CN109949310A - 一种基于Lab颜色空间的西瓜花体图像分割方法 - Google Patents
一种基于Lab颜色空间的西瓜花体图像分割方法 Download PDFInfo
- Publication number
- CN109949310A CN109949310A CN201910238395.1A CN201910238395A CN109949310A CN 109949310 A CN109949310 A CN 109949310A CN 201910238395 A CN201910238395 A CN 201910238395A CN 109949310 A CN109949310 A CN 109949310A
- Authority
- CN
- China
- Prior art keywords
- image
- quirk
- watermelon
- color space
- lab color
- 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.)
- Withdrawn
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于Lab颜色空间的西瓜花体图像分割方法,属于图像分割领域,该方法能够对西瓜花体进行分割和目标区域的提取,首先对采集的花体图像转换到Lab颜色空间,对b通道进行otus阈值分割处理,并与原图进行与操作处理得到彩色花体目标区域图像,该方法能够对采集的西瓜花体图像进行分割处理,快速准确地分割提取西瓜花体目标区域,得到背景单一的图像。
Description
技术领域
本发明涉及一种基于Lab颜色空间的西瓜花体图像分割方法,具体地说在Lab颜色空间的b通道对西瓜花体进行图像分割的方法,属于图像分割领域。
背景技术
我国是西瓜种植面积最大的国家,随着我国设施农业不断的发展,西瓜的周年种植栽培的环境相对密封,设施内部环境对温湿度要求较高,设施种植尤为体现在温棚种植,密闭的种植环境隔绝了外界传粉昆虫的进入,而西瓜是虫媒花,自然条件下主要是靠昆虫传粉,因此现在多为人工辅助坐果(人工授粉、生长调节剂)来保障西瓜的坐果率,随着机器视觉在农业上的广泛应用,智能化西瓜授粉机器人势必是研究趋势,然而智能化授粉机器人的关键技术点就是识别西瓜花的位置,在获取西瓜花体的图像的时候,由于在自然状态下生长的西瓜花难免会存在绿色、藤蔓和薄膜的干扰,想要获取背景单一的目标花体区域,需要对采集的西瓜花体图像进行分割处理,目前还没有应用在西瓜花体图像的分割方法。
专利CN201610048790X公开了一种基于Otsu的花朵图像分割效果方法,主要是通过预处理选择算法,电脑能够通过花朵图像进行筛选,再根据不同的情况自动选择花朵图像的不同颜色分量R值、H值还是S值对花朵图像进行阈值分割,得到较好的分割效果,可用于花体图像识别方面,也可用于各种植物搜索引擎对植物图像进行识别和搜索,该方法对西瓜花体的分割存在以下缺陷:1.首先对于图像进行了去绿色处理,然后西瓜花体的雌花下方有子房存在,且子房与花瓣的颜色分别是绿色和黄色,上述方法在处理首先去除了花朵的绿色区域,也就是去除了雌花西方的子房,或者是针对绿色花朵直接进行分割,只能分割出来雌花的花瓣,不能完整的对雌花花体图像进行分割;2.未对采集的花体图像进行增强处理,不能有效的去除噪声干扰;3.对通过阈值分割的图像未经过形态学处理,分割的得到的效果背景存在白点和空洞;4.对处理的图像采用的均是背景较为简单的,不能够有效的处理自然生长环境情况下复杂环境背景的西瓜花体图像。
发明内容
针对现有技术的不能有效的对西瓜花体图像进行有效的分割处理,本发明提供了一种基于Lab颜色空间的西瓜花体图像分割方法,能够快速准确的对西瓜花体图像进行分割,得到背景单一的花体目标区域。
本发明是通过以下技术方案实现的:一种基于Lab颜色空间的西瓜花体图像分割方法,首先对采集的RGB空间的图像进行中值滤波预处理,转化到Lab颜色空间并在b通道利用OTSU算法进行分割,对得到二值图取反和形态学处理,最后将处理后的二值图与原图与操作后得到彩色分割图。包括以下步骤:
(1)首先对采集的图像进行预处理,然后进行颜色空间转化处理,将采集的RGB颜色空间图像转化到Lab颜色空间;
(2)对Lab三个通道进行分离,然后针对b通道进行Otsu自动阈值分割得到二值图像;
(3)将生成的二值图像进行形态学处理,然后映射到三通道后并与原图进行与操作,得到彩色的目标区域。
所述图像进行的预处理操作为中值滤波处理,能够增强图像边缘信息的同时去除噪声干扰。
所述对b通道进行Otsu自动阈值分割得到的二值图像,其目标区域颜色为黑色,背景为白色,应对其整副图像的像素进行遍历的同时取反。
所述的形态学处理为区域填充、膨胀腐蚀和小面积区域去除,能够得到干净无干扰的二值图。
所述的二值图像,所述的二值图为单通道图像的,应映射到三通道再原图(RGB三通道)进行与操作。
所述中值滤波采用的卷积核为5*5大小。
所述的形态学处理中去除小面积区域为2000。
该发明的有益之处是,能够对采集的西瓜花体图像进行分割处理,快速准确地分割提取西瓜花体目标区域,得到背景单一的图像。该方法使用了中值滤波函数对采集的图像进行了预处理,中值滤波函数的核函数采用的5*5大小,能够有效的去除噪声干扰的同时保留图像的边缘信息,另外将采集的RGB颜色空间的图像转换到Lab颜色空间,利用Otsu自动阈值分割算法对b通道进行阈值分割得到的二值图像,能够对图像进行初步分割,去除了大量的背景干扰;对初步分割得到的二值图像进行阈值分割,经过形态学的孔洞填充和小面积去除操作后,得到背景单一的二值图像;对于二值图像取反操作,且二值图像为单通道的映射到三通道,能够与原图进行与操作得到彩色分割效果图。
附图说明
图1为西瓜花体分割方法的具体流程图;
图2为图像中值滤波的效果图;
图3为Lab空间转换效果图;
图4为Lab各通道分量图;
图5为OUTS分割效果图;
图6为取反操作效果图;
图7为形态处理效果图;
图8为图像样例分割效果对比图。
具体实施方式
一种基于Lab颜色空间的西瓜花体图像分割方法,如图1所示,该方法首先对采集的RGB空间的图像进行中值滤波预处理,转化到Lab颜色空间并在b通道利用OTSU算法进行分割,对得到二值图取反和形态学处理,最后将处理后的二值图与原图与操作后得到彩色分割图。具体包括以下步骤:
(1)如图2所示首先对采集的图像进行预处理,预处理操作为中值滤波处理,且种植滤波处理采用的是卷积核为5*5大小,中值滤波处理能够能够有效的去除噪声干扰的同时保留图像的边缘信息。
(2)由于采集的图像为RGB颜色空间,本方法采用的是在Lab颜色空间进行分割,由于RGB颜色空间到Lab颜色空间的转换不是线性关系,因此需按照公式(1-1)将RGB颜色空间先转换到XYZ颜色空间:
然后根据公式(1-2)从XYZ颜色空间转换到Lab颜色空间。
其中,L∈[0,100],a∈[-128,127],b∈[-128,127],
通过上述步骤完成颜色空间的转换,转换Lab的效果图如图3所示。
(3)将转化为Lab颜色空间的图像进行通道分离操作,得到L、a和b三个通道分量图,分量图如图4所示。
(4)选择b通道进行Otsu自动阈值分割得到的二值图像,得到的分割效果图如图5所示,图5中的二值图像其目标区域颜色为黑色,背景为白色,应进行取反操作,具体操作为其遍历整副图像的像素,用255减去每个像素值,使得其值像素为0的取255,对其像素值为255的像素点取0,完成图像的取反操作,得到图像6中的二值图,使得目标区域的显示为白色,背景区域为黑色。
(5)很明显图6中的的二值图像并不是想要的理想图像,存在白点、孔洞等其他干扰,因此需对其进行形态学处理,形态学处理包括区域填充、膨胀腐蚀和小面积区域去除处理,本文采用的去除小区域面积为2000,基本去除干扰,得到如图7所示的效果图。
(6)由于生成的二值图为单通道图像的,需映射到三通道再原图(RGB三通道)进行与操作,得到分割效果图,在图7中将各个步骤的效果图进行对比,能够看出应用本方法对西瓜花体图像进行分割的效果很好。
对于本领域的普通技术人员而言,根据本发明的教导,在不脱离本发明的原理与精神的情况下,对实施方式所进行的改变、修改、替换和变型仍落入本发明的保护范围之内。
Claims (7)
1.一种基于Lab颜色空间的西瓜花体图像分割方法,其特征在于:该方法能够对西瓜花体进行分割和目标区域的提取,首先对采集的RGB空间的图像进行预处理,转化到Lab颜色空间并在b通道利用OTSU算法进行分割,同时二值图进行处理,将处理后的二值图与原图与操作后得到彩色分割图,包括以下步骤:
(1)首先对采集的图像进行预处理,然后进行颜色空间转化处理,将采集的RGB颜色空间图像转化到Lab颜色空间;
(2)对Lab三个通道进行分离,然后针对b通道进行Otsu自动阈值分割得到二值图像;
(3)将生成的二值图像进行形态学处理,然后映射到三通道后并与原图进行与操作,得到彩色的目标区域。
2.根据权利要求1所述的一种基于Lab颜色空间的西瓜花体图像分割方法,其特征在于:所述图像进行的预处理操作为种植滤波处理。
3.根据权利要求1所述的一种基于Lab颜色空间的西瓜花体图像分割方法,其特征在于:所述对b通道进行Otsu自动阈值分割得到的二值图像,其目标区域颜色为黑色,背景为白色,应进行取反操作。
4.根据权利要求1所述的一种基于Lab颜色空间的西瓜花体图像分割方法,其特征在于:所述的的形态学处理为区域填充、膨胀腐蚀和小面积区域去除等操作。
5.根据权利要求3所述的一种基于Lab颜色空间的西瓜花体图像分割方法,其特征在于:所述的二值图为单通图像,应映射到三通道才能够与原图进行与操作。
6.根据权利要求2所述的一种基于Lab颜色空间的西瓜花体图像分割方法,其特征在于:所述中值滤波采用的卷积核大小为5*5。
7.根据权利要求4所述的一种基于Lab颜色空间的西瓜花体图像分割方法,其特征在于:所述的形态学处理中去除的小面积区域为2000大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910238395.1A CN109949310A (zh) | 2019-03-27 | 2019-03-27 | 一种基于Lab颜色空间的西瓜花体图像分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910238395.1A CN109949310A (zh) | 2019-03-27 | 2019-03-27 | 一种基于Lab颜色空间的西瓜花体图像分割方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109949310A true CN109949310A (zh) | 2019-06-28 |
Family
ID=67011833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910238395.1A Withdrawn CN109949310A (zh) | 2019-03-27 | 2019-03-27 | 一种基于Lab颜色空间的西瓜花体图像分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109949310A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507911A (zh) * | 2020-12-15 | 2021-03-16 | 浙江科技学院 | 一种基于机器视觉的山核桃果实在图像中的实时识别方法 |
CN114842240A (zh) * | 2022-04-06 | 2022-08-02 | 盐城工学院 | 融合ghost模块和注意力机制的MobileNetV2农作物叶片图像分类方法 |
-
2019
- 2019-03-27 CN CN201910238395.1A patent/CN109949310A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507911A (zh) * | 2020-12-15 | 2021-03-16 | 浙江科技学院 | 一种基于机器视觉的山核桃果实在图像中的实时识别方法 |
CN114842240A (zh) * | 2022-04-06 | 2022-08-02 | 盐城工学院 | 融合ghost模块和注意力机制的MobileNetV2农作物叶片图像分类方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Malik et al. | Mature tomato fruit detection algorithm based on improved HSV and watershed algorithm | |
CN105701829B (zh) | 一种套袋绿色果实图像分割方法 | |
Liu et al. | Detection of citrus fruit and tree trunks in natural environments using a multi-elliptical boundary model | |
CN103177445B (zh) | 基于分段阈值图像分割及光斑识别的室外番茄识别方法 | |
CN102968782A (zh) | 一种彩色图像中显著对象的自动抠取方法 | |
AU2020103260A4 (en) | Rice blast grading system and method | |
CN108875747A (zh) | 一种基于机器视觉的小麦不完善粒识别方法 | |
CN109949310A (zh) | 一种基于Lab颜色空间的西瓜花体图像分割方法 | |
CN108710840A (zh) | 一种农田喷药机器人视觉导航路径识别方法 | |
CN103295018A (zh) | 一种枝叶遮挡果实精确识别方法 | |
CN111798470B (zh) | 一种应用于智能农业的农作物图像实体分割方法及系统 | |
Changyi et al. | Apple detection from apple tree image based on BP neural network and Hough transform | |
CN110472598A (zh) | 基于区域特征的svm机采棉花含杂图像分割方法及系统 | |
CN108846862A (zh) | 一种颜色先验知识导向的草莓机器手目标定位方法 | |
CN104318240A (zh) | 一种基于计算机视觉的花蕾判别方法 | |
CN112861654A (zh) | 一种基于机器视觉的名优茶采摘点位置信息获取方法 | |
CN105654099A (zh) | 基于改进视觉的甘蔗分割与识别方法 | |
CN112329506A (zh) | 枸杞采摘机器人的果实识别方法及系统、定位方法及系统 | |
CN115170522A (zh) | 一种基于机器视觉的穴盘种苗分级移栽方法 | |
CN101794391B (zh) | 一种温室环境下导航线提取方法 | |
CN109961445A (zh) | 一种西瓜花体性状判定方法 | |
CN109978906A (zh) | 一种西瓜花体正向姿态的判定方法 | |
CN109961071A (zh) | 一种正向西瓜花体授粉状态的判定方法 | |
CN115601690A (zh) | 一种基于智慧农业的食用菌环境检测方法 | |
Manasa et al. | Plant recognition using watershed and convolutional neural network |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190628 |
|
WW01 | Invention patent application withdrawn after publication |