低对比度茶叶嫩芽图像自动分割方法的研究

周礼赞 方梦瑞 吕军

(黄山学院信息工程学院 245041)

采茶是茶叶生产的第一环节，目前以人工采摘为主，机械采摘为辅，人工采摘耗时耗力、机械采摘[1～2]缺乏选择性。智能采摘的重要前提是有效地分割茶叶嫩芽。随着图像处理技术的发展，汪洋[3]、韦佳佳[4～5]、杨增福[6]等实现了不同颜色模型下嫩芽的自动分割。姚波[7]、汪建[8]等学者利用嫩芽形态特征实现了采摘点的选择。

自然环境下嫩芽受老叶、茶梗、土壤等杂质的影响，图像对比度低，无法有效地识别。针对自然生长环境下低对比度茶叶图像，首先建立颜色模型上的色差特征信息，然后通过灰度拉伸增强目标与背景的对比度，最后利用基于迭代法的OTSU算法实现嫩芽图像自动分割。

1 茶叶嫩芽颜色空间信息

利用NikonD90数码相机拍摄自然环境下毛峰图像，以JPG存储，如图1所示，图像中主要包含嫩芽、老叶、枝条三种目标。在RGB颜色模型下选择原始图像中嫩芽、老叶和枝条等感兴趣区域ROI(RegionofInterest)，如图2所示，进行颜色信息提取与分析，具体步骤如下：

(1)分别获取三个感兴趣区域的红色(R)、绿色(G)、蓝色(B)灰度值；

(2)根据各颜色分量的灰度值，绘制茶叶图像各分量的灰度对比散点图，如图3、图4、图5所示；

(3)分析各颜色分量之间的统计特性，选择待分割图像。

图3、图4、图5中各分量灰度分布图可以发现，嫩芽、老叶和枝条三个ROI区域在R分量和B分量对应的坐标值分布中，三者分布在不同区域；在R分量和G分量对应的坐标值分布中，三者均在对角线附近，且出现临近分布成片和重叠；在G分量和B分量对应的坐标值分布中，三者均在对角线下方，老叶和枝条呈现相似性，与嫩芽区域不重叠。根据三个色差分布情况和距离45°对角线尽量小的原则，选择G-B色差图作为待分割图像，为有效实现嫩芽分割提供理论依据。

2 茶叶嫩芽图像分割方法

2.1 茶叶嫩芽图像增强

茶叶图像采集过程中易受到噪声影响，利用矢量中值滤波对三分量分别滤波后再合成以增强图像质量。实现程序和效果如图6所示。

rgb=imread(‘maofeng.jpg’)； %读取当前路径下茶叶图像

fori=1:3 %利用矢量中值滤波对三分量分别滤波

RGB(:,:,i)=medfilt2(rgb(:,:,i),[33]);

end

2.2 茶叶图像灰度拉伸

由图5中G-B色差图发现，茶叶嫩芽与老叶、枝条等背景对比度低，无法突出嫩芽感兴趣区域。因此，利用指数形式的灰度拉伸以扩展高灰度区压缩低灰度区，具体变换和效果图如式1和图7所示。

其中gray(x,y)、maxH分别为G-B色差图中各灰度值和最大灰度值，Gray(x,y)为拉伸后灰度值。

图1 自然环境下毛峰茶叶图像 图2 枝条、老叶、嫩芽三个ROI图像

图3 茶叶图像颜色R分量和B分量灰度分布图和R-B色差图

图4 茶叶图像颜色R分量和G分量灰度分布图和R-G色差图

图5 茶叶图像颜色G分量和B分量灰度分布图和G-B色差图

图6 矢量中值滤波后茶叶图像

图7 指数拉伸前、后的G-B色差灰度图

图8 茶叶嫩芽分割前、后RGB彩色图像

2.3 茶叶嫩芽自动分割

阈值分割是常用的分割方法之一，其基本思路是利用图像灰度值呈现的分布情况选择阈值，然后将每个像素值与之进行比较后归类。阈值的选择影响分割效果及后期的应用推广。自然环境下茶叶图像灰度值动态范围较大，采用全局迭代阈值法获取分割阈值，然后利用形态学操作实现伪目标剔除和孔洞填充后，通过逻辑与运算实现茶叶嫩芽彩色分割，具体流程如下：

(1)利用全局迭代阈值法获取分割阈值；

①选取茶叶G-B色差图平均灰度作为初始阈值，T0=(lowGrey+highGrey)/2其中lowGrey和highGrey分别为茶叶G-B色差图中最小和最大灰度值；

②根据阈值T(首次分割时T=T0)将图像分成目标与背景两部分，然后分别求出两部分的平均灰度μ0和μ1；

③计算新阈值：T1=(μ0+μ1)/2，将T1作为新的全局阈值代替T；

④重复②、③，直到相邻两次分割阈值相等或达到一定的迭代次数，迭代结束。

(2)利用步骤(1)中最终阈值，结合OTSU法实现初始的二值分割；

(3)bwareaopen函数剔除面积较小的伪目标后，利用imfill函数将目标区域内部孔洞进行填充，以获取较为纯净的二值图像bw；

(4)利用逻辑与操作实现茶叶嫩芽彩色分割，其原理为步骤(2)二值图像bw像素值为1时，原始彩色图像保持不变，否则置0。效果图如图8所示。

[mn]=size(bw);%获取二值图像尺寸

fori=1:m%利用嵌套循环遍历所有像素点

forj=1:n

ifbw(i,j)==1%当二值图像为目标时，原始彩色保持不变，否则置为背景黑色

rgb(i,j,:)=rgb(i,j,:);

elsergb(i,j,:)=0;

end

end

end

3 结果与分析

自然环境下茶叶生长密度大，以及老叶、枝条、土壤和光照等使得茶叶图像对比度低，加大了嫩芽分割的难度。首先对采集的茶叶图像进行颜色特征分布统计，选取G-B色差灰度图作为待分割图像；其次利用指数灰度拉伸扩大对比度；然后利用迭代法获取全局阈值并结合形态学操作实现二值分割；最终通过逻辑与操作实现了嫩芽彩色分割。根据茶叶图像颜色特征分布获取的G-B色差因子在嫩芽分割应用中具有强鲁棒性和可靠性，为自然条件下低对比度的茶叶嫩芽智能采摘提供理论基础。