黄 凤
(武夷学院数学与计算机系,福建 武夷山 354300)
2013-09-10
福建省教育厅A类项目(JA11266);武夷学院青年科研项目(xq201023)。
黄凤(1979-),男,硕士,讲师,现主要从事图形图像处理方面的教学和研究工作。
基于颜色分量差值法的武夷岩茶黄片识别研究
黄 凤
(武夷学院数学与计算机系,福建 武夷山 354300)
为了提高茶叶品质,在分析武夷岩茶外形和颜色的基础上,提出了利用武夷岩茶图像中红绿蓝颜色分量差的方法来识别成品茶中的黄片,利用Matlab软件对获得的武夷岩茶图像进行预处理、图像分割、特征提取和黄片识别,识别率达到91%,得到了较满意的结果,因而利用该方法可以为武夷岩茶分拣的机械化施工提供参考依据。
颜色分量差值法;武夷岩茶;Matlab
武夷岩茶是闽北茶叶的代表,是武夷山主要的经济作物。在武夷岩茶制作过程中,采摘、揉捻、包装等工序都已经实现机械化,但分拣过程一般通过人工实现,即将加工好的茶叶中参杂的茶梗和黄片筛选出来,以便提高茶叶品质[1]。下面,笔者对基于颜色分量差值法的武夷岩茶黄片识别进行了研究。
茶叶的颜色是一个整体概念,包括茶叶的基本色调、光泽、饱和度、均匀性等多项特征,其中茶叶表面的颜色是一个重要特征,据此可以对武夷岩茶中黄片进行识别[2]。在实际分拣过程中,部分成品茶颜色和黄片颜色较为接近,为此采用颜色分量差值法进行黄片识别,其算法步骤如下:①利用Matlab[3-5]对获取的含黄片的武夷岩茶图像进行预处理;②获取图像的R(红色)、G(绿色)、B(蓝色)分量;③对原图像二值化,通过图像分割实现每一片茶叶的坐标提取;④根据提取的每一片茶叶坐标从原图像提取茶叶的R、G、B分量;⑤分别计算每片茶叶的R、G、B分量的平均值;⑥求每片茶叶的(R-B)+(G-B)均值,称之为颜色分量差值,并为差值设置阀值(取所有参与试验的成品茶颜色分量均值和单个样品茶颜色分量最高值之和),以此阀值作为黄片的标志,若颜色分量差值高于该阀值的即为黄片。
在Matlab中一幅RGB图像可以表示为一个M×N×3的3维矩阵,其中每一个彩色像素都在特定空间位置的彩色图像中对应红、绿、蓝3个分量。可以通过RGB_image()函数实现对彩色图像的R、G、B分量的提取,如RGB_image(:,:,1)表示提取彩色图像中的R分量[6]。对于二值化后的图像,通过bwlabel()函数实现连通分量的提取,利用bwareaopen()函数移除小连通区域,据此去除噪声等非茶叶图像区域,使茶叶图像完整并且不含非茶叶图像,这样就可以把余下的每一连通区域认定为一片茶叶图像,从而实现了茶叶图像分割,并通过regionprops()函数计算每片茶叶图像面积,具体程序如下:
HT5”SSclose all;
clc;
i=imread('tea.jpg');
r=i(:,:,1);
g=i(:,:,2);
b=i(:,:,3);
i2=im2bw(i,0.34);%图像二值化
i2=1-i2;
i2=medfilt2(i2,[3,3]);
i3=bwareaopen(i2,300);
[l,num]=bwlabel(i3,8);%图像分割
d=regionprops(l,'area');
v1=[d.Area];%获取每片茶叶的面积
r_ave=zeros(1,num);%存储R分量均值
g_ave=zeros(1,num);
b_ave=zeros(1,num);
rgb_ave=zeros(1,num);%存储(R-B)+(G-B)值
for n=1:num
v2=zeros(1,v1(n));
v3=zeros(1,v1(n));
v4=zeros(1,v1(n));%用于存储每片茶叶中每像素点的R值
v5=zeros(1,v1(n));
v6=zeros(1,v1(n));
[y,x]=find(l==n);
v2=[y];
v3=[x];
sumr=0; %用于存储每片茶叶的R值总和
sumg=0;
sumb=0;
for k=1:v1(n)
v4(k)=r(v2(k),v3(k));
v5(k)=g(v2(k),v3(k));
v6(k)=b(v2(k),v3(k));
sumr=sumr+v4(k);
sumg=sumg+v5(k);
sumb=sumb+v6(k);
end
r_ave(n)=sumr/v1(n);%求每片茶叶的R均值
g_ave(n)=sumg/v1(n);
b_ave(n)=sumb/v1(n);
rgb_ave(n)=r_ave(n)+g_ave(n)-2*b_ave(n);
end
图2 武夷岩茶原始图像
图2所示为获取的武夷岩茶原始图像(右下角茶叶为黄片,其余茶叶正常)。对图2中的茶叶进行试验(见表1),从表1可以看出,前6片茶叶的R均值范围从29至44,G均值从29至45,相差范围较大,而第7片茶叶的R、G均值分别为56、58,虽然与前6片茶叶R、G均值相差较大,但是从R、G均值之差来判定黄片将很难确定判别阀值,因为通过多次试验获得的前6片茶叶和黄片的R、G均值有的相差较小。由于前6片茶叶的面积较小,R、G、B均值较低且相差不大,反映在茶叶图像中表现为茶叶颜色较深、偏乌褐色,而第7片茶叶面积较大,R、G均值比B均值相对大很多,反映在茶叶图像中表现为茶叶叶片较大且较平展、茶叶为青绿色而不是乌褐色,其R-B+G-B的值明显高于前6片茶叶,因而认定该片茶叶为黄片,这和实际分拣时的结果相同。通过对15幅含黄片的茶叶图像进行类似处理,从中获取所有合格的样品茶的R-B+G-B的均值,其值为3.8235,最大单品的R-B+G-B值为8.8402,因而把识别黄片的R-B+G-B阀值设定为上述二者之和(即13),由于所有被认定为黄片的茶叶R-B+G-B值均明显高于此阀值,因而黄片识别率达到91%。
表1 利用颜色分量差值法识别茶叶黄片试验数据表编号
利用颜色分量差值法对武夷岩茶黄片进行识别:首先利用Matlab对茶叶图像进行预处理,然后进行图像分割和颜色分量提取,再利用颜色分量差值法判别茶叶中的黄片。研究结果表明,该方法对武夷岩茶黄片识别率高,可以为武夷岩茶分拣的机械化施工提供帮助。
[1]李远华,杨江帆,石玉涛,等.武夷岩茶生产新技术[J].中国茶叶,2011(6):19-20.
[2] 陈全胜,赵杰文,张海东,等.利用计算机视觉识别茶叶的色泽类型[J].江苏大学学报(自然科学版), 2005,26(5):461-464.
[3]徐立中.数字图像的智能信息处理[M].北京:国防工业出版社,2001.
[4]柳效辉,徐 林,肖晨江,等.基于Matlab的图像处理技术识别硅太阳电池的缺陷[J].上海交通大学学报,2020,37(7):926-929.
[5]Paulsen M R.Design of an Automated Corn Kernel Inspection System For Machine Vision[J].Transactions of the ASAE.1997,40(2):491-497.
[6]张铮,王艳平,薛桂香.数字图像处理与机器视觉[M].北京:人民邮电出版社,2010.
TS272
A
1673-1409(2013)31-0075-03
[编辑] 李启栋