水果的分割算法研究

徐 琳，呂宇玲，王曉娟

（河北農(nóng)業(yè)大學(xué)，保定 071000）

1 彩色圖像分割

1.1 彩色圖像變?yōu)榛叶葓D像

彩色圖像與灰度圖像不同是由于彩色圖像像素具有多維特征分量，其每一維分量仍然有灰度圖的相同性質(zhì)。而將彩色圖像變?yōu)榛叶葓D像有兩種方式可以選擇，（1）選取多維中其中一維作為該圖像的灰度圖像，就是我們下面討論的HSV方法。（2）選取幾維分量的函數(shù)組合作為該圖像的灰度圖像，就是我們下面討論的2r-g-b方法。

1.1.1 HSV

由于RGB分量對顏色的辨別受外界影響較大，所以圖像分割中我們通常采用彩色空間HSV進行分割，即色調(diào)H、飽和度S、亮度V，采用H分量作為該彩色圖像的灰度圖像。但是采用H分量對不同顏色的水果不具有通用性。沒有辦法使用統(tǒng)一的方法進行分割。

1.1.2 2r-g-b

比起背景來說，果實中紅色分量較多，這是將果實和背景區(qū)分開來的重要因素，即紅色分量越多、藍色分量綠色分量越少，越被認(rèn)為是果實，反之，則是背景，當(dāng)然，紅色分量的權(quán)重要大于藍綠分量。

使用2r-g-b方法進行灰度化之后的直方圖和灰度圖像。以三種水果為例，做展示以便于理解。如圖1中a列b列所示。

很明顯，三個灰度圖像都是較亮部分為果實，較暗部分為背景，并且我們知道直方圖中灰度值較大部分為果實，灰度值較小部分為背景。2r-g-b方法可以用統(tǒng)一的方法對不同水果進行處理，所以，采用該法。

1.2 灰度圖像變?yōu)槎祱D像

如圖1中a列所示，灰度值較大部分為果實，較小部分為背景。所以，可以直接人工選取一個合適的閾值進行分割。閾值選取40-60即可。分割后結(jié)果，如圖1中c列所示。

2 形態(tài)學(xué)濾波

分割后的圖像，除了應(yīng)有的目標(biāo)外，還存在誤分割區(qū)域和和隨機噪聲，其中隨機噪聲可以用形態(tài)學(xué)濾波方法去除。果實上的噪聲可以使用開運算，背景上的噪聲可以用閉運算去除。

2.1 閉運算

閉運算就是先膨脹后腐蝕的過程，可以用來清除白色區(qū)域中小型的黑色區(qū)域，首先應(yīng)先使用邊長為4的結(jié)構(gòu)元素清除果實上的噪聲。

2.2 開運算

開運算就是先腐蝕后膨脹的過程，可以用來清除黑色背景上的白色噪聲。在清除果實上的噪聲之后，再用邊長為(D為果實直徑）的結(jié)構(gòu)元素去除果實以外的噪聲。

2.3 關(guān)于半徑范圍

半徑范圍是根據(jù)MATLAB函數(shù)中度量區(qū)域?qū)傩院瘮?shù)regionprops近似估測的。

結(jié)果如表1所示

表1 直徑所占的像素點的個數(shù)

3 圖像修整

形態(tài)學(xué)濾波后的圖像除去了隨機噪聲，但是還有誤分割區(qū)域，由于過大，所以沒有除去，下面是除去誤分割區(qū)域的過程。

3.1 去掉小面積區(qū)域

小面積區(qū)域一般指的是不完整果實或者枝丫等部分，會對結(jié)果造成干擾，首先使用度量區(qū)域?qū)傩缘暮瘮?shù)regionprops，在運行生成的STATS中，STATS（i）.Area中，有各個區(qū)域包含的像素點的個數(shù)，通過對比選取想要保留的大面積和想要去除的小面積之間的閾值，然后使用bwareaopen函數(shù)將小面積區(qū)域去除即可。蘋果、黃香蕉蘋果、雪花梨的閾值分別為3000、1500、20000。

3.2 填充孔洞

由于閉運算時只考慮到去除白色目標(biāo)上的噪聲，而使得選取的結(jié)構(gòu)元素較小，不能實現(xiàn)孔洞的填充，所以我們要另加填充孔洞的步驟。

4 提取邊緣

提取邊緣即是圖像銳化圖象銳化的目的是使邊緣和輪廓線模糊的圖象變的清晰，并且使細節(jié)清晰。它是通過增強高頻分量來減少圖象中的模糊，因此又稱為高通濾波。銳化處理在增強圖象邊緣的同時增加了圖象的噪聲。因此，通常先去噪，在銳化。

4.1 算子方法邊界提取

常用的模板是prewitt算子、sobel算子、log算子等，本次設(shè)計采用sobel算子

sobel算子模板：

4.2 形態(tài)學(xué)濾波方法邊界提取

有些水果圖像在之前進行開運算時使用的結(jié)構(gòu)元素較大，使得進行開運算之后的邊緣不清晰，所以，在邊界提取式無法使用上述幾種算子進行邊界提取。此設(shè)計采用的方法是，使用形態(tài)學(xué)處理的方法，先使用邊長為7的結(jié)構(gòu)元素進行溶解，再用原圖減去溶解后的圖像，就得到邊界提取圖像。

5 用hough變換檢測圓

取和圖像平面一樣的參數(shù)平面，以圖像上每一個前景點為圓心，以已知的半徑在參數(shù)平面上畫圓，并把結(jié)果進行累加。最后找出參數(shù)平面上的峰值點，這個位置就對應(yīng)了圖像上的圓心。再將參數(shù)平面上再加一維——加入變量半徑r，則圖像平面上每一點則對應(yīng)參數(shù)平面上的一個圓錐，再進行累加，找峰值點，即能檢測到圖像平面上圓心位置和半徑大小。

通過a=x-r*cos（angle），b=y-r*sin（angle）將圓圖像中的邊緣點，映射到參數(shù)空間（a，b，r）中，由于是數(shù)字圖像且采取極坐標(biāo)，angle和r都取，一定的范圍和步長，這樣通過兩重循環(huán)（angle循環(huán)和r循環(huán)）即可將原圖像空間的點映射到參數(shù)空間中，再在參數(shù)空間（即一個由許多小立方體組成的大立方體）中尋找圓心，然后求出半徑坐標(biāo)。檢測結(jié)果如圖1中d列所示。

6 結(jié)束語

2r-g-b方法與HSV方法相比更具有普遍性，在一開始的方案選取中就應(yīng)該仔細比對，挑選最優(yōu)的方案。hough變化之后不僅可以得到果實具體的位置和大小（圓心和半徑），而且能過更精準(zhǔn)的檢測果實。但是此設(shè)計采用一般方法的hough占用空間大，計算多，運行很慢，所以還有改進的余地。

圖1 三種水果的直方圖、灰度圖、分割圖、hough變換圖、原圖