浦宇歡 毛麗民 萬(wàn)瑩 俞雷 王晨希

（常熟理工學(xué)院，江蘇常熟，215500）

0 引 言

特征提取是用計(jì)算機(jī)提取圖像信息。目前，分割算法一般都是針對(duì)灰度圖像，常用的圖像特征有顏色特征、紋理特征、形狀特征、空間關(guān)系特征[1-3]。然而由于彩色圖像提供了更加豐富的信息，彩色圖像處理受到越來(lái)越多的關(guān)注[4-5]。彩色圖像分割面臨2個(gè)主要問(wèn)題[6]：選取合適的色彩空間；選擇恰當(dāng)?shù)姆指罘椒ā?/p>

機(jī)器人足球比賽的視覺(jué)系統(tǒng)信息的采集和處理，關(guān)系到機(jī)器人任務(wù)執(zhí)行質(zhì)量，受到廣泛關(guān)注[6-8]。文獻(xiàn)[9]研究了中型組機(jī)器人場(chǎng)地標(biāo)定系統(tǒng)的實(shí)現(xiàn)方法，文獻(xiàn)[10]給出了全場(chǎng)定位系統(tǒng)的一般方法，文獻(xiàn)[11]考慮了中型組足球機(jī)器人場(chǎng)上圖像的抗干擾系統(tǒng)的實(shí)現(xiàn)。

手動(dòng)標(biāo)定一方面受參賽選手的主觀影響，另一方面，在場(chǎng)地環(huán)境信息發(fā)生變化時(shí)，視覺(jué)系統(tǒng)信息識(shí)別能力降低，直接影響足球機(jī)器人的決策和運(yùn)行。本文針對(duì)上述彩色圖像分割存在的問(wèn)題，為了準(zhǔn)確提取場(chǎng)地圖像彩色信息，結(jié)合HSV色彩空間3個(gè)分量的無(wú)關(guān)性，提出了一種基于HSV空間彩色圖像分割算法，將圖像的顏色值從RGB空間轉(zhuǎn)換到HSV空間，經(jīng)過(guò)H分割對(duì)彩色信息進(jìn)行提取得到分割結(jié)果。

1 特征提取

1.1 顏色空間轉(zhuǎn)換

顏色是外界光刺激作用于人的視覺(jué)器官而產(chǎn)生的主觀感覺(jué)，顏色特性既可以從物理量進(jìn)行描述，也可以從觀察者的主觀感覺(jué)來(lái)描述。顏色視覺(jué)有三種特性，描述顏色的物理量是亮度、主波長(zhǎng)和純度，相應(yīng)的心理感覺(jué)是明度，色調(diào)和飽和度。

1）RGB

按照光學(xué)理論，紅、綠、藍(lán)可以混合在一起得到絕大部分色彩，紅、綠，藍(lán)被稱為三原色，三原色是相互獨(dú)立的，根據(jù)三原色基理，于RGB彩色空間中，任意色光F都可以用R,G,B三色不同分量的相加混合而成：

2）HSV

HSV顏色空間采用色調(diào)（H）、飽和度（S）、亮度（V）來(lái)表示像素顏色，即HSV顏色空間.這樣，目標(biāo)的色調(diào)和亮度相互獨(dú)立，系統(tǒng)的穩(wěn)定性得到提高。

表1 ：顏色空間對(duì)比

1.2 色彩空間的選取

RGB格式是從物理學(xué)角度出發(fā)描述顏色，HSV則是從人眼的主觀感覺(jué)出發(fā)描述顏色。人眼不能直接感覺(jué)紅、綠、藍(lán)三色的比例，只能通過(guò)感知顏色的亮度、色調(diào)和飽和度來(lái)區(qū)分物體。在RGB空間內(nèi)，三個(gè)分量相關(guān)性很高，無(wú)法用一個(gè)單一參數(shù)對(duì)圖像中的顏色進(jìn)行區(qū)間劃定，若將RGB圖像轉(zhuǎn)換為灰度圖像再進(jìn)行分割，則會(huì)大大損失圖像的色彩特征。

為了使算法對(duì)于顏色距離的定義符合人的視覺(jué)特征，定義一個(gè)從RGB到HSV的非線性變換。HSV色彩空間是由色調(diào)(Hue)、飽和度(Saturation)和亮度（Value)三個(gè)分量組成，色調(diào)(H)表示不同的顏色，飽和度(S)表示顏色的深淺，亮度(V)表示顏色的明暗程度。

設(shè)(r，g，b)分別是一個(gè)顏色的紅、綠和藍(lán)坐標(biāo)，它們的值是在0到1之間的實(shí)數(shù)。設(shè)max等價(jià)于r，g，b中的最大者，min為最小者。要找到在HSV空間中的(h，s，v）值，這里的h∈[ 0，360°)是角度的色相角，而s，v∈[0，1]是飽和度和亮度，計(jì)算為：

這樣，h，s，v三個(gè)分量在一維矢量上分布開(kāi)來(lái)，經(jīng)過(guò)量化后，可有效減少圖像受光照強(qiáng)度的影響。

2 閾值分割與區(qū)域合并算法

2.1 傳統(tǒng)二值處理

一幅圖像包括目標(biāo)物體、背景還有噪聲，要想從多值的數(shù)字圖像中直接提取出目標(biāo)物體，最常用的方法就是設(shè)定一個(gè)閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群。設(shè)原始圖像為f (x,y),T為閾值，分割圖像時(shí)則滿足下式（或把式中1和0顛倒）：

圖1 二值處理前圖像

圖2 二值處理后的圖像圖

2.2 H閾值分割

如果將RGB圖像轉(zhuǎn)化到HSV空間，就可以直接給顏色劃定一個(gè)定義區(qū)間，即H(色調(diào))的區(qū)間。在HSV色彩空間內(nèi)進(jìn)行顏色圖像的分割，通過(guò)設(shè)定顏色區(qū)間的H(色調(diào))的門限值，提取圖像中顏色的像素點(diǎn)，從而實(shí)現(xiàn)分割。

HSV空間模型的色譜，從左到右色調(diào)(H)變化(具體數(shù)值由程序調(diào)色板決定)，從上到下亮度(V)變化，從小到大飽和度（S）變化（0～255），S越大，顏色越純?？梢?jiàn)HSV空間側(cè)重于H、S的衡量，這使得HSV色彩系統(tǒng)有一個(gè)非常明顯的優(yōu)點(diǎn)：容易理解，色彩分類簡(jiǎn)單，通過(guò)改變HSV值獲得的效果清晰且可預(yù)見(jiàn)，但也存在著一些不足，如空間色彩的距離與理解的距離毫不相干。

在0°～60°，紅色分量值保持最大，藍(lán)色分量為0，紅色與綠色分量中和，色譜在紅與黃間過(guò)渡；60°～120°，紅色分量逐漸衰減，綠色分量達(dá)最大值，色譜在黃與綠間過(guò)渡，至120°，紅色、藍(lán)色分量都達(dá)最小值0，色譜呈現(xiàn)純綠色；120°～180°，紅色分量保持為0，綠色分量保持最大，藍(lán)色分量逐漸增強(qiáng)，色譜在逐漸呈青色； 180°～240°，綠色分量衰減，色譜呈純藍(lán)色；240°～300°，紅色分量開(kāi)始由0增加，混合藍(lán)色分量，色譜向紫色過(guò)渡，300°～360°，紅色分量達(dá)極值，藍(lán)色衰減；至360°，色譜重新回到純紅色。

由此可以看出，在HSV色彩空間中，色譜呈現(xiàn)純黃色向純綠色過(guò)渡以及純綠色向純青色過(guò)渡的這個(gè)區(qū)間是色譜可能呈現(xiàn)綠色的區(qū)間，即60°～180°之間。

通過(guò)選取計(jì)算圖像某區(qū)域?qū)ο蟮奶卣髦祦?lái)進(jìn)行區(qū)域?qū)ο蟮暮喜?，其具體步驟如下：

1）計(jì)算某區(qū)域A對(duì)象的均值和方差

2）計(jì)算與該區(qū)域?qū)ο笙噜彽膶?duì)象的均值與方差，根據(jù)對(duì)象之間的相似程度進(jìn)行合并；

3）計(jì)算合并后對(duì)象的均值，作為該區(qū)域?qū)ο蟮牟噬臻g分量值；

4）檢查是否結(jié)束，否則繼續(xù)重復(fù)以上過(guò)程。

3 實(shí)驗(yàn)結(jié)果及分析

3.1 圖像空間選取測(cè)試

圖3 RGB采集的圖片

圖4 經(jīng)過(guò)HSV轉(zhuǎn)化過(guò)后采集的圖片

顏色空間試驗(yàn)測(cè)試：圖3和圖4對(duì)比可以看出，在直接從攝像機(jī)采集到的RGB圖像上，場(chǎng)地外的窗戶有陽(yáng)光，場(chǎng)地中央也留有一條陽(yáng)光，可以觀察到場(chǎng)地顏色有所失真，特別是場(chǎng)地白線和周圍白墻都有些偏綠，對(duì)于稍微遠(yuǎn)一點(diǎn)物體顏色偏差很大。而經(jīng)過(guò)轉(zhuǎn)換后采集的圖像不同，同樣環(huán)境，圖像各物體顏色與人的肉眼所觀察到的基本一致，各物體顏色變化細(xì)微。

3.2 H閾值分割試驗(yàn)

圖5 綠色場(chǎng)地1

圖6 綠色場(chǎng)地2

由圖5和圖6看出，通過(guò)H閾值的選取實(shí)現(xiàn)了綠色場(chǎng)地信息的標(biāo)定，但是單純通過(guò)H閾值往往不能準(zhǔn)確地使綠色場(chǎng)地完整被標(biāo)定，適當(dāng)增加飽和度上限，綠色信息的識(shí)別更加準(zhǔn)確。

圖7 球1

圖8 球2

對(duì)比圖7與圖8，圖8通過(guò)適當(dāng)減小S的下限將球的標(biāo)定范圍增大，將圖7中有差異的色塊也標(biāo)定進(jìn)去，增加了球的識(shí)別度。可見(jiàn)，在H值確定的情況下，飽和度對(duì)圖像分割的影響特別大。

圖9 白色場(chǎng)線1

圖10 白色場(chǎng)線2

白色場(chǎng)線的二值性淡化了色調(diào)（H）與飽和度（S）的作用，突出了亮度（V）對(duì)中型組足球機(jī)器人場(chǎng)地標(biāo)定的重要性。如圖9與圖10，在H與S確定的情況下，變動(dòng)V的上限可以有效地將白色場(chǎng)線的信息完整收錄。這也揭示了HSV三個(gè)參數(shù)相互獨(dú)立、各司其職的作用。

因此，以中型組機(jī)器人為平臺(tái)，在實(shí)際應(yīng)用中利用H閾值方法是可行的，白色場(chǎng)線劃分出的界限對(duì)場(chǎng)外紅色能起到很好的抗干擾作用，即使在對(duì)球的閾值進(jìn)行標(biāo)定時(shí)，將其他紅色標(biāo)進(jìn)去也不受影響。

4 實(shí)驗(yàn)結(jié)果分析

顏色是足球機(jī)器人場(chǎng)地識(shí)別的重要特征，通過(guò)閾值編輯軟件將攝像頭采集的圖像進(jìn)行非均勻的量化，突出彩色圖像的主體部分，通過(guò)把RGB模型轉(zhuǎn)換到HSV模型，經(jīng)H分割，實(shí)現(xiàn)了彩色圖像場(chǎng)地信息的提取。

[1]林開(kāi)殿，吳軍輝，徐立鴻.彩色圖像分割方法綜述[J].中國(guó)圖像圖形學(xué)報(bào)，2005，10(1)：1-10.

[2]黃飛，昊敏淵，曹開(kāi)田.基于HIS空間的彩色圖像分割[J].小型微型計(jì)算機(jī)系統(tǒng)，2004(3).

[3]揚(yáng)其宇，王敏，黃振宇.基于彩色圖像的移動(dòng)機(jī)器人視覺(jué)導(dǎo)航系統(tǒng)[J].華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版)，2004(增刊).

[4]郝海濤，田玉敏.彩色圖像分割方法及進(jìn)展[J].山西師范大學(xué)學(xué)報(bào)，2005.

[5]蔡世捷.基于MATLAB的樹(shù)木圖像分割方法研究[D].南京林業(yè)大學(xué)，2005.

[6]田國(guó)會(huì)，尹建芹，寧春林，等. 足球機(jī)器人視覺(jué)子系統(tǒng)及其關(guān)鍵問(wèn)題[J]. 山東工業(yè)大學(xué)學(xué)報(bào)，2002（1）：88.

[7]袁奮杰，周曉，夏軍. 基于FPGA的RGB和HSV色空間轉(zhuǎn)換算法實(shí)現(xiàn)[J]. 電子器件，2010（4）：494-496.

[8]徐春梅，王春耀，劉躍. 基于機(jī)器視覺(jué)系統(tǒng)的顏色識(shí)別[J]. 機(jī)械設(shè)計(jì)與制造，2011（8）：257.

[9]王會(huì)，毛麗民，江維勇，等.中型組足球機(jī)器人場(chǎng)地標(biāo)定系統(tǒng)的研究[J].常熟理工學(xué)院學(xué)報(bào)（自然科學(xué)版），2012,26（8）：76-79.

[10]耿小飛，毛麗民，莊夢(mèng)秋，等.中型組足球機(jī)器人全場(chǎng)定位系統(tǒng)的研究[J].常熟理工學(xué)院學(xué)報(bào)（自然科學(xué)版），2012,26（10）：100-103.

[11]錢晟, 毛麗民，張亞飛，等.中型組足球機(jī)器人抗干擾系統(tǒng)的研究[J].常熟理工學(xué)院學(xué)報(bào)（自然科學(xué)版），2012,26（10）：95-99.