基于计算机视觉的昆虫识别的研究

范晓莹+罗元浩

摘要

如今，最大值提取法、平均值提取法、概率系数提取法和HLS亮度提取法是目前使用最广泛的四种彩色图像转换为灰度图像的方法。为了从实际图像的复杂背景，中提取白色和黑色昆虫，本文基于颜色通道，提出了一种新的将彩色图像转换为灰度图像的彩色通道比较法，具体方法如下：（1）对于白色昆虫，如果图像同一个像素的红（R）、绿（G）、藍（B）像素值，最高与最低值之间的差值大于20，则使像素点的灰度值等于红（R）、绿（G）、蓝（B）中最低灰度值的五分之一，否则使像素点的灰度值等于红（R）、绿（G）、蓝（B）中最高灰度值的五倍。（2）对于黑色昆虫，如果图像同一个像素的红（R）、绿（G）、蓝（B）像素值，最高与最低值之间的差值大于20，则使每个像素点的灰度值等于红（R）、绿（G）、蓝（B）中最高灰度值的五倍，否则使每个像素点的灰度值等于红（R）、绿（G）、蓝（B）中最低灰度值的五分之一。与现有的方法相相比，彩色通道比较法能更有效的将昆虫从实际图像的复杂背景中提取出来。

【关键词】昆虫提取 计算机视觉 图像处理 灰度变换

1引言

计算机视觉技术是一种快速、有效的检测昆虫数量的方法。利用计算机视觉技术识别实际环境中的昆虫，是一种非常重要的、具有挑战性的工作。

一般来说，当计算机视觉技术用于识别昆虫时，需要将彩色图像转化为灰度图像，而彩色图像转化为灰度图像的质量将显著影响着昆虫的图像识别效果。如今，最大值提取法、平均值提取法、概率系数提取法和HLS亮度提取法是目前使用最广泛的四种彩色图像转换为灰度图像的方法。另外，除了使用将彩色图像转化为灰度图像的方法，一些更复杂的数学模型也己被应用到彩色图像变换到灰度的，例如小波算法。

为了从实际图像复杂背景中识别和提取白色和黑色昆虫，本文提出了一种新的将彩色图像转化为灰度图像的方法——彩色通道比较法。

本文将常用的四种彩色图像转换为灰度图像的方法与新提出的彩色通道比较法进行比较，以表明新方法的优势。

2常用的提取方法简介

三原色理论在计算机视觉技术中起着重要的作用，根据三原色理论表明，红（R）、绿（G）、蓝（B）这三个原色的混合将确定对象最终的颜色。

在概率系数提取方法中，灰度图像中像素的亮度L是基于人眼对红（R）、绿（G）、蓝（B）三原色的识别系数计算的，L值可以表示为：

L=0.2989×R+0.5870×G+0.1144×B（3）

在HLS亮度提取法中，灰度图像中像素的亮度L是基于视觉感知模型得出的，L值可以表示为：

3彩色通道比较法的提出

根据三色理论，当红（R）、绿（G）、蓝（B）有相同的亮度，他们混合将得到的灰度图像。在一个灰度图像中，纯白色像素具有最高的亮度，而纯黑色的像素具有最低的亮度。一般来说，灰度图像的亮度值介于白色图像和黑色图像之间。

现实生活中，许多昆虫是白色或黑色的，而灰度图像（包括白色和黑色的图像）的R，

G和B值是相等的，因此，根据白色和黑色物体三原色分析，本文提出一种白色或黑色昆虫的提取方法，被称为彩色通道比较法，彩色通道比较法描述如下。

对于白色的昆虫，如果同一个像素中的红（R）、绿（G）、蓝（B）像素值的最高和最低值之间的差异大于20，则使像素点的灰度值等于红（R）、绿（G）、蓝（B）中最低灰度值的五分之一，否则使像素点的灰度值等于红（R）、绿（G）、蓝（B）中最高灰度值的五倍，公式表示为：

对于黑色昆虫，如果图像同一个像素的红（R）、绿（G）、蓝（B）像素值，最高与最低值之间的差值大于20，则使每个像素点的灰度值等于红（R）、绿（G）、蓝（B）中最高灰度值的五倍，否则使每个像素点的灰度值等于红（R）、绿（G）、蓝（B）中最低灰度值的五分之一，公式表示为：

众所周知，人类的眼睛对亮度的识别范围是10-20，而且，在彩色和灰度图像的多阈值模型中，最低阈值也是20。因此，经过研究，在公式（5）和公式（6）中使用的判断阈值标准定为20。白色和黑色昆虫的图像通过公式（5）和公式（6）的计算，能从灰度图像中的相对突出，能更有效地识别和提取的实际复杂背景中的昆虫图像。

4结果的验证与分析

下面，本文将使用实际生活中的昆虫图像，通过4个现有的图像识别提取方法和彩色通道比较法，将彩色图片转化为灰度图像，从而展示白色和黑色的昆虫的转换效果。具体方法为：

首先，将实际的彩色图片使用上述方法转化为灰度图像。然后，使用Otsu算法将灰度图像转化为二进制图像。最后，通过处理的效果进行了比较，测试的彩色通道比较法的优势。

图1是昆虫黄刺蛾茧的图片，黄刺蛾茧的颜色是近似白色，是一个典型的白色昆虫图片。

图2（a-d）是通过4种常用灰度图像转换方法，即公式（1-4）进行转换，再使用Otsu算法将灰度图像转化二进制图像后得到的图像提取效果。

图3是通过彩色通道比较法进行灰度图像转换方法，即公式（5）进行转换，再使用Otsu算法将灰度图像转化二进制图像后得到的图像提取效果。

通过图2与图3的效果比较能够看出，当彩色图像转换为灰度图像时，本文提出的彩色通道的比较法与常用的4中灰度图像识别方法相比，能够更有效的从实际图像复杂背景中识别和提取的昆虫。

它的结论是彩色通道的比较法更有效地识别和提取的昆虫昆虫从实际的背景图像相对于四个现有的提取方法时，彩色图像被变换成灰色。

根据公式（5），因为白色昆虫黄刺蛾茧的R，G和B的值几乎是相同的，即Max（R，G，B）-Min（R，G，B）<20白色，因此昆虫黄刺蛾茧的亮度L等于5×Max（R，G，B）。而因为背景主要是绿色、棕色或淡灰色，即Max（R，G，B）-Min（R，G，B）>20，所以图像背景亮度L等于Min（R，G，B）/5。转换结果显示为白色昆虫黄刺蛾茧图像和干净的黑色背景，黄刺蛾茧被很好的识别提取出来。endprint

图4是一张红色条纹天牛的典型图像，红色条纹天牛是接近黑色昆虫。

图5（a-d）显示的是将图4通过4种常用灰度图像转换方法，即公式（1-4）进行转换，再使用Otsu算法将灰度图像转化二进制图像后得到的图像提取效果。

图6是通过彩色通道比较法进行灰度图像转换方法，即公式（6）进行转换，再使用Otsu算法将灰度图像转化二进制图像后得到的图像提取效果。

从图6与图5的效果比较能够看出，当彩色图像转换为灰度图像时，与常用的4中灰度图像识别方法相比，本文提出的彩色通道的比较法能够更有效的从实际图像复杂背景中识别和提取的昆虫。根据公式（6），因为黑色昆虫的R，G和B的值基本相同，即Max（R，G，B）-Min（R，G，B）<20白色，因此昆虫黄刺蛾茧的亮度L等于Min（R，G，B）/5。而因为图像背景主要是绿色、棕色和淡灰色，即Max（R，G，B）-Min（R，G，B）>20，所以图像背景亮度L等于5×Max（R，G，B）。转换结果显示为黑色昆虫图像和比较干净的白色背景，黑色昆虫被很好的识别提取出来。

5总结

为了从实际的图像背景中识别和提取的白色和黑色的昆虫，本文提出了将彩色图像转换成灰度图像的彩色通道比较法。彩色通道比较法提高了昆虫和背景之间的对比度，并与现有的四种常用的灰度图像转换方法相比，本文提出的彩色通道比较法能更有效地从实际的背景中识别和提取了白色和黑色的昆蟲。

参考文献

[1]李贞培，李平，郭新宇，陈树敏.三种基于GDI+的图像灰度化实现方法[J].计算机技术与发展，2009.

[2]刘庆祥，蒋天发.彩色与灰度图像间转换算法的研究[D].武汉理工大学学（交通科学与工程版），2003（03）：344-346.

[3] R.L.de Queiroz，K.Braun， “Color to gray and back：Color embedding into textured gray images，” IEEE Trans. Image Process， 2006 （06）： 1464-1470.

[4] H. Takahiko， N. Fuminori， T. Shoji，“Accurate reversible color-to-gray mapping algorithm without distortion conditions，” Pattern Recognition Letters， 2010 （31）： 2405-2414.

[5] N. Papamarkos，C.Strouthopoulos， I. Andreadi s，uMult i thresholding of color and gray-level images through a neural network technique，”Image and Vision Computing， 2000 （18）： 213-222.

[6] N. Otsu， “A threshold selection method from gray-level histograms，” IEEE Trans. on Sys tem，Man and Cybernetics， 1979 （01）： 62-69.endprint