像的質量，影響目標的識別和提取。因此，必須對圖像進行降噪處理。

通過對比分析最小值濾波、中值濾波和最大值濾波3種方法，經過多次測試本實驗所用蘋果果實圖像并比較處理效果，最終采用的中值濾波的方法來進行圖像去噪，效果如圖2所示。

圖2　去噪后蘋果果實圖像

1.3邊緣檢測

經過前期處理所得到的圖像雖然在很大程度上保留了所需要信息，但要提高圖像定位和幾何參數的獲取效果，還需對圖像進行邊緣檢測及二值化處理。綜合比較Sobel算子、Prewitt算子和Laplacian算子，并對以上算子測試結果進行分析后，采用Laplacian算子進行邊緣檢測，確定閾值為0.5。當像素點的灰度值大于0.5時，像素點顏色替換為白色；否則，替換為黑色。所得效果如圖3所示。

圖3　邊緣檢測及二值化處理后圖像

2定位蘋果果實

蘋果果實輪廓圖像近似圓，可以用圓的幾何參數表示果實在圖像中的位置及大小。

2.1邊緣上點的選取

經過前期處理獲取的果實邊緣實際上是由塊狀的像素點聚集而成的，因此要較好地獲取輪廓的圓參數，還需對果實邊緣作進一步處理。

2.1.1細化邊緣

將果實邊緣轉化成一系列單獨的像素點，細化果實邊緣，為后期取獲取像素點及定位等操作做準備。

算法的設計思路：將圖像中每3×3大小模塊的像素點轉換為1個像素點。經前期處理的圖像是由黑色和白色兩種像素點組成，若當前像素點為白色，則該像素點的值g(x，y)為0,；若為黑色，則g(x，y)的值為1。像素點計算式為

g(x，y)=∑g(x+k，y+n)k，n∈(-1，0，1)

(1)

若像素點的值g(x，y)>4，則像素點顯示為黑色；否則，顯示為白色。邊緣細化后可以提高算法效率，降低無效像素點對后續處理的影響。邊緣細化處理效果如圖4所示。

圖4　細化邊緣后圖像

2.1.2合并無效點

細化后果實邊緣較平滑的部分，有很多像素點在一條直線上，會影響圓參數的獲取。因此，為了在果實邊緣上提取有效的特征點，需對無效點進行合并。

合并無效點包括合并垂直方向無效點和水平方向上無效點，這兩個方向上處理方式類似。因此，主要討論垂直方向無效點合并方法。

從左向右掃描細化后果實邊緣圖像，如果在垂直方向上出現若干個連續的點(由于在細化邊緣部分，是將每3×3大小的模塊的像素點轉換為1個像素點，因此垂直方向距離為3，即認為是連續的點)，則將這些點合并為1個點。方法是將使合并點的位置置于該線段的中間，該像素點位置(x，y)的計算公式為

(2)

其中，i為垂直方向上若干個連續點中檢測到的第1個點的水平坐標；j為該點垂直坐標。

當該段連續點合并完成后，繼續沿著該垂直線向下檢測，若有連續的像素點則按照前述方法進行合并，直到該垂直方向上的所有點都檢測完；再將掃描線向右移動3個像素距離，繼續上述操作，將整副圖像掃描完成為止。垂直方向上去除無效點效果如圖5所示。

圖5　垂直方向合并

2.2根據3點畫圓

根據3個點確定圓的方法，在前期處理的基礎上，在圖像中每取3個點可以確定出1個標準圓，從而得到果實圓參數。圓心位置和半徑如圖6所示。

圖6　三點確定圓示意圖

(3)

當y1≠y2且y2≠y3時，L1的斜率k1和L2的斜率k2都存在，此時圓心O的坐標為

(4)

當y1=y2時，L1的斜率k1不存在，此時圓心O的坐標為

(5)

當y2=y3時，L2的斜率k2不存在，此時圓心O的坐標為

(6)

若已知圓心和圓上任意一點的坐標，則可以計算得到圓的半徑r，即

(7)

由圓心和半徑可以確定一個標準圓，用以以描述果實位置和大小。在本文中，根據圓心和半徑確定圓如圖7所示。

圖7　根據圓心半徑畫圓

在圖7中，O為已求出的圓心，L1和L2為圓的兩條垂直平分線，A為圓上任意一點，B為過A點的垂線與圓的水平方向上的直徑的交點。設點O的坐標為(X，Y)、點A的坐標為(i，j)、圓的半徑為r，首先計算L1和L2這兩條直線水平方向上的位置，則

(8)

水平方向的坐標在L1_x到L2_x之間的任意一個值都有兩個垂直方向的值與它對應，所以算法可以在L1_x到L2_x之間進行循環并進行判斷，即遞增圓上點的水平坐標的同時可以計算得到該點的縱坐標，則

(9)

由此可以得出圓上任意一點的縱坐標與該點的橫坐標、圓的半徑和圓心位置的關系，從而畫出圓心和半徑確定出的整個圓形。將3個間隔10個距離單位的像素點作為1個圓組合，這3個點可以確定一個圓，所得效果如圖8所示。

圖8　根據邊緣確定圓

2.3選擇特征圓

由3點確定圓方法可知：從圓上選取的若干組3點得到若干個圓，而最后標識果實位置和大小特性的標準圓只要1個，因此必須選擇出符合要求的標準圓作為最后的目標定位結果。本研究用邊緣重合法。

邊緣重合法是在所有確定的標準圓中選擇出與目標邊緣點重合率最高的圓，需要將標準圓與細化邊緣處理后果實的邊緣比較，使比較得出的標準圓更加準確。在處理過程中，將所有標準圓中的像素點逐個和蘋果果實邊緣進行比較，找出像素點重合數最多的標準圓，并記錄該圓圓心坐標和半徑，最后將特征圓參數作為蘋果果實定位結果。邊緣重合法選擇特征圓的效果如圖9所示。

圖9　邊緣重合法選擇特征圓

3結果與分析

VisualC#編程實現上述算法，分別對不同條件下獲得的目標圖像進行測試，圖10為蘋果果實圖像的識別及定位結果。

圖10　實果實定位示意圖

選取50幅圖像中40個蘋果果實圖像進行測試，選擇目標面積作為測試點。其中，S為目標真實面積，S1為本文方法獲取面積。為獲取目標真實面積，用photoshop軟件對蘋果果實圖像進行了預處理。用式(10)計算實測值S與本文方法獲取面積S1的相對誤差E。測試結果表明：最大誤差為13.2%，最小誤差為1.70%，平均誤差為6.16%。相對誤差公式為

(10)

蘋果果實圖像邊緣細化和無效點合并時有一定的誤差，對定位結果影響較大，且經過預處理后二值圖像中目標面積與真實真實場景中目標面積有誤差，這一點可以通過修訂圓半徑的方法進行改進。

4結論

1)色差R/1.7-G特征值能夠很好實現紅色蘋果與背景的分離，較好地提取了目標圖像。

2)本文邊緣細化方法及無效像素點合并法可大大減小算法復雜度。

3)提出的邊緣重合法較好地去除了冗余圓，所用3點確定圓參數及定位蘋果果實圖像的方法平均誤差為6.16%，定位精度基本滿足收獲機器人定位要求。

參考文獻：

[1]井利民.基于ARM的蘋果圖像果實識別與定位關鍵技術[D].楊凌:西北農林科技大學,2009.

[2]尚璐，李銳,宋信玉.改進的Hough變換圓檢測算法[J].電子設計工程,2011,19(14):168-171.

[3]司永勝,喬軍,劉剛，等.蘋果采摘機器人果實識別與定位方法[J].農業機械學報,2010,41(9):148-153.

[4]謝忠紅,姬長英,郭小清,等.基于改進Hough變換的類果實目標檢測[J].農業工程學報,2010,26(7):157-162.

[5]夏磊,蔡超,周成平,等.一種用Hough變換檢測圓的快速算法[J].計算機應用研究,2007,24(10):197-210.

[6]劉明艷,趙景秀,孫寧.用Prewitt算子細化邊緣[J]. 光電子技術,2006，356(4):259-263.

[7]李宏利,何東健.圖像中被遮擋蘋果的還原及定位技術研究[J].農機化研究,2013,35(4):259-263.

[8]荀一,陳曉,李偉,等.基于輪廓曲率的樹上蘋果果實自動識別[J].江蘇大學學報：自然科學版, 2007,28(6):461-464.

Abstract ID:1003-188X(2016)02-0054-EA

Study on Technology of Location of Apples

Li Hongli, Liu Quanzhong

(College of Information Engineering,Northwest Agriculture and Forestry University, Yangling 712100,China)

Abstract：Aimed at the low accuracy, slow speed problems existing in apple fruit image positioning ,this paper made a further thinking and research on the methods of apple fruit’s location . This research used three points to define a circle to make the processing speed meeting the demand of real-time and fruit being positioned precisely after division of leaves and branches in the image and detection of the edge of fruit and technology of getting rid of noise of image.After testing, the method had better effect on localization of mature apple fruit.

Key words：apple image; fruit positioning; round detection

文章編號：1003-188X(2016)02-0054-04

中圖分類號：TP391.41

文獻標識碼：A

作者簡介：李宏利(1974-)，男，陜西藍田人，講師，(E-mail)hl_lee_5@163.com。通訊作者：劉全中(1978-)，男，河南駐馬店人，副教授,(E-mail)lqz@nwsuaf.edu.cn。

基金項目：中國高校科研業務基金項目(QN2013053)

收稿日期：2015-01-14