成熟番茄的图像识别及其位姿的获取研究
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
江西农业学报２００９，２１（８）：１５２—１５５ Ａｃｔａ Ａ鲥ｃｕｌｔｕｒａｅ Ｊｉａｎ鲥
成熟番茄的图像识别及其位姿的获取研究
董坦坦，姬长英＋，周俊，邵云涟，黄浩乾
（南京农业大学工学院，江苏南京２１００３１）
摘要：针对自然生长状态下成熟番茄图像的识别问题，提出选用ＹＩＱ颜色空间，采用ｏｔｓｕ最大类间方差法分割图像，然 后用面积闽值的方法消除噪声，来荻取成熟番茄图像的目标区域；然后用矩法来求目标区域的质心位置和惯性主轴，用惯性 主轴的角度来标识果实果轴的方向，进而获取果实的生长姿态。实验结果表明，用这种方法可以取得较好的效果。
导致识别错误的原因主要有以下几个方面：（１）由 于光照和阴影的影响，在果实的边缘处出现大的凹陷，可 能会导致识别错误；（２）本方法仅适用于目标为扁的椭 圆形的果实，对形状畸形（如长形）或接近圆形的果实， 可能会导致识别错误；（３）在番茄的生长姿态为近似垂 直情况时，可能出现识别错误（垂直情况为上面分类讨 论的一个分界点）。
２目标区域的获取
在机器视觉技术中，图像分割是视觉识别的前提和 关键，分割结果的优劣直接影响到后续处理过程¨１。目 前，彩色图像的分割方法可粗略地分为３类：基于直方图 的分割技术（阈值分割等）；基于邻域的分割技术（边缘 检测、区域增长等）；基于物理性质的分割技术（颜色聚 类等）。阈值法¨１是将目标与背景分离的最常用的图像 分割方法之一，本质上可以将其归结为只把图像分为两 类或几类的简单聚类法。它简单地用一个或几个阈值将 图像的灰度直方图分成两个或几个类，认为图像中灰度 值在同一个灰度类内的像素属于同一个目标。彩色图像 与灰度图像不同之处是像素具有多维特征分量，其每一 维分量仍然有灰度图的相同性质一ｏ。 ２．１颜色空间的选择对彩色图像的研究，必须在特定 的彩色空间中进行。常用的彩色空间主要有ＲＧＢ、ＨｌＳ、
图４为对图３进行噪声消除处理后的图像。
图２ １分量图像直方图
２．３消除噪声从图３可以看出，图像分割的效果比较 好，整个番茄果实基本上被分离出来，但仍有许多像素被 误判。这些被误判的像素可分为两类：一类是背景区域 被误判为目标；另一类是目标由于光照等原因被误判为 背景。解决这个问题的步骤如下：
第一步，对于处在目标内部的一些黑洞，它们分别
影响大的特点，选用了ＹＩＱ颜色空间，采用０ｔｓｕ最大类 间方差法分割，然后用面积阈值法消除噪声，能够识别成 熟的番茄果实，实时性较好，能够适应采摘机器人视觉处
关键词：成熟番茄；图像识别；位姿；质心；惯性主轴 中图分类号：ＴＰ３９１．４１ 文献标识码：Ａ文章编号：１００１—８５８１（２００９）０８—０１５２一０４
Ｒｅｃｏ删ｔｉｏｎ ｏｆ砌ｐｅ Ｔｏ砌ｔｏ ＩＩ衄ｇｅ ａｎｄ Ｏｂｔａ埘Ｉｌｇ ｏｆ Ｉｔｓ Ｐｏ∞
ＤＯＮＧ Ｔａｎ—ｔａ工ｌ，ＪＩ Ｃｈａｎｇ—ｙｉＴｌｇ‘，ＺＨＯＵ Ｊｕｎ，ＳＨＡＯ Ｙｕｎ—ｌｉ锄，ＨＵＡＮＧ Ｈａｏ—ｑｉａｎ
利用机器视觉技术将自然生长状态下的成熟番茄从 复杂背景中识别出来并确定其位姿，是番茄采摘机器人 视觉系统实现目标空间定位并与机械手协调操作的基础 和关键技术。目前，国内外有很多学者做过与此相关的 研究工作¨。６ｊ。他们的研究涉及到了图像的分割和目标 的特征识别等。但是对于番茄果实的生长姿态，即果实 果轴的倾斜方向的判别这个问题却很少有研究。我们知 道，每个番茄果实长在番茄植株上的姿态是不一样的。 机械手去采摘的时候，手的姿态必须与果实的姿态保持 一致，才能顺利地完成采摘任务。否则，机械手有可能对 果实造成损伤，或者会导致采摘失败。本文提出选用 ⅥＱ颜色空间，采用０ｔｓｕ最大类间方差法来提取番茄图 像的目标区域，然后提出用求目标惯性主轴的方法来获 得番茄果实的生长姿态，并进行实验验证，取得了较好的 效果。
ｔｌｌｅ ｐｏ∞ｏｆ ｔｈｅ ｆｍｉｔｓ．Ｔ１１ｅ ｅｘｐｅｒｉⅡ屺ｎｔａｌ ｒｅ－
ｓｌｌｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｉｓ ｍｅｔｈｏｄ ｃ叫ｌｄ ｏｂｔａｉｎ ｇｏｏｄ ｅ疗＇ｅｃｔ８．
Ｋｅｙ ｗｏｒｄｓ：Ｒｉｐｅ ｔｏ胧吐ｏ；Ｒｅｃｏ印ｉｔｉｏｎ ｏｆ ｉ衄呼；Ｐ０雠；Ｃ∞ｔｅｒ ｏｆ ｆ咖ｓ；Ｐｒｉｎｃｉｐａｌ ｉ∞ｎｉａ ａｘｉｓ
（５）
ｚ
ｍ加一，‰
当一仃／２＜口＜一刷，４时，即，％＞，％且ｍ１１＜０时，
如图５（ｂ）这类情况，此时
口：÷眦ｔａｎ（—！塑一）一詈
（６）
二
，，‘２０一，，‘位
二
当训＜口＜仃／２时，即７‰＞，％且ｍｌｌ＞０时，如图
５（ｃ）这类情况，此时
口＝Ｚ ÷， ａｒｎｃ加 ｔａｎ一 （≤ｍ０等２ｉ）＋詈Ｚ
（７）
图６为图５中４幅图用惯性主轴的方法求番茄果轴
形成多个单连通区，且噪声区域的面积相比番茄果实部 分的面积非常小。可根据这一特点，以像素为单位计算 所有单连通区的面积，然后设定一个阈值，当单连通区的 面积小于这个阈值时，被判为噪声将其去除，反之则认为 是原图中的背景予以保留。
第二步，对于处于目标外部的亮斑，它们和目标的 颜色相同（白色），可以对第一步处理后的图像进行取 反，然后利用第一步的方法处理，最后再次取反就能得到 理想的结果。
１图像的获取 使用Ｃ锄ｏｎⅨｕｓ３０数码相机在南京林大农业发展
有限公司林大都市农业生态园蔬菜基地大棚中拍摄番茄 图像，日期为２００９年５月，图像采集时间从上午９：００至 下午１５：００，天气情况为晴天和多云。拍摄角度为背光 和向光。番茄的品种为大红果，成熟时的颜色为红色。 共采集各种条件下番茄图像８８幅，基本上满足本研究的 需要。
（Ｃｏｌｌｅｇｅ ０ｆ Ｅｎ画ｎｅｅｒｉｎｇ，Ｎａｎｊｉｎｇ Ａ鲥ｃｕｌｔｕ训ＵｎｉＶｅｒｓｉｔｙ，Ｎ肌ｊｉｎｇ ２１００３ｌ，Ｃｈｉ尬）
Ａｈｎ髓ｃｔ：ＡｉＩｎｉｎｇ ａｔ ｔｈｅ ｒｅｃｏ卵ｉｔｉｏｎ ｏｆ ｔｈｅ—ｐｅ ｔｏｍａｔｏ ｊｍａｇｅｓ ｉｎ ｎａｔｕｒａｌ ｇｍ叭ｈ ｃｏｎｄｉｔｉｏ璐，ⅥＱ ｃｏｌｏｒ ｓｐａｃｅ ｗ∞∞ｌｅｃｔｅｄ，ｏｔ鲫 ｍｅｔｈｏｄ ｗａｓ ｕｓｅｄ ｔｏ ｓｅｇｍｅｎ“舢炉ｓ，卸ｄ ｔｈｅ ａｒｅａ ｔ｝ＩＩ俗ｈｏｌｄ ｒｎｅｔｈｏｄ ｗａｓ印ｐｌｉｅｄ ｔｏ ｅｌｉｒｒＩｉｍｔｅ ｎｏｉ∞锄ｄ ｏｂｔａｉｎ ｔｈｅ ｔａｒｇｅｔ ａｒｅａ ０ｆ ｔＩｌｅ—ｐｅ
收稿日期：２００９—０６一１７
基金项目：国家“８６３”项目（２００６从１０２２５９）。
作者简介：董坦坦（１９８４一），男，山东滕州人，硕士研究生，主要从事图像处理与模式识别方面的研究。·通讯作者：姬长英。
万方数据
８期
董坦坦等：成熟番茄的图像识别及其位姿的获取研究
１５３
Ｓ来表示，比较符合人眼对颜色的描述习惯。它有两个 特点：其一，１分量与图像的彩色信息无关，因此对彩色 处理只需考虑其它两个分量；其二，Ｈ与ｓ分量与人感受 颜色的方式非常接近。但是，ＨＩＳ颜色空间存在奇异点， 在奇异点附近，即使Ｒ、Ｇ、Ｂ分量有很小的变化也会引起 Ｈ很大的波动，导致不稳定。另外，ＲＧＢ与ＨＩＳ的变换 并非线性变换，耗时较多，难以满足机器人采摘的实时性 要求。Ｌ木ａ堆ｂ十颜色空间能够直接用颜色空间的几何 距离进行不同颜色的比较，因而可有效地用于测量小的 色差。虽然非线性变换空间消除了３个颜色分量间的相 关性，适合于图像处理，但由于是非线性变换，因此计算 量较大，且颜色空间存在奇异点问题。ＹＩＱ颜色空间也
ｔｏⅡ诅ｔｏ ｊⅡｌａｇ髂；卸ｄ ｔｈｅｎ ｔｈｅ ｍｏｍｅｎｔ ｍｅｔｈｏｄ ｗａｓ ｕｓｅｄ ｔｏ ｏｂｔａｉｎ ｔｈｅ ｃｅｎｔｅｒ ｏｆⅡｌａｓｓ ０ｆ ｔｈｅ ｔａｌ．ｇｅｔ ｒｅｇｉｏｎ ａｒＩｄ ｉｎｅｒｔｉａ ａ五ｓ，卸ｄ ｄｌｅ ａｎ酉ｅ
ｏ‰ｎ ｏｆ山ｅ ｐ—ｎｃｉｐａｌ ｉｎｅｎｉａ ａ】【ｉｓ ｗａｓ ｕｓｅｄ ｔｏ ｉｄｅｎｔｉｆｙ ｔｈｅ ｄｉｒｅｃｌｉｏｎ ｏｆ ｆ而ｉｔ ｆｍｉｔ—ａ面ｓ ａｎｄ
因此中心矩具有位置无关性。 由２阶中心矩构造的惯性主轴方向角为：
日：喜ａｒｃｔａｒＩ（』！塑一）
（４）
Ｚ
ｍ２０一ｍ０２
它与物体所处的姿态有关系，所以我们用它来求番
茄果实的果轴方向，用果轴的方向来表示果实生长时所
处的姿态。
３．２利用惯性主轴求果轴的方向 根据番茄果实生长
姿态的特点，把它们分为四类，如图５所示。
ｍ。＝；苫ｉ了抓ｉ√）
（１）
０阶矩，‰是图像灰度，（ｉ，＿『）的总和。二值图像的
，‰则表示对象物的面积。如果用，‰来规格化ｌ阶矩
ｍ．。及‰．，则得到一个物体的质心坐标（ｊＪ）：
广等＝嚣蚴Ⅳ泓力 ㈤
ｂ＝黑＝砉融∽／毫融∽
中心矩是以质心位置作为原点进行计算的：
ｍ。＝互苫（ｉ—ｉ）９０一＿『）抓ｉＪ）
（３）
（ａ）原彩色图像
（ｂ）Ｙ分量
（ｃ）１分量
图ｌ番茄原图像与ⅥＱ各分量图像
（ｄ）Ｑ分量
２．２图像分割 ０ｔｓｕ最大类间方差法‘１…，是一种性能 良好的自动阈值分割方法，是通过计算图像中目标类和 背景类的类内方差最小、类间方差最大来进行自动阈值 求取的。图２是图ｌ（ｃ）１分量图像的直方图。从图２可 以看出，１分量图像中灰度值分布比较集中，并且呈明显 的双峰分布，这种灰度分布特点非常适合ｏｔｓｕ法进行分 割处理的要求。因此本文采用０ｔｓｕ最大类间方差法进 行图像的分割。图３为对１分量图像分割的结果图。
另外，对生长形状规则的果实，可以用轮廓上的点 代替整个果实区域识别其质心位置和生长姿态，这样 可以大大减少处理的时间，提高处理的实时性。但是， 对于大多数果实的识别来说，这种方法的正确率不高。
万方数据
８期
董坦坦等：成熟番茄的图像识别及其位姿的获取研究
１５５
图６果轴角度示意图
４结论 鉴于自然生长状态下成熟番茄的图像受光照情况
的方向示意图，图６（ａ）一（ｄ）韵果轴角度分别为
一２５．５。、一６２．９０、５５．５０、２１．６。。图中“十”字为质心位
置，红线代表果轴的方向。 ３．３实验结果与分析对正确识别出目标区域的８４幅 番茄图像利用上述方法进行实验，其中有５７幅可以正确 识别出它们的生长姿态，即它们果轴的方向。识别的正 确率约为６７．８％。
图４除噪后的图像
（ｂ）
（ｃ）
（ｄ）
图５ 四类不同姿态的番茄图像
我们把番茄果轴的倾斜角度定义在（一仃／２，仃／２）范
围内，即惯性主轴的口角在（一仃／２，以）之问变化，所以
需要对ｐ的值进行讨论。 当一仇／４＜口＜７ｒ／４时，即，％＜，％时，如图５（ａ）和
（ｄ）这两类情况，此时
口：｛ａｒｃｔａｌｌ（—垫Ｌ）
万方数据
图３分割结果图
２．４实验结果对采集的８８幅图片利用上述方法进 行试验，其中有８４幅图像中的成熟番茄可以被正确地 识别。ｌ幅图像因遮挡严重而漏检，３幅图像因番茄绿 色面积太大而误判。实验结果表明，识别正确率为 ９５．４％．
Baidu Nhomakorabea
１５４
江西农业学报
２１卷
３目标位姿的获取
在番茄图像中，番茄果实的质心可表明它的位置， 而果轴的方向可表明它生长的姿态。正确地识别出果实 的位置和它的生长姿态是机械手顺利地完成采摘任务的 基础和关键。 ３．１目标的质心与惯性主轴对于大小为忍×ｍ的数 字图像八ｉ√）的矩¨¨为：
具有能将色彩中的亮度分量分离出来的优点，其中，Ｙ分 量表示图像的亮度信息，ｌ、Ｑ两个分量则携带颜色信息。 ⅥＱ颜色空间与ＲＧＢ颜色空间之间是线性变换关系，计 算量小，其聚类特性也较好，能够适应光照强度不断变化 的场合，因而能够有效地用于彩色图像处理。故本文选 用ＹＩＱ颜色空间中的１分量用于番茄图像的分割识别。 图１为一幅采集的番茄彩色图像以及它在ＹＩＱ颜色空 间中的各分量的图像。从图ｌ（ｃ）中可以看出，番茄的红 色果实得到了强调，而原图像背景中的绿色枝叶、未成熟 的番茄、杂草、枯叶、支撑物（竹竿）、白色的系绳、地面、 阳光等均得到了抑制。
Ｌ｝ａ柚木、ＹＩＱ等。ＲＧＢ颜色空间是基于三基色原理
而建立的，是图像处理中最基本、最常用、面向硬件的颜 色空间。我们采集的彩色图像一般就是被分成Ｒ、Ｇ、Ｂ 的成分加以保存处理的。众所周知，获取的自然环境下 的番茄图像容易受自然光照、叶片遮挡和阴影等情况的 影响，对亮度比较敏感。而ＲＧＢ颜色空间的分量是与亮 度高度相关的，即只要亮度改变，３个分量都会相应地改 变。因而，ＲＧＢ颜色空间适合于显示系统，不适合于图 像分割和分析。ｍｓ颜色空间用色调Ｈ、亮度Ｉ和饱和度
成熟番茄的图像识别及其位姿的获取研究
董坦坦，姬长英＋，周俊，邵云涟，黄浩乾
（南京农业大学工学院，江苏南京２１００３１）
摘要：针对自然生长状态下成熟番茄图像的识别问题，提出选用ＹＩＱ颜色空间，采用ｏｔｓｕ最大类间方差法分割图像，然 后用面积闽值的方法消除噪声，来荻取成熟番茄图像的目标区域；然后用矩法来求目标区域的质心位置和惯性主轴，用惯性 主轴的角度来标识果实果轴的方向，进而获取果实的生长姿态。实验结果表明，用这种方法可以取得较好的效果。
导致识别错误的原因主要有以下几个方面：（１）由 于光照和阴影的影响，在果实的边缘处出现大的凹陷，可 能会导致识别错误；（２）本方法仅适用于目标为扁的椭 圆形的果实，对形状畸形（如长形）或接近圆形的果实， 可能会导致识别错误；（３）在番茄的生长姿态为近似垂 直情况时，可能出现识别错误（垂直情况为上面分类讨 论的一个分界点）。
２目标区域的获取
在机器视觉技术中，图像分割是视觉识别的前提和 关键，分割结果的优劣直接影响到后续处理过程¨１。目 前，彩色图像的分割方法可粗略地分为３类：基于直方图 的分割技术（阈值分割等）；基于邻域的分割技术（边缘 检测、区域增长等）；基于物理性质的分割技术（颜色聚 类等）。阈值法¨１是将目标与背景分离的最常用的图像 分割方法之一，本质上可以将其归结为只把图像分为两 类或几类的简单聚类法。它简单地用一个或几个阈值将 图像的灰度直方图分成两个或几个类，认为图像中灰度 值在同一个灰度类内的像素属于同一个目标。彩色图像 与灰度图像不同之处是像素具有多维特征分量，其每一 维分量仍然有灰度图的相同性质一ｏ。 ２．１颜色空间的选择对彩色图像的研究，必须在特定 的彩色空间中进行。常用的彩色空间主要有ＲＧＢ、ＨｌＳ、
图４为对图３进行噪声消除处理后的图像。
图２ １分量图像直方图
２．３消除噪声从图３可以看出，图像分割的效果比较 好，整个番茄果实基本上被分离出来，但仍有许多像素被 误判。这些被误判的像素可分为两类：一类是背景区域 被误判为目标；另一类是目标由于光照等原因被误判为 背景。解决这个问题的步骤如下：
第一步，对于处在目标内部的一些黑洞，它们分别
影响大的特点，选用了ＹＩＱ颜色空间，采用０ｔｓｕ最大类 间方差法分割，然后用面积阈值法消除噪声，能够识别成 熟的番茄果实，实时性较好，能够适应采摘机器人视觉处
关键词：成熟番茄；图像识别；位姿；质心；惯性主轴 中图分类号：ＴＰ３９１．４１ 文献标识码：Ａ文章编号：１００１—８５８１（２００９）０８—０１５２一０４
Ｒｅｃｏ删ｔｉｏｎ ｏｆ砌ｐｅ Ｔｏ砌ｔｏ ＩＩ衄ｇｅ ａｎｄ Ｏｂｔａ埘Ｉｌｇ ｏｆ Ｉｔｓ Ｐｏ∞
ＤＯＮＧ Ｔａｎ—ｔａ工ｌ，ＪＩ Ｃｈａｎｇ—ｙｉＴｌｇ‘，ＺＨＯＵ Ｊｕｎ，ＳＨＡＯ Ｙｕｎ—ｌｉ锄，ＨＵＡＮＧ Ｈａｏ—ｑｉａｎ
利用机器视觉技术将自然生长状态下的成熟番茄从 复杂背景中识别出来并确定其位姿，是番茄采摘机器人 视觉系统实现目标空间定位并与机械手协调操作的基础 和关键技术。目前，国内外有很多学者做过与此相关的 研究工作¨。６ｊ。他们的研究涉及到了图像的分割和目标 的特征识别等。但是对于番茄果实的生长姿态，即果实 果轴的倾斜方向的判别这个问题却很少有研究。我们知 道，每个番茄果实长在番茄植株上的姿态是不一样的。 机械手去采摘的时候，手的姿态必须与果实的姿态保持 一致，才能顺利地完成采摘任务。否则，机械手有可能对 果实造成损伤，或者会导致采摘失败。本文提出选用 ⅥＱ颜色空间，采用０ｔｓｕ最大类间方差法来提取番茄图 像的目标区域，然后提出用求目标惯性主轴的方法来获 得番茄果实的生长姿态，并进行实验验证，取得了较好的 效果。
ｔｌｌｅ ｐｏ∞ｏｆ ｔｈｅ ｆｍｉｔｓ．Ｔ１１ｅ ｅｘｐｅｒｉⅡ屺ｎｔａｌ ｒｅ－
ｓｌｌｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｉｓ ｍｅｔｈｏｄ ｃ叫ｌｄ ｏｂｔａｉｎ ｇｏｏｄ ｅ疗＇ｅｃｔ８．
Ｋｅｙ ｗｏｒｄｓ：Ｒｉｐｅ ｔｏ胧吐ｏ；Ｒｅｃｏ印ｉｔｉｏｎ ｏｆ ｉ衄呼；Ｐ０雠；Ｃ∞ｔｅｒ ｏｆ ｆ咖ｓ；Ｐｒｉｎｃｉｐａｌ ｉ∞ｎｉａ ａｘｉｓ
（５）
ｚ
ｍ加一，‰
当一仃／２＜口＜一刷，４时，即，％＞，％且ｍ１１＜０时，
如图５（ｂ）这类情况，此时
口：÷眦ｔａｎ（—！塑一）一詈
（６）
二
，，‘２０一，，‘位
二
当训＜口＜仃／２时，即７‰＞，％且ｍｌｌ＞０时，如图
５（ｃ）这类情况，此时
口＝Ｚ ÷， ａｒｎｃ加 ｔａｎ一 （≤ｍ０等２ｉ）＋詈Ｚ
（７）
图６为图５中４幅图用惯性主轴的方法求番茄果轴
形成多个单连通区，且噪声区域的面积相比番茄果实部 分的面积非常小。可根据这一特点，以像素为单位计算 所有单连通区的面积，然后设定一个阈值，当单连通区的 面积小于这个阈值时，被判为噪声将其去除，反之则认为 是原图中的背景予以保留。
第二步，对于处于目标外部的亮斑，它们和目标的 颜色相同（白色），可以对第一步处理后的图像进行取 反，然后利用第一步的方法处理，最后再次取反就能得到 理想的结果。
１图像的获取 使用Ｃ锄ｏｎⅨｕｓ３０数码相机在南京林大农业发展
有限公司林大都市农业生态园蔬菜基地大棚中拍摄番茄 图像，日期为２００９年５月，图像采集时间从上午９：００至 下午１５：００，天气情况为晴天和多云。拍摄角度为背光 和向光。番茄的品种为大红果，成熟时的颜色为红色。 共采集各种条件下番茄图像８８幅，基本上满足本研究的 需要。
（Ｃｏｌｌｅｇｅ ０ｆ Ｅｎ画ｎｅｅｒｉｎｇ，Ｎａｎｊｉｎｇ Ａ鲥ｃｕｌｔｕ训ＵｎｉＶｅｒｓｉｔｙ，Ｎ肌ｊｉｎｇ ２１００３ｌ，Ｃｈｉ尬）
Ａｈｎ髓ｃｔ：ＡｉＩｎｉｎｇ ａｔ ｔｈｅ ｒｅｃｏ卵ｉｔｉｏｎ ｏｆ ｔｈｅ—ｐｅ ｔｏｍａｔｏ ｊｍａｇｅｓ ｉｎ ｎａｔｕｒａｌ ｇｍ叭ｈ ｃｏｎｄｉｔｉｏ璐，ⅥＱ ｃｏｌｏｒ ｓｐａｃｅ ｗ∞∞ｌｅｃｔｅｄ，ｏｔ鲫 ｍｅｔｈｏｄ ｗａｓ ｕｓｅｄ ｔｏ ｓｅｇｍｅｎ“舢炉ｓ，卸ｄ ｔｈｅ ａｒｅａ ｔ｝ＩＩ俗ｈｏｌｄ ｒｎｅｔｈｏｄ ｗａｓ印ｐｌｉｅｄ ｔｏ ｅｌｉｒｒＩｉｍｔｅ ｎｏｉ∞锄ｄ ｏｂｔａｉｎ ｔｈｅ ｔａｒｇｅｔ ａｒｅａ ０ｆ ｔＩｌｅ—ｐｅ
收稿日期：２００９—０６一１７
基金项目：国家“８６３”项目（２００６从１０２２５９）。
作者简介：董坦坦（１９８４一），男，山东滕州人，硕士研究生，主要从事图像处理与模式识别方面的研究。·通讯作者：姬长英。
万方数据
８期
董坦坦等：成熟番茄的图像识别及其位姿的获取研究
１５３
Ｓ来表示，比较符合人眼对颜色的描述习惯。它有两个 特点：其一，１分量与图像的彩色信息无关，因此对彩色 处理只需考虑其它两个分量；其二，Ｈ与ｓ分量与人感受 颜色的方式非常接近。但是，ＨＩＳ颜色空间存在奇异点， 在奇异点附近，即使Ｒ、Ｇ、Ｂ分量有很小的变化也会引起 Ｈ很大的波动，导致不稳定。另外，ＲＧＢ与ＨＩＳ的变换 并非线性变换，耗时较多，难以满足机器人采摘的实时性 要求。Ｌ木ａ堆ｂ十颜色空间能够直接用颜色空间的几何 距离进行不同颜色的比较，因而可有效地用于测量小的 色差。虽然非线性变换空间消除了３个颜色分量间的相 关性，适合于图像处理，但由于是非线性变换，因此计算 量较大，且颜色空间存在奇异点问题。ＹＩＱ颜色空间也
ｔｏⅡ诅ｔｏ ｊⅡｌａｇ髂；卸ｄ ｔｈｅｎ ｔｈｅ ｍｏｍｅｎｔ ｍｅｔｈｏｄ ｗａｓ ｕｓｅｄ ｔｏ ｏｂｔａｉｎ ｔｈｅ ｃｅｎｔｅｒ ｏｆⅡｌａｓｓ ０ｆ ｔｈｅ ｔａｌ．ｇｅｔ ｒｅｇｉｏｎ ａｒＩｄ ｉｎｅｒｔｉａ ａ五ｓ，卸ｄ ｄｌｅ ａｎ酉ｅ
ｏ‰ｎ ｏｆ山ｅ ｐ—ｎｃｉｐａｌ ｉｎｅｎｉａ ａ】【ｉｓ ｗａｓ ｕｓｅｄ ｔｏ ｉｄｅｎｔｉｆｙ ｔｈｅ ｄｉｒｅｃｌｉｏｎ ｏｆ ｆ而ｉｔ ｆｍｉｔ—ａ面ｓ ａｎｄ
因此中心矩具有位置无关性。 由２阶中心矩构造的惯性主轴方向角为：
日：喜ａｒｃｔａｒＩ（』！塑一）
（４）
Ｚ
ｍ２０一ｍ０２
它与物体所处的姿态有关系，所以我们用它来求番
茄果实的果轴方向，用果轴的方向来表示果实生长时所
处的姿态。
３．２利用惯性主轴求果轴的方向 根据番茄果实生长
姿态的特点，把它们分为四类，如图５所示。
ｍ。＝；苫ｉ了抓ｉ√）
（１）
０阶矩，‰是图像灰度，（ｉ，＿『）的总和。二值图像的
，‰则表示对象物的面积。如果用，‰来规格化ｌ阶矩
ｍ．。及‰．，则得到一个物体的质心坐标（ｊＪ）：
广等＝嚣蚴Ⅳ泓力 ㈤
ｂ＝黑＝砉融∽／毫融∽
中心矩是以质心位置作为原点进行计算的：
ｍ。＝互苫（ｉ—ｉ）９０一＿『）抓ｉＪ）
（３）
（ａ）原彩色图像
（ｂ）Ｙ分量
（ｃ）１分量
图ｌ番茄原图像与ⅥＱ各分量图像
（ｄ）Ｑ分量
２．２图像分割 ０ｔｓｕ最大类间方差法‘１…，是一种性能 良好的自动阈值分割方法，是通过计算图像中目标类和 背景类的类内方差最小、类间方差最大来进行自动阈值 求取的。图２是图ｌ（ｃ）１分量图像的直方图。从图２可 以看出，１分量图像中灰度值分布比较集中，并且呈明显 的双峰分布，这种灰度分布特点非常适合ｏｔｓｕ法进行分 割处理的要求。因此本文采用０ｔｓｕ最大类间方差法进 行图像的分割。图３为对１分量图像分割的结果图。
另外，对生长形状规则的果实，可以用轮廓上的点 代替整个果实区域识别其质心位置和生长姿态，这样 可以大大减少处理的时间，提高处理的实时性。但是， 对于大多数果实的识别来说，这种方法的正确率不高。
万方数据
８期
董坦坦等：成熟番茄的图像识别及其位姿的获取研究
１５５
图６果轴角度示意图
４结论 鉴于自然生长状态下成熟番茄的图像受光照情况
的方向示意图，图６（ａ）一（ｄ）韵果轴角度分别为
一２５．５。、一６２．９０、５５．５０、２１．６。。图中“十”字为质心位
置，红线代表果轴的方向。 ３．３实验结果与分析对正确识别出目标区域的８４幅 番茄图像利用上述方法进行实验，其中有５７幅可以正确 识别出它们的生长姿态，即它们果轴的方向。识别的正 确率约为６７．８％。
图４除噪后的图像
（ｂ）
（ｃ）
（ｄ）
图５ 四类不同姿态的番茄图像
我们把番茄果轴的倾斜角度定义在（一仃／２，仃／２）范
围内，即惯性主轴的口角在（一仃／２，以）之问变化，所以
需要对ｐ的值进行讨论。 当一仇／４＜口＜７ｒ／４时，即，％＜，％时，如图５（ａ）和
（ｄ）这两类情况，此时
口：｛ａｒｃｔａｌｌ（—垫Ｌ）
万方数据
图３分割结果图
２．４实验结果对采集的８８幅图片利用上述方法进 行试验，其中有８４幅图像中的成熟番茄可以被正确地 识别。ｌ幅图像因遮挡严重而漏检，３幅图像因番茄绿 色面积太大而误判。实验结果表明，识别正确率为 ９５．４％．
Baidu Nhomakorabea
１５４
江西农业学报
２１卷
３目标位姿的获取
在番茄图像中，番茄果实的质心可表明它的位置， 而果轴的方向可表明它生长的姿态。正确地识别出果实 的位置和它的生长姿态是机械手顺利地完成采摘任务的 基础和关键。 ３．１目标的质心与惯性主轴对于大小为忍×ｍ的数 字图像八ｉ√）的矩¨¨为：
具有能将色彩中的亮度分量分离出来的优点，其中，Ｙ分 量表示图像的亮度信息，ｌ、Ｑ两个分量则携带颜色信息。 ⅥＱ颜色空间与ＲＧＢ颜色空间之间是线性变换关系，计 算量小，其聚类特性也较好，能够适应光照强度不断变化 的场合，因而能够有效地用于彩色图像处理。故本文选 用ＹＩＱ颜色空间中的１分量用于番茄图像的分割识别。 图１为一幅采集的番茄彩色图像以及它在ＹＩＱ颜色空 间中的各分量的图像。从图ｌ（ｃ）中可以看出，番茄的红 色果实得到了强调，而原图像背景中的绿色枝叶、未成熟 的番茄、杂草、枯叶、支撑物（竹竿）、白色的系绳、地面、 阳光等均得到了抑制。
Ｌ｝ａ柚木、ＹＩＱ等。ＲＧＢ颜色空间是基于三基色原理
而建立的，是图像处理中最基本、最常用、面向硬件的颜 色空间。我们采集的彩色图像一般就是被分成Ｒ、Ｇ、Ｂ 的成分加以保存处理的。众所周知，获取的自然环境下 的番茄图像容易受自然光照、叶片遮挡和阴影等情况的 影响，对亮度比较敏感。而ＲＧＢ颜色空间的分量是与亮 度高度相关的，即只要亮度改变，３个分量都会相应地改 变。因而，ＲＧＢ颜色空间适合于显示系统，不适合于图 像分割和分析。ｍｓ颜色空间用色调Ｈ、亮度Ｉ和饱和度