趙國鑫 于灝

(酒泉職業(yè)技術(shù)學(xué)院 甘肅 酒泉 735000)

農(nóng)業(yè)在我國經(jīng)濟(jì)中占有重要地位，隨著工業(yè)升級和城鎮(zhèn)化進(jìn)程的加快，農(nóng)村勞動力不斷向城鎮(zhèn)聚集。這些變化促使著我國農(nóng)業(yè)的升級轉(zhuǎn)型，進(jìn)而對農(nóng)業(yè)裝備業(yè)提出了更高的要求和考驗，裝備智能化是農(nóng)業(yè)裝備發(fā)展的必由之路[1]。西紅柿在我國有廣泛的種植，是我國乃至世界上重要的蔬菜之一，目前國內(nèi)西紅柿的種植、采摘以及分揀主要靠人力來完成[2]。圖像處理、目標(biāo)定位、信息提取，以及分類是農(nóng)業(yè)采摘、分揀裝備智能化的基礎(chǔ)問題和核心問題[3-5]，目前在這些領(lǐng)域已經(jīng)有了很多優(yōu)秀的成果[6-7]。

MATLAB App Designer 是Mathworks 公司最新推出的App 設(shè)計工具，為交互式開發(fā)環(huán)境，是GUI 的升級[8]，用于設(shè)計App布局并對其行為進(jìn)行編程。它提供MATLAB 編輯器的完整集成版本和大量交互式UI 組件。提供網(wǎng)格布局管理器來組織用戶界面和自動調(diào)整布局選項，來使App 檢測和響應(yīng)屏幕大小的變化。它允許通過直接從App設(shè)計工具條將App打包為安裝程序文件中來分發(fā)App，或通過創(chuàng)建獨立的桌面App 或Web App 來分發(fā)App。本文針對目前國內(nèi)西紅柿的種植、采摘以及分揀主要靠人力來完成的問題，基于MATLAB App Designer 功能設(shè)計了西紅柿特征提取系統(tǒng)。測試證明：本系統(tǒng)可以提高圖像的可視性，準(zhǔn)確識別和分割目標(biāo)區(qū)域，所獲取西紅柿圖像的像素數(shù)、顏色分量與重心等參數(shù)可用于西紅柿的智能分級。本研究對西紅柿及其他相似果蔬的智能分級有一定的借鑒意義。

1 系統(tǒng)設(shè)計

1.1 系統(tǒng)總體結(jié)構(gòu)

讀入由攝像設(shè)備所拍攝的圖片，提取其亮度信息得到灰度圖像，采用中值濾波的方法對圖片進(jìn)行降噪，中值濾波可以有效地降低噪聲，并更好地保護(hù)圖像的邊緣信息。采用最大類間方差分割算法，對灰度圖像進(jìn)行分割并做形態(tài)學(xué)處理得到二值圖像，統(tǒng)計目標(biāo)區(qū)域像素數(shù)作為面積參數(shù)。將二值圖像作為蒙版與原圖像的對應(yīng)像素相乘，獲取原圖中的目標(biāo)區(qū)域。通過對目標(biāo)區(qū)域的處理，可以得到其色彩信息。利用連通域相關(guān)算法獲得重心，并輸出重心的坐標(biāo)?；贛ATLAB App Designer的西紅柿特征提取系統(tǒng)結(jié)構(gòu)如圖1所示，通過計算機(jī)視覺相關(guān)技術(shù)實現(xiàn)了西紅柿圖像的識別定位與特征提取等功能。系統(tǒng)采用坐標(biāo)區(qū)域、按鈕和微調(diào)器等控件相組合的方式來實現(xiàn)各項功能。

圖1 系統(tǒng)結(jié)構(gòu)

1.2 系統(tǒng)界面

系統(tǒng)由開始引導(dǎo)界面和程序主界面兩個部分構(gòu)成。開始引導(dǎo)界面如圖2 所示，點擊綠色的開始按鈕即可打開主界面，點擊退出按鈕則關(guān)閉軟件并退出。程序主界面主要包含了3 個區(qū)域即菜單區(qū)域、結(jié)果顯示區(qū)域與工具區(qū)域。

圖2 開始界面

菜單區(qū)域主要包含讀取原圖、灰度化、濾波、分割、形態(tài)學(xué)處理、特征提取與獲取重心等功能，依靠點擊相應(yīng)的按鈕來實現(xiàn)功能，在每個按鈕的上方都設(shè)計了一一對應(yīng)的坐標(biāo)區(qū)域用來顯示每個功能處理后的結(jié)果。圖像分割采用了最大類間方差法。該理論認(rèn)為當(dāng)類間方差取得最大值時，圖像分割取得最佳效果。在形態(tài)學(xué)處理的模塊，還設(shè)置了一個微調(diào)器用來輸入形態(tài)學(xué)處理中結(jié)構(gòu)元素的參數(shù)，本系統(tǒng)采用盤形結(jié)構(gòu)元素其參數(shù)為盤形的直徑，系統(tǒng)默認(rèn)值為5 像素。特征提取則通過二值蒙版獲取西紅柿圖像，計算其面積和RGB分量，并顯示在結(jié)果區(qū)域。經(jīng)過形態(tài)學(xué)處理后西紅柿所在區(qū)域為唯一的連通域，利用連通域算法相關(guān)算法即可實現(xiàn)重心提取的功能，并將重心坐標(biāo)顯示在結(jié)果區(qū)域。

結(jié)果顯示區(qū)域由參數(shù)顯示區(qū)域和圖像顯示區(qū)域兩個部分構(gòu)成，在參數(shù)顯示區(qū)域內(nèi)有6個數(shù)字文本框，用來顯示像素數(shù)、重心坐標(biāo)和RGB 值，在圖像顯示區(qū)域有一個坐標(biāo)軸控件，用來顯示每一步驟的運(yùn)算結(jié)果。

在工具區(qū)域有重置與退出兩個按鈕，點擊重置按鈕系統(tǒng)將進(jìn)行重置以便于接下來進(jìn)行其他圖像的分析，點擊退出按鈕系統(tǒng)將停止運(yùn)行并關(guān)閉。

2 基礎(chǔ)與方法

2.1 中值濾波

雖然期望得到高質(zhì)量的圖像，但是由于目標(biāo)本身或是拍攝設(shè)備與工藝等問題，得到的圖像往往會存在一些噪聲，可用式（1）表示圖像噪聲。

式（1）中：y(i，j)為已知圖像；x(i，j)為無噪聲圖像即所求圖像；e(i，j)為噪聲。

由于中值濾波屬于非線性濾波，不需要處理圖像的統(tǒng)計信息，所以運(yùn)算速度快、易于實現(xiàn)，中值濾波在一定情況下可以克服線性濾波器的細(xì)節(jié)丟失問題。算法對窗口中像素的灰度值進(jìn)行排序并采用中間灰度值來代替窗口中心像素的灰度值，如圖3 和圖4 所示，以此方法遍歷整個圖像，實現(xiàn)對整個圖像的降噪。

圖3 原圖

圖4 中值濾波后的圖

2.2 形態(tài)學(xué)處理

圖像的膨脹（Dilation）和腐蝕（Erosion）是兩種基本的形態(tài)學(xué)運(yùn)算；如圖5 所示，白色為背景區(qū)域，黑色為目標(biāo)區(qū)域，以3×3 的模板遍歷整個圖像，當(dāng)中心像素8鄰域中存在背景像素時，則把其賦值為背景值；膨脹原理與腐蝕相反，當(dāng)中心像素8 鄰域中存在目標(biāo)像素時，則把其賦值為目標(biāo)值，如圖6所示。

圖5 腐蝕原理圖

圖6 膨脹原理圖

對圖像腐蝕后膨脹，可以消除圖像間的黏連平滑形狀邊界，且不改變目標(biāo)區(qū)域的面積，即為開運(yùn)算；先對圖像膨脹后腐蝕，可以閉合目標(biāo)區(qū)域內(nèi)的孔洞，連接相鄰目標(biāo)區(qū)域，修補(bǔ)間斷的輪廓等，稱之為閉運(yùn)算。

2.3 參數(shù)獲取

二值化后的圖像目標(biāo)區(qū)域為黑色灰度值為1，背景為白色灰度值為0，為了方便后續(xù)計算，對其進(jìn)行取反使目標(biāo)區(qū)域為白色背景為黑色。讀取每個像素的灰度值如果值為1 則計數(shù)器加1。遍歷完整個圖像后的返回值即為圖像中目標(biāo)區(qū)域的像素數(shù)量。將二值圖像作為蒙版與原圖像的對應(yīng)像素相乘，獲取原圖中的目標(biāo)區(qū)域，然后對目標(biāo)區(qū)域的顏色求平均可以得到其色彩參數(shù)。

3 系統(tǒng)測試

3.1 測試條件

本次實驗設(shè)備采用的是Windows 10系統(tǒng)，處理器為11th Gen Intel(R) Core(TM) i5-11300H@ 3.10 GHz，內(nèi)存（RAM）為16.00 GB，系統(tǒng)類型為64 位，所用軟件為MATLAB 2022b。

3.2 圖像增強(qiáng)測試

運(yùn)行軟件，點擊讀取原圖，在如圖7所示的圖像選取窗口選擇要檢測的圖像，原圖如圖8所示；點擊灰度化按鈕采用加權(quán)平均法對圖像進(jìn)行灰度化，由于人眼對3種顏色分量方的敏感度不同，紅色、綠色和藍(lán)色較為常用的權(quán)值分別為0.3、0.59 和0.11，如圖9 所示，對圖像進(jìn)行中值濾波，濾波后的圖像如圖10所示。

圖7 圖像選取窗口

圖8 原圖

圖9 灰度圖

圖10 濾波后圖

3.3 圖像分割測試

點擊分割按鈕利用最大類間方差法進(jìn)行分割，分割后結(jié)果如圖11 所示。最大類間方差法是由日本學(xué)者大津（Nobuyuki Otsu）于1979 年提出的，是一種自適應(yīng)的閾值確定的方法，又叫大津法，簡稱OTSU。它是按圖像的灰度特性，將圖像分成背景和目標(biāo)兩部分。背景和目標(biāo)之間的類間方差越大，說明構(gòu)成圖像的兩部分的差別越大，當(dāng)部分目標(biāo)錯分為背景或部分背景錯分為目標(biāo)都會導(dǎo)致兩部分差別變小。因此，使類間方差最大的分割意味著錯分概率最小。

圖11 二值圖

3.4 形態(tài)學(xué)處理測試

系統(tǒng)采用的形態(tài)學(xué)處理的結(jié)構(gòu)元素為disk，默認(rèn)大小為5個像素。用戶可以在微調(diào)器中輸入框中輸入或點擊微調(diào)器調(diào)節(jié)按鈕自定義結(jié)構(gòu)元素的大小，參數(shù)值的大小關(guān)系到計算結(jié)果的準(zhǔn)確程度。如果參數(shù)值選擇過大，則會造成欠分割，即會使背景中的像素被誤分到目標(biāo)區(qū)域內(nèi)；如果選擇的參數(shù)值較小，則會造成過分割，即把目標(biāo)中的像素誤分到背景中。在本次測試環(huán)節(jié)中，結(jié)構(gòu)元素的大小為8，其處理結(jié)果如圖12所示。

圖12 形態(tài)學(xué)處理圖

3.5 參數(shù)提取測試

點擊提取特征按鈕將對二值圖中所有白色像素進(jìn)行統(tǒng)計，統(tǒng)計結(jié)果33 196 為西紅柿所占像素數(shù)，反映果實的大小。將二值蒙版與原圖相乘即可獲取西紅柿圖像，將西紅柿圖像中所有像素值加和再求取平均值就可以得到RGB 顏色分量的平均值：R=212；G=105；B=78。點擊獲取重心，將在圖中標(biāo)記重心所在的位置如圖13所示，其坐標(biāo)為（222，191）。

圖13 重心圖

4 結(jié)語

基于MATLAB App Designer 設(shè)計了一種西紅柿特征提取系統(tǒng)，該系統(tǒng)可對JPG 和BMP 等主要格式的圖片實現(xiàn)灰度化、濾波、分割、形態(tài)學(xué)處理、顏色特征提取和重心獲取等功能。經(jīng)過檢測系統(tǒng)可以有效增強(qiáng)圖像品質(zhì)，精準(zhǔn)提取西紅柿圖像，快速統(tǒng)計目標(biāo)像素數(shù)，準(zhǔn)確獲取GRB 顏色分量及重心坐標(biāo)。可以封裝為獨立的軟件在Windows 環(huán)境下運(yùn)行，且界面友好，操作簡單，提出的方法對西紅柿及其他相似果蔬的特征提取有一定的指導(dǎo)意義，對實現(xiàn)農(nóng)業(yè)智能化和農(nóng)業(yè)裝備的升級有借鑒意義。