基于灰度共生矩陣的紅棗紋理特征提取

朱麗娟

新疆理工學院 新疆阿克蘇 843000

“世界紅棗在中國，中國紅棗在新疆”——我國棗種植面積及產(chǎn)量居世界第一，占世界棗種植面積及產(chǎn)量的98%以上。近幾年來，新疆的紅棗栽植面積和產(chǎn)量增長迅猛，成為全國最大的商品化紅棗種植基地。據(jù)統(tǒng)計年鑒數(shù)據(jù)，2019年新疆紅棗產(chǎn)量占我國紅棗總量的50%，是我國紅棗的絕對主體。新疆紅棗主要分布在和田、喀什、阿克蘇、巴州和東疆的吐魯番、哈密等地區(qū)，并已形成和田駿棗、阿克蘇紅棗、若羌棗、哈密大棗等獲得國家農(nóng)產(chǎn)品的地理標志保護的暢銷品牌。

隨著居民可支配收入的提升以及對生活品質的提高，人們對紅棗的外觀品質和內在營養(yǎng)成分有更高的要求。目前對紅棗的大小、紋理、缺陷等進行檢測分級主要還是通過人眼來完成，該方法不僅耗時耗力，而且主觀性很強。因此，采用機器視覺的方法對紅棗紋理特征進行分析并到達自動的正確分級顯得十分重要。本文采用灰度共生矩陣方法提取紅棗的紋理特征，對紅棗分級起到較好的效果。

1 原料與方法

1.1 試驗樣品

本研究所使用的試驗樣品購買于阿克蘇農(nóng)副產(chǎn)品批發(fā)市場，該紅棗是僅僅經(jīng)過人工簡單清洗，未被烘干的阿克蘇當?shù)匕敫苫覘?，人工選擇大小等級相同的20組正常紅棗和褶皺紅棗作為試驗樣本。

1.2 圖像處理軟件

在相機采集紅棗圖像過程中，用到相機自帶的圖像采集軟件；在后期的圖像處理過程中，本研究用matlab R19b軟件對紅棗圖像數(shù)字化處理分析。

2 紅棗的紋理特征提取

2.1 紋理

紋理是指物體表面所呈現(xiàn)的某種具有規(guī)律性重復出現(xiàn)的灰度排列，在其內容上表現(xiàn)為圖像上下文之間的關系。實際上，紋理是一個視覺基元，且該基元具有一定不變性的特性。這種基元可以經(jīng)過不同的形變和方向在指定范圍內的不同位置多次反復出現(xiàn)，形成一種圖像花紋。這種花紋紋理在一定程度上可以定量地描述圖像中所具有的信息。

“皮皮棗”是一種等外棗(等級以外的棗)，在新疆主要指差棗，通常情況下這種棗的個頭大，但是其所含肉質偏少，所含糖分也偏少，并且其表面褶皺又深又多，這種棗也影響整個紅棗的質量水平。因此如果能夠通過提取紅棗表面的紋理特征，將這種褶皺紅棗和正常紅棗區(qū)別開來，對后續(xù)紅棗品質分級有著很大的作用。

目前模型方法、結構方法、統(tǒng)計方法以及信號處理方法都可以實現(xiàn)紋理特征的提取。本文采用的灰度共生矩陣是基于統(tǒng)計方法，該方法在提取紋理特征中表現(xiàn)出非常不錯的效果。

2.2 灰度共生矩陣及其特征參數(shù)

灰度共生矩陣算法(gray-level co-occurrence matrix，GLCM)是Haralick等人于1973年提出來的一種經(jīng)典的分析圖像紋理特征的二階統(tǒng)計法。在現(xiàn)實世界中任何影像灰度表面均可視為三維空間中的一個曲面，在曲面中彼此相隔某一距離的兩個像素具有相同或者不同的灰度級，即圖像中灰度的空間相關性?；叶裙采仃嚲褪峭ㄟ^研究灰度的這種相關特性來描述紋理的方法。

灰度共生矩陣一般被定義為從灰度級為的像素點離開某個固定位置關系=(，)到達灰度級為的像素點的概率，所有估計的值均可以表示成一個矩陣的形式，因此被稱為灰度共生矩陣?；叶裙采仃囉?span id="j5i0abt0b" class="subscript">(，)(，=0，1，2，…，-1)表示，其中表示圖像的灰度級，，分別表示像素點的灰度，表示兩個像素點間的空間位置關系。不同的決定了兩個像素點間的距離和方向。表示灰度共生矩陣的生成方向，在每一方向上都可以得到多類特征，但是這樣得到紋理特征過于繁多，不利于使用，因此計算灰度共生矩陣時常取0°，45°，90°和135°這四個方向?；叶裙采仃囉脠D1表示。

圖1 灰度共生矩陣

在紋理識別的實際應用中一般不直接使用得到的共生矩陣，而是采用在灰度共生矩陣的基礎上計算出來的一些統(tǒng)計量作為紋理識別的特征量。本文就采用能量和熵兩類紋理特征統(tǒng)計量作為參數(shù)，這是由于能量和熵之間不相關，受彼此的影響小，并且便于計算還能得到較高的分類精度，這對紅棗的紋理區(qū)分有較好效果。下面是灰度共生矩陣中兩種常用的統(tǒng)計量：

2.2.1 能量(Energy)

能量也被稱為角二階矩，是灰度共生矩陣元素值的平方和，它反映了圖像灰度分布均勻程度和紋理粗細程度。如果灰度共生矩陣的所有值都相等，也就是說紋理較細，那么此時能量值就?。蝗绻叶裙采仃嚨挠行┲荡蠖渌敌?，也就是說紋理較粗，那么此時能量值就大。

2.2.2 熵(Entropy)

熵是一個隨機性的度量，表示了圖像中紋理的非均勻程度或復雜程度。熵代表了紋理包含圖像的信息量，是圖像具有信息量的度量。如果圖像中灰度均勻，共生矩陣中元素大小差異大，也就是說紋理較簡單，那么此時熵值就?。蝗绻叶裙采仃囍性氐碾S機性較大且較分散，也就是說紋理較復雜，那么此時熵值就大。

2.3 結果分析

本文以20組正常紅棗和褶皺紅棗表面的紋理作為試驗樣品，使用matlab R19b軟件完成試驗。先計算0°，45°，90°，135°這四個方向上的灰度共生矩陣，此時取像素點間的距離為1；然后計算所需的能量和熵這兩個紋理特征量，獲取每組紅棗表面紋理的灰度共生矩陣的兩個特征參數(shù)。下面給出其中一組試驗紅棗的對比圖像，如圖2所示。

圖2 左側為正常紅棗，右側為褶皺紅棗

以圖2對比紅棗組為例，基于共生矩陣提取紋理特征，使用matlab R19b進行編程，得出正常紅棗和褶皺紅棗在0°，45°，90°，135°四個方向上的能量和熵的具體值以及這2類參數(shù)的均值和標準差共四維特征行向量。具體數(shù)據(jù)如表1和表2所示。

表1 能量值、熵值

表2 四維特征行向量值

由表1數(shù)據(jù)可得出能量值圖和熵值圖，具體如圖3、圖4所示。

圖3 能量值

圖4 熵值

通過圖3能量值、圖4熵值可以得出正常紅棗和褶皺紅棗的表面紋理特征參數(shù)具有明顯的差異。通過其他組對比試驗也得到了相同的結果。能量值和熵值確實表示了圖像紋理特征某一方面的性質，可以通過比較能量值和熵值來判斷紅棗褶皺情況，為后續(xù)褶皺紅棗的分級提供基礎。

結語

本文介紹了紋理、灰度共生矩陣的原理以及其特征參數(shù)，并提取能量和熵這兩類參數(shù)作為紅棗紋理特征，最后通過matlab R19b軟件對正常紅棗和褶皺紅棗進行試驗，結果表明灰度共生矩陣方法所提取紋理特征的可行性和有效性，對紅棗的分級具有十分重要的意義。