基于閾值的圖像迭代分割算法提取烤煙鮮煙葉特征

張 麗， 葉選林， 蔡 瑾， 王 森

(1.云南開放大學(xué) 機電工程學(xué)院， 云南 昆明 650500； 2.昆明理工大學(xué) 機電工程學(xué)院， 云南 昆明 650500)

烤煙鮮煙葉從田間采摘回來后，根據(jù)不同成熟度和外形特征進行分揀，可以提高后續(xù)烘烤質(zhì)量[1]，因此基于計算機視覺的煙葉分揀技術(shù)得以應(yīng)用。煙葉圖像分割是將待識別煙葉的目標(biāo)特征提取出來，去除其他背景部分的過程，可以減少煙葉圖像信息的冗余度，提高分揀成功率。

常見的圖像分割算法主要包括基于閾值的圖像分割算法、基于顏色特征聚類的圖像分割算法、基于邊緣的圖像分割算法、基于區(qū)域生長的圖像分割算法[2]。比較而言，基于閾值的圖像分割算法的實效性較好，但在有光照變化和作業(yè)復(fù)雜的環(huán)境下，該方法的適應(yīng)能力較弱；基于顏色特征聚類的圖像分割算法能很好地克服環(huán)境變化對分割造成的影響，但是計算時間相對較長；基于邊緣的圖像分割算法相對容易，計算時間短，實效性較好，但是目前大多數(shù)邊緣檢測算法難以提取目標(biāo)完整的封閉邊緣，使用該算法進行邊緣提取時容易提出偽邊緣；基于區(qū)域生長的圖像分割算法原理簡單、直觀，但要對整幅圖進行分割，并是一種遞歸算法，所以耗時長。利用計算機視覺進行烤煙鮮煙葉質(zhì)檢時，圖像分割是圖像處理中最基本、最重要的工作之一。由于烤煙鮮煙葉圖像需進行實時分割，且圖像采集是在一個視頻箱中完成，光照、作業(yè)環(huán)境穩(wěn)定，為得到烤煙鮮煙葉的有效分割圖像，故采用基于閾值的圖像分割算法進行煙葉特征提取研究，以期為該算法的應(yīng)用提供理論依據(jù)。

1 材料與方法

1.1 材料

供試烤煙中部煙葉取樣自大理賓川縣，品種為K326，長勢良好，無病蟲害。

1.2 方法

1.2.1 閾值的確定 目前，常用的閾值確定方法主要有雙峰法、迭代法、大津法(OTSU)等。雙峰法的基本思想是當(dāng)直方圖具有較為典型的雙峰特性時，選取2個峰之間的谷底對應(yīng)的灰度級作為影像分割閾值[3]。該方法雖然簡單，但是適用的情況也比較有限，只對目標(biāo)和背景灰度相差較大，具有明顯峰谷的直方圖分布圖像才有比較好的處理效果。大津法是由日本學(xué)者大津展之[4]提出，其基本思想是取某個閾值，將整幅影像分為目標(biāo)與背景2個部分，使這兩部分類間方差最大的閾值即為影像分割的最佳閾值；類間方差最大說明兩類之間的差別最大，也意味著兩類之間的錯分概率最小。大津法提取精度最為穩(wěn)定，但閾值選取過程耗時較長[5]。迭代法主要利用特征逼近的思想，不斷更新子圖像的直方圖，隨著循環(huán)次數(shù)的增加，越來越細地考慮影像的局部特性，因此可以獲得更精細的分割結(jié)果，且閾值選取過程耗時最短[5]。根據(jù)以上分析，考慮到鮮煙葉分級是在相對穩(wěn)定的環(huán)境中進行實時分割，對煙葉顏色、形狀及紋理等特征的要求較高，所以采用迭代法確定煙葉圖像背景分割的閾值。主要步驟如下：

1) 求初始閾值T0。

T0=(LowGrey+UpGrey)/2

式中，LowGrey為最小灰度值，UpGrey為最大灰度值。

2) 利用閾值Tk將圖像分割為背景和前景，再分別求出平均灰度值A(chǔ)ver1和Aver2。

3) 算出新的閾值Tk+1=(Aver1+Aver2)/2。

4) 若Tk=Tk+1，則Tk+1便為最后的閾值；若不滿足，則k→Tk+1，進行迭代計算，直到條件滿足為止。

1.2.2 圖片分割 對彩色圖片分割一般用到2種彩色空間模型：RGB顏色空間和HSV顏色空間。RGB顏色空間模型，采集設(shè)備采集煙葉圖像后，輸出圖像為32位的RGB模式，只需在圖像分割時選擇RGB顏色空間中最能提取目標(biāo)的通道，通過迭代閾值法就可以對煙葉圖像很好地分割，并且還可節(jié)約時間成本。其具體步驟：

1) 統(tǒng)計煙葉圖像R、G、B三通道的灰度直方圖。

2) 根據(jù)迭代法原理獲取三通道最佳閾值Tr,Tg,Tb。

3) 分別對三通道煙葉圖像作如下處理：

式中，R0(i,j),G0(i,j),B0(i,j)分別表示背景分割前三通道像素(i,j)的灰度值。

三通道的灰度圖如圖1所示，B通道的背景與前景明顯比R通道和G通道的差別大，故將B通道作為迭代閾值法的最佳通道。

4) 對彩色煙葉圖像進行背景分割。

式中，f(i,j)為原彩色煙葉圖像在背景分割后點(i,j)處的像素值，f0(i,j)為原彩色煙葉圖像在背景分割前點(i,j)處的像素值，B0(i,j)為背景分割前B通道中像素(i,j)的灰度值，Tb為彩色煙葉圖像的最佳分割閾值，本研究選取Tb為0.5。

2 結(jié)果與分析

采用基于閾值的圖像迭代分割算法，得到一次鮮煙葉分割圖像。從圖2看出，分割圖右下角還有一部分冗余信息沒有去除，主要是因為原圖中有與鮮煙葉特征相似的煙葉殘渣，所以需進行二次分割。由于未去除的部分面積較小，采取二值化處理、取反、刪除小面積對象的方法進行分割，最終得到二次鮮煙葉分割圖像(圖3)。表明，采用刪除小面積對象的方法可以去除鮮煙葉圖像目標(biāo)特征以外的其他

信息，仿真效果較好。

3 結(jié)論

在有實效性要求下，為實現(xiàn)更好的鮮煙葉圖像分割效果，采用基于閾值的圖像迭代分割算法進行烤煙鮮煙葉圖像分割。結(jié)果表明，該方法可有效保留鮮煙葉圖像的目標(biāo)特征，且無其他冗余信息。