基于色差與梯度特征的冰糖橙圖像自動分割

鐘成 李林升 丁鵬

摘 要：冰糖橙圖像的快速有效分割是冰糖橙采摘機器人視覺系統(tǒng)研究的重要步驟。針對采用傳統(tǒng)閾值分割法對水果灰度圖像分割的不足，提出了基于色差法與梯度特征的冰糖橙圖像分割算法。該算法利用圖像顏色特征中R與G分量色差的絕對值和圖像邊緣梯度特征相結(jié)合，運用最大類間方差法對圖像進行分割。此方法與傳統(tǒng)方法相比，分割效果更好，處理速度快，分割一幅圖像僅需0.1017 秒，符合冰糖橙采摘機器人的實時視覺系統(tǒng)識別。對分割后的圖像進行形態(tài)學處理，進一步提高圖像效果。

關(guān)鍵詞：色差法；梯度特征；圖像分割；形態(tài)學處理

中圖分類號：TP242 文獻標識碼：A

目標圖像的自動分割技術(shù)是水果采摘機器人視覺系統(tǒng)研究的關(guān)鍵組成部分。由于部分水果顏色與枝葉相近，甚至出現(xiàn)枝葉遮擋或果實重疊的現(xiàn)象。快速、準確地實現(xiàn)對果實的分割一直是人們研究的課題。

覃磊[1]等，研究了在RGB顏色模型下，通過比較圖像中各個像素與圖像主顏色的相似度，并設(shè)定閾值，實現(xiàn)成熟草莓彩色圖像自動分割；張志強[2]等，通過R-B算子對彩色圖像進行初步分割后，進行二值化處理得到大致的果實輪廓，并基于輪廓形狀的面積、離心率、圓形度、長短軸長度等8個形狀特征作為BP神經(jīng)網(wǎng)絡(luò)的輸入，通過BP神經(jīng)網(wǎng)絡(luò)對綠色蘋果圖像進行分割；李二超[3]等，提出了一種基于顏色和紋理特征的黃瓜果實圖像分割，首先利用CIE-XYZ顏色模型保留圖像綠色區(qū)域部分，分隔開其他顏色區(qū)域，然后利用灰度共生矩陣提取黃瓜果實表面的紋理特征，確定了兩個參數(shù)：熵和能量，最后設(shè)定閾值分割圖像；徐天芝[4]等利用彩色圖像的梯度特征，結(jié)合分水嶺算法分割目標圖像。上述方法都能實現(xiàn)對水果圖像分割，但是準確性與實時性還有待進一步改進。本文提出了一種基于RGB顏色空間|R-G|色差法與圖像邊緣梯度相結(jié)合的分割方法。

1 |R-G|色差算子的選取

本實驗的圖像是在湖南省永興冰糖橙信息中心直供基地利用數(shù)碼相機進行實地拍攝，在自然光源下采集的圖像。采用PC電腦作為本研究計算機圖像處理系統(tǒng)，其配置為：Intel Core i5-2450M處理器，2.5GHZ的CPU，4G內(nèi)存，32位WIN7操作系統(tǒng)。

分析冰糖橙圖像的RGB像素分布，由于冰糖橙成熟果實呈紅色，樹葉呈綠色，計算色差算子|R-G|的圖像，即能區(qū)分果實和樹葉，如下表所示。

由上表可得，成熟果實的|R-G|值全部大于62，而樹葉等背景的|R-G|值在1到19之間，在圖像中，|R-G|的像素值出現(xiàn)了兩個波峰，并且兩波峰的像素值相差甚遠，此時可以用OTSU自動閾值分割法去分割圖像。通過|R-G|色差算子可以很好的分割圖像。如果對圖像灰度值進行自動閾值分割，效果沒|R-G|算子好，因為表格中背景與成熟果實的灰度值沒有明顯的界限，灰度直方圖不會存在雙波峰的情況。

2 梯度特征選取

圖像處理中的一階微分是用梯度幅值來實現(xiàn)的[5]。而梯度特征與圖像的邊界特征有很大聯(lián)系，圖像梯度表示的是圖像的變化趨勢。在非邊界中，圖像梯度變換平緩，而邊界的梯度變化值就會很大。所以在圖像分割時，可以利用圖像的梯度特征得到圖像邊界，進而分割圖像。許多邊緣檢測也常用各種微分算子來提取圖像的邊界[6]。對于圖像f（x，y），f在坐標點（x，y）處的梯度為

該列向量指在（x，y）處f的最大變化率。它的幅度值表示為M（x，y）

其中，圖像M（x，y）表示為圖像f（x，y）的梯度圖像。

最大類間方差法又稱為大律法，它是一種不需要人監(jiān)督、自適應(yīng)的閾值分割方法。根據(jù)圖像背景與目標之間的類間關(guān)系，將圖像分成背景、目標兩個部分[7]。

因此，本研究首先利用圖像RGB顏色模型的R與G色彩分量之差的絕對值與圖像邊緣梯度作為最大類間方差分割算法的特征，對圖像進行分割。

3 實驗結(jié)果及分析

冰糖橙圖像分割結(jié)果：（a）原始果實圖像；（b）采用傳統(tǒng)閾值分割結(jié)果；（c）采用基于色差與梯度特征分割結(jié)果；（d）形態(tài)學處理結(jié)果。

（a）圖是枝葉大面積遮擋果實圖像。（b）圖是對（a）圖進行傳統(tǒng)的灰度圖像OTSU閾值分割結(jié)果?？梢钥吹?，由于枝葉較多，圖像分割效果不好，冰糖橙果實周邊出現(xiàn)了比較多的白色區(qū)域并伴有一些噪點，有些樹葉也被分割成了果實區(qū)域，出現(xiàn)這種情況的主要原因是光照的影響。（c）圖首先利用彩色圖像R與G分量之差的絕對值作為大律法的分割特征，先進行初步分割，然后結(jié)合圖像邊緣梯度的變化特征增強圖像的邊界部分，使分割后的果實圖像看起來更加明顯。與傳統(tǒng)閾值分割方法相比，本研究分割方法效果較好，特別是在枝葉繁多的的圖像中，濾掉了大多數(shù)的樹葉與樹枝，只存在少部分未準確分割，甚至連背景中較遠的果實也能分割出來。

為了解決上述果實表面反光以及小部分噪聲區(qū)域?qū)Ψ指钚Ч麕淼挠绊懀€需對分割后的圖像進行形態(tài)學處理。首先進行形態(tài)學濾波中的腐蝕操作，腐蝕掉果實之外的白色區(qū)域，然后進行膨脹處理，求局部像素最大值，使圖像的白色區(qū)域增長去掉果實上的黑色小點。形態(tài)學最終處理結(jié)果見（d）圖。

4 實驗結(jié)果及分析

本研究在傳統(tǒng)閾值分割法的基礎(chǔ)上進行改進，利用圖像RGB顏色模型的R與G色彩分量之差的絕對值作為最大類間方差分割算法的特征，并與圖像邊緣梯度特征相結(jié)合的分割方法，可以準確分割出成熟的冰糖橙果實，比傳統(tǒng)灰度圖像閾值分割法效果好。整個圖像分割處理僅需0.1017秒時間，符合冰糖橙采摘機器人的實時采摘要求。成熟冰糖橙圖像的實時準確分割是冰糖橙采摘機器人視覺系統(tǒng)研究的基礎(chǔ)，也是整個冰糖橙采摘機器人研究中不可或缺的一部分，本文的研究方法對農(nóng)業(yè)機器人的視覺系統(tǒng)研究具有重要意義。

參考文獻：

[1]覃磊，孫開瓊，李詩高，等.基于RGB顏色相似度的成熟草莓圖像分割[J].浙江農(nóng)業(yè)學報，2016， 28（2）：330-337.

[2]張志強，張惠莉.基于神經(jīng)網(wǎng)絡(luò)和圖像顏色、形狀特征的綠色蘋果圖像分割[J].農(nóng)業(yè)網(wǎng)絡(luò)信息， 2013（10）.

[3]李二超，李戰(zhàn)明，劉微容.基于顏色和紋理特征的黃瓜果實圖像分割[J].光學技術(shù)，2009， 35（4）：529-531.

[4]徐天芝，張貴倉，賈園.基于形態(tài)學梯度的分水嶺彩色圖像分割[J].計算機工程與應(yīng)用，2016， 52（11）：200-203.

[5][美]RC岡薩雷斯，阮秋琦，等譯.數(shù)字圖像處理（第三版）[M].北京：電子工業(yè)出版社，2011.

[6]秦劍，李林，李紹明，等.基于梯度的圖像分割新方法[J].計算機應(yīng)用，2009，29（8）：2071-2073.

[7]劉超，蔡文華，陸玲.圖像閾值法分割綜述[J].電腦知識與技術(shù)，2015，（01）：140-142+145.

基金項目：湖南省科技局重點計劃（2015NK3033）

作者簡介：鐘成（1993-），男，碩士，主要研究機器視覺技術(shù)。

*通訊作者：李林升（1975-），副教授，碩士生導(dǎo)師，主要從事機器人及圖像處理研究。