西红柿采摘机器人视觉系统的目标提取_赵金英

2006年10月

农业机械学报

第37卷第10期

西红柿采摘机器人视觉系统的目标提取

*

赵金英　张铁中　杨　丽

【摘要】　提出了基于色彩分通道法的果实目标提取方法。该方法是先将彩色图像在色彩空间中分解成多个单通道图像,再对每个通道图像进行分割,最后综合各通道结果得到彩色图像的整体分割结果。采用该方法对西红柿图像在Lab 色彩空间下进行试验,结果表明此方法简单快速,得到的果实目标较清晰准确,可满足图像后续处理的需要。

关键词:视觉系统　图像分割　色彩分通道法　Lab 色彩空间中图分类号:S641.2;T P391.41

文献标识码:A

收稿日期:2005

0616

*国家“863”高技术研究发展计划资助项目(项目编号:2001AA422300)赵金英　中国农业大学工学院　博士生,100083　北京市张铁中　中国农业大学工学院　教授　博士生导师杨　丽　中国农业大学工学院　讲师　博士生

引言

西红柿采摘机器人视觉系统中目标提取的实质是图像分割。多年来图像分割一直受到研究人员的

高度重视,至今已提出了上千种类型的分割算法[1]

。但是关于彩色图像分割的文献还较少,目前研究主要是讨论了一些彩色表示法的性质,分割方法和色彩空间;运用基于边缘和基于区域的分割技巧进行彩色图像的复杂纹理分割。对于彩色图像分割,没有一种算法和色彩空间适应于所有彩色图像,所有现存的彩色图像分割方法都是针对特定图像特定应用场合的[2]。

针对直接对采集到的RGB 模式的彩色图像进行分割较难,而对单通道图像分割可以缩短图像处理时间、提高效率这一特点,提出了基于色彩分通道的果实目标提取方法。

1　色彩分通道法原理

色彩分通道法的原理如下:将彩色图像在色彩空

间中按色彩空间分量分解成多个单通道图像。其中色彩空间可选RGB 、HSI 、Lab 或其他色彩空间。分解得到的单通道图像信息可用灰度图像来描述,此灰度图像可使用现有成熟的单色图像处理方法得到单通道图像分割结果。在得到各个单通道结果以后,综合各通道结果而得到彩色图像的整体分割结果。

2　色彩空间的选择

每一种色彩空间都有其各自的产生背景、应用

领域。要分割一幅彩色图像,色彩空间的选取对分割结果起着决定性作用。彩色图像处理中常用的色彩空间有:RGB 色彩空间、HSI 色彩空间、Lab 色彩空间等。RGB 色彩空间是根据3基色原理建立起来的,是最基本的色彩空间,其他色彩空间模型都可通过RGB 转化得到。HSI 色彩空间直接采用彩色特性意义上的3个量:亮度或明度(I )、色调(H )、饱和度(S )来描述颜色,比较符合人眼对颜色的描述习惯,但表示的颜色并不全是视觉所感受的颜色。Lab 色彩空间是根据色度和亮度组成的3维空间图,它适用于一切光源色或物体色的表示与计算。其中L 表示心理明度,a 、b 为心理色度,反映到坐标系统中,+a 表示红色,-a 表示绿色,+b 表示黄色,-b 表示蓝色,颜色的明度由L 的百分数来表示,其取值从0～100。

观察从自然环境下拍摄的西红柿图像[3]:成熟西红柿的颜色为红色,未成熟西红柿及其背景颜色为绿色。从以上对色彩空间的介绍可知,Lab 色彩空间中a 通道两端所代表的颜色正好是成熟西红柿果实颜色与背景颜色,因此本文选用Lab 色彩空间作为彩色图像的分割空间。RGB 与Lab 间的转化关系为

L =116(0.229R +0.587G +0.114B )1/3-16a =500[1.006(0.607R +0.174G +0.201B )1/3-　(0.299R +0.587G +0.114B )1/3]b =200[(0.299R +0.587G +0.114B )1/3-　0.846(0.066G + 1.117B )1/3]

(1)

3　色彩分通道法的实现

彩色图像分割与灰度图像分割的算法相比,大部分算法在分割原理上是一致的,只是彩色图像包括着更丰富的信息,并有多种彩色空间的表达方式,因而彩色图像分割关键在于如何利用丰富的彩色信息来达到分割的目的。

当采集到的图像变换为Lab 色彩空间之后,将

它的3个通道分离出来,成为独立的灰度图,实现色彩分通道,等待进一步的处理。如图1所示,即为一幅西红柿图片L 通道、a 通道、b 通道的分离效果。前面提到,a 通道两端所代表的颜色正好是成熟西红柿果实颜色与背景颜色,由此不难得到一种思路:可以只通过提取a 通道中的红色信息将西红柿果实

从背景中分离出来[4]

,并将a 通道分割结果近似作为彩色图像的整体分割结果

。

图1　L ab 通道分离效果

(a )原始图像　(b )L 通道图像　(c )a 通道图像　(d )b 通道图像

分离得到的a 通道图像为单色图像。单通道图像信息可用灰度图像来描述,因此可用灰度图像的分割算法实现彩色图像的分割。基于灰度的图像分割方法很多,其中基于阈值的分割是最常用的图像分割技术。阈值分割的特点是[5]

:①原理清晰、易懂。②算法实现简单、清楚,运算量小。③分割效果较好,它对与背景有明显不同的物体分割特别有效,其图

像分割效果几乎与其他大运算量的方法相当。从效率(分割效果/运算量)上考虑,本文选用阈值分割。

基于阈值的图像分割关键在于选择阈值,选不同的阈值其处理结果差异很大。阈值过大,会提取冗余;阈值过小,又会丢失信息。为了寻求最佳的分割阈值,目前已研究出多种自动阈值选取算法,如P 参数法、双峰法、迭代法、O TSU 法等。O TSU 法一直被认为是阈值自动选取方法的最优方法

[6～7]

,该

方法计算简单,在实时图像处理系统中应用很广,本文采用此法。选择的最佳阈值为

T =m ax e 2

(t )=max {p 1(t )p 2(t )[_1(t )-_2(t )]2

}

(2)

式中　p 1(t )、p 2(t )——被阈值t 分割后目标和背景

2个区域的概率

_1(t )、_2(t )——被阈值t 分割后目标和背景

2个区域的平均灰度值

e 2(t )——目标和背景的类间方差值,当e 2

(t )

最大时,t 即为分割的最佳阈值

4　果实目标的提取

用基于色彩分通道法对果实图像进行图像分割

之后就得到了包含果实的二值图像。此时可用区域标记算法找出各个果实的区域,进行区域分析,并得到这些区域的外接矩形,从而完成果实目标的提取。

图像处理中有很多不同的区域标记算法,本文采用像素标记法。由于标记的结果与所采用的是4邻域还是8邻域有关,因此又分为4连通和8连通2种情况。根据农业图像的实际情况,当果实之间的距离很小时,特别是目标之间仅有对角线上的两像素相连时,即8连通时对于像素点(i ,j )而言的左上(下)、右上(下)位置,此时若采用8连通对图像进行标记,则这几个区域被判断为同一区域,达不到标记不同区域的目的,所以在标记算法中,采用的是4连通对图像进行标记。在对图像进行标记的同时,还可以得到标记算法的副产品,程序中可实现如下功能:①计算区域的面积。②去除噪声的影响。③跟踪目标的边界,计算目标的周长、圆形度。

5　试验结果及分析

5.1　样本采集及系统环境

试验样本采用从中国农业大学水利与土木工程学院温室实地拍摄的西红柿图像。对温室栽种的西红柿观察发现,成熟西红柿之间的位置关系大致有以下几种情况(图2):①成熟果实相互分离。②多个成熟果实紧贴(或重叠)在一起。③果实被叶子或果梗遮挡(部分遮挡和完全遮挡)。果实被叶子或果梗遮挡时的情况发生在叶茎茂密的地方,用CCD 摄像机作为视觉传感器寻找和识别成熟果实时非常困难,从而降低采摘机器人的辨识能力。如何解决这个

201

　第10期赵金英等:西红柿采摘机器人视觉系统的目标提取