CN107341807B - 一种提取烟叶颜色数字化表达特征值的方法 - Google Patents

一种提取烟叶颜色数字化表达特征值的方法 Download PDF

Info

Publication number
CN107341807B
CN107341807B CN201710424427.8A CN201710424427A CN107341807B CN 107341807 B CN107341807 B CN 107341807B CN 201710424427 A CN201710424427 A CN 201710424427A CN 107341807 B CN107341807 B CN 107341807B
Authority
CN
China
Prior art keywords
color
value
tobacco leaf
tobacco
extracting
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710424427.8A
Other languages
English (en)
Other versions
CN107341807A (zh
Inventor
支瑞聪
高鸣旋
李婷婷
张德政
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN201710424427.8A priority Critical patent/CN107341807B/zh
Publication of CN107341807A publication Critical patent/CN107341807A/zh
Application granted granted Critical
Publication of CN107341807B publication Critical patent/CN107341807B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10008—Still image; Photographic image from scanner, fax or copier

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

本发明提供一种提取烟叶颜色数字化表达特征值的方法，通过对烤烟叶片数字化图像的研究，分析出如何提取烟叶颜色特征值，来有效的代表整片烟叶的颜色。所述方法包括：首先采用定制扫描仪对烟叶样品进行数字化图像采集，严格控制采集环境、扫描设备参数设定等；其次，进行烟叶数字图像预处理，利用中值滤波对烟叶图像进行平滑处理去除噪声，并利用基于颜色空间单通道的阈值分割法进行背景分割；再次，分别采用平均值法、比例阈值直方图法、谱图估计法提取烟叶图像的颜色空间特征值，对三种方法结果进行综合平均得到最终的烟叶图像颜色空间代表值。

Description

一种提取烟叶颜色数字化表达特征值的方法
技术领域
本发明属于烟叶质量评价技术领域，具体涉及一种提取烟叶颜色数字化表达特征值的方法。
背景技术
烟叶的颜色是一个对烟叶分组分级重要的特征因素，成熟度、油分、色度等因素与烟叶的颜色有着密切的关系。烤烟烟叶颜色形成的过程也是其内部化学物质转化的过程，烟叶内部各种色素的比例大小决定了烟叶颜色的深浅，烟叶内部色素的分解和多种化学成分的分解是相互伴随着进行的，因此烟叶的颜色差异也是烟叶内部化学成分分解程度和不同含量的反映。也就是说，颜色不同的烟叶，其内部化学成分、烟气质量和物理特性是有很大差异的，因而它们的质量特点也是不相同的，颜色不同的烟叶所表现的外观颜色特征也是不同的，这些不同的外观颜色特征又反应了烟叶不同的质量特征。在烟草行业的发展中，对烟叶颜色的研究也从未曾间断，对烟叶的数字化存储和分析也引起了广泛关注。而在烟叶数字化图像分析中，如何提取代表烟叶颜色的特征值，烟叶颜色值是否具有代表性或和原烟叶样品的相似度是很重要的。烟叶代表性颜色值提取的偏差较大会直接影响后续相关分析结果的正确性和准确性，以至于影响判断烟草质量的好坏，造成烟草生产环节中工作量大、高成本、低效益的运行特征，最终影响国家经济的发展。因此，提出一种客观、科学、有效的表达烟叶颜色特征值的数字化方法是很有必要的，本发明对烟叶行业的不断发展有重要的意义。
发明内容
为了解决上述问题，本发明提供一种提取烟叶颜色数字化表达特征值的方法，所述方法通过对烟叶片数字化图像的研究，分析出如何提取烟叶颜色特征值，来有效的代表整片烟叶的颜色；
进一步地，所述方法包括以下步骤：
1)采用定制扫描仪对烟叶样品进行数字化图像采集，严格控制采集环境和扫描设备参数设定；
2)进行烟叶数字图像预处理，利用中值滤波对烟叶图像进行平滑处理去除噪声，并利用基于颜色空间单通道的阈值分割法进行背景分割；
3)分别采用平均值法、比例阈值直方图法、谱图估计法提取烟叶图像的颜色空间特征值；
对步骤3)中三种方法提取的结果进行综合平均，得到最终的烟叶图像颜色空间代表值；
进一步地，所述步骤1)具体为烟叶数字图像采集选用定制扫描仪设备，扫描仪参数设置经过优化后，图像输出类型为24位RGB彩色，保存格式为tif，分辨率为300ppi；
进一步地，所述步骤3)中平均值法提取烟叶图像的颜色空间特征值具体为：提取每一种颜色空间单色通道的颜色数值，具体为R、G、B、H、S、V的颜色数值，然后对R、G、B单色通道的颜色值进行剔除0和255数值的筛选，对H、S、V单色通道的颜色值进行剔除0和1数值的筛选；最后计算剩余颜色值的平均值，得到每一片烟叶的颜色特征值R1、G1、B1、H1、S1、V1；
进一步地，所述步骤3)中比例阈值直方图法提取烟叶图像的颜色空间特征值具体为：提取每一个单色通道的直方图，观察直方图中每一个颜色数值所对应的概率值并将最大的概率值记为p；接着以p值的
Figure BDA0001315874670000031
为准设定范围，提取概率值大于
Figure BDA0001315874670000032
的颜色数值，最后计算所提取颜色数值的平均值为烟叶颜色特征值R2、G2、B2、H2、S2、V2；
进一步地，所述步骤3)中谱图估计法提取烟叶图像的颜色空间特征值具体为：绘制每一种颜色空间的单色直方图，在直方图中提取直方图最高点所对应的颜色值记为R3、G3、B3、H3、S3、V3作为烟叶颜色特征值；对去除背景后的烟叶提取每种颜色空间单色通道颜色值并对每个单色的颜色值作高斯曲线拟合，然后从所作的高斯拟合曲线中提取最高点记为R4、G4、B4、H4、S4、V4作为烟叶颜色特征值。
进一步地，所述步骤4)具体为将平均值法、比例阈值直方图法和谱图估计法所得结果进行综合平均公式如下：
Figure BDA0001315874670000033
Figure BDA0001315874670000034
最后将得到的
Figure BDA0001315874670000035
进行烟叶颜色值的数字化合成。
本发明的有益效果如下：
1)通过对烟叶数字化图像的研究，提出一种提取烟叶颜色数字化表达特征值的方法，来有效的代表整片烟叶的颜色；
2)在烟叶数字化图像分析中，提高了烟叶代表性颜色值提取和后续分析结果的正确性和准确性。
附图说明
图1是本发明所述方法中系统实现流程图；
图2是本发明所述方法中扫描仪及相关参数设置；
图3是本发明所述方法中对图片预处理的试验结果；
图4是本发明所述方法中对背景分割的试验结果；
图5是本发明所述方法实验过程中所做的直方图图像；
图6是本发明所述方法实验过程中所做的高斯拟合曲线的图像.
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
下面结合附图和具体实施例对本发明作进一步说明，但不作为对本发明的限定。下面为本发明的举出最佳实施例：
如图1-图6所示，本发明的目的是通过对烟叶数字化图像的研究，提出一种提取烟叶颜色数字化表达特征值的方法，来有效的代表整片烟叶的颜色。
本发明的具体操作如下：首先采用我们定制的扫描仪进行样品采集，相关参数设置都是经过多次实验和研究得出。输出类型选24位的RGB色彩，分辨率选300ppi既保证了图片的效果也保证了一定的扫描速度，图片的保存格式选tif等一系列相关参数，具体可以参照图2所示。
之后对所采集的烟叶样品进行预处理，所有烟叶样品所采取的预处理方式都是一样的，应用中值滤波方法进行平滑处理后对彩色图像进行灰度化处理，得到二值化图像；接着对图像进行背景分割，本发明对背景分割采用的是基于RGB颜色空间的B颜色通道的阈值分割法，最后保存背景分割后的图片以方便后续处理分析。具体的一些实验结果可以参照图3和图4。
接着就是烟叶颜色特征值的提取，选出具有能代表每片烟叶的颜色值是本次研究的目标。具体通过以下几个方法综合得出：
(1)基于均值提取法的烟叶颜色特征值提取。
对去除背景的烟叶，先提取烟叶每一种颜色空间单色通道的颜色数值即R、G、B、H、S、V的颜色数值；然后对R、G、B单色通道的颜色值进行剔除0和255数值的筛选，对H、S、V单色通道的颜色值进行剔除0和1数值的筛选；最后计算剩余颜色值的平均值，得到每一片烟叶的颜色特征值R1、G1、B1、H1、S1、V1；
(2)基于比例阈值直方图法的烟叶颜色特征值提取。
首先对去除背景的烟叶提取每一个单色通道的直方图，观察直方图中每一个颜色数值所对应的概率值并将最大的概率值记为p；接着以p值的
Figure BDA0001315874670000061
为准设定范围，提取概率值大于
Figure BDA0001315874670000062
的颜色数值，最后计算所提取颜色数值的平均值为烟叶颜色特征值R2、G2、B2、H2、S2、V2；
(3)基于谱图估计法的烟叶颜色特征值提取。
首先对去除背景的烟叶绘制每一种颜色空间的单色直方图，在直方图中提取直方图最高点所对应的颜色值记为R3、G3、B3、H3、S3、V3作为烟叶颜色特征值；对去除背景后的烟叶提取每种颜色空间单色通道颜色值并对每个单色的颜色值作高斯曲线拟合，然后从所作的高斯拟合曲线中提取最高点记为R4、G4、B4、H4、S4、V4作为烟叶颜色特征值；部分实验结果可参照图5、图6。
把上述三种方法中得到的值先分别进行色素合成和原图进行比较，RGB和HSV颜色空间所得结果准确度相似。最后将均值法、比例阈值直方图法、谱图估计法所得的颜色值进行综合平均公式如下：
Figure BDA0001315874670000063
Figure BDA0001315874670000064
将得到的
Figure BDA0001315874670000065
进行烟叶颜色值的数字化合成，所得到颜色就是烟叶的代表色彩，颜色值即为特征颜色值。
具体实验以一片烟叶进行，提取的部分实验数据可参照下面表1和表2。
Figure BDA0001315874670000071
表1
Figure BDA0001315874670000072
表2
以上所述的实施例，只是本发明较优选的具体实施方式的一种，本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。

Claims (3)

1.一种提取烟叶颜色数字化表达特征值的方法，其特征在于，所述方法通过对烟叶片数字化图像的研究，分析出如何提取烟叶颜色特征值，来有效的代表整片烟叶的颜色，所述方法包括以下步骤：
1)采用定制扫描仪对烟叶样品进行数字化图像采集，严格控制采集环境和扫描设备参数设定；
2)进行烟叶数字图像预处理，利用中值滤波对烟叶图像进行平滑处理去除噪声，并利用基于颜色空间单通道的阈值分割法进行背景分割；
3)分别采用平均值法、比例阈值直方图法、谱图估计法提取烟叶图像的颜色空间特征值；
4)对步骤3)中三种方法提取的结果进行综合平均，得到最终的烟叶图像颜色空间代表值；
所述步骤3)中平均值法提取烟叶图像的颜色空间特征值具体为：提取每一种颜色空间单色通道的颜色数值，具体为R、G、B、H、S、V的颜色数值，然后对R、G、B单色通道的颜色值进行剔除0和255数值的筛选，对H、S、V单色通道的颜色值进行剔除0和1数值的筛选；最后计算剩余颜色值的平均值，得到每一片烟叶的颜色特征值R1、G1、B1、H1、S1、V1；
所述步骤3)中比例阈值直方图法提取烟叶图像的颜色空间特征值具体为：提取每一个单色通道的直方图，观察直方图中每一个颜色数值所对应的概率值并将最大的概率值记为p；接着以p值的
Figure FDA0002222357030000011
为准设定范围，提取概率值大于
Figure FDA0002222357030000012
的颜色数值，最后计算所提取颜色数值的平均值为烟叶颜色特征值R2、G2、B2、H2、S2、V2；
所述步骤3)中谱图估计法提取烟叶图像的颜色空间特征值具体为：绘制每一种颜色空间的单色直方图，在直方图中提取直方图最高点所对应的颜色值记为R3、G3、B3、H3、S3、V3作为烟叶颜色特征值；对去除背景后的烟叶提取每种颜色空间单色通道颜色值并对每个单色的颜色值作高斯曲线拟合，然后从所作的高斯拟合曲线中提取最高点记为R4、G4、B4、H4、S4、V4作为烟叶颜色特征值。
2.根据权利要求1所述的方法，其特征在于，所述步骤1)具体为烟叶数字图像采集选用定制扫描仪设备，扫描仪参数设置经过优化后，图像输出类型为24位RGB彩色，保存格式为tif，分辨率为300ppi。
3.根据权利要求1所述的方法，其特征在于，所述步骤4)具体为将平均值法、比例阈值直方图法和谱图估计法所得烟叶颜色特征值结果进行综合平均公式如下：
Figure FDA0002222357030000021
Figure FDA0002222357030000022
将得到的
Figure FDA0002222357030000023
进行烟叶颜色值的数字化合成，所得到颜色就是烟叶的代表色彩，颜色值即为特征颜色值。
CN201710424427.8A 2017-06-07 2017-06-07 一种提取烟叶颜色数字化表达特征值的方法 Active CN107341807B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710424427.8A CN107341807B (zh) 2017-06-07 2017-06-07 一种提取烟叶颜色数字化表达特征值的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710424427.8A CN107341807B (zh) 2017-06-07 2017-06-07 一种提取烟叶颜色数字化表达特征值的方法

Publications (2)

Publication Number Publication Date
CN107341807A CN107341807A (zh) 2017-11-10
CN107341807B true CN107341807B (zh) 2020-05-12

Family

ID=60219881

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710424427.8A Active CN107341807B (zh) 2017-06-07 2017-06-07 一种提取烟叶颜色数字化表达特征值的方法

Country Status (1)

Country Link
CN (1) CN107341807B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108198176A (zh) * 2017-12-29 2018-06-22 贵州省烟草公司毕节市公司 一种基于图像分析烟草成熟度的判别方法
CN111199344B (zh) * 2019-12-25 2022-08-02 云南省烟草烟叶公司 一种控制烟叶分选过程中纯度的方法
CN111199545B (zh) * 2020-01-07 2023-02-24 云南省烟草烟叶公司 一种基于机器视觉鉴别初烤烟叶颜色的方法
CN111930987B (zh) * 2020-08-11 2023-12-26 复旦大学 一种基于机器视觉颜色识别的智慧城域定位方法及系统
CN113838081A (zh) * 2021-09-15 2021-12-24 浙江中烟工业有限责任公司 一种基于机器视觉判别烤烟烟叶颜色均匀度的方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101762583A (zh) * 2009-12-16 2010-06-30 中国烟草总公司郑州烟草研究院 一种产地特色烟叶外观颜色的表征方法
CN102590211A (zh) * 2011-01-11 2012-07-18 郑州大学 利用光谱和图像特征进行烟叶分级的方法
CN103344578A (zh) * 2013-07-15 2013-10-09 中国农业科学院烟草研究所 一种烟叶颜色的测量方法
EP2911534A1 (en) * 2012-10-23 2015-09-02 Essentra Filter Products Development Co. Pte. Ltd Detection system
CN105069810A (zh) * 2015-08-31 2015-11-18 中国烟草总公司广东省公司 一种大田烟叶成熟度定量评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101762583A (zh) * 2009-12-16 2010-06-30 中国烟草总公司郑州烟草研究院 一种产地特色烟叶外观颜色的表征方法
CN102590211A (zh) * 2011-01-11 2012-07-18 郑州大学 利用光谱和图像特征进行烟叶分级的方法
EP2911534A1 (en) * 2012-10-23 2015-09-02 Essentra Filter Products Development Co. Pte. Ltd Detection system
CN103344578A (zh) * 2013-07-15 2013-10-09 中国农业科学院烟草研究所 一种烟叶颜色的测量方法
CN105069810A (zh) * 2015-08-31 2015-11-18 中国烟草总公司广东省公司 一种大田烟叶成熟度定量评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Images Features Extraction of Tobacco Leaves;Xinhong Zhang 等;《2008 Congress on Image and Signal Processing》;20080530;第773-776页 *
烤后烟叶表面颜色特征参数及其与外观质量指标的关系;李悦 等;《河南农业大学学报》;20170228;第51卷(第1期);第1-7页 *

Also Published As

Publication number Publication date
CN107341807A (zh) 2017-11-10

Similar Documents

Publication Publication Date Title
CN107341807B (zh) 一种提取烟叶颜色数字化表达特征值的方法
CN109767422B (zh) 基于深度学习的管道检测识别方法、存储介质及机器人
CN109872285B (zh) 一种基于变分约束的Retinex低照度彩色图像增强方法
CN106250896B (zh) 基于图像采集装置的在线烟叶的正反面的识别方法
CN107784639B (zh) 一种无人机遥感图像改进多边滤波去噪方法
CN109544583B (zh) 一种提取皮革图像感兴趣区域的方法、装置及设备
CN107860722B (zh) 一种蜜瓜内部品质在线检测方法及系统
CN110672582B (zh) 一种基于改进主成分分析的拉曼特征谱峰提取方法
Wah et al. Analysis on feature extraction and classification of rice kernels for Myanmar rice using image processing techniques
CN108830857A (zh) 一种自适应的汉字碑帖图像二值化分割算法
CN110782385A (zh) 一种基于深度学习的图像水印的去除方法
CN109949294A (zh) 一种基于OpenCV的断口形貌图裂纹缺陷提取方法
Tin et al. Myanmar rice grain classification using image processing techniques
CN102735340A (zh) 一种基于压缩传感的水果颜色分级方法
Mahalakshmi et al. Automated crop inspection and pest control using image processing
CN112465753B (zh) 花粉颗粒检测方法、装置及电子设备
CN106600662B (zh) 图像中主线条的绘制方法及装置
Ma et al. Solid waste surface feature enhancement method based on gamma correction and wavelet transform
CN114283338A (zh) 一种基于图像识别的色谱图自动分析方法
Sun et al. A digital image method for measuring and analyzing color characteristics of various color scores of beef
CN112529922A (zh) 一种开放环境下多色叶片rgb图像背景精确分离的方法
Wicaksono et al. Tea leaf maturity levels based on ycbcr color space and clustering centroid
CN114332969A (zh) 一种新的基于手工特征提取的StyleGAN合成人脸检测方法
Álvarez-Valera et al. Automation of chestnuts selection process using computer vision in real time
Shi et al. Wiring harness assembly detection system based on image processing technology

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant