对图像G-B颜色因子处理后的图像如图4所示。

    对图像|G-R|+|G-B|颜色因子处理后的图像如图5所示。

    从图3、图4、图5的对比不难发现，经颜色因子|G-R|+|G-B|处理后的图像，青椒与其背景存在明显的差别。
3 直方图阈值分割算法
    图像分割是指根据灰度、色彩、空间纹理、几何形状等特征，把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。目前，最常用的图像分割方法是阈值分割。其中阈值选取方法主要有直方图技术和自适应性阈值。
    对于含有目标区域和背景区域对比足够大的图像，通常可以借助直方图，可方便地确定物体图像和背景的灰度突变位置，并把阈值选在此处，来进行图像分割。图6为存在峰值点的图像直方图。

    在经过颜色因子|G-R|+|G-B|处理后的图像中，可以看到青椒与其背景的差别很大，通过观察发现，此图像的直方图存在峰值点，因此，可以选择该点作为阈值点进行分割。图像分割结果如图7所示。

4 实验结果分析
    由于自然条件中光线的过强或过弱都会对青椒的分割产生较大的影响，因此做如下分析说明。
    (1)光线强：由于光线较强，青椒表面对光的反射也随之增强，图像分割后会使青椒表面存在较大的空洞。
    (2)光线弱：由于光线较弱，青椒表面部分颜色会与其叶子和背景的颜色相近，分割后会产生一些误判的区域。
    以上的情况，在青椒分割后均会使其面积大量地缺失，继而，也会使青椒分割后的轮廓受到严重的影响。
    本试验所用青椒图像为使用数码相机在东北农业大学园艺田自然光条件下拍摄的5组照片，图像分辨率为3 072像素×2 304像素。图像处理平台为Windows XP操作系统,编程语言采用Matlab7.1。随机选取一组照片进行实验，采用颜色因子与直方图阈值相结合进行图像分割。由于自然条件的随机性影响，在分割过程中会产生一些误判的小区域，对于这种情况，可以采用小区域面积消除，进行处理。文中对误判小区域进行处理后的图像，如图8所示。

    从图8中可以看到，经过小区域去除后，青椒的轮廓保存较为完整。本文对100个随机样本进行分析验证后，其青椒的分割成功率高于85%。图9所示是图像分割率的统计图。对于未成功分割率的原因作如下分析：

    （1）青椒位于枝叶中的较深部位时，经图像处理后，其R、G、B的值与叶子相似，经直方图阈值法很难找到相应的阈值进行分割。
    （2）由于强光的照射，青椒表面经处理后会产生大片的未闭合区域，最终造成“误分割”的结果。
    本文所提出的基于颜色特征与直方图阈值相结合的田间青椒图像分割算法,具有分割时间短、分割精度高等优点,能很好地实现田间青椒果实与其背景的分离 ,并较好地保存了青椒的轮廓信息,有利于对青椒的进一步识别。采用形态学的膨胀、腐蚀等方法,可有效地改善图像分割后存在的孔洞现象。

上一页  [1] [2]