穆協(xié)樂，陸靜平，郭小龍，吳耀光，張鐵異

（廣西大學(xué) 機械工程學(xué)院，廣西 南寧 530000）

0 引 言

甘蔗收割機和剝?nèi)~機的喂入量過大會導(dǎo)致機器堵塞，過小會降低效率。目前通過圖像處理、機器視覺等技術(shù)識別甘蔗莖桿的統(tǒng)計喂入量來調(diào)節(jié)甘蔗收割機、剝?nèi)~機作業(yè)速度的系統(tǒng)還不太完善。因此，本文以識別甘蔗莖稈為目標(biāo)，為機器的喂入量提供參考。根據(jù)甘蔗的莖桿顏色特征，采用圖像處理法識別甘蔗莖稈。

1 總體思路

OpenCV在計算機視覺和圖像處理領(lǐng)域有著廣泛的運用，本文使用OpenCV進行圖像處理，完成甘蔗莖桿的識別。整體思路：田間甘蔗圖像獲取-轉(zhuǎn)HSV空間-H通道閾值分割-形態(tài)學(xué)處理-篩選最大的連通域面積-甘蔗莖稈識別。

2 圖像處理

2.1 HSV色彩空間

通過OpenCV函數(shù)庫中的API-cv2.imread讀取原圖，通過cv2.cvtColor（o1，cv2.COLOR_BGR2HSV）實現(xiàn)HSV空間轉(zhuǎn)換。顏色特征是一種全局特征，描述了圖像或圖像區(qū)域內(nèi)所對應(yīng)景物的表面性質(zhì)，不受圖像旋轉(zhuǎn)和平移變化的影響，特別適用于描述難以自動分割的圖像和無需考慮物體空間位置的圖像，因此常用于圖像識別。OpenCV中通道的順序為B-G-R。RGB是從硬件角度提出的顏色模型，與人眼匹配過程存在一定差異，HSV色彩空間相較于RGB更加接近人類的視覺感知，所以這篇文章使用HSV色彩空間實現(xiàn)對甘蔗莖稈圖像的研究。

HSV空間于1978年由A.R.Smith創(chuàng)建，該模型還被稱做六角錐模型、藝術(shù)家顏色空間。圖1中，HSV模型中各分量由亮度（V），色調(diào)（H），飽和度（S）表示。在OpenCV中將RGB轉(zhuǎn)HSV時需將RGB空間值轉(zhuǎn)換到[0，1]，然后再進行下一步處理。處理所采用的方法如下：

圖1 HSV顏色空間坐標(biāo)系

根據(jù)上述方法計算得到的結(jié)果可能存在H分量小于0的情況，出現(xiàn)這種情況時，需要通過新的公式來計算數(shù)值，如下所示：

通常情況下，我們可以直接調(diào)用函數(shù)cv2.cvtColor（）完成空間色彩的轉(zhuǎn)換。

在OpenCV上繪制甘蔗圖像的HSV顏色空間分量直方圖，如圖2所示。在分量上的波動相較于其他分量變化最明顯，基于此，在接下來進行的單閾值分割以分量為目標(biāo)。

圖2 甘蔗圖像和H、S、V三通道直方圖

2.2 閾值分割理論及方法處理

閾值處理指剔除圖像內(nèi)像素高于一定值或低于一定值的像素點。單閾值分割具有易操作、實現(xiàn)簡單等特點，在甘蔗生長期的種植田中，甘蔗與其他的背景如：甘蔗葉子、雜草、土壤等顏色差異十分明顯，這種情況十分適合使用單閾值進行分割。從繪制的甘蔗HSV三通道分量直方圖的觀察分析以及不斷試驗中，可以得出：在25<<80時去除背景效果最好。去除背景的二值圖像如圖3所示。

圖3 去除背景的二值圖像

由二值圖3（b）可知，甘蔗在莖節(jié)處的分量和甘蔗非莖節(jié)處存在差異，導(dǎo)致甘蔗莖桿二值圖像不連通，因此采用形態(tài)學(xué)方法處理二值圖像。

2.3 形態(tài)學(xué)處理

通過腐蝕和膨脹的形態(tài)學(xué)操作可以在很大程度上消除噪聲和背景的干擾，得到特征更加分明的圖像。圖像形態(tài)學(xué)處理包括腐蝕、膨脹、開運算（先腐蝕再膨脹）、閉運算（先膨脹再腐蝕）、禮帽運算（原始圖像減去開運算圖像）、黑帽運算（閉運算圖像減去原始圖像）等。經(jīng)過各種運算測試發(fā)現(xiàn)，先膨脹再腐蝕的運算（圖4）效果最好。

圖4 形態(tài)學(xué)處理后圖像

腐蝕操作和膨脹操作是形態(tài)學(xué)運算的基礎(chǔ)，將兩者進行組合就可以實現(xiàn)多種不同形式的運算。腐蝕運算的表達式可以表示為：

運算過程：用結(jié)構(gòu)元在圖像中進行逐個像素遍歷時，只有當(dāng)結(jié)構(gòu)元完全處于前景圖像中，才將結(jié)構(gòu)元的中心處理為1，將不符合條件的像素處理為0。腐蝕操作可用于去除噪聲、元素分割。相較于腐蝕運算，膨脹運算的表達式可以表示為：

運算過程：用結(jié)構(gòu)元在圖像中進行逐個像素遍歷，只要結(jié)構(gòu)元內(nèi)的像素點和前景對象重合，結(jié)構(gòu)元所對應(yīng)的像素點都被處理為1，只有當(dāng)結(jié)構(gòu)元和前景對象完全無重合時，才被處理為0。膨脹操作可用于填補分割圖像后存在的空白。

3 甘蔗識別

經(jīng)過膨脹、腐蝕后的圖像仍有許多非甘蔗的連通域，接下來通過連通域面積計算篩選甘蔗莖稈，如圖5（a）所示。使用OpenCV中的cv2.drawContours（）函數(shù)對圖像進行外輪廓提取，獲取輪廓面積最大的為甘蔗莖桿。

將二值圖像與原圖進行位與運算的結(jié)果如圖5（b）所示。再次與原圖進行加權(quán)混合運算，可以清晰識別出甘蔗，如圖5（c）所示。

圖5 甘蔗莖稈識別

使用該方法對50張同品種、同時期的甘蔗進行莖稈識別，效果良好。

4 結(jié) 語

本文利用OpenCV對圖像進行處理，對原圖經(jīng)過RGB轉(zhuǎn)HSV，借助分量閾值分割與膨脹腐蝕處理后，消除莖節(jié)處的差異，然后通過輪廓查詢、面積篩選、圖像加權(quán)等識別出甘蔗的莖稈。本文為甘蔗莖稈識別提供了參考，不僅可識別喂入根數(shù)，還可避免甘蔗剝?nèi)~機喂入量過大造成堵塞。