基于果徑大小與色澤的椪柑分級算法

曾芳艷，曾 磊，馮午陽，張書真，宋海龍

（吉首大學(xué)信息科學(xué)與工程學(xué)院，湖南 吉首 416000）

湘西是中國果品協(xié)會認定的“中國椪柑之鄉(xiāng)”，然而椪柑作為湘西最具特色的農(nóng)產(chǎn)品，帶給果農(nóng)的經(jīng)濟收益并不令人樂觀，“賣果難”問題時有出現(xiàn)。目前湘西椪柑分級主要依靠人工挑揀完成，分級工作效率低，相比而言，精準(zhǔn)分級銷售可以提高椪柑銷售品質(zhì)，從而提高果農(nóng)收益。通過研究椪柑的外在品質(zhì)特征，利用計算機視覺處理技術(shù)實現(xiàn)椪柑的自動分級。

目前，基于計算機視覺的水果分級檢測算法多是考慮水果的外在品質(zhì)。闕玲麗利用蘋果的傅里葉形狀描述子、顏色飽和度以及果面缺陷面積，設(shè)定等級區(qū)分參數(shù)實現(xiàn)對蘋果的自動分級[1]；談英等提出一種基于蘋果重量及顏色的加權(quán)融合特征的分級方法[2]；李廣思通過提取圓形度等三個特征進行楊梅的自動檢測與分級[3]?？偟脕碚f，基于計算機視覺的水果分級檢測技術(shù)研究面廣，但精深研究較少，例如對于光照不均勻問題就鮮有探究。并且對于椪柑這一特定水果的分級，國內(nèi)也少有報道。本文以湘西椪柑為研究對象，提出一種基于果徑大小和色澤的椪柑分級算法。

1 光照補償預(yù)處理

因受光源、采集設(shè)備等外在因素影響，采集得到的大部分椪柑圖像存在果面顏色失真問題，因此有必要對椪柑圖像進行光照補償預(yù)處理。鑒于Retinex算法具有顏色恒常性、色彩保真度高等特點[4，5]，使用Retinex算法對椪柑圖像進行光照補償。

經(jīng)典的單尺度Retinex算法可簡述如下：根據(jù)入射反射成像模型，采集的圖像由入射分量和反射分量來決定，圖像成像模型表達如公式（1）所示。

其中，S(x,y)表示采集到的圖像，L(x,y)是入射分量，R(x,y)是反射分量。入射分量通常表示周圍環(huán)境的亮度，而反射分量與光源無關(guān)，能反映出場景中物體的本質(zhì)特性，因此在Retinex方法中，試圖將這兩個分量分離，得到物體的反射分量，然后單獨對反射分量進行處理。通常的做法是對式（1）兩邊取對數(shù)，通過估算入射光分量，然后用圖像信號的對數(shù)值減去入射光分量的對數(shù)值得到分離出的反射分量對數(shù)值：

經(jīng)典的單尺度Retinex算法在公式（2）的基礎(chǔ)上，加入中心環(huán)繞函數(shù)，得到的反射分量如式（3）所示。

其中*表示卷積運算，(F(x,y)=λexp(-(x2+y2)/n2)，n表示高斯環(huán)繞尺度，λ是一個尺度常數(shù)且滿足∫∫F(x,y)dxdy=1。公式（3）中卷積運算相當(dāng)于求鄰域平均，因此單尺度Retinex方法的物理意義表示，通過計算圖像像素點的鄰域平均來估計圖像入射光的變化，并將其去除，最終只保留圖像中物體的反射屬性，從而實現(xiàn)圖像的光照補償。圖1 是光照補償前后的對比圖像，顯然原椪柑圖像在采集過程中因曝光不足，整體感覺偏暗，通過Retinex處理后，圖像椪柑區(qū)域的色調(diào)和亮度得到較好校正。圖中右上方的紅色小方框是為了獲取椪柑尺寸大小放置的參考物。在仿真實驗時，該參考物放置與椪柑同一水平高度的位置上。

圖1 Retinex算法光照補償前后對比圖

2 椪柑目標(biāo)區(qū)域的分割

2.1 閾值分割

對于光照補償后的彩色椪柑圖像，算法首先利用HSV顏色模型進行閾值分割。HSV顏色模型是數(shù)字圖像處理常用的顏色模型，該模型根據(jù)人眼視覺感知特點，將顏色分解為色調(diào)H、飽和度S和亮度V三個分量?？紤]到工業(yè)流水線上常采用黑色或灰色傳送帶傳送檢測水果，采集的椪柑彩色圖像背景單一，并且椪柑區(qū)域和背景區(qū)域顏色飽和度對比明顯。因此，我們對光照補償后椪柑圖像的S分量進行閾值分割，分割閾值通過Otsu方法[6]自適應(yīng)得到。圖2為光照補償后的椪柑圖像，其飽和度分量圖在分割前后的對比效果，從圖中可看到，圖像的椪柑區(qū)域被完整地分割出來。

圖2 對椪柑彩色圖像的S分量進行閾值分割前后比較圖

2. 2椪柑彩色區(qū)域提取

經(jīng)閾值分割后，得到圖像中的椪柑目標(biāo)區(qū)域。因為在后續(xù)的特征提取中，部分工作還需要在顏色空間中進行，所以將閾值分割得到的二值圖像和光照補償后彩色圖像的H、S、V分量圖相乘，乘后的三個分量圖再次合成，就得到剔除背景的椪柑彩色圖像，椪柑目標(biāo)區(qū)域提取結(jié)果如圖3所示。

圖3 椪柑目標(biāo)區(qū)域提取結(jié)果圖

3 特征提取

3.1 果徑大小

果徑大小與果品的質(zhì)量密切相連。在利用圖像對椪柑進行分級的過程中，通過椪柑區(qū)域外接矩的邊長可近似得到椪柑果徑的大小。因為對于同一區(qū)域存在無數(shù)個外接矩形，我們選取最小面積外接矩形的長邊作為椪柑的果徑大小。具體操作如下：由于椪柑外形大多呈橢圓形且形狀簡單，故使用旋轉(zhuǎn)法求最小外接矩形參數(shù)。旋轉(zhuǎn)法是將圖像中的目標(biāo)的邊界在90°范圍內(nèi)等間隔角度旋轉(zhuǎn)，每次旋轉(zhuǎn)間隔增量為3°，每旋轉(zhuǎn)一次記錄其外接矩形的面積，在旋轉(zhuǎn)過程中，必存在一個面積最小的矩形，此時的矩形即為最小外接矩形，如圖4所示，該矩形的長邊設(shè)為該椪柑果徑大小的參數(shù)。

圖4 最小外接矩形圖

3.2 色澤參數(shù)

椪柑的成熟度與椪柑表皮的顏色密切相關(guān)，在HSV空間中，統(tǒng)計樣本椪柑的色調(diào)特征分布情況，成熟椪柑的H分量主要集中在[0.063， 0.129]的取值區(qū)間，當(dāng)椪柑區(qū)域像素點的H分量在該區(qū)間范圍時，即將該像素點標(biāo)記為成熟椪柑像素。為此，遍歷椪柑目標(biāo)區(qū)域像素點，統(tǒng)計成熟像素點的個數(shù)M，將成熟像素數(shù)目M與椪柑目標(biāo)區(qū)域總像素N做比較，通過計算得到椪柑區(qū)域的成熟像素占比，即設(shè)為椪柑的色澤參數(shù)。

4 實驗結(jié)果及分析

實驗以湘西椪柑為研究對象，根據(jù)四川省出臺的《柑桔等級規(guī)格》標(biāo)準(zhǔn)[7]將椪柑分為四個等級：特等品、一等品、二等品、次等品，分級參數(shù)見表1 。分級時，首先根據(jù)果徑大小進行椪柑初步分級 ，然后再根據(jù)色澤參數(shù)得到最終分級結(jié)果，色澤判定得到的等級不能高于果徑判定得到的等級。例如，某椪柑根據(jù)果徑得到等級為一等品，其色澤占比為96%，但因果徑大小達不到特等品要求，因此該椪柑判定為一等品。

表1 椪柑分級參數(shù)

實驗在主頻為1.8GHz的 AMD A8-7100 Radeon R5的處理器上進行，其運行內(nèi)存為4GB，采用MATLAB R2014a進行實驗仿真。實驗中，人工選取每個等級20個椪柑作為測試樣本，分級結(jié)果如表2所示。

表2 椪柑分級結(jié)果

從表2可知，該算法對椪柑果徑大小和色澤的識別準(zhǔn)確率很高，因此椪柑分級總體準(zhǔn)確率較高。同時，該算法計算復(fù)雜度低，單幅圖像平均處理時間為 0.26s，能夠滿足實際生產(chǎn)中實時分級的要求。

5 結(jié)論

針對椪柑人工分級時，分級速度慢、精度低、人為影響因素多等不足，提出基于果徑大小和色澤的椪柑自動分級算法。考慮到椪柑圖像采集過程中存在光照不均的問題，算法首先使用Retinex方法對椪柑圖像進行光照補償預(yù)處理，有效減少了光照不均對椪柑分級的影響。分級在HSV空間中進行，通過S分量進行閾值分割，并通過H分量得到色澤參數(shù)，結(jié)合果徑大小參數(shù)，對椪柑進行分級。仿真實驗得到椪柑分級準(zhǔn)確率平均達90%以上，且算法計算復(fù)雜度低，能達到實時分級的要求。為進一步提高分級準(zhǔn)確率，融合更多的圖像特征，考慮先進的模式識別算法將成為下一步研究的方向。