基于阈值的图像迭代分割算法提取烤烟鲜烟叶特征

张 丽， 叶选林， 蔡 瑾， 王 森

(1.云南开放大学 机电工程学院， 云南 昆明 650500； 2.昆明理工大学 机电工程学院， 云南 昆明 650500)

烤烟鲜烟叶从田间采摘回来后，根据不同成熟度和外形特征进行分拣，可以提高后续烘烤质量[1]，因此基于计算机视觉的烟叶分拣技术得以应用。烟叶图像分割是将待识别烟叶的目标特征提取出来，去除其他背景部分的过程，可以减少烟叶图像信息的冗余度，提高分拣成功率。

常见的图像分割算法主要包括基于阈值的图像分割算法、基于颜色特征聚类的图像分割算法、基于边缘的图像分割算法、基于区域生长的图像分割算法[2]。比较而言，基于阈值的图像分割算法的实效性较好，但在有光照变化和作业复杂的环境下，该方法的适应能力较弱；基于颜色特征聚类的图像分割算法能很好地克服环境变化对分割造成的影响，但是计算时间相对较长；基于边缘的图像分割算法相对容易，计算时间短，实效性较好，但是目前大多数边缘检测算法难以提取目标完整的封闭边缘，使用该算法进行边缘提取时容易提出伪边缘；基于区域生长的图像分割算法原理简单、直观，但要对整幅图进行分割，并是一种递归算法，所以耗时长。利用计算机视觉进行烤烟鲜烟叶质检时，图像分割是图像处理中最基本、最重要的工作之一。由于烤烟鲜烟叶图像需进行实时分割，且图像采集是在一个视频箱中完成，光照、作业环境稳定，为得到烤烟鲜烟叶的有效分割图像，故采用基于阈值的图像分割算法进行烟叶特征提取研究，以期为该算法的应用提供理论依据。

1 材料与方法

1.1 材料

供试烤烟中部烟叶取样自大理宾川县，品种为K326，长势良好，无病虫害。

1.2 方法

1.2.1 阈值的确定 目前，常用的阈值确定方法主要有双峰法、迭代法、大津法(OTSU)等。双峰法的基本思想是当直方图具有较为典型的双峰特性时，选取2个峰之间的谷底对应的灰度级作为影像分割阈值[3]。该方法虽然简单，但是适用的情况也比较有限，只对目标和背景灰度相差较大，具有明显峰谷的直方图分布图像才有比较好的处理效果。大津法是由日本学者大津展之[4]提出，其基本思想是取某个阈值，将整幅影像分为目标与背景2个部分，使这两部分类间方差最大的阈值即为影像分割的最佳阈值；类间方差最大说明两类之间的差别最大，也意味着两类之间的错分概率最小。大津法提取精度最为稳定，但阈值选取过程耗时较长[5]。迭代法主要利用特征逼近的思想，不断更新子图像的直方图，随着循环次数的增加，越来越细地考虑影像的局部特性，因此可以获得更精细的分割结果，且阈值选取过程耗时最短[5]。根据以上分析，考虑到鲜烟叶分级是在相对稳定的环境中进行实时分割，对烟叶颜色、形状及纹理等特征的要求较高，所以采用迭代法确定烟叶图像背景分割的阈值。主要步骤如下：

1) 求初始阈值T0。

T0=(LowGrey+UpGrey)/2

式中，LowGrey为最小灰度值，UpGrey为最大灰度值。

2) 利用阈值Tk将图像分割为背景和前景，再分别求出平均灰度值Aver1和Aver2。

3) 算出新的阈值Tk+1=(Aver1+Aver2)/2。

4) 若Tk=Tk+1，则Tk+1便为最后的阈值；若不满足，则k→Tk+1，进行迭代计算，直到条件满足为止。

1.2.2 图片分割 对彩色图片分割一般用到2种彩色空间模型：RGB颜色空间和HSV颜色空间。RGB颜色空间模型，采集设备采集烟叶图像后，输出图像为32位的RGB模式，只需在图像分割时选择RGB颜色空间中最能提取目标的通道，通过迭代阈值法就可以对烟叶图像很好地分割，并且还可节约时间成本。其具体步骤：

1) 统计烟叶图像R、G、B三通道的灰度直方图。

2) 根据迭代法原理获取三通道最佳阈值Tr,Tg,Tb。

3) 分别对三通道烟叶图像作如下处理：

式中，R0(i,j),G0(i,j),B0(i,j)分别表示背景分割前三通道像素(i,j)的灰度值。

三通道的灰度图如图1所示，B通道的背景与前景明显比R通道和G通道的差别大，故将B通道作为迭代阈值法的最佳通道。

4) 对彩色烟叶图像进行背景分割。

式中，f(i,j)为原彩色烟叶图像在背景分割后点(i,j)处的像素值，f0(i,j)为原彩色烟叶图像在背景分割前点(i,j)处的像素值，B0(i,j)为背景分割前B通道中像素(i,j)的灰度值，Tb为彩色烟叶图像的最佳分割阈值，本研究选取Tb为0.5。

2 结果与分析

采用基于阈值的图像迭代分割算法，得到一次鲜烟叶分割图像。从图2看出，分割图右下角还有一部分冗余信息没有去除，主要是因为原图中有与鲜烟叶特征相似的烟叶残渣，所以需进行二次分割。由于未去除的部分面积较小，采取二值化处理、取反、删除小面积对象的方法进行分割，最终得到二次鲜烟叶分割图像(图3)。表明，采用删除小面积对象的方法可以去除鲜烟叶图像目标特征以外的其他

信息，仿真效果较好。

3 结论

在有实效性要求下，为实现更好的鲜烟叶图像分割效果，采用基于阈值的图像迭代分割算法进行烤烟鲜烟叶图像分割。结果表明，该方法可有效保留鲜烟叶图像的目标特征，且无其他冗余信息。