基于改进分水岭算法的熏烤肉图像分割*

何 鹏，王成琳，王福刚

(齐齐哈尔大学 通信与电子工程学院，黑龙江 齐齐哈尔 161006)

目前，利用计算机视觉技术进行食品安全检测已成为研究的热点。在熏烤制品方面，国外部分学者利用计算机视觉技术对制品表面的颜色与致癌物质丙烯酰胺的关系作出了研究，提出了很多彩色图像的分割算法。如参考文献[1]指出肉制品在高温熏烤的同时，其丙烯酰胺的含量会随制品表面黑色的加深而升高。参考文献[2]在研究薯片表面颜色时，提出将彩色图像变换为灰度图像，结合设定阈值的边缘检测，从而对图像进行分割的方法。参考文献[3]提出手动选取烤鸡翅表面3块不同颜色的小区域，根据其各自色彩平均值将彩色图像聚类分割的方法。而国内尚未见到利用计算机视觉技术对熏烤肉进行的研究的报道。

图像分割是图像处理和分析的关键环节。彩色图像的分割方法有很多，其中传统分水岭算法以其快速得到封闭连续的目标边界、自动完成图像的分割、无需参数的设置而中断程序等优点被广泛使用。但是由于图像噪声或区域细节的影响，使得该算法容易产生过度分割现象[4]。

针对上述研究现状，本文提出一种改进分水岭算法并用以分割熏烤肉表面的颜色。先用巴特沃兹低通滤波和背景色彩压制对熏烤肉图像预处理、滤除噪声，抑制区域中隐藏的细节，然后进行传统分水岭变换。对产生的过度分割区域，在RGB颜色空间中以相对欧氏距离为准则进行自动种子选取及种子区域生长，最后对剩余小区域进行合并，得到分割图像。实验证明，该方法减少了传统分水岭变换产生的过度分割现象，成功地对熏烤肉表面不同颜色进行分割，为之后的图像分析(如对熏烤肉表面颜色与其丙烯酰胺含量关系的研究)奠定了基础。

1 材料和获取装置

图像获取的硬件装置由具有灵敏度高、抗强光、体积小等特点的CCD摄像机组成,CPU为Intel Pentium 4，内存1 GB，硬盘80 GB的计算机，以黑布为背景的暗箱及固定在暗箱上的2个高精密度光源所组成。暗箱用来阻止外界光的干扰，CCD摄像机与计算机相连，安插固定在暗箱上方。黑布起到纯化背景的作用，将熏烤肉放在黑布上，2个高灵敏光源与被测制品均成45°，既充当了自然光，又消除了被测制品在背景留下的阴影。通过计算机控制调整CCD摄像机与制品的距离，从而获取熏烤肉原始图像，并存储在计算机内。硬件装置如图1所示。软件选择Matlab，图像处理工具箱中自带的图像处理函数和简单的语法结构，使得仿真试验可以方便快速地进行。

2 算法

为了达到准确的分割效果，本文提出了对传统分水岭变换做前后处理从而抑制过度分割的算法。算法包括三部分：前处理(预处理)，即对获取的原始熏烤肉图像做巴特沃兹低通滤波和背景色彩压制；传统分水岭分割算法；后处理，即对经传统分水岭变换得到的过度分割区域,在RGB色彩空间中进行以相对欧式距离为准则的自动种子区域选取、种子区域生长及剩余小区域合并。

2.1 传统分水岭算法

基于形态学的分水岭分割算法是以对图像进行三维可视化处理为基础，主要目标是找出分水线。假设在每个区域最小值的位置打一个洞并且让水以均匀地上升速率从洞中涌出，从低到高淹没整个地形。当处在不同的汇聚盆地中的水将要聚合在一起时，修建的大坝将阻止聚合。水将只能到达大坝的顶部处于水线之上的程度，这些大坝就是分水岭的分割线。本文选择分水岭算法，是因为该算法可以快速得到封闭连续的目标边界(用分割线给出)，分割出熏烤肉表面不同的色彩。同时Matlab软件中自带分水岭函数，无需设置参数，即可自动完成图像分割。但是，由于噪声或其他因素影响，使得分水岭算法对细节敏感，易造成过度分割。

2.2 图像预处理

针对传统分水岭易产生过度分割的问题，首先采用巴特沃兹低通滤波对原始图像进行预处理。巴特沃兹低通滤波器是一个具有最大平坦幅度的低通滤波器，在线性相位、衰减斜率和加载特性三个方面具有特性均衡的优点。n级巴特沃兹低通滤波器的传递函数(且截至频率距原点的距离为D0)的定义如下：

其中，D(u,v)为点(u,v)到傅里叶变换中心（原点）的距离。对熏烤肉原始图像的三个色彩分量R、G、B分别进行滤波、移除高频部分、增强色彩的变化和边缘信息。D0可选择 15、30、80，n选择 2阶。实验表明，当D0取 30时，既滤去了高频噪声，又增强了边缘色彩变化，达到了滤波的目的。为了防止背景色彩对实物信息的干扰，对巴特沃兹低通滤波的结果做背景色彩压制。至此，图像预处理结束。实验证明，经预处理后的图像再进行分水岭分割，过分割现象明显减少。

2.3 图像后处理

为了达到最佳的分割效果，对经预处理和传统分水岭变换后得到的分割区域做后期处理。该部分包括：自动种子区域选取、区域生长及剩余小区域合并。

2.3.1 自动种子区域选取和区域生长

RGB彩色空间建立在笛卡尔立体空间坐标系中，以红、绿、蓝三种基本颜色的不同值相互叠加来表示彩色图像，同时运行在RGB颜色空间中的算法不需要进行颜色空间的转换，运算速度最。因此，本文改进算法针对传统分水岭算法对预处理图像变换生成的过度分割区域，在RGB颜色空间中自动选取部分区域作为种子区域，并计算其各自的RGB平均值，以该值代表此区域。

如图2所示，如果选取了种子区域为Ri，其相邻区Rj（j=1,2,…,n），n为相邻区域的个数。相对欧氏距离为：

则该区域也定义为种子区域。阈值T的取值影响到种子区域的选取。区域生长用来考察非种子区域与种子区域的相似性，满足以下标准的区域纳入该种子区域，实现了区域合并。标准为：

其中，Dn为种子区域像素的相对欧氏距离。实验表明阈值T1的取值范围是 0.06～0.08时，得到的分割结果符合人的视觉效果。

2.3.2 剩余小区域合并

图像预处理减少了传统分水岭变换产生的过度分割，但是由于图像的细节和细小噪声的存在，使得部分小面积区域无法被区域生长所吞噬，反而纳入种子区域之中。本文在区域生长之后，再一次考察这些小区域的RGB平均值。首先与其相邻的区域作相对欧氏距离，比较某个阈值，若小于该阈值，则与该区域合并。如若没有最优阈值，与样本总体RGB平均值的1%比较，经实验证明，小于该值时，一般为噪声，可将其舍去。

2.3.3算法示意图

本文算法流程如图3所示。

图3 算法流程图

3 仿真与结果分析

针对本文提出的算法，在Matlab7.1环境下，对在系统硬件装置下获取的原始熏烤肉图像进行仿真，并对算法进行分析。

3.1 仿真

仿真结果如图4所示。原始图像大小为 640×480，对其进行传统分水岭变换，得到的分割区域数为138 907，如图4(g)所示。经过前期滤波和背景色彩压制处理后，分割区域数为91，如图4(d)所示。再经后期自动种子区域生长和区域合并，阈值T取0.03，效果最佳，如图4(e)所示。本文整体算法最后的分割数为16，分割图像如图4(f)所示，不同的颜色区域用连续封闭的分割线框出。表1给出了不同算法的结果对比。

表1 算法结果对比

3.2 算法分析

从程序运行的时间来看，由于本文提出的算法流程简单，易于编程，部分函数在Matlab中可以直接得到，只是在图像后处理时用到了循环判断语句，消耗了部分时间，整体程序运行时间仅为6.215 0 s。从算法的稳定性来看，当外界条件发生变化时(如灯光柔和度、黑布质地)，通过图像前处理可以抑制外界对整体算法的干扰，无需对算法作出整体调整，体现了本文算法的鲁棒性。如图4(f)所示，分割结果符合人的视觉效果，将不同颜色的区域分割出来，体现了准确性。

本研究成功地将计算机视觉技术应用到熏烤肉图像分割之中，提出了一种改进的分水岭算法，用来分割熏烤肉表面的颜色。不仅减少了传统分水岭算法产生的过度分割现象，而且成功地将熏烤肉表面不同颜色区域用分割线分割开来，为之后的图像分析工作(如对熏烤肉表面颜色与其丙烯酰胺含量关系的研究)奠定了坚实的基础。

[1]GOKMEN V.Computer vision based image analysis for rapid detection for acrylamide in heated food[C].2nd International MoniQA Conference.Poland,Krakow,2010.

[2]PEDRESCHI F,BUSTOS O,MERY D.Color knetics and acrylamide formation in NaCl soaked potato chips[J].Journal of Food Engeering,2006,79(7):989-997.

[3]GOKMEN V,SENYUV H Z,DULEK B.Computer visionbased image analysis for the estimation of acrylamide concentrations of potato chips and french fries[J].Food Chemistry,2007,101(7):791-798.

[4]刁智华,赵春江,郭新宇,等.分水岭算法的改进方法研究[J].计算机工程,2010,36(17):4-6.