基于Qtsu法和直方图规定化相结合的苹果图像分割研究

杜云 郑羽纶 孟凡华

摘  要：针对自然光下，苹果分割易受光线影响而导致目标区域分割受损的问题，提出了一种基于最大类方差阈值分割法（Qtsu法）和直方图规定化相结合的图像分割方法。对预处理后的苹果图像先进行直方图规定化处理，然后再利用Qtsu法对图像进行分割。实验结果表明，利用论文的方法对苹果进行分割后缩小了目标区域边缘的缺失，对目标与背景进行了有效的区分。

关键词：图像分割;灰度化;Qtsu法;直方图规定化

中图分类号：TP391.41      文献标志码：A         文章编号：2095-2945（2019）28-0015-03

Abstract： Aiming at the problem that apple segmentation is easily affected by light， an image segmentation method based on maximum variance threshold segmentation （Qtsu） and histogram specification are proposed. The pre-processed apple image is first processed by histogram specification， and then the image is segmented by Qtsu method. The experimental results show that after the segmentation of the apple， the lack of the edge of the target region is reduced， and the target and background are distinguished effectively.

Keywords： image segmentation; grayscale; Qtsu method; histogram specification

引言

中国是世界苹果生产大国，苹果按照大小、颜色、有无缺陷被分为不同等级，而基于图像处理的苹果分级，对苹果进行目标分割是后续分级工作的关键。因此，国内外专家对苹果图像分割做了很多研究。其中，王津京等通过分析选取3*3邻域色度值作为苹果图像的特征，采用BP算法对神经网络的权值进行训练，最终依据此方法较好地实现了苹果与背景的分离[1]。Tabb A等提出了全局混合高斯分布方法，是依据图像背景与目标像素的高斯分布呈现不同均值的特点，选择最佳阈值进行图像前景与背景的分割 [2]。Huifuang提出了改进Qtsu法的方法，将灰度直方图谷底小概率的灰度值作为最佳阈值，依此来进行分割，使之能最大程度分割背景与目标像素之间的差异[3]。论文针对自然光下，苹果部分区域易被遮挡，有阴影产生，使目标部分区域较暗，分割时易将其分割成背景区域，产生目标区域分割受损的问题，提出一种基于Qtsu法和直方图规定化相结合的苹果分割算法研究，对预处理后的苹果图像第一步先进行直方图规定化处理，得到匹配后的苹果图像后，再使用Qtsu法进行苹果的图像分割。

1 图像预处理

图像预处理是进行苹果图像分割的首要工作，主要包括图像获取、图像灰度化和图像滤波等过程[4]。首先，采集和获取自然光下的图像，并转换成适合输入计算机的数字图像。其次，为了使后续图像处理过程的计算量较少，将获取到的彩色图像进行灰度化处理[5-6]，苹果灰度图像如图1（a）所示。因为在图像传输和获取的过程中，会受到噪声的影响，而椒盐噪声是一种常见的噪声污染，其表现形式为黑白相间的亮暗点噪声，因此要对图像进行去噪平滑，以减少和消除噪声的影响，提高图像质量[7]。苹果受到噪声影响和消除噪声后的图像如图1（b）（c）所示。

2 Qtsu图像分割法

在图像分割算法中，阈值分割一直是最常用的算法，而在众多基于阈值的图像分割算法中，Qtsu法又是最常用的阈值分割算法。它是通过选取最优阈值使背景与目标像素的类间方差最大这一方式确定的方法，因此也叫最大类间方差阈值分割法[8]。其基本原理是：

3 基于Qtsu法和直方图规定化相结合的图像分割方法

由于Otsu法原理简单，计算简便，分割效果较好，成为众多图像分割中常用的方法。Qtsu法在图像灰度直方图是双峰分布时分割效果最好，但苹果是在自然光下光照分布不均匀时，图像目标区域有阴影产生，导致直方图无明显双峰分布，这时采用Otsu法分割效果不理想。因此，为了满足Otsu法使用条件，得到更理想的图像，论文在进行分割之前对图像进行直方图规定化处理，使图像按照所希望直方图进行规定，将原始直方图转换成有明显双峰分布的形式，再进行Otsu法处理。

3.1 直方图规定化

直方图规定化就是将原图像经过处理以后变成特定的图像，直方图也变成被规定的形状，可以有目的地增强灰度图某一区域，用于将图像变成某一特定的图像分布[10]。因此，直方图规定化步骤的第一步就是要先确定变换后的灰度直方圖，也就是规定化图像的直方图。主要原理是：先对原图像进行直方图均衡化处理，处理后的原图像就得到归一化均衡概率密度的图像，同样地将规定图像进行直方图均衡化处理，由于两幅图像都做直方图均衡化处理，设原图像和规定图像均衡化后的灰度概率密度函数为ps（s）和pu（u），则其都应该是归一化的均匀分布，因此，用s替代u取反变换，就可以获得原图像规定化后图像中相应的灰度值。

在论文中，针对光照不均匀时，获取到的图像目标区域有阴影产生，导致直方图呈现不规则分布，如图2（a）所示，为了更好的满足Qtsu方法的使用条件，使得到的图像分割效果较好，就要对原始的灰度直方图进行变换，使之变换成有双峰展现的直方图。这时，根据直方图规定化，就先要选定一个有明显双峰分布的直方图的图像，如图（b）所示，可以看出图像直方图双峰明显，因此可以选定为规定图像，接下来应用直方图规定化处理，最终将原始图像变换为规定直方图的形状如图（c）所示。

3.2 图像分割

获取自然光下的苹果图像进行图像预处理过程，将原始苹果图像转换成灰度图，并进行平滑去噪后，对灰度直方图无明显双峰显示的图像进行直方图规定化处理，最终使原始图像直方图转换成明显双峰分布的直方图，再通过Qtsu法进行图像分割。

用Qtsu法进行苹果图像分割，最终如图3（a）所示，苹果目标边缘被作为背景分割，导致目标边缘缺失。而通过Qtsu法与直方图规定化相结合后，结合图2（c）所示，原图像直方图明显变换成双峰分布，最终苹果分割图像如图3（b）所示，可以看出较结合前目标受损区域变小，大致接近原始苹果目标区域。

4 仿真实验及结果分析

论文依次选取了迭代法、Qtsu法和Qtsu法直方图规定化相结合的方法来验证本文所提出方法的有效性。仿真结果如图4所示。可以发现，迭代法图4（a）和Qtsu法图4（b）所得到的苹果分割图像有较为明显的目标边缘区域的缺失。所以这两种分割方法得到的图像处理结果均不能完整展现被分割区域，并且缺点集中体现在目标边缘区域分割受损方面，从图4（c）可以发现使用论文中方法的图像分割，较好的保留了目标区域，但分割也有小部分受损情况，但从总体效果而言，基于Qtsu和直方图规定化相结合的分割算法，对自然光下苹果图像分割效果较为理想。

5 结论

针对自然光下，苹果分割目标区域获取受损现象，论文提出一种Qtsu和直方图规定化相结合的算法。该方法用摄像头采集苹果原始图像，经过图像灰度化和图像滤波等预处理过程，然后对直方图无明显双峰或多峰的灰度图进行直方图规定化处理，从而能有选择地规定图像直方图的形状，以此来加强某个灰度值范围内的对比度，再对规定化后的灰度图应用Qtsu法，采用类间方差最大的方式来确定阈值，高于阈值者作为背景，低于阈值者则为前景。实验结果验证了与Qtsu法相比较，针对自然光下的苹果分割，效果较好，减小了目标区域的受损程度。

参考文献：

[1]王津安，赵德安，等.基于BP神经网络的苹果图像分割算法[J].农机化研究，2008，11：19-21.

[2]Tabb A， Peterson D，ParkJ.Segmentation of apple fruit video via background modeling[C]//2006 ASABE Annual ASABE Paper 063060，2006.

[3]HuifuangNg.Automatic thresholding for defect detection[J].PatternrecognitionLetters，2006，27：1644-1649.

[4]汤天杰.基于图像的多指标融合的苹果分级技术研究[D].南京：南京邮电大学，2018：1-54.

[5]王一丁.数字图像处理[M].陕西：西安电子科技大学出版社，2015.

[6]秦昆阳.边缘检测算法在苹果分级和缺陷检测中的应用研究[D].秦皇岛：燕山大学，2018：1-57.

[7]杜云，曹世佳，等.基于图像处理的大蒜蒜种品质无损分级方法研究[J].河北工业科技，2018，35（5）：317-321.

[8]QtsuN.Threshold selection method from gray-level histograms [J]. IEEE Transactions on System Man and Cybernetics，1979，9（1）：62-66.

[9]馬天兵，刘健，杜菲，等.基于改进Otsu方法的振动图像分割研究[J].电光与控制，2019（02）：11-15+31.

[10]赵文昌，张令通.直方图规定化及其Matlab实现[J].数字技术与应用，2011（08）：191-192.