李志臣,陳 南,安 秋
(1.東南大學(xué)博士后流動站,南京 211189;2.南京農(nóng)業(yè)大學(xué)工學(xué)院,南京 210031;3.東南大學(xué)機(jī)械學(xué)院,南京 211189)
機(jī)器視覺技術(shù)已廣泛的應(yīng)用于農(nóng)業(yè)領(lǐng)域,在農(nóng)業(yè)領(lǐng)域的生產(chǎn)前、生產(chǎn)中、收獲和產(chǎn)后的各個環(huán)節(jié)中,機(jī)器視覺技術(shù)越來越多地應(yīng)用于生產(chǎn)的自動化。近年來由于CCD技術(shù)的發(fā)展,彩色圖像越來越方便地被用于機(jī)器視覺。在農(nóng)業(yè)領(lǐng)域的實(shí)際應(yīng)用中,所獲得農(nóng)業(yè)田間彩色圖像中主要包括綠色植物(作物和雜草)、土壤和殘留物等三類,如何把綠色植物從數(shù)字彩色圖像中分割出來是成功實(shí)現(xiàn)機(jī)器視覺技術(shù)的最關(guān)鍵的基礎(chǔ)操作。由于作物與雜草的綠色成分要大于土壤和殘留物的綠色成分,利用顏色特征進(jìn)行目標(biāo)的分割被廣泛地應(yīng)用于實(shí)踐中[1-2]。李志臣等分析了基于顏色特征的田間作物的背景分割[3],無論從實(shí)時性的要求還是從分割效果的滿意程度來講,過綠的2G-R-B因子是一個很好的分割因子。但是,在自然條件下拍攝的彩色圖像往往會出現(xiàn)失真的現(xiàn)象,例如由于露水水滴、陰影和污損等原因?qū)е虏噬珗D像上出現(xiàn)白色或者黑色斑點(diǎn)。這些斑點(diǎn)的存在就會影響到運(yùn)用顏色特征進(jìn)行目標(biāo)分割的效果。鑒于此,首先利用閾值進(jìn)行彩色圖像的二值化,從而實(shí)現(xiàn)目標(biāo)分割是一個較為理想的選擇。
圖像的二值化的過程,也就是把圖像變成只有黑白兩個灰度級的圖像。二值化處理是一種灰度處理算法,其原理是給定某閾值,設(shè)計程序讓大于等于該閾值的點(diǎn)為白點(diǎn),小于該閾值的點(diǎn)為黑點(diǎn)。例如圖像f(x,y)就給定的閾值T二值化的過程如下式:
圖像二值化的關(guān)鍵在于閾值的選擇,目前圖像處理領(lǐng)域中常見的方法有雙峰法、P參數(shù)法、最大方差自動取閾值法、最小錯誤閾值法、根據(jù)灰度直方圖取閾值法[4]等。一維灰度最大熵取閾值法由于其處理速度快而應(yīng)用較多,但是當(dāng)一維灰度直方圖沒有明顯的峰谷時,僅僅利用一維灰度值的的分布選取閾值往往難以獲得滿意的圖像分割效果,甚至導(dǎo)致圖像分割錯誤。如果利用圖像的灰度信息和鄰域空間相關(guān)信息,往往能夠獲得滿意的分割效果[4]。所以,利用圖像的像素灰度級分布與其鄰域平均像素灰度級分布所構(gòu)成的二維灰度直方圖法引起了研究人員的重視。本文主要研究基于像素灰度級和鄰域像素灰度級的農(nóng)業(yè)田間圖像的目標(biāo)分割方法。
假設(shè)一幅圖像的灰度級數(shù)為L,圖像的像素數(shù)是 M×N,G={1,2,…L}。則定義像素(x,y)處的n1×n1鄰域的平均灰度值為:
如果以灰度和鄰域平均灰度這一數(shù)據(jù)對(f(x,y),g(x,y))來表示一幅圖像,以閾值(S,T)分割圖像,則二維閾值化函數(shù)被定義為[4]:
對于一幅圖像,如以rij表示相應(yīng)灰度-鄰域平均灰度對出現(xiàn)的頻數(shù),0≤rij≤N2,則可定義相應(yīng)的聯(lián)合概率密度Pij為
{Pij}就是圖像的二維灰度直方圖。二維熵閾值化就是選擇閾值(S,T)使目標(biāo)類和背景類的后驗(yàn)熵為最大,這兩個類的熵分別被定義為[4-5]。
選擇出的閾值矢量(S,T),必須符合以下判別函數(shù)
在實(shí)際的算法設(shè)計中,如果采用窮舉搜索獲得閾值矢量,計算量很大,因此在本研究中采用龔堅(jiān)等介紹的快速算法[4]。
選取南京農(nóng)業(yè)大學(xué)校園內(nèi)的一塊玉米田作為圖像的拍攝試驗(yàn)對象,由于在玉米長至的3~5葉時噴灑除草劑能夠取得最佳的防除效果,并且在這一時期的作物與雜草的遮擋較輕,所以在試驗(yàn)田中采集3~5葉期的不同光照條件下(晴天和陰天各50禎)玉米田場景圖像。拍攝的圖像如圖1所示。在拍攝過程中用3CCD的型號為Olympus N438的相機(jī)拍攝田間圖像,相機(jī)與地面相距為1 m且與地面成45°,圖像的像素值設(shè)置為640×480,拍得的圖像隨后存入CPU為PentiumⅢ700 MHz的個人計算機(jī)以供后續(xù)的圖像處理。
圖1 玉米田圖像Fig.1 Image of corn
用分割質(zhì)量來評價農(nóng)業(yè)圖像的分割效果,分割質(zhì)量也就是用分割后的圖像與原始圖像作對照比較,并且分為優(yōu)秀、一般、差、不能分割4個等級。挑選了6位有圖像處理經(jīng)驗(yàn)的碩士生或博士生對分割后的圖像進(jìn)行打分,根據(jù)平均分和評價標(biāo)準(zhǔn)確定圖像分割質(zhì)量的等級。評價標(biāo)準(zhǔn)如表1所示。圖2用二維熵法處理后的圖像。
表1 圖像分割質(zhì)量的主觀評價標(biāo)準(zhǔn)Table 1 Subjective evaluation criteria of segmentation
將在陰天和晴天拍攝的100幀圖像用二維熵方法進(jìn)行目標(biāo)分割,對分割后的圖像用上述的標(biāo)準(zhǔn)和方法進(jìn)行分割質(zhì)量的評價,評價結(jié)果如表2所示,評價的100幀圖像中,有98幀圖像的分割獲得優(yōu)秀的評價,優(yōu)秀率為98%,有2幀圖像獲得一般的評價,沒有被評為分割差或不能分割的圖像。
圖2 分割后的圖像Fig.2 Image after segmentation
表2 圖像分割質(zhì)量評價Table 2 Evaluation of image segmentation
采用二維熵閾值法對在自然光照條件下拍攝的圖像進(jìn)行目標(biāo)分割,其分割質(zhì)量很高,能夠達(dá)到滿足實(shí)際需要的效果。雖然二維熵閾值法的計算量很大,但是由于采取快速算法和隨著計算機(jī)運(yùn)算速度的提高,采用該方法完全能夠滿足機(jī)器視覺的實(shí)時性要求。
[1]Woebbecke D M,Meyer G E,Von Bargen K.Color indices for weed identification under various soil,residual,and lighting conditions[J].Transactions of the ASAE,1995,38(1):259-269.
[2]Aitkenhead M J,Dalgetty I A,Mullins C E,et al.Weed and crop discrimination using image analysis and artificial intelligence methods[J].Computers and Electronics in Agriculture,2003,39(3):157-171.
[3]李志臣,姬長英,安秋.基于顏色特征的作物與背景分割的對比研究[J].東北農(nóng)業(yè)大學(xué)學(xué)報,2008,39(9):117-124.
[4]龔堅(jiān),李立源,陳維南.二維熵閾值分割的快速算法[J].東南大學(xué)學(xué)報,1996(4):31-36.