水果的分割算法研究

徐 琳，吕宇玲，王晓娟

（河北农业大学，保定 071000）

1 彩色图像分割

1.1 彩色图像变为灰度图像

彩色图像与灰度图像不同是由于彩色图像像素具有多维特征分量，其每一维分量仍然有灰度图的相同性质。而将彩色图像变为灰度图像有两种方式可以选择，（1）选取多维中其中一维作为该图像的灰度图像，就是我们下面讨论的HSV方法。（2）选取几维分量的函数组合作为该图像的灰度图像，就是我们下面讨论的2r-g-b方法。

1.1.1 HSV

由于RGB分量对颜色的辨别受外界影响较大，所以图像分割中我们通常采用彩色空间HSV进行分割，即色调H、饱和度S、亮度V，采用H分量作为该彩色图像的灰度图像。但是采用H分量对不同颜色的水果不具有通用性。没有办法使用统一的方法进行分割。

1.1.2 2r-g-b

比起背景来说，果实中红色分量较多，这是将果实和背景区分开来的重要因素，即红色分量越多、蓝色分量绿色分量越少，越被认为是果实，反之，则是背景，当然，红色分量的权重要大于蓝绿分量。

使用2r-g-b方法进行灰度化之后的直方图和灰度图像。以三种水果为例，做展示以便于理解。如图1中a列b列所示。

很明显，三个灰度图像都是较亮部分为果实，较暗部分为背景，并且我们知道直方图中灰度值较大部分为果实，灰度值较小部分为背景。2r-g-b方法可以用统一的方法对不同水果进行处理，所以，采用该法。

1.2 灰度图像变为二值图像

如图1中a列所示，灰度值较大部分为果实，较小部分为背景。所以，可以直接人工选取一个合适的阈值进行分割。阈值选取40-60即可。分割后结果，如图1中c列所示。

2 形态学滤波

分割后的图像，除了应有的目标外，还存在误分割区域和和随机噪声，其中随机噪声可以用形态学滤波方法去除。果实上的噪声可以使用开运算，背景上的噪声可以用闭运算去除。

2.1 闭运算

闭运算就是先膨胀后腐蚀的过程，可以用来清除白色区域中小型的黑色区域，首先应先使用边长为4的结构元素清除果实上的噪声。

2.2 开运算

开运算就是先腐蚀后膨胀的过程，可以用来清除黑色背景上的白色噪声。在清除果实上的噪声之后，再用边长为(D为果实直径）的结构元素去除果实以外的噪声。

2.3 关于半径范围

半径范围是根据MATLAB函数中度量区域属性函数regionprops近似估测的。

结果如表1所示

表1 直径所占的像素点的个数

3 图像修整

形态学滤波后的图像除去了随机噪声，但是还有误分割区域，由于过大，所以没有除去，下面是除去误分割区域的过程。

3.1 去掉小面积区域

小面积区域一般指的是不完整果实或者枝丫等部分，会对结果造成干扰，首先使用度量区域属性的函数regionprops，在运行生成的STATS中，STATS（i）.Area中，有各个区域包含的像素点的个数，通过对比选取想要保留的大面积和想要去除的小面积之间的阈值，然后使用bwareaopen函数将小面积区域去除即可。苹果、黄香蕉苹果、雪花梨的阈值分别为3000、1500、20000。

3.2 填充孔洞

由于闭运算时只考虑到去除白色目标上的噪声，而使得选取的结构元素较小，不能实现孔洞的填充，所以我们要另加填充孔洞的步骤。

4 提取边缘

提取边缘即是图像锐化图象锐化的目的是使边缘和轮廓线模糊的图象变的清晰，并且使细节清晰。它是通过增强高频分量来减少图象中的模糊，因此又称为高通滤波。锐化处理在增强图象边缘的同时增加了图象的噪声。因此，通常先去噪，在锐化。

4.1 算子方法边界提取

常用的模板是prewitt算子、sobel算子、log算子等，本次设计采用sobel算子

sobel算子模板：

4.2 形态学滤波方法边界提取

有些水果图像在之前进行开运算时使用的结构元素较大，使得进行开运算之后的边缘不清晰，所以，在边界提取式无法使用上述几种算子进行边界提取。此设计采用的方法是，使用形态学处理的方法，先使用边长为7的结构元素进行溶解，再用原图减去溶解后的图像，就得到边界提取图像。

5 用hough变换检测圆

取和图像平面一样的参数平面，以图像上每一个前景点为圆心，以已知的半径在参数平面上画圆，并把结果进行累加。最后找出参数平面上的峰值点，这个位置就对应了图像上的圆心。再将参数平面上再加一维——加入变量半径r，则图像平面上每一点则对应参数平面上的一个圆锥，再进行累加，找峰值点，即能检测到图像平面上圆心位置和半径大小。

通过a=x-r*cos（angle），b=y-r*sin（angle）将圆图像中的边缘点，映射到参数空间（a，b，r）中，由于是数字图像且采取极坐标，angle和r都取，一定的范围和步长，这样通过两重循环（angle循环和r循环）即可将原图像空间的点映射到参数空间中，再在参数空间（即一个由许多小立方体组成的大立方体）中寻找圆心，然后求出半径坐标。检测结果如图1中d列所示。

6 结束语

2r-g-b方法与HSV方法相比更具有普遍性，在一开始的方案选取中就应该仔细比对，挑选最优的方案。hough变化之后不仅可以得到果实具体的位置和大小（圆心和半径），而且能过更精准的检测果实。但是此设计采用一般方法的hough占用空间大，计算多，运行很慢，所以还有改进的余地。

图1 三种水果的直方图、灰度图、分割图、hough变换图、原图