茶叶嫩芽图像自动分割方法的研究

汪 洋，胡 靖，邵煜坤，杨志刚，吕 军

（黄山学院 信息工程学院，安徽 黄山245041）

茶叶作为保健饮品受到广大群众的喜爱。我国作为茶叶生产大国，目前茶叶采摘以人工采摘为主，该方法耗时耗力、主观因素大。基于机械式的采茶机[1]对老叶、茶梗和嫩芽间的选择效率低下且对部分茶叶叶片损坏导致茶叶质量下降[2]。随着计算机技术的不断发展，杨福增[3]、刘志杰[4]等人在白色背景下获取了陕西名茶“午子仙毫”图像，利用阈值分割实现了嫩叶和老叶自动分离。韦佳佳[5]针对自然环境下茶叶图像，提出了基于不同色彩因子分割的嫩梢识别方法，为后期嫩梢定位提供了理论基础。以上方法茶叶图像背景相对简单，而自然环境下的茶叶不仅受到灰尘、土壤、茶梗的影响，老叶的姿态、残缺、重叠等也加大了嫩芽的分割难度。

1 材料与方法

1.1 茶叶图像采集

本文以黄山毛峰茶叶为研究对象，样本均采集于清明前期安徽省黄山市茅山茶场。利用Nikon D90 数码相机 （定焦镜头焦距为28mm，光圈为f/2.8D）正面拍摄茶叶图像，以JPG 格式保持（如图1所示），共采集图像50 幅。为加快计算机处理速度，图像尺寸统一为640×640 像素。本文所有程序均在matlab2010a 环境下编制。

1.2 茶叶图像增强

茶叶图像采集过程中易受噪声干扰、光照不均等影响。常用的中值滤波和均值滤波能够有选择性的去除噪声，但图像会变得模糊[6]。本文利用高、低帽变换实现茶叶图像增强（如图2 所示），有效提高了茶叶图像的对比度。程序如下：

rgb=imread(‘maofeng.jpg’);

se=strel(‘disk’,7);

J=imtophat(rgb,se);

K=imbothat(rgb,se);

RGB=imsubtract(imadd(J,rgb),K);

figure,imshow(rgb)

figure,imshow(RGB)

图1 自然环境下茶叶彩色图像

图2 自然环境下茶叶增强图像

1.3 基于颜色的茶叶嫩芽分割

常用的颜色模型有RGB、HSV、Lab 和YCbCr等,不同的颜色模型描述的信息特性不同。本文选取RGB 和HSV 两种色彩模型进行茶叶嫩芽分割。首先选取合适的分量灰度图并阈值分割，然后利用形态学处理获取茶叶嫩芽二值图像，最终通过逻辑运算实现嫩芽图像彩色分割，具体流程如下：

1.分析各分量及分量组合灰度图，选取嫩芽与背景区分明显的灰度图作为待分割图；

2.使用最大类间方差法（OTSU）确定分割阈值，获取嫩芽二值图像，然后利用5×5 模板中值滤波去除噪声颗粒，记作bw(i,j)；

3.对步骤2 二值图像bw(i,j)进行连通区域标记和编号，计算编号区域的面积，设定面积阈值T1，保留大于T1 的目标区域，去除伪目标区域，记作Bw(i,j)；

4.对步骤3 二值图像Bw(i,j)进行取反，设定面积阈值T2，保留小于T2 的目标区域，并将该区域与Bw(i,j)相加，实现目标孔洞选择性填充，记作BW(i,j);

5.根据下式将二值图像BW(i,j)和原始彩色图像rgb 进行逻辑“与”，得到茶叶嫩芽彩色区域。

1.3.1 基于RGB 模型的茶叶嫩芽分割

RGB 模型是应用广泛的颜色系统之一，其原理是通过红（R）、绿（G）、蓝（B）3 原色按照不同的比例构成不同的色彩。本文通过对R、G、B 和不同色差模型分析发现，R-B 色差模型不仅嫩芽与背景差异明显，而且可以降低光照对单一分量的影响[7]。部分代码如下：

R=RGB(:,:,1);%R 分量灰度图

B=RGB(:,:,3);%B 分量灰度图

RJB=R-B;%R-B 色差灰度图

level=graythresh(RJB);

BWRJB=im2bw(RJB,level);%OTSU 二值化

BW=medfilt2(BWRJB,[5,5]);%5×5 中值滤波

bw=bwareaopen (BW,200);%剔除面积小于200 的伪

目标区域

bw1= ～bw;

bw2=bwareaopen(bw1,200);

bw3=bw1-bw2;

bw4=bw+bw3;%目标区域孔洞填充

[m n]=size(bw);

for i=1:m

for j=1:n

if bw4(i，j)==1

rgb(i，j，:)=rgb(i，j，:);

else rgb(i，j，:)=0;

end

end

end%逻辑“与”实现嫩芽彩色分割

图3 R-B 色差模型下茶叶嫩芽二值图像

图4 R-B 色差模型下茶叶嫩芽彩色图像

1.3.2 基于HSV 模型的茶叶嫩芽分割

HSV 颜色模型是由色调（H）、饱和度（S）、亮度（V）3 个互不相关的颜色属性组成。色调H 通过角度度量不同的颜色，饱和度S 描述颜色的纯度，亮度V 与图像彩色信息无关。由于H、S 与人的感知颜色系统相似，所以HSV 模型适合于人类视觉系统感知颜色特征的图像处理。

从自然环境下茶叶彩色图像不难看出，茶叶嫩芽呈黄绿色，而老叶呈深绿色。因此，可以利用饱和度S 作为分割灰度图，实现嫩芽与背景的彩色分割。S 灰度图提取代码如下：

hsv=rgb2hsv (RGB);%将RGB 空间转换到HSV空间

s=hsv(:,:,2);%S 分量灰度图

图5 S 分量模型下茶叶嫩芽二值图像

图6 S 分量模型下茶叶嫩芽彩色图像

2 结果与分析

从图4 和图6 茶叶嫩芽彩色分割图像显示，不同颜色模型的嫩芽分割能够有效地识别嫩芽区域。基于HSV 模型的嫩芽分割效果受老叶影响较大，主要因为自然环境下茶叶姿态各异，且老叶背面颜色与嫩芽颜色较为相近。通过对自然环境下多幅茶叶单株图像和区域图像的实验，发现基于R-B 色差模型的茶叶嫩芽分割效果最佳。

3 讨 论

自然环境下茶叶图像易受到颗粒、光照、老叶姿态、茶梗和土壤等影响。本文对自然条件下毛峰茶叶嫩芽分割进行了研究。利用嫩芽与背景在不同模型中的差异选择R-B 和S 灰度图作为待分割图像，通过OTSU 和数学形态学获取最终的嫩芽二值图像，最后采用逻辑运算实现了茶叶嫩芽彩色区域识别。R-B 色差彩色分割在算法鲁棒性和正确率上效果明显。自然环境下茶叶嫩芽的自动分割为后期茶叶嫩芽智能采摘提供了理论基础。

[1]邹勇,胡根贵.茶叶采摘与管理[J].安徽农业通报,2005,11(1):71.

[2]吴雪梅,张富贵,吕敬堂.基于图像颜色信息的茶叶嫩芽识别方法研究[J].茶叶科学,2013,33(6):584-589.

[3]杨福增,杨亮亮,田艳娜,等.基于颜色和形状特征的茶叶嫩芽识别方法[J].农业机械学报,2009,40(增刊):119-123.

[4]刘志杰,田艳娜,杨亮亮,等.重叠条件下茶叶嫩芽的自动检测方法[J].中国体视学与图像分析,2009,14(2):129-132.

[5]韦佳佳,陈勇,金小俊,等.自然环境下茶叶树梢识别方法研究[J].茶叶科学,2012,32(5):377-381.

[6]袁西霞,岳建华,赵贤任.Matlab 在中值滤波改进算法中的应用[J].广东工业大学学报,2007,24(1):33-35.

[7]韦佳佳.名优茶机械化采摘中嫩芽识别方法的研究[D].南京:南京林业大学,2012:11-19.