CN103646404A - 一种基于颜色的快速茶树花分割和计数方法 - Google Patents

Abstract

本发明涉及茶叶和图像处理技术领域，公开一种基于颜色的快速茶树花分割和计数方法。本发明首先将原始的茶叶RGB彩色图像转换为HSI颜色空间，并进行图像增强处理，对其中的色调H进行基于特征色调的汇聚计算后，再将图像转换回RGB颜色空间；然后应用改进的快速区域生长和合并算法，根据茶树花的R、G参数进行初步的种子选择，对种子区域基于颜色的相似性和区域的邻接性进行区域生长，并结合颜色距离及合并规则进行区域的生长和合并，最后完成对茶树花的分割和计数。实验结果表明该算法有很好的连通性，能简单快速地将多个茶树花从茶叶图像中分割出来。

Description

一种基于颜色的快速茶树花分割和计数方法

技术领域

本发明属于茶叶和图像处理技术领域，是一种基于颜色增强、并结合改进的区域生长和合并算法的对茶树中的茶树花进行分割和计数的方法。

背景技术

茶树花的开发和应用是近年来的一个热门方向，茶树花里含成分具有解毒、抑菌、降糖、延缓衰老和增强免疫力等功效，其蛋白质、茶多糖、茶多酚、活性抗氧化物质超出茶叶中同类物质含量，而农药残留和重金属含量却很低。

一株茶树，一般一年可以生长出近千个做茶叶的营养芽，同时也能生长更多一些的繁殖后代的生殖花芽。随着无性繁殖技术的推广应用，生殖花芽不再担负繁殖后代的任务，大量的茶树花变成了与茶树芽和叶争水争肥的累赘，为了保证来年茶叶的质量和数量，茶农每年都要采取人工修剪和喷施植物生长调节剂的方法抑制茶树花的繁殖生长。

现在将茶树花鲜花或干花通过深加工制成原浆和复合粉，可添入到食品、饮料、日用化妆品、妇女儿童卫生用品等产品中，具有很好的功能作用，是一种难得的天然复合型原料。同时利用冬闲收花，可增加农业收入，还可增加来年茶叶产量。

对于彩色的图像，主要的分割算法有边缘检测法、聚类方法、基于区域的方法等，边缘检测法对于彩色图像往往不能准确地定位图像中的对象和物体，而聚类方法计算量太大，区域生长法可以直接作用于颜色空间，在算法中可充分考虑图像色彩分布和区域连通性等，因而本发明的在茶树花的分割和计数中，选择区域生长法。但是区域生长算法往往易受初始种子点的选取及生长顺序的影响，还有确定区域生长和合并规则的问题。

本发明针对茶叶图像中茶树花彩色图像的颜色特征，提出了一种简单快速的基于颜色的茶树花分割和计数方法。该方法首先将原始RGB茶叶图像通过图像颜色空间的转换，在HSI颜色空间中增强了H色调中茶树花的特征，并在随后的分割中，采用了改进的区域生长算法，该方法在传统区域生长算法的基础上改进了其中种子点的选取方法和生长规则及合并规则。实验结果证明，该方法不但简单高效，而且在保证区域连通性的同时，能够与人眼视觉保持一致。

发明内容

通常一幅初始的彩色图像都是生成在RGB颜色空间，即由R、G、B三个分量表示。RGB颜色分量对于颜色显示有较好的效果，但是一般并不适用于颜色分析，因为R、G、B三个分量之间有很大的关联性。但是对于茶树花图像而言，却由于茶树花为白色，在以绿色和深绿色为主的茶叶图像中非常突出，而本发明的目的是快速的对茶树花进行检测，以方便合适的时间进行采摘，实验发现，茶树花的R、G两个颜色分量明显区别于茶叶和茶芽的本色。所以在本发明中，首先对原始的茶叶RGB彩色图像进行颜色空间的转换，将图像从RGB颜色空间转换为HSI颜色空间，并对其中茶树花的特征色调H进行图像汇聚的增强处理，以减少颜色的层次，方便后期的区域生长和合并，其后将图像颜色空间再转换回RGB颜色空间；然后应用改进的快速区域生长和合并算法，根据茶树花的R、G参数进行初步的种子选择，对种子区域基于颜色的相似性和区域的邻接性进行区域生长，并结合颜色距离及合并规则进行区域的最终生长和合并，最后完成对茶树花的快速分割和计数。

本发明的一种基于颜色的快速茶树花分割和计数方法，其算法的主要过程是：

（1）获取茶叶的原始图像；

（2）将原始图像从RGB颜色空间转换到HSI颜色空间，并对其中的色调H进行基于特征色调的图像增强汇聚计算；

（3）将图像转换回RGB颜色空间；

（4）根据茶树花的R、G参数，在图像中选择部分特征像素点作为种子；

（5）基于生长规则对种子区域进行生长，将与种子颜色性质相似的相邻像素附加在生长区域的种子上；

（6）基于合并规则和颜色距离，对整幅图像的多个子块区域进行扫描和选取，对在颜色上相近，空间上相邻的区域进行合并；

（7）对合并后的区域进行膨胀和收缩的形态学处理；

（8）完成多个茶树花的分割和计数。

HSI彩色空间中的H取值范围为[0,360]，而在茶叶图像中，茶树花有突出的白色，而花蕊则有突出的黄色，本发明提出的色调图像增强方法是：定义了茶树花瓣和花蕊两个特征色调中心值，在色调圆平面上，实验发现这两个色调值对应分别为30和43时，能取得较好的效果，所以以这两个值为中心，将满足条件的中心值附近的色调值按不同的条件和步长向中心值进行汇聚，以减少相对次要色调的数目，使每个色调值更接近于中心色调，达到使原图像色调层次感更强的目的，同时也更利于下一步茶树花的分割。

步长对汇聚的选取很重要，步长过大会导致图像出现颜色突变等不良效果，步长过小会使调节效果不明显。经过多次实验测试，确定步长选为1、3、5三种不同的汇聚步长，靠近色调中心值的步长小，越远离色调中心值的步长越大。色调的汇聚计算定义为：

H_i′＝H_i±k

      1＜|H_i-H₀|≤5     k＝±1

其中，5＜|H_i-H₀|≤10    k＝±3

      10＜|H_i-H₀|≤15   k＝±5

H_i为图像中某点的色调值，H_i′汇聚计算后的色调值，H₀为色调中心值，k为步长，当H_i＜H₀时，k取值为正，当H_i＞H₀时，k取值为负。

在种子选择和区域生长的过程中，是在图像中按特征值条件选择种子像素作为生长的起点，然后将种子像素周围8邻域中与种子像素具有相同或相似性质的像素合并到这一区域中，再将这些新像素当做为新的种子像素继续上面的过程，直到没有满足条件的像素可被包括进来为止。同时考虑到各不同像素点之间的连通性和邻接性，在区域生长过程中每次循环遍历下的种子点都是动态变化的。

在对种子点周边的8邻域的进行区域生长时，定义了区域生长规则：

|r-r₀|≤k_r,|g-g₀|≤k_g

其中，r₀,g₀是图像上所选的任一点P₀的Ｒ、G分量，而r、g则为P₀点周围8邻域内任意一点的R、G分量值，k_r、k_g为对应于R、G分量所选定的阈值。

实验表明，以这种方式定义的生长规则不仅降低了计算复杂度，加快了分割时间，而且充分考虑了各颜色分量之间的渐变性，更有利于对彩色图像的颜色特征进行提取。

在图像的区域合并中，本发明定义两个区域在颜色上相近，空间上相邻，并且其邻域处没有显著的边缘是两个可相连的区域，即一个区域与它的邻域区域的相对颜色距离的最大值要小于定义的阈值。本发明采用区域的颜色分量均值定义颜色距离进行计算，颜色距离定义如下：

$D_c=\frac{r_i\·r_j}{r_i+r_j}\left|\right|{\stackrel{\‾}{\mathrm{\μ}}}_i-{\stackrel{\‾}{\mathrm{\μ}}}_j\left|\right|$

其中r_i和r_j分别代表i和j区域中包含的像素个数，

和

代表两个区域的颜色分量均值，||||表示欧式距离。r_i·r_j的乘积使得包含像素数目较少的区域与其他区域的颜色距离相比较小，从而在颜色分量均值相同的情况下，有利于小区域的优先合并，使得分割结果更加符合人们的视觉特性。

在区域生长过程中，如果选定的种子区域与其邻域的颜色距离小于预先设置的距离阈值，则可以将这两个区域进行合并，合并后重新遍历每个邻域，再判断领域是否在阈值范围内，如果小于阈值，则断续进行区域合并，直到再没有相近区域可以合并为止。

而在区域合并的最后，要求：

如果一个区域的像素个数小于一定的阈值和颜色距离满足相关条件，那么将这个区域合并到与它最近的邻域区域中去。

同时在对茶树花的子块区域选取过程中，有可能由于在老叶片或花苞上也有相近的小的区域，所以如果一个区域像素个数小于一定的阈值，且无相邻的可合并区域时，将之去除。

分割最后，再采用形态学算法处理方法，对分割后图像再分别进行膨胀和收缩处理，以减少小的孔洞。最后再对完成后分割出的茶树花进行计数统计。

附图说明

图1是快速茶树花分割和计数算法流程图。

图2是茶叶的原始图像。

图3是茶树花的分割结果

具体实施方式

下面结合附图，具体说明快速茶树花的分割和计数方法的实施事项。

实验使用的数码相机为CANON S80，在图像取像过程中，采用近景模式，关闭闪光灯，以避免闪光灯自身光线对茶叶图像颜色的影响，同时应在自然光下进行取像，避免阳光的直射，在取像中所取成像焦距约为30cm，分辨率采用1600×1200。

实验发现，取像焦距较近时，所取得的茶树花较少，分割的准确率较高，在10～20个茶树花时分割的准确率最高。当焦距更近时，会影响景深和成像的清晰度，从而影响分割正确率，但当焦距最远时，茶树花成像图像减小，图像色泽的范围变宽，分割的准确率也会有所下降。

k_r、k_g为对应于R、G分量所选定的阈值，在给定R、G分量的阈值和颜色距离时，实验发现，k_r=9，k_g=7，D_c则取值为10时，得到较好的结果。

数码相机原始的图像格式是RGB格式，但R、G、B三分量之间有很强的相关性，随光照条件的变化，R、G、B三个分量都会有较大变化，直接利用这些分量往往不能得到所需的效果，所以在对图像彩色空间的选取中，选取HSI空间。

在HSI模型下，图像的色彩信息主要由H和S来反映，从RGB到HSI空间的转换公式如下：

$H=\left\{\begin{array}{cc}2\mathrm{\π}-\mathrm{\θ}& B>G\\ \mathrm{\θ}& B\≤G\end{array}\right.$

其中 $\mathrm{\θ}=\arccos \left[\frac{[(R-G)+(R-B)]/2}{\sqrt{{(R-G)}^2+(R-B)(G-B)}}\right]$

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

$I=\frac{1}{3}(R+G+B)$

实验结果表明该算法的分割有很好的连通性，实验在基于主机CPU为Intel酷睿双核I3-3220，内存4G的电脑上，分割一幅图像的平均时间不足1S，从而实现了简单快速地将茶树花从茶叶图像中分割出来。为茶农快速得到茶树花信息提供了很好的方法。但同时由于是基于颜色的快速分割，会有一些茶树花苞由于是青绿色而不能得到分割。

Claims (3)

1.一种基于颜色的快速茶树花分割和计数方法，其特征是包含以下具体步骤：

（1）获取茶叶的原始图像；

（2）将原始图像从RGB颜色空间转换到HSI颜色空间，并对其中的色调H进行基于特征色调的图像增强汇聚计算；

（3）将图像转换回RGB颜色空间；

（4）根据茶树花的R、G参数，在图像中选择部分特征像素点作为种子；

（5）基于生长规则对种子区域进行生长，将与种子颜色性质相似的相邻像素附加在生长区域的种子上；

（6）基于合并规则和颜色距离，对整幅图像的多个子块区域进行扫描和选取，对在颜色上相近，空间上相邻的区域进行合并；

（7）对合并后的区域进行膨胀和收缩的形态学处理；

（8）完成多个茶树花的分割和计数。

2.根据权利要求1所述的一种基于颜色的快速茶树花分割和计数方法，其特征是：在步骤（2）对色调H进行基于特征色调的图像增强汇聚计算中，定义了两个茶树花特征色调中心值，将满足条件的中心值附近的色调值按不同的条件和步长向中心值进行汇聚，其步长选为1、3、5三种不同的汇聚步长，靠近色调中心值的步长小，越远离色调中心值的步长越大，计算定义为：

H_i′＝H_i±k

      1＜|H_i-H₀|≤5     k＝±1

其中，5＜|H_i-H₀|≤10    k＝±3

      10＜|H_i-H₀|≤15   k＝±5

H_i为图像中某点的色调值，H_i′汇聚计算后的色调值，H₀为色调中心值，k为步长，当H_i＜H₀时，k取值为正，当H_i＞H₀时，k取值为负。

3.根据权利要求1所述的一种基于颜色的快速茶树花分割和计数方法，其特征是：在步骤(5)种子区域的生长中，定义了区域生长规则：

|r-r₀|≤k_r,|g-g₀|≤k_g

其中，r₀,g₀是图像上所选的任一点P₀的Ｒ、G分量，而r、g则为P₀点周围8邻域内任意一点的R、G分量值，k_r、k_g为对应于R、G分量所选定的阈值。

Images