随着农业的不断发展，自动化是现代化农业的一个首要标志。在青椒采摘机器人的研制中，田间青椒果实与其背景的分离是首要的任务。由于机器人采集的图像受到自然光的影响,青椒果实表面与其周围叶片等环境存在一定的差别, 目前常用的图像分割方法有两种：利用图像的颜色特征进行分割以及利用BP神经网络对图像进行分割。本文经过对青椒果实的颜色因子和青椒叶子的颜色因子分析发现，通过RGB颜色因子G与B的差值和G与R的差值的叠加可以将青椒从其背景中有效分割出来。
1 图像的采集
    (1)采集时间：图像获取的时间，应根据青椒作物的生长状况和生长规律而定，选择青椒有较明显特征时进行拍摄。
    (2)采集地点：东北农业大学园艺田。
    (3)所用仪器：SONY彩色数码照相机。
    (4)采集方法：用数码相机在园艺田中拍摄青椒作物图片，选择具有典型代表的图片进行处理，获取的图像以JPG格式存储在存储卡中，在并行口与计算机相连，将图像存储于硬盘中并转成BMP格式的24位真彩图。
    在实际应用系统中可考虑采用CCD摄像机动态采集图像，通过图像采集卡将图像实时地传入到控制台的计算机内。由于数字图像处理具有数据量大、处理费时的特点，考虑到实际操作时，青椒识别系统的实时性要求高，因而要求计算机的性能较高，尤其是处理速度要高，在满足识别系统要求的情况下，选择性价比高的硬件配置。
2 田间青椒图像颜色特征的分析算法
    颜色是自然界中一种常见的物理现象，是外界的光刺激引起人的颜色视觉细胞的感应。目前，用于定量地描述颜色的模型有许多种，在与数字图像处理有关的研究中使用得最多的颜色模型是RGB模型和HIZ模型。RGB颜色模型基于人类视觉的三基色原理，是最基本的一种颜色模型，因此本文采用此颜色模型进行分析研究。在这种颜色模型中，彩色图像中每个像素的颜色都能用三维空间中第一象限的一个点来表示，如图1所示。

    所谓的颜色特征提取方法是从彩色图像中获取三基色(R、G、B)的原始数据，或经一定数学处理的算子(颜色因子)，对果实与周围背景进行颜色区分。在采集的图像中，其丰富的色彩信息为青椒图像的分割提供了便利。在颜色特征提取分析过程中，利用 Photoshop图像处理软件对图像中各对象(青椒、青椒叶)的感兴趣区域ROI(Region of Interest)进行分析和比较， 图2是ROI的选取示意图。

　　表1、表2是图像中各对象(青椒、叶子)颜色特征的R、G、B值和颜色因子G-R、G-B、|G-R|+|G-B|的值，共有30组。

    在提取各对象R、G、B成份值后，用Excel对数据进行了统计分析，比较了青椒和青椒叶两者间的G-R、G-B、|G-R|+|G-B|的颜色因子。通过表1和表2的对比发现，青椒与叶子G-R、G-B颜色因子的值都比较接近，而青椒和青椒叶|G-R|+|G-B|颜色因子的值存在较大的差别，因此，可以利用颜色因子|G-R|+|G-B|将青椒果实与其背景的差别显现出来。对图像G-R颜色因子处理后的图像如图3所示。

[1] [2]  下一页