CN101324955A - 基于颜色特征的植物根系图像分割方法 - Google Patents

Abstract

本发明涉及一种基于颜色特征的植物根系图像分割方法。属于植物生理学和智能信息处理技术领域，该方法用于将根系作为一个整体区域从背景中分割出来，从而能够识别根系并测定其几何参数。它是根据获取的根系图像的特点，采用HSV颜色模型。对于背景设置成单色的根系图像，背景区域和根系区域在H值有明显的区别，根据这个区别设定恰当双阈值，可以分割出根系区域和背景区域并将根系从背景中分割出来。

Description

基于颜色特征的植物根系图像分割方法

技术领域

本发明涉及一种基于颜色特征的植物根系图像分割方法，属于植物生理学和智能信息处理技术领域，该方法用于将根系作为一个整体区域从背景中分割出来，从而能够识别根系并测定其几何参数。

背景技术

植物根系生物学研究中，了解根系的结构是最为重要的环节之一。对根系二维及三维图像的分形分析结果表明，植物的三维结构与二维图像的关系密切。对根系的结构研究的测量一般采用洗根法，即将生长在土壤中的根系用水稀释其周边的土壤，再将附着在根系上的泥土洗去，然后进行根系结构的测量。这种方法因为直接简单，所以得到了广泛的应用。但是，机械方法测量十分困难并耗费时间。通过采用数码照相机获取铺在平面上根系图像，可以快速取得根系结构参数。但在获取的图像中将根系从背景中分割出来较困难。

对于单色图像的分割来说，仅有明亮度是可用信息。但是人的视觉对明亮度的感觉一般只有20级左右，所以许多情况下，单纯利用灰度信息无法从背景中提取出目标，还必须借助于色彩信息。彩色图像不仅提供明亮度信息，还包括色调和饱和度等。

现有的彩色图像分割技术主要被分为六种主要类型：基于像素的技术、基于边缘的技术、基于区域的技术、基于模型的技术、基于物理的技术和混合技术。均不适宜于根系图像的分割。

发明内容

本发明的目的在于识别根系和测定根构型几何参数，因而需要将根系作为一个整体区域从背景中分割出来，由于，一般根系的颜色变化范围相对较大(紫红色到黄色)，其H值分布在两个区间上，因此采用双阈值进行分割，也就是说将根系图像二值化。

为了达到上述目的，本发明采用基于颜色特征的植物根系图像分割方法。其技术方案如下：

对于扫描的彩色根系图像，采用颜色参照法对其进行分割。颜色参照法就是在RGB(红R、绿G、蓝B)颜色空间对根系背景的颜色类别进行统计，参照统计结果去除背景，保留根系。颜色参照法的具体步骤为：

对于数码相机拍摄的根系图像，在HSV空间中对拍摄彩色根系图像进行分割。拍摄根系时选用了颜色较为均匀的蓝色纸板作为背景，在HSV彩色空间中，背景颜色的分布较为集中，与根系颜色间有较好的可区分性。图像中背景颜色的差异主要由光照引起，在分割中只考虑色调信息，就可以减少光照的影响，使背景颜色的分布更趋集中。具体步骤为：

(1)由下列公式将图像变换到HSV空间，观察其H直方图。

$H=\left\{\begin{array}{cc}{\cos }^{-1}\left[\frac{(R-G)+(R-B)}{2\sqrt{{(R-G)}^2+(R-B)(G-B)}}\right]& B\≤G\\ 2\mathrm{\π}-{\cos }^{-1}\left[\frac{(R-G)+(R-B)}{2\sqrt{{(R-G)}^2+(R-B)(G-B)}}\right]& B>G\end{array}\right.$

(2)分析直方图，采用双阈值法完成此类拍摄根系图像的分割。

采用H阈值分割图像的方法对拍摄的根系图像能够达到良好的分割效果，由于，一般根系的颜色变化范围相对较大(紫红色到黄色)，其H值分布在两个区间上，因此必须采用双阈值进行分割。

本发明的原理如下：

在本发明的技术方案中，根据色彩空间模型可分为两大类：一是用于彩色图形输入输出设备的、表征颜色空间物理特征的色彩空间模型，如RGB模型等；二是面向用户主观感知及应用的色彩空间模型，如HSV模型等。常用的色彩空间模型有RGB，HSV，CMY，YIQ，YUV，YcBCr等。

RGB模型是基于自然界中3种基色光的混合原理，将红R、绿G和蓝B三种基色按照从0(黑)到255(白色)的亮度值在每个色阶中分配，从而指定其色彩。RGB空间在图像显示上是方便有效的，但并不适合图像分割。

图像分割是一种重要的图像分析技术。在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣。这些部分常称为目标或前景(其他部分成为背景)，它们一般对应图像中的特定的、具有独特性质的区域。为了辨识和分析图像中的目标，需要将它们从图像中分离提取出来，在此基础上才有可能进一步对目标进行测量和对图像进行利用。

HSV模式是基于人眼对色彩的观察来定义的，在此模式中，所有的颜色都用色相或色调、饱和度、亮度三个特性来描述。1.色调(H)是与颜色主波长有关颜色的物理和心理特性，从实验中知道，不同波长的可见光具有不同的颜色。众多波长的光以不同比例混合可以形成各种各样的颜色，但只要波长组成情况一定，那么颜色就确定了。非彩色(黑、白、灰色)不存在色相属性：所有色彩(红、橙、黄、绿、青、蓝、紫等)都是表示颜色外貌的属性。它们就是所有的色相，色相也称为色调。2.饱和度(S)指颜色的强度或纯度，表示色相中灰色成分所占的比例，用0％-100％(纯色)来表示。3.亮度(V)是颜色的相对明暗程度，通常用0％(黑)-100％(白)来度量。在HSV模型中，物体的色调H通常只由构成物体的原材料的光线吸收和反射特性来决定，而与环境的亮度关系不大。色调H能比较特征地反映颜色种类，对同一颜色属性物体，具有比较稳定和较窄的数值变化范围，可以排除图像的明暗的影响，单独用来进行彩色图像的分割。

HSV颜色空间与RGB颜色空间可以通过一定的算法相互转换。使用下列方程：

$H=\left\{\begin{array}{cc}{\cos }^{-1}\left[\frac{(R-G)+(R-B)}{2\sqrt{{(R-G)}^2+(R-B)(G-B)}}\right]& B\≤G\\ 2\mathrm{\π}-{\cos }^{-1}\left[\frac{(R-G)+(R-B)}{2\sqrt{{(R-G)}^2+(R-B)(G-B)}}\right]& B>G\end{array}\right.$

$S=1-\left(\frac{3}{R+G+B}\right)\min (R,G,B)$

$V=\frac{R+G+B}{3}$

由上式直接计算出的H在(0，360)之间，为使H在(0，1)之间，可再令H＝H/360进行转换，色调可以方便地表示图像颜色的分布。当色调(H)从0变化到1.0时，相应的颜色从红色变化到黄色、绿色、蓝绿色、蓝色、紫红色、然后回到红色，实际上0和1.0都代表红色值。

I₁I₂I₃彩色空间是一种传统的颜色系统。它是一种从图像统计性质出发实现的颜色变换。它是根据从自然界多种物体的颜色中，找出不同颜色的分布区域，并通过实验得出适合多种彩色图像中颜色分隔的3个正交特征量：I₁，I₂，I₃。

$\left\{\begin{array}{c}{I}_1=(R+G+B)/3\\ I_2=(R-B)/2\\ I_3=(2G-R-B)/4\end{array}\right.$

利用I₁I₂I₃表示颜色，各颜色之间有良好的分割效果，而且，与红R，绿G，蓝B的变换简单，对图像色彩特征识别，边缘的检出等有很好的区分能力，同时也能提高图像处理速度，防止由于非线性变换引起图像颜色的失真。

欧氏距离内颜色距离度量是最简单的度量方法之一，在RGB图像中，给定一有代表性的彩色点样品集，可得到一个彩色“平均”估计，用RGB向量a来表示这个平均彩色。令z代表RGB空间中的任意一点，如果它们之间的距离小于它的阈值D₀，我们说z和a是相似的，z和a间的欧氏距离由下式给出：

这里注脚R，G，B表示向量z和a的RGB分量。D(z，a)＜D₀的点的轨道是半径为D₀的实心球。包含在球内部和表面上的点符合特定的彩色准则；球外面上的点则不符合准则。

上式一个有用的推广是如下形式的距离测度：

$D(z,a)={\left[{(z-a)}^T{C}^{-1}(z-a)\right]}^{\frac{1}{2}}$

这里C是希望分割的彩色典型样本斜方差矩阵。因为距离是正的和单调的，可以用距离的平方运算来代替，这样就避免了开方运算。然而即使不计算平方根，执行公式

的计算代价也很高。折中方案是使用边界盒。在该方法中，盒的中心在a上，沿每一彩色轴的尺度选择与沿每一个轴取样的标准差成比例，标准差的计算只使用一次样本数据。

基于颜色特征的植物根系图像分割方法，与现有技术相比较，具有计算效率高、准确率相对较高，且易于实现，分割效果能够达到实验要求，为符合人眼视觉特性的彩色图像分割提供了一种有效的途径。该方法能够快速有效地实现根系图像的分割，并能很好的保持根系的完整性，不会出现由于分割而产生的断根现象。本发明的方法简便、灵活、易实现。

附图说明

图1是本发明实施例的原始拍摄图像

图2是图1示例的分割后的图像

图3是本发明涉及的HSV彩色空间中的色调和色饱和度

图4特征值H直方图

具体实施方式

本发明的具体实施例是：实验对象为1408×1014彩色根系图像，由公式

$H=\left\{\begin{array}{cc}{\cos }^{-1}\left[\frac{(R-G)+(R-B)}{2\sqrt{{(R-G)}^2+(R-B)(G-B)}}\right]& B\≤G\\ 2\mathrm{\π}-{\cos }^{-1}\left[\frac{(R-G)+(R-B)}{2\sqrt{{(R-G)}^2+(R-B)(G-B)}}\right]& B>G\end{array}\right.$

很容易将图像变换到HSV空间，观察其H直方图如图4所示，绝大部分直方图中H值均匀、集中地分布0.6051-0.6636之间，对应角度为217.8360°-238.8960°之间，由图3的HSV模型可知，这一范围为蓝色背景，另外两部分大致分布在0-0.1364和0.7-1之间，对应角度为0-49.1040和252°-360°，代表一定范围内的紫红色到黄色，这一范围为根系颜色，由此可以看出采用双阈值法能够比较容易的完成此类拍摄根系图像的分割，考虑到实际情况选取0.2和0.72作为两个分割阈值。经过H阈值分割，将在0.6051-0.72的像素置为1，0-0.2和0.72-0.9975像素置为0.得到分割后的二值根系图像，分割效果如图2所示。

Claims (1)

1.一种基于颜色特征的植物根系图像分割方法，其特征在于对于背景设置成在HSV彩色空间中，拍摄根系时采用蓝色纸板作为背景，背景区域和根系区域在H值有明显的区别，采用双阈值进行分割，具体步骤如下：

a)将R，G，B转换为H，S，V的计算公式为：

$H=\left\{\begin{array}{cc}{\cos }^{-1}\left[\frac{(R-G)+(R-B)}{2\sqrt{{(R-G)}^2+(R-B)(G-B)}}\right]& B\≤G\\ 2\mathrm{\π}-{\cos }^{-1}\left[\frac{(R-G)+(R-B)}{2\sqrt{{(R-G)}^2+(R-B)(G-B)}}\right]& B>G\end{array}\right.$

$S=1-\frac{3\×\left[\min (R,G,B)\right]}{(R+G+B)}$

$V=\frac{R+G+B}{3}$

b)采用双阈值分割方法，可以分割出根系区域和背景区域，并将根系从背景中分割出来。

Images