基于顏色特征與直方圖閾值相結合的田間青椒圖像分割算法

對圖像G-B顏色因子處理后的圖像如圖4所示。

對圖像|G-R|+|G-B|顏色因子處理后的圖像如圖5所示。

從圖3、圖4、圖5的對比不難發(fā)現，經(jīng)顏色因子|G-R|+|G-B|處理后的圖像，青椒與其背景存在明顯的差別。
3 直方圖閾值分割算法
圖像分割是指根據灰度、色彩、空間紋理、幾何形狀等特征，把圖像劃分成若干個(gè)互不相交的區域，使得這些特征在同一區域內表現出一致性或相似性，而在不同區域間表現出明顯的不同。目前，最常用的圖像分割方法是閾值分割。其中閾值選取方法主要有直方圖技術(shù)和自適應性閾值。
對于含有目標區域和背景區域對比足夠大的圖像，通?？梢越柚狈綀D，可方便地確定物體圖像和背景的灰度突變位置，并把閾值選在此處，來(lái)進(jìn)行圖像分割。圖6為存在峰值點(diǎn)的圖像直方圖。

在經(jīng)過(guò)顏色因子|G-R|+|G-B|處理后的圖像中，可以看到青椒與其背景的差別很大，通過(guò)觀(guān)察發(fā)現，此圖像的直方圖存在峰值點(diǎn)，因此，可以選擇該點(diǎn)作為閾值點(diǎn)進(jìn)行分割。圖像分割結果如圖7所示。

4 實(shí)驗結果分析
由于自然條件中光線(xiàn)的過(guò)強或過(guò)弱都會(huì )對青椒的分割產(chǎn)生較大的影響，因此做如下分析說(shuō)明。
(1)光線(xiàn)強：由于光線(xiàn)較強，青椒表面對光的反射也隨之增強，圖像分割后會(huì )使青椒表面存在較大的空洞。
(2)光線(xiàn)弱：由于光線(xiàn)較弱，青椒表面部分顏色會(huì )與其葉子和背景的顏色相近，分割后會(huì )產(chǎn)生一些誤判的區域。
以上的情況，在青椒分割后均會(huì )使其面積大量地缺失，繼而，也會(huì )使青椒分割后的輪廓受到嚴重的影響。
本試驗所用青椒圖像為使用數碼相機在東北農業(yè)大學(xué)園藝田自然光條件下拍攝的5組照片，圖像分辨率為3 072像素×2 304像素。圖像處理平臺為Windows XP操作系統,編程語(yǔ)言采用Matlab7.1。隨機選取一組照片進(jìn)行實(shí)驗，采用顏色因子與直方圖閾值相結合進(jìn)行圖像分割。由于自然條件的隨機性影響，在分割過(guò)程中會(huì )產(chǎn)生一些誤判的小區域，對于這種情況，可以采用小區域面積消除，進(jìn)行處理。文中對誤判小區域進(jìn)行處理后的圖像，如圖8所示。

從圖8中可以看到，經(jīng)過(guò)小區域去除后，青椒的輪廓保存較為完整。本文對100個(gè)隨機樣本進(jìn)行分析驗證后，其青椒的分割成功率高于85%。圖9所示是圖像分割率的統計圖。對于未成功分割率的原因作如下分析：

（1）青椒位于枝葉中的較深部位時(shí)，經(jīng)圖像處理后，其R、G、B的值與葉子相似，經(jīng)直方圖閾值法很難找到相應的閾值進(jìn)行分割。
（2）由于強光的照射，青椒表面經(jīng)處理后會(huì )產(chǎn)生大片的未閉合區域，最終造成“誤分割”的結果。
本文所提出的基于顏色特征與直方圖閾值相結合的田間青椒圖像分割算法,具有分割時(shí)間短、分割精度高等優(yōu)點(diǎn),能很好地實(shí)現田間青椒果實(shí)與其背景的分離 ,并較好地保存了青椒的輪廓信息,有利于對青椒的進(jìn)一步識別。采用形態(tài)學(xué)的膨脹、腐蝕等方法,可有效地改善圖像分割后存在的孔洞現象。