圓形植物識別定位的HSV模型研究

李超超，張遠(yuǎn)東，王昌龍

揚州大學(xué) 機械工程學(xué)院，江蘇 揚州225127

1 引言

圖像處理方法越來越多地運用于植物圖像當(dāng)中，對植物圖像進(jìn)行分割提取的方法也層出不窮。劉國奇等人[1]提出一種融合RGB 顏色空間的植物圖像分割模型，該模型首先通過RGB 顏色空間模型將彩色植物圖像劃分為兩個部分，使目標(biāo)圖像保持原來的顏色，使用log邊緣檢測算子提高對噪聲的穩(wěn)健性，并對植物圖像進(jìn)行圖像增強處理。錢金磊[2]使用顏色分量作為綠色作物圖像分割的切入點，針對光照強烈和陰影的情況引入Lab顏色空間，并融入圖像紋理特征對綠色作物進(jìn)行圖像分割。

上述采用圖像分割方法對綠色植物圖像進(jìn)行了有效的分割，但以上方法都是針對特定環(huán)境的植物圖像采用特定的方法，不能作為植物圖像分割的一般方法。本文研究目標(biāo)為圓形植物圖像，目標(biāo)植物周圍的草地背景有著同圓形植物相同的顏色特征，需要提出新的圖像分割方法對圓形植物圖像進(jìn)行有效分割。分析圓形植物和草地背景的顏色特征，本文提出基于HSV 模型的圓形綠色植物識別定位圖像處理方法，可以將圓形綠色植物和草地背景完全區(qū)分開，為圓形植物修剪設(shè)備提供準(zhǔn)確的目標(biāo)植物位置信息，有效地提高圓形植物修剪設(shè)備的自動化水平。該方法可有效用于顏色相近的植物圖像分割。

2 HSV模型

RGB 模型是人們最熟悉的彩色模型，但RGB 三個分量的相關(guān)性高，不能用于分離兩個顏色相近區(qū)域。HSV模型同樣屬于彩色模型，HSV（Hue，Saturation，Value）分別表示色調(diào)、飽和度和明度，HSV 模型比RGB 模型更接近人們對色彩的感知；HSV模型消除了三個分量之間的相關(guān)性，在處理顏色相近的圖像時有更好的效果[3-4]。

HSV 模型空間可用倒立的六棱錐來體現(xiàn)，如圖1，頂面是一個正六邊形，六個角分別代表紅、黃、綠、藍(lán)、青、品紅6 個顏色位置。沿H 方向是色相（色調(diào)）的變化；S 方向表示飽和度變化，越接近六邊形外框飽和度越高；六棱錐的高表示明度值，V 的底端是黑色，頂端為白色。

圖1 HSV的六棱錐模型

在本文提出的方法中需要將RGB 彩色圖像轉(zhuǎn)為HSV 圖 像，即 將 圖 像 的R、G、B 三 個 分 量 轉(zhuǎn) 換 成 在H、S、V 分量[5-7]。RGB彩色圖像轉(zhuǎn)換到HSV模型各個分量變換結(jié)果如圖2所示。

圖2 HSV分量圖

分析圖2 可知，分量圖中的色調(diào)（H）圖像中圓形植物區(qū)域可以明顯地區(qū)別于草地背景，圓形植物區(qū)域呈現(xiàn)灰白色，而草地區(qū)域呈現(xiàn)深藍(lán)色。圓形綠色植物和綠色背景草地雖然同屬綠色，但二者在色調(diào)方面有明顯的區(qū)別。分量圖中的飽和度（S）圖像呈現(xiàn)的圓形植物區(qū)域更加明顯，圓形植物為灰白色區(qū)域，而草地背景為藍(lán)黑色區(qū)域，直觀地區(qū)分了圓形植物區(qū)域和草地區(qū)域。但分量圖中的明度（V）圖像并不能有效地區(qū)分圓形植物與草地背景，二者所在的區(qū)域均表現(xiàn)為灰色，且圓形植物的邊緣模糊[8-10]。依據(jù)上述分析結(jié)果本文提出一種基于HSV模型的圓形綠色植物圖像檢測識別方法，并且通過HSV 模型中的色調(diào)和飽和度分量來完成圓形綠色植物的檢測識別。

3 圓形植物檢測方法

3.1 算法流程

依據(jù)上述HSV 模型圖像分析，本文提出基于HSV模型的圓形植物圖像檢測識別方法，算法流程如圖3 所示，首先相機采集圓形綠色植物圖像，即RGB 彩色圖像；第二步將此圖像轉(zhuǎn)換為HSV 模型圖像，在此步驟中需要設(shè)定合適的色調(diào)和飽和度參數(shù)；第三步將圓形植物的HSV 模型圖進(jìn)行圖像分割，提取圓形植物區(qū)域；第四步對分割的HSV 圓形植物圖像進(jìn)行形態(tài)學(xué)處理，完全去除草地背景區(qū)域的1 像素點；最后對形態(tài)學(xué)處理的圖像進(jìn)行圖像標(biāo)定和顯示，得到圓形植物的中心點坐標(biāo)和半徑尺寸。

圖3 算法流程圖

3.2 具體步驟

3.2.1 HSV模型轉(zhuǎn)換

對相機采集到的圓形植物RGB圖像進(jìn)行HSV模型轉(zhuǎn)換，RGB 模型圖像矩陣分別包含圖像的紅、綠、藍(lán)成分，轉(zhuǎn)換為HSV 模型圖像后返回一個包含色調(diào)、飽和度和明度的圖像，轉(zhuǎn)換后的HSV 模型圖如圖4 所示。由圖4 可看出HSV 模型圖中圓形綠色植物區(qū)域呈現(xiàn)淺綠色，草地背景區(qū)域呈現(xiàn)藍(lán)色，二者界線清晰明顯。

圖4 HSV模型圖

3.2.2 HSV模型分割

在HSV 模型圖中，依據(jù)色調(diào)和飽和度兩個分量找出綠色背景的像素坐標(biāo)[11-13]，經(jīng)過實驗測試，確定色調(diào)值H 大于2/24 并且小于12/24，飽和度值S大于0.3。依據(jù)這兩個分量提取目標(biāo)，得到如圖5 的分割圖像。可以看出圓形植物區(qū)域已經(jīng)完全被分割出來了，草地背景被去除，但是圓形植物的內(nèi)部還存在0像素區(qū)域，并且草地背景存在1像素點，圖像的連通性不理想，需要進(jìn)一步處理。

圖5 HSV分割圖像

3.2.3 形態(tài)學(xué)處理

對HSV 分割圖像進(jìn)行形態(tài)學(xué)處理，去除圓形植物區(qū)域的0像素點和草地背景區(qū)域的1像素點。運用以下算法進(jìn)行圖像填充處理。

初始化：B0=種子點

循環(huán)：DoBi+1=(Bi⊕S)?Ac

UntilBi+1==Bi

其中，種子點B0為填充的開始點，S為填充的結(jié)構(gòu)元素，A為圖像邊界，Ac為邊界的補圖像。

圓形植物邊界周邊存在的1 像素點需要進(jìn)行去噪處理，僅僅保留面積最大的一個1 像素區(qū)域。根據(jù)圖像的特性，將面積作為關(guān)鍵因素，采用循環(huán)算法比較各個1像素區(qū)域的面積大小，確定面積最大的區(qū)域即為目標(biāo)區(qū)域，最后去除所有面積小于最大區(qū)域的像素區(qū)域。形態(tài)學(xué)處理結(jié)果如圖6所示。

圖6 形態(tài)學(xué)處理圖像

3.2.4 標(biāo)定和顯示

圖7 標(biāo)定圖

對上述得到的形態(tài)學(xué)處理圖像進(jìn)行目標(biāo)區(qū)域的識別和標(biāo)定，并得出圓形植物區(qū)域的中心點坐標(biāo)和半徑尺寸。標(biāo)定和顯示結(jié)果如圖7所示。

由圖7 可以看出圓形植物區(qū)域邊緣和中心點被標(biāo)記，圓形植物中心點坐標(biāo)為（359，306），半徑為288，單位為像素。

至此經(jīng)過上述圖像處理對采集的圓形植物圖像進(jìn)行識別并檢測出圓形植物區(qū)域，最終得到圓形植物區(qū)域的中心點坐標(biāo)和半徑尺寸，為圓形植物修剪設(shè)備提供了目標(biāo)植物的準(zhǔn)確位置信息。

4 測試實驗

在對圓形植物圖像進(jìn)行HSV 模型分割前，為了得到HSV 模型的色調(diào)分量和飽和度分量的最佳參數(shù)組合，需要進(jìn)行實驗驗證[14-15]。

在實驗測試時首先令飽和度S 的范圍固定，為S ＞0.5，色調(diào)H 的變化范圍見表1，依據(jù)表1 所給的參數(shù)對圓形植物的HSV 模型圖進(jìn)行圖像分割，實驗測試結(jié)果如圖8。

表1 實驗測試參數(shù)1

圖8 實驗測試結(jié)果1

由圖8實驗測試結(jié)果可看出，圖（a）、（b）、（c）的測試結(jié)果相似，可以明顯地分割出圓形植物區(qū)域，但仔細(xì)觀察發(fā)現(xiàn)，（a）圖和（c）圖的圓形植物左下方區(qū)域存在一片0 像素區(qū)域，對比實驗結(jié)果，（b）圖的參數(shù)組合最好。令色調(diào)H 的范圍固定，為1/12 ＜H ＜1/2，飽和度S的變化范圍見表2，依據(jù)表2 所給的參數(shù)對圓形植物的HSV 模型圖進(jìn)行圖像分割，實驗測試結(jié)果如圖9。

表2 實驗測試參數(shù)2

圖9 實驗測試結(jié)果2

由圖9 實驗測試結(jié)果2 可以發(fā)現(xiàn)隨著飽和度S范圍的逐漸縮小，對圓形植物圖像分割后的結(jié)果呈現(xiàn)出目標(biāo)區(qū)域逐漸縮小的趨勢。其中（a）圖的圓形目標(biāo)區(qū)域最明顯清晰，但是圓形植物邊緣存在大量的1 像素區(qū)域，圓形植物圖像分割后邊界模糊；（b）圖的圓形植物區(qū)域明顯，且草地背景區(qū)域沒有過多的1像素點，（c）圖和（d）圖的圓形植物區(qū)域含有較多的0 像素區(qū)域；對比實驗結(jié)果，（b）圖的參數(shù)組合最優(yōu)，即1/12 ＜H ＜1/2,S ＞0.3。

依據(jù)以上實驗測試結(jié)果，得到了HSV 模型飽和度和色調(diào)的最佳組合參數(shù)，為對圓形植物HSV 模型圖進(jìn)行HSV 分割提供合理有效的分量參數(shù)，使得到的圓形植物分割圖像可以完全體現(xiàn)目標(biāo)植物區(qū)域。

5 結(jié)束語

針對圓形植物與草地背景的顏色相似性，本文提出的基于HSV 模型的檢測識別方法，該方法可以有效地提取圖像中的圓形植物，通過一系列的圖像處理得到圓形植物區(qū)域的中心點和半徑；由此可為圓形植物修剪設(shè)備提供目標(biāo)植物的準(zhǔn)確位置信息，圓形植物修剪設(shè)備得到目標(biāo)植物的位置信息是自動修剪的關(guān)鍵步驟。本文的下一步將研究植物自動修剪設(shè)備如何利用目標(biāo)植物的位置信息實現(xiàn)自動修剪植物功能。