基于Qtsu法和直方圖規(guī)定化相結(jié)合的蘋果圖像分割研究

杜云 鄭羽綸 孟凡華

摘 ?要：針對自然光下，蘋果分割易受光線影響而導(dǎo)致目標(biāo)區(qū)域分割受損的問題，提出了一種基于最大類方差閾值分割法（Qtsu法）和直方圖規(guī)定化相結(jié)合的圖像分割方法。對預(yù)處理后的蘋果圖像先進(jìn)行直方圖規(guī)定化處理，然后再利用Qtsu法對圖像進(jìn)行分割。實(shí)驗(yàn)結(jié)果表明，利用論文的方法對蘋果進(jìn)行分割后縮小了目標(biāo)區(qū)域邊緣的缺失，對目標(biāo)與背景進(jìn)行了有效的區(qū)分。

關(guān)鍵詞：圖像分割;灰度化;Qtsu法;直方圖規(guī)定化

中圖分類號：TP391.41 ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ? ? 文章編號：2095-2945（2019）28-0015-03

Abstract： Aiming at the problem that apple segmentation is easily affected by light， an image segmentation method based on maximum variance threshold segmentation （Qtsu） and histogram specification are proposed. The pre-processed apple image is first processed by histogram specification， and then the image is segmented by Qtsu method. The experimental results show that after the segmentation of the apple， the lack of the edge of the target region is reduced， and the target and background are distinguished effectively.

Keywords： image segmentation; grayscale; Qtsu method; histogram specification

引言

中國是世界蘋果生產(chǎn)大國，蘋果按照大小、顏色、有無缺陷被分為不同等級，而基于圖像處理的蘋果分級，對蘋果進(jìn)行目標(biāo)分割是后續(xù)分級工作的關(guān)鍵。因此，國內(nèi)外專家對蘋果圖像分割做了很多研究。其中，王津京等通過分析選取3*3鄰域色度值作為蘋果圖像的特征，采用BP算法對神經(jīng)網(wǎng)絡(luò)的權(quán)值進(jìn)行訓(xùn)練，最終依據(jù)此方法較好地實(shí)現(xiàn)了蘋果與背景的分離[1]。Tabb A等提出了全局混合高斯分布方法，是依據(jù)圖像背景與目標(biāo)像素的高斯分布呈現(xiàn)不同均值的特點(diǎn)，選擇最佳閾值進(jìn)行圖像前景與背景的分割 [2]。Huifuang提出了改進(jìn)Qtsu法的方法，將灰度直方圖谷底小概率的灰度值作為最佳閾值，依此來進(jìn)行分割，使之能最大程度分割背景與目標(biāo)像素之間的差異[3]。論文針對自然光下，蘋果部分區(qū)域易被遮擋，有陰影產(chǎn)生，使目標(biāo)部分區(qū)域較暗，分割時易將其分割成背景區(qū)域，產(chǎn)生目標(biāo)區(qū)域分割受損的問題，提出一種基于Qtsu法和直方圖規(guī)定化相結(jié)合的蘋果分割算法研究，對預(yù)處理后的蘋果圖像第一步先進(jìn)行直方圖規(guī)定化處理，得到匹配后的蘋果圖像后，再使用Qtsu法進(jìn)行蘋果的圖像分割。

1 圖像預(yù)處理

圖像預(yù)處理是進(jìn)行蘋果圖像分割的首要工作，主要包括圖像獲取、圖像灰度化和圖像濾波等過程[4]。首先，采集和獲取自然光下的圖像，并轉(zhuǎn)換成適合輸入計算機(jī)的數(shù)字圖像。其次，為了使后續(xù)圖像處理過程的計算量較少，將獲取到的彩色圖像進(jìn)行灰度化處理[5-6]，蘋果灰度圖像如圖1（a）所示。因?yàn)樵趫D像傳輸和獲取的過程中，會受到噪聲的影響，而椒鹽噪聲是一種常見的噪聲污染，其表現(xiàn)形式為黑白相間的亮暗點(diǎn)噪聲，因此要對圖像進(jìn)行去噪平滑，以減少和消除噪聲的影響，提高圖像質(zhì)量[7]。蘋果受到噪聲影響和消除噪聲后的圖像如圖1（b）（c）所示。

2 Qtsu圖像分割法

在圖像分割算法中，閾值分割一直是最常用的算法，而在眾多基于閾值的圖像分割算法中，Qtsu法又是最常用的閾值分割算法。它是通過選取最優(yōu)閾值使背景與目標(biāo)像素的類間方差最大這一方式確定的方法，因此也叫最大類間方差閾值分割法[8]。其基本原理是：

3 基于Qtsu法和直方圖規(guī)定化相結(jié)合的圖像分割方法

由于Otsu法原理簡單，計算簡便，分割效果較好，成為眾多圖像分割中常用的方法。Qtsu法在圖像灰度直方圖是雙峰分布時分割效果最好，但蘋果是在自然光下光照分布不均勻時，圖像目標(biāo)區(qū)域有陰影產(chǎn)生，導(dǎo)致直方圖無明顯雙峰分布，這時采用Otsu法分割效果不理想。因此，為了滿足Otsu法使用條件，得到更理想的圖像，論文在進(jìn)行分割之前對圖像進(jìn)行直方圖規(guī)定化處理，使圖像按照所希望直方圖進(jìn)行規(guī)定，將原始直方圖轉(zhuǎn)換成有明顯雙峰分布的形式，再進(jìn)行Otsu法處理。

3.1 直方圖規(guī)定化

直方圖規(guī)定化就是將原圖像經(jīng)過處理以后變成特定的圖像，直方圖也變成被規(guī)定的形狀，可以有目的地增強(qiáng)灰度圖某一區(qū)域，用于將圖像變成某一特定的圖像分布[10]。因此，直方圖規(guī)定化步驟的第一步就是要先確定變換后的灰度直方圖，也就是規(guī)定化圖像的直方圖。主要原理是：先對原圖像進(jìn)行直方圖均衡化處理，處理后的原圖像就得到歸一化均衡概率密度的圖像，同樣地將規(guī)定圖像進(jìn)行直方圖均衡化處理，由于兩幅圖像都做直方圖均衡化處理，設(shè)原圖像和規(guī)定圖像均衡化后的灰度概率密度函數(shù)為ps（s）和pu（u），則其都應(yīng)該是歸一化的均勻分布，因此，用s替代u取反變換，就可以獲得原圖像規(guī)定化后圖像中相應(yīng)的灰度值。

在論文中，針對光照不均勻時，獲取到的圖像目標(biāo)區(qū)域有陰影產(chǎn)生，導(dǎo)致直方圖呈現(xiàn)不規(guī)則分布，如圖2（a）所示，為了更好的滿足Qtsu方法的使用條件，使得到的圖像分割效果較好，就要對原始的灰度直方圖進(jìn)行變換，使之變換成有雙峰展現(xiàn)的直方圖。這時，根據(jù)直方圖規(guī)定化，就先要選定一個有明顯雙峰分布的直方圖的圖像，如圖（b）所示，可以看出圖像直方圖雙峰明顯，因此可以選定為規(guī)定圖像，接下來應(yīng)用直方圖規(guī)定化處理，最終將原始圖像變換為規(guī)定直方圖的形狀如圖（c）所示。

3.2 圖像分割

獲取自然光下的蘋果圖像進(jìn)行圖像預(yù)處理過程，將原始蘋果圖像轉(zhuǎn)換成灰度圖，并進(jìn)行平滑去噪后，對灰度直方圖無明顯雙峰顯示的圖像進(jìn)行直方圖規(guī)定化處理，最終使原始圖像直方圖轉(zhuǎn)換成明顯雙峰分布的直方圖，再通過Qtsu法進(jìn)行圖像分割。

用Qtsu法進(jìn)行蘋果圖像分割，最終如圖3（a）所示，蘋果目標(biāo)邊緣被作為背景分割，導(dǎo)致目標(biāo)邊緣缺失。而通過Qtsu法與直方圖規(guī)定化相結(jié)合后，結(jié)合圖2（c）所示，原圖像直方圖明顯變換成雙峰分布，最終蘋果分割圖像如圖3（b）所示，可以看出較結(jié)合前目標(biāo)受損區(qū)域變小，大致接近原始蘋果目標(biāo)區(qū)域。

4 仿真實(shí)驗(yàn)及結(jié)果分析

論文依次選取了迭代法、Qtsu法和Qtsu法直方圖規(guī)定化相結(jié)合的方法來驗(yàn)證本文所提出方法的有效性。仿真結(jié)果如圖4所示?？梢园l(fā)現(xiàn)，迭代法圖4（a）和Qtsu法圖4（b）所得到的蘋果分割圖像有較為明顯的目標(biāo)邊緣區(qū)域的缺失。所以這兩種分割方法得到的圖像處理結(jié)果均不能完整展現(xiàn)被分割區(qū)域，并且缺點(diǎn)集中體現(xiàn)在目標(biāo)邊緣區(qū)域分割受損方面，從圖4（c）可以發(fā)現(xiàn)使用論文中方法的圖像分割，較好的保留了目標(biāo)區(qū)域，但分割也有小部分受損情況，但從總體效果而言，基于Qtsu和直方圖規(guī)定化相結(jié)合的分割算法，對自然光下蘋果圖像分割效果較為理想。

5 結(jié)論

針對自然光下，蘋果分割目標(biāo)區(qū)域獲取受損現(xiàn)象，論文提出一種Qtsu和直方圖規(guī)定化相結(jié)合的算法。該方法用攝像頭采集蘋果原始圖像，經(jīng)過圖像灰度化和圖像濾波等預(yù)處理過程，然后對直方圖無明顯雙峰或多峰的灰度圖進(jìn)行直方圖規(guī)定化處理，從而能有選擇地規(guī)定圖像直方圖的形狀，以此來加強(qiáng)某個灰度值范圍內(nèi)的對比度，再對規(guī)定化后的灰度圖應(yīng)用Qtsu法，采用類間方差最大的方式來確定閾值，高于閾值者作為背景，低于閾值者則為前景。實(shí)驗(yàn)結(jié)果驗(yàn)證了與Qtsu法相比較，針對自然光下的蘋果分割，效果較好，減小了目標(biāo)區(qū)域的受損程度。

參考文獻(xiàn)：

[1]王津安，趙德安，等.基于BP神經(jīng)網(wǎng)絡(luò)的蘋果圖像分割算法[J].農(nóng)機(jī)化研究，2008，11：19-21.

[2]Tabb A， Peterson D，ParkJ.Segmentation of apple fruit video via background modeling[C]//2006 ASABE Annual ASABE Paper 063060，2006.

[3]HuifuangNg.Automatic thresholding for defect detection[J].PatternrecognitionLetters，2006，27：1644-1649.

[4]湯天杰.基于圖像的多指標(biāo)融合的蘋果分級技術(shù)研究[D].南京：南京郵電大學(xué)，2018：1-54.

[5]王一丁.數(shù)字圖像處理[M].陜西：西安電子科技大學(xué)出版社，2015.

[6]秦昆陽.邊緣檢測算法在蘋果分級和缺陷檢測中的應(yīng)用研究[D].秦皇島：燕山大學(xué)，2018：1-57.

[7]杜云，曹世佳，等.基于圖像處理的大蒜蒜種品質(zhì)無損分級方法研究[J].河北工業(yè)科技，2018，35（5）：317-321.

[8]QtsuN.Threshold selection method from gray-level histograms [J]. IEEE Transactions on System Man and Cybernetics，1979，9（1）：62-66.

[9]馬天兵，劉健，杜菲，等.基于改進(jìn)Otsu方法的振動圖像分割研究[J].電光與控制，2019（02）：11-15+31.

[10]趙文昌，張令通.直方圖規(guī)定化及其Matlab實(shí)現(xiàn)[J].數(shù)字技術(shù)與應(yīng)用，2011（08）：191-192.