基于圖像處理的雞冠面積和色級(jí)測(cè)定方法研究*

王冬，段煉，趙閏，顧華兵，黎壽豐，趙振華

(1.江蘇省家禽科學(xué)研究所,江蘇揚(yáng)州,225125; 2.江蘇省家禽遺傳育種重點(diǎn)實(shí)驗(yàn)室,江蘇揚(yáng)州,225125;3.農(nóng)業(yè)農(nóng)村部南京農(nóng)業(yè)機(jī)械化研究所,南京市,210014)

0 引言

雞冠作為雞頭部的重要器官,具有突出的生理特征,其面積大小和顏色的鮮明度,透露出個(gè)體的發(fā)育與健康狀況?？蒲蓄I(lǐng)域,圍繞雞冠性狀與基因免疫、發(fā)育程度、免疫程度、出肉產(chǎn)蛋能力的關(guān)系已開展多項(xiàng)研究,發(fā)現(xiàn)雞冠的面積大小是衡量其性成熟的重要指標(biāo)。通過探索雞冠大小的群體遺傳變異規(guī)律,可估算雞冠生長(zhǎng)的遺傳參數(shù),揭示雞冠高、長(zhǎng)度的累積生長(zhǎng)規(guī)律[1-2],以制定按雞冠生長(zhǎng)狀況的性成熟選擇標(biāo)準(zhǔn)。而雞冠色度不紅潤(rùn)與出肉和產(chǎn)蛋性能下降有密切關(guān)聯(lián),色度發(fā)白則可能存在寄生蟲感染的情況,這在提示飼養(yǎng)和疫控環(huán)節(jié)需要作出相應(yīng)調(diào)整。因此,獲取雞冠的面積和色度參數(shù),作為重要性狀納入養(yǎng)殖分析檔案就尤為必要。

目前,雞冠的面積測(cè)定主要依靠手動(dòng)卡尺測(cè)量的方法,這種方法費(fèi)時(shí)耗力,常常以簡(jiǎn)單的長(zhǎng)乘高來粗略計(jì)算,測(cè)量數(shù)據(jù)不準(zhǔn)確;對(duì)于雞冠色度的測(cè)定更加簡(jiǎn)易模糊,只憑肉眼大概判斷出深紅、紅、白幾個(gè)級(jí)別。這些傳統(tǒng)方法,不僅不能準(zhǔn)確獲取雞冠相關(guān)參數(shù),還對(duì)相關(guān)研究造成一定程度的干擾和制約。因此,需要一種可以高效準(zhǔn)確獲取雞冠面積和色級(jí)的測(cè)定方法。近年來,圖像處理與識(shí)別技術(shù)得到長(zhǎng)足發(fā)展,研究人員利用相關(guān)技術(shù)在農(nóng)業(yè)種植和養(yǎng)殖領(lǐng)域陸續(xù)開展了以體態(tài)和顏色特征為目標(biāo)的系列研究[3-6]。鄧立苗等[3]從玉米葉片的反射圖像和透射圖像中提取形狀、顏色和紋理等外觀特征,利用BP神經(jīng)網(wǎng)絡(luò)方法進(jìn)行訓(xùn)練識(shí)別,并對(duì)不同類別特征和各顏色分量對(duì)透射和反射圖像的處理結(jié)果進(jìn)行分析。劉同海等[5]通過攝像機(jī)獲取長(zhǎng)白豬的彩色圖像,以豬體體尺傳統(tǒng)的測(cè)量位置為研究基礎(chǔ),提出復(fù)雜背景下豬體個(gè)體信息提取的算法。圍繞家禽,陳坤杰等[7]提出一種基于機(jī)器視覺技術(shù)的雞胴體質(zhì)量分級(jí)方法,從而表明基于圖像特征的雞胴體自動(dòng)分級(jí)方法可行。畢敏娜等[8]提出一種基于雞冠及雞眼構(gòu)成的雞頭特征信息的病雞識(shí)別方法。莊曉霖[9]根據(jù)兩種養(yǎng)殖模式的差異分別設(shè)計(jì)了不同的機(jī)器視覺算法,以對(duì)家禽的異常行為進(jìn)行檢測(cè)。郭蓓佳等[10]為有效監(jiān)測(cè)蛋雞育成期體重,采用圖像處理技術(shù)對(duì)蛋雞俯視圖進(jìn)行預(yù)處理,提取目標(biāo)特征并計(jì)算估重,結(jié)果表明使用MLP神經(jīng)網(wǎng)絡(luò)模型擬合結(jié)果精確。趙守耀等[11]根據(jù)蛋雞俯視圖圖像,對(duì)圖像輪廓進(jìn)行擬合,提取出最佳幾何特征進(jìn)行排列組合,通過訓(xùn)練建立蛋雞行為辨別模型?？梢娎脵C(jī)器視覺進(jìn)行圖像處理,測(cè)定雞冠面積和色級(jí),技術(shù)上具有可行性。

目前業(yè)內(nèi)通過機(jī)器視覺同時(shí)測(cè)定雞冠面積和色級(jí)的研究較少,前人研究主要集中在對(duì)狀態(tài)特征的提取,而本文是通過對(duì)樣本雞冠顏色進(jìn)行特征提取,計(jì)算其關(guān)鍵色值,并利用K-means聚類法[12]進(jìn)行均值點(diǎn)群分析統(tǒng)計(jì),進(jìn)而制定色級(jí)標(biāo)準(zhǔn)。再通過畸變矯正和偏色校正等步驟對(duì)采集圖像實(shí)施處理,在識(shí)別獲取雞冠輪廓區(qū)域后,利用像素法測(cè)定雞冠面積,利用色差距離計(jì)算法測(cè)定雞冠色級(jí)。

1 材料與方法

1.1 試驗(yàn)材料

本文選擇江蘇省家禽科學(xué)研究所選育的500只90日齡健康邵伯雞(公母各半)作為樣本對(duì)象。因其雞冠特征明顯,具有形狀典型和色度寬泛的特點(diǎn)[13],具有作為樣本的合適條件。

1.2 試驗(yàn)環(huán)境與圖像工具

試驗(yàn)中圖像采集場(chǎng)地設(shè)置在江蘇省家禽科學(xué)研究所12 m2實(shí)驗(yàn)室內(nèi),配備72 W D65光源;采集設(shè)備使用佳能EOS 80D相機(jī)配備EF-S 18～135 mm鏡頭,有效像素2 420萬。印刷設(shè)備使用佳能PRO-500彩噴;計(jì)算機(jī)系統(tǒng)采用構(gòu)架64位Windows10的ThinkPad筆記本,安裝Adobe PohtoShop cc 2017圖形軟件和佳能Print Studio Pro 2.0打印插件。

1.3 試驗(yàn)流程

試驗(yàn)流程如圖1所示。

圖1 試驗(yàn)流程

因公母雞雞冠在測(cè)定方式和結(jié)果獲取上方法一致,所以試驗(yàn)流程中不區(qū)分公母做差異化設(shè)計(jì)。

采集邵伯雞的樣本圖像,通過獲取雞冠部位每個(gè)像素點(diǎn)RGB顏色值,進(jìn)行計(jì)算統(tǒng)計(jì),得到雞冠顏色特征數(shù)據(jù)的關(guān)鍵色(KeyColor)值。采用K-means聚類法,設(shè)定K=7。將全部樣本圖像中雞冠的KeyColor值進(jìn)行聚類計(jì)算分析,得到7個(gè)穩(wěn)定聚類中心的色值,設(shè)定為測(cè)定色級(jí),制成色譜。

設(shè)計(jì)帶有定位和色譜對(duì)照功能的參照塊圖案,制成專用測(cè)定板,作為采集測(cè)定圖像時(shí)背景使用。獲得測(cè)定圖像后進(jìn)行處理,實(shí)施畸變矯正和偏色校正調(diào)整,并輪廓識(shí)別出完整獨(dú)立雞冠區(qū)域,展開以面積測(cè)定和色級(jí)測(cè)定為目標(biāo)的兩條技術(shù)路線的計(jì)算,取得測(cè)定結(jié)果。

1.4 雞冠色度分級(jí)

本文設(shè)計(jì)較為細(xì)密的色度分級(jí),定義目標(biāo)為7級(jí)進(jìn)行色度劃分,1～7級(jí)由深至淺。將相機(jī)設(shè)置為自動(dòng)模式,采集雞樣本圖像,雞冠部位作為色度分級(jí)素材。因雞冠顏色非均勻單一色,需要在RGB模式下進(jìn)行色彩數(shù)值化,計(jì)算提取顏色特征的關(guān)鍵色(KeyColor)值,并建立色類庫存儲(chǔ)所有樣本雞雞冠的顏色特征信息。利用色彩分類方法中普遍采用的K-means聚類法,設(shè)定K=7,以所有樣本雞冠的KeyColor值作為目標(biāo)展開聚類計(jì)算,得到7個(gè)穩(wěn)定的聚類中心以及聚類簇,聚類中心值即為色級(jí)值。其范圍可涵蓋絕大多數(shù)雞冠的色度等級(jí)。

1.4.1 關(guān)鍵色KeyColor值計(jì)算

將樣本圖像進(jìn)行選取,只留下雞冠區(qū)域圖像M,如圖2所示。進(jìn)行位深轉(zhuǎn)換,從256級(jí)別位深轉(zhuǎn)至32級(jí)別位深,得到圖像N,如圖3所示。轉(zhuǎn)換公式如式(1)所示。

圖3 32位深圖像N

(1)

式中:i——像素矩陣中行像素位;

j——像素矩陣中列像素位。

將圖像N的每一個(gè)像素點(diǎn)的RGB顏色值組合成一個(gè)長(zhǎng)整數(shù)。組合公式如式(2)所示。

V(i,j)=N(i,j)r×32×32+N(i,j)g×32+N(i,j)b

(2)

式中:V(i,j)——圖像N在i、j點(diǎn)像素RGB顏色長(zhǎng)整數(shù)值;

r——紅色通道亮度值;

g——綠色通道亮度值;

b——藍(lán)色通道亮度值。

將所有V(i,j)值形成矩陣,做直方圖統(tǒng)計(jì),如圖4所示,其橫坐標(biāo)為向量H值(32 768長(zhǎng)度),縱坐標(biāo)為V值。并如圖5所示獲取V的最大值Vm以及向量H中對(duì)應(yīng)索引idx值。

圖4 直方圖

圖5 最大Vm值及idx值

得到Vm和idx值后,篩選直方圖向量中其他H值,得到對(duì)應(yīng)V值,并計(jì)算成分比例。

L={H(i),H(i)≥0.8×Vm,i=1,2,…,dim}

(3)

v={L(i),|map(idx)-map[L(i)idx]|2≤T}

(4)

(5)

式中:L——篩選的向量H值集合;

v——對(duì)應(yīng)V值集合;

acc——成分比例。

依據(jù)map映射,進(jìn)行逆推轉(zhuǎn)化可求得idx中的rgb成分,轉(zhuǎn)化公式如式(6)所示。

rgb=map(vidx)

(6)

(7)

rgb=8×(rgb+1)-1

(8)

根據(jù)式(6)～式(8),得出圖像M的KeyColor值。

KeyColor=accT×rgb

(9)

1.4.2 聚類法確定色級(jí)

重復(fù)1.41節(jié)中計(jì)算步驟,得到全部樣本圖像雞冠的KeyColor值,建立色類庫存儲(chǔ)相關(guān)信息。使用K-means算法對(duì)所有KeyColor值進(jìn)行聚類分析。

先從500個(gè)樣本KeyColor值中隨機(jī)選出7個(gè)作為初始聚類中心,分別計(jì)算其余493個(gè)與初始中心的色差距離。選用RGB顏色空間下不加權(quán)色差距離[14]

(10)

式中:r1——x像素點(diǎn)r亮度值;

g1——x像素點(diǎn)g亮度值;

b1——x像素點(diǎn)b亮度值;

r2——y像素點(diǎn)r亮度值;

g2——y像素點(diǎn)g亮度值;

b2——y像素點(diǎn)b亮度值。

根據(jù)計(jì)算結(jié)果,將所有樣本分別歸納到與初始中心距離最短也就是相似度最高的聚類范圍內(nèi),從而形成7個(gè)聚類簇。一輪聚類結(jié)束后,重新計(jì)算7個(gè)聚類簇的平均值,并設(shè)為新的聚類中心。再重復(fù)計(jì)算493個(gè)樣本與7個(gè)新的聚類中心的色差距離,以此循環(huán),直至7個(gè)聚類中心KeyColor值穩(wěn)定不再變化為止,見圖6。

圖6 KeyColor值K-means聚類流程

通過對(duì)樣本KeyColor值進(jìn)行K-means聚類,500樣本中最終確定7個(gè)穩(wěn)定的聚類中心,即雞冠在RGB模式下7個(gè)目標(biāo)色級(jí)的標(biāo)準(zhǔn)色值,如表1所示。

表1 RGB模式下雞冠色度分級(jí)

如圖7所示,7個(gè)色級(jí)在RGB顏色空間散點(diǎn)分布呈現(xiàn)出合理色差距離。

圖7 色級(jí)RGB顏色空間散點(diǎn)分布

將7個(gè)RGB色級(jí)作為參照塊圖案中色譜的設(shè)計(jì)值。因色譜需要印刷輸出后使用,必須通過ICC色彩管理標(biāo)準(zhǔn),制定合理的ICC配置文件,經(jīng)多種參數(shù)調(diào)整,并匹配佳能打印插件測(cè)試后,再進(jìn)行由RGB向CMYK顏色的轉(zhuǎn)換[15],得到CMYK顏色模式下色譜圖像。這樣印刷輸出的圖像可以將轉(zhuǎn)換過程中出現(xiàn)的偏色情況降低到最小。

轉(zhuǎn)換CMYK模式后,得到色譜7個(gè)色級(jí)的標(biāo)準(zhǔn)色值,如表2所示。

表2 CMYK模式色譜

1.5 測(cè)定圖像采集及預(yù)處理

1.5.1 測(cè)定板及參照塊設(shè)計(jì)

考慮到拍攝光線、角度和距離等因素,采集測(cè)定圖像時(shí)可能存在失真、畸變、偏色等情況,同時(shí)存在背景干擾和后續(xù)計(jì)算復(fù)雜度等問題。本文使用PhotoShop預(yù)先設(shè)計(jì)一個(gè)如圖8所示的測(cè)定板,在設(shè)定為29.7 cm×42 cm(A3)尺寸,300 dpi分辨率,CMYK顏色模式下進(jìn)行制圖。以綠幕色CMYK(62,0,100,0)為底色,左上方為參照塊圖案。

如圖9所示的參照塊呈正方形,尺寸為6.42 cm×6.42 cm,底色為白色CMYK(0,0,0,0)。其左上、左下、右上角為1.905 cm×1.905 cm的方形黑塊,右下角為1.411 cm×1.411 cm的方形黑塊,顏色均為CMYK(63,52,51,100),四黑塊主要起到畸變矯正作用。中部從左至右,橫向設(shè)置已確定色級(jí)的CMYK色譜,主要起到偏色校正作用。

這塊石頭不但不美觀，而且還經(jīng)常擋著別人的道路，大家都嫌棄它，看到它都繞著走。我一看到這塊石頭就想吐，因?yàn)樗纳砩辖?jīng)常有蜘蛛絲和其他動(dòng)物的口水。看來這塊石頭真的是毫無用處，要提醒保安爺爺把它弄走。

圖9 參照塊圖案

在采集測(cè)定圖像時(shí),將測(cè)定板作為背景,可減少背景干擾和無效圖塊,精簡(jiǎn)雞冠輪廓識(shí)別過程。同時(shí),通過與參照塊對(duì)比,可利用算法對(duì)圖像進(jìn)行矯正畸變和偏色校正調(diào)整,有效實(shí)現(xiàn)定位定色對(duì)照功能。

測(cè)定板按照1∶1實(shí)物打印,制成硬板,在測(cè)定圖像采集環(huán)節(jié)使用,對(duì)本研究起到不可或缺的作用。

1.5.2 測(cè)定圖像采集

在采集測(cè)定圖像時(shí)需將測(cè)定板豎直放置,將雞頭雞冠一側(cè)緊貼測(cè)定板,且不可遮擋參照塊圖案,拍攝時(shí)盡量將鏡頭垂直于測(cè)定板,距離0.5～1 m范圍內(nèi)進(jìn)行。采集的測(cè)定圖像中必須包含完整有效的參照塊圖案和雞冠部位。

1.6 圖像調(diào)整及雞冠輪廓識(shí)別

采集得到符合基本要求的測(cè)定圖像后,需進(jìn)行系列調(diào)整處理和雞冠輪廓識(shí)別后方可展開數(shù)據(jù)測(cè)定。

1.6.1 檢測(cè)參照塊

雞冠數(shù)據(jù)的測(cè)定主要依據(jù)參照塊作為定位和定色標(biāo)準(zhǔn),所以需要檢測(cè)采集圖像中參照塊情況。檢測(cè)時(shí)使用SIFT特征匹配算法[16],先將參照塊標(biāo)準(zhǔn)設(shè)計(jì)圖二值化,其中4個(gè)定位塊與色譜1、2級(jí)色塊在二值化后呈現(xiàn)為五個(gè)黑色方塊,其余部分白色不顯示。將這五個(gè)黑色方塊作為關(guān)鍵點(diǎn)進(jìn)行詳細(xì)描述,形成尋像圖形的特征點(diǎn)集。供目標(biāo)圖像檢測(cè)匹配。

將采集圖像平滑濾波后,二值化作為目標(biāo)圖像,設(shè)置對(duì)比度閾值為0.03作為提取穩(wěn)定特征點(diǎn)的精度,對(duì)目標(biāo)圖像進(jìn)行掃描逼近。如目標(biāo)圖像中存在滿足上述尋像圖形特征點(diǎn)集的約束條件:局部輪廓的邊數(shù)、形狀、位置與5個(gè)黑色方塊的5×4條直線段、5×4個(gè)近似90°直角點(diǎn)、最外側(cè)4個(gè)角點(diǎn)構(gòu)成近似正方形等特征相對(duì)應(yīng),即達(dá)成特征匹配,完成參照塊的識(shí)別。如識(shí)別失敗則提示該采集圖像不符合要求,無法測(cè)定使用。參照塊二值化檢測(cè)如圖10所示。

(a) 采集的測(cè)定圖像

識(shí)別到參照塊后,必須以此為介入對(duì)象進(jìn)行全圖畸變矯正。因在拍攝過程中,相機(jī)鏡頭無法完全與測(cè)定板保持垂直,存在拍攝角度引起的變形,可能導(dǎo)致測(cè)量誤差,所以需要實(shí)施矯正措施。根據(jù)參照塊的定義與在圖像中的畸變情況,使用透視變換法[17]糾正其扭曲變形,使參照塊矯正至符合原設(shè)定比例,從而帶動(dòng)全圖實(shí)現(xiàn)畸變矯正。需要注意的是,因雞頭擺動(dòng)造成的雞冠圖像面積縮小無法通過此法進(jìn)行矯正。所以在圖像采集過程中,如無固定裝置輔助,則需將雞頭貼緊測(cè)定板,阻止其擺動(dòng)。

同時(shí),在不同場(chǎng)景拍攝受到光線、相機(jī)鏡頭等因素的影響,成像顏色與實(shí)際顏色存在普遍的偏色情況,這就需要對(duì)采集圖像進(jìn)行偏色校正。本文采用多項(xiàng)式回歸法[18-19]進(jìn)行偏色校正處理,因其為目前針對(duì)RGB通道彩色成像系統(tǒng)最優(yōu)的偏色校正非線性算法。在不同光照情況下的成像,以監(jiān)督色為標(biāo)準(zhǔn),經(jīng)過該算法處理都能達(dá)到較為理想的校正效果。具體步驟是將7個(gè)色級(jí)的標(biāo)準(zhǔn)RGB值分別作為監(jiān)督色值,將采集圖像中參照塊的色譜向監(jiān)督色值進(jìn)行標(biāo)準(zhǔn)差加權(quán)偏色還原,從而帶動(dòng)全圖實(shí)現(xiàn)偏色校正。通過上述兩種算法處理后,才能實(shí)現(xiàn)圖像比例、色度與實(shí)物的對(duì)應(yīng)。

1.6.3 輪廓識(shí)別

對(duì)經(jīng)過畸變矯正和偏色校正的圖像進(jìn)行雞冠輪廓識(shí)別。考慮到去除圖像多余信息可使計(jì)算更加精準(zhǔn),便需采用色度鍵編輯技術(shù),從圖中將雞頭與綠幕背景分割再進(jìn)行雞冠部位的截取。首先設(shè)置動(dòng)態(tài)閾值,使用Canny算法[20]自動(dòng)實(shí)現(xiàn)整個(gè)雞頭與綠幕的初次邊緣分割,其中雞冠的冠齒端輪廓會(huì)清晰呈現(xiàn),并得到分割邊緣像素點(diǎn)集。由于雞冠與肉髯和耳葉顏色相近,且與雞頭皮連接處邊界模糊,Canny算法在此處區(qū)分效果欠佳,所以采用手動(dòng)方式,在初次形成的分割邊緣上進(jìn)行二次截取。通過對(duì)鼠標(biāo)點(diǎn)擊事件進(jìn)行編程,在初次分割邊緣上取一點(diǎn)作為開始,沿雞冠與雞頭皮處進(jìn)行多點(diǎn)連線分離描繪,并將最后一點(diǎn)回到初次邊緣上作為結(jié)束,這樣就得到二次截取的連線像素點(diǎn)集。將前后兩次得到的像素點(diǎn)集進(jìn)行交匯連通后,就形成了一個(gè)新的合圍區(qū)域,即完整獨(dú)立的雞冠輪廓區(qū)域,以高亮突顯。

調(diào)整識(shí)別前后對(duì)比,產(chǎn)生了較好的失真還原,如圖11所示。

(a) 采集的測(cè)定圖像

1.7 雞冠測(cè)定

測(cè)定圖像經(jīng)過調(diào)整處理和輪廓識(shí)別后形成的合圍區(qū)域,即是需要測(cè)定面積與色級(jí)數(shù)據(jù)的雞冠區(qū)域。

1.7.1 面積測(cè)定

本文采用像素計(jì)算法進(jìn)行雞冠實(shí)際面積的獲取。在不同光線環(huán)境和設(shè)備條件下,每次采集的圖像大小不一,這就需要進(jìn)行一次面積比對(duì)操作。將采集圖像畸變矯正后,在未縮放狀態(tài)下,取得圖中參照塊的像素面積,與標(biāo)準(zhǔn)參照塊的設(shè)計(jì)面積進(jìn)行比對(duì),即可得到每張圖的像素面積與實(shí)際面積的轉(zhuǎn)換比值。因此,只需測(cè)算出雞冠合圍區(qū)域的像素面積,乘以轉(zhuǎn)換比值,即可得出雞冠的實(shí)際面積。

合圍區(qū)域像素面積,可根據(jù)n個(gè)輪廓離散點(diǎn)集,分別提取相應(yīng)矢量矩陣,通過計(jì)算得出。設(shè)Q為輪廓離散點(diǎn)集,P為x、y坐標(biāo)系中合圍區(qū)域輪廓線上離散點(diǎn),則輪廓離散點(diǎn)集為Q(P∈{(xi,yi)|1≤i≤n})。

計(jì)算公式如式(11)所示。

(11)

(12)

式中:px、py、x、y——矢量矩陣;

a——像素面積。

根據(jù)式(12)得出實(shí)際面積

r=a×γ

(13)

式中:γ——像素面積與實(shí)際面積轉(zhuǎn)換比值。

1.7.2 色級(jí)測(cè)定

計(jì)算調(diào)整識(shí)別后的雞冠合圍區(qū)域顏色的KeyColor值,將其分別與7個(gè)色級(jí)的標(biāo)準(zhǔn)RGB值代入空間色差距離式(10)中進(jìn)行計(jì)算,并比較7個(gè)結(jié)果值的大小,數(shù)值最小的代表色差距離最近,即判定雞冠顏色歸屬該色級(jí)。

2 結(jié)果驗(yàn)證與分析

為了對(duì)本測(cè)定方法的可行性與精度進(jìn)行評(píng)估,開展了測(cè)定結(jié)果驗(yàn)證。因傳統(tǒng)測(cè)定主要采用尺量雞冠長(zhǎng)乘高算法和色級(jí)目測(cè)法,誤差大主觀性強(qiáng),不具備比對(duì)意義,故選擇數(shù)字平面成像模擬驗(yàn)證法進(jìn)行測(cè)定數(shù)據(jù)比對(duì)。

2.1 驗(yàn)證方法

使用Photoshop,在設(shè)定為29.7 cm×42 cm(A3)尺寸,300 dpi分辨率,RGB顏色模式下,底色為RGB(84,186,44)綠幕的畫布上,繪制如圖12所示的數(shù)字平面模擬雞圖案,模擬圖案在畫布中設(shè)計(jì)尺寸不受局限,但是雞冠部位必須完整。因Photoshop軟件具備像素面積計(jì)算功能,且結(jié)果精準(zhǔn)[21],通過魔棒與套索等工具,設(shè)置容差為0,可準(zhǔn)確將模擬圖的雞冠部位描邊勾勒,得到其在A3畫布中的實(shí)際面積。同時(shí)將雞冠顏色在7個(gè)色級(jí)的聚類范圍內(nèi)進(jìn)行目標(biāo)值設(shè)定,利用色差公式計(jì)算距離確定色級(jí)。將該RGB圖利用前述方法轉(zhuǎn)CMYK顏色模式后按照A3尺寸1∶1實(shí)物印刷,即可得到一張雞冠有確定面積值和色級(jí)的模擬雞圖紙。

(a) 編號(hào)1模擬雞

按此方法設(shè)計(jì)30個(gè)模擬雞圖案,進(jìn)行編號(hào)后印制成模擬雞圖紙供驗(yàn)證使用。將模擬雞圖紙進(jìn)行裁剪,留取包含完整雞冠的有效部位,貼于前述測(cè)定板上(不能遮擋參照塊)。使用本文前述方法采集驗(yàn)證圖像,調(diào)整并識(shí)別雞冠輪廓,測(cè)定其面積和色級(jí),與模擬雞已知設(shè)定數(shù)據(jù)對(duì)比,統(tǒng)計(jì)面積誤差和色度定級(jí)準(zhǔn)確率。

2.2 結(jié)果分析

在面積驗(yàn)證數(shù)據(jù)結(jié)果中,設(shè)定面積與實(shí)測(cè)面積的相對(duì)誤差范圍在0.11%～4.84%之間,平均相對(duì)誤差為2.24%。分析誤差原因,與采集驗(yàn)證圖像時(shí)的拍攝角度有關(guān)。當(dāng)圖像畸變?cè)黾訒r(shí),矯正算法會(huì)產(chǎn)生更大的測(cè)定減值,30個(gè)測(cè)量數(shù)據(jù)相對(duì)誤差未出現(xiàn)負(fù)值,這提示實(shí)測(cè)面積比設(shè)定面積略小,顯示本方法在設(shè)計(jì)和算法過程中存在使實(shí)測(cè)值向減值方向計(jì)算的整體誤差。

在色級(jí)驗(yàn)證數(shù)據(jù)結(jié)果中,30個(gè)實(shí)測(cè)色級(jí)準(zhǔn)確29個(gè),錯(cuò)誤1個(gè),準(zhǔn)確率為96.67%。分析錯(cuò)誤原因,當(dāng)模擬圖案中雞冠顏色值設(shè)定處于兩個(gè)色級(jí)中位附近,色差距離非常接近時(shí),受RGB設(shè)計(jì)色轉(zhuǎn)CMYK打印色圖像過程輕微損失影響,色度采集值偏向淺色,導(dǎo)致定級(jí)錯(cuò)誤。

通過模擬法驗(yàn)證,綜合上述測(cè)定結(jié)果比對(duì)可知,本文測(cè)定方法算法穩(wěn)定,誤差范圍小,結(jié)果準(zhǔn)確性高。

3 結(jié)論

1) 通過將采集圖像進(jìn)行系列處理,并結(jié)合相關(guān)計(jì)算,實(shí)現(xiàn)了對(duì)雞冠面積和色級(jí)的測(cè)定。分別得到面積測(cè)定相對(duì)誤差最大為4.84%,最小為0.11%,平均相對(duì)誤差為2.24%;色級(jí)測(cè)定準(zhǔn)確率96.67%的有效結(jié)果。

2) 本文是操作及算法的組合,具有一定的開創(chuàng)性與通用性。該方法通過Python3.7語言與OpenCV4庫平臺(tái)進(jìn)行編程實(shí)現(xiàn),形成測(cè)試版軟件。在試驗(yàn)場(chǎng)景開展效果評(píng)測(cè),結(jié)果顯示該方法可行性高,一定程度上降低了雞冠測(cè)定難度,提高了采集速度和數(shù)據(jù)可信度,達(dá)到平均每小時(shí)完成30只雞的測(cè)定速度?？捎行Ы鉀Q雞冠參數(shù)批量獲取的需求難點(diǎn),收到了良好的評(píng)測(cè)反饋。下一步將通過優(yōu)化步驟流程,提高算法精度,設(shè)計(jì)適應(yīng)移動(dòng)端的測(cè)定方法,可進(jìn)一步提升便捷度與準(zhǔn)確度,擴(kuò)大場(chǎng)景范圍。