计算机在茶叶色泽识别中的应用

邓建青

（南宁学院，广西南宁 530299）

计算机在茶叶色泽识别中的应用

邓建青

（南宁学院，广西南宁 530299）

本文主要研究了计算机在茶叶色泽识别中的应用，首先对计算机的数字图像处理技术进行介绍，主要阐述了数字图像处理技术的基本过程、图像转化与存储、图像理解等内容，然后对颜色的RGB颜色空间模型、HSV颜色空间模型进行详细研究，并对茶叶色泽的识别进行详细分析，从而实现计算机对茶叶色泽的自动识别。

茶叶色泽；RGB；HSV

1　概述

茶叶自古以来就是人们日常饮品，是人们日常生活不可缺少的消费品。茶叶的生产和品种决定了茶叶拥有不同的品质，对于茶叶的品质鉴定，一般从茶叶及其浸出物的外形、色泽、香味等诸多方面来对其进行综合评价，简而言之，茶叶等级的鉴定是从茶叶及其浸出物对人们多感官冲击的感受优劣进行评价。在众多的评价指标中，色泽是其中一个非常重要的指标，从生物学的角度来讲，茶叶的色泽是茶叶内部对人体有益物质含量的综合表现，是在茶叶生产过程中各种物质的降解程度和氧化程度的综合表现。根据茶叶的色泽表现，人们对不同的茶叶品质进行分类和命名。在传统的茶叶生产过程中，对茶叶等级的鉴定和分拣工作都是靠人工来完成的，整个过程不仅效率低下，茶叶产量低，而且很容易产生判断失误从而造成茶叶质量的问题，这都是阻碍茶叶行业快速发展的主要因素。计算机图像处理技术中能够模拟人类的视觉感官系统，对茶叶的色泽进行自动化处理，对于提升茶叶茶梗分拣、茶叶色泽鉴定等工作来说，具有非常重要的现实意义。

2　数字图像处理技术

数据图像处理技术是当前利用计算机数据处理技术的一种具体表现，是根据某种实际的目的或意图，对数字图像进行自动化的运算和处理的一种手段，主要的技术包括对数字图像的转化、存储，图像增强、优化、分割、特征识别等技术。

对于图像的转化和存储是计算机对数字图像最基本的操作，是对数字图像不同格式转换、旋转、数字图像压缩存储的关键技术。数字图像是指将连续的、模拟的颜色信号转换成量化的、数字化的图像数据的一种存储格式，是当前计算机处理数字图像的主要手段。对图像的转化操作，主要是对数字图像的数据进行运算、移位、变换等基本操作，主要是采用离散数学的矩阵或正交函数的算法来实现。数字图像存储是指对数字图像编码压缩的处理，是在保障无失真还原的前提下，为了减少存储空间和降低传输带宽的一种有效手段，主要思想就是去除图像中冗余的、重复的数据，从而减少存储和传输的数据量。

数字图像优化则是对数字图像的预处理过程，是为了方便后期的数字图像处理而进行的图像增强或还原的操作，从而改善视觉效果，加快处理预算速度，修正处理结果。

图像增强的思路一般是对图像数据转换后进行频率过滤的技术，主要是改善图片质量的手段。图像还原是根据图片的周围数据对失真图像进行修复的技术，常见的算法包括盲卷积恢复、最小二乘估计等。

图像特征识别是数字图像处理的后期阶段，对在前期数字预处理之后，对图像的特征区域进行划分提取，然后对提取的特征区域进行综合分析的过程。所以对于图像特征识别的过程主要分为图像分割、图像特征提取、图像分类三个过程。

图像分割的主要思想是寻找图片内不同区域的边界，然后根据边界实现图像分割的技术。在一个图片内，不同的区域之间的交界处必然会产生明显的边界，在数字图像的存储数值中，最后表现出的特征就是数值发生了突变，所以针对这一思想是能够对图像的边界进行划分，而后即可对封闭的边界（包括图片自身的最边界）内的核心内容进行分割和提取。

图像特征提取是根据以前对图像的处理后得到的数据，将图像中的某些点，如图像纹理、图像目标等进行提取，从而是不同的点划分为不同的图像子集，即图片的核心区域，如果这些数据是连续的，那么这些数据则形成了一个整体的区域或者一个连续的曲线。

图像分类即是识别的过程，主要是对图像的核心区域进行特征判断，根据不同区域的数据表现的特征进行分类，从而实现目标区域的分类，进而实现图片的信息识别。

3　计算机在茶叶色泽识别中的应用

计算机在茶叶色泽识别中的应用，主要是通过构建不同的颜色模型，然后在通过对采集到的数字图像进行图像增强、优化等预处理之后，对其进行图像分割、特征提取之后的图像分类。对于茶叶色泽的计算机自动识别，首先要构建完整的硬件和软件系统，通过对茶叶的数字图像的采集、预处理、分割和特征提取之后，然后进行图像分类的算法依据。在茶叶色泽的识别模型中，常见的模型有RGB颜色空间模型、HSV颜色空间模型等，从而为目标图像中的颜色特征进行识别。

3.1RGB和HSV颜色空间模型

3.1.1RGB颜色空间模型

RGB颜色空间模型的核心思想是将自然界中的所有模拟颜色都是由Red（红色）、Green（绿色）、Blue（蓝色）三原色通过不同的比例调配，得到自然界中的所有颜色。在RGB颜色空间模型中，是将R、G、B三种颜色构建三个坐标轴，并且将其从0到255分成了256种不同的颜色等级，这也是对各个颜色三种颜色调配的不同比例，那么根据这个数据模型的构建，自然界中的模拟颜色形成了最终的1670万种颜色。根据笛卡尔坐标构建一个空间颜色模型，三个表坐标分别为R轴、G轴、B轴，其变化范围为［0，255］，那么最终构建的立方体则是RGB的颜色空间模型，空间中每一个点就代表一种颜色。如图1所示，为RGB颜色模型的示意结构图。

图1　RGB颜色空间模型

3.1.2HSV颜色空间

RGB颜色空间模型是将某种颜色作为最小单位量，这也是人类视觉的最直观的感受，即使是最小单位量，包括了颜色的色调、饱和度、亮度等多种维度，这对科学研究来说是非常不利的，所以在此基础上，构建HSV颜色空间模型。

在人类对颜色的直观感受，是从三个角度来体现，分别是颜色的色调（Hue）、饱和度（Saturability）、亮度（Value），这是人类对颜色系统最基本的感受和理解方式，这也是HSV模型最基本的元素。HSV颜色空间模型是以一个圆锥形作为基本模型，如图2所示。

图2　HSV颜色空间模型

在HSV颜色空间模型中，H向量为色调向量，在HSV颜色空间模型中是旋转角度为向量，其变化范围为［0°，360°］。色调是人类感受物体反射光的色彩表现，在HSV模型中，0°表示红色、60°表示黄色、120°表示绿色、180°表示青色、240°表示蓝色、300°表示品红色。S向量为饱和度向量，是HSV颜色空间模型中的横向向量，是从圆锥圆心到边缘的变化，其变化范围是从［0，1］，是对颜色饱和度的一个比例值，即当前颜色与改颜色最大值的比例。V向量为亮度向量，在HSV颜色空间模型中是垂直向量，是从圆锥锥尖到圆心的变化，表示颜色的亮度变化，是从黑到白的变化，其变化范围为［0，1］。那么对于自然界中的所有颜色，可以根据其颜色的三个基本的特征进行变化，与HSV的颜色空间模型中的相对应的点一一对应，从而实现颜色的数字化转变。

在对茶叶的色泽识别的颜色空间模型识别中，单纯地利用RGB颜色空间模型对茶叶的核心目标图像进行分析和分类时，很多色彩表示时都比较难以数字化，在数据对比时也很难定量对比，但是其计算比较方便，颜色很好控制。而HSV颜色空间模型，与人类对颜色的认知和感受比较贴切，但是在控制时相对比较困难，所以在不同的色泽识别系统中，会采用多种颜色空间模型混合或有目的性地选择来实现对色的识别。

3.2茶叶色泽特征的识别

对于茶叶色泽特征的识别，主要从两个角度来分析，分别是茶叶的光泽度和色度，一般来看，鲜活明亮，光泽油润，而且茶叶全部颜色一致则为上品。而对于不同的茶叶品种，其优质茶叶的目标值又有所不同，对于一般的花茶或者红茶来说，对于色泽油润，颜色青黑色、褐色为优；而对于乌龙茶来说，则是以白色、青色、红色的为优质茶叶；对于青茶则以色泽光亮、茶叶嫩芽翠绿为优质茶叶。

那么在计算机茶叶色泽识别系统中，首先对茶叶进行数字图像采集，目前常见的识别系统都是以数码相机作为数据图像的源输入设备，如果不能和识别系统匹配，可采用第三方的攻击，如PS、画图工具等将其转化成BMP格式。

在获取到BMP格式的图片，首先对其进行各种图像预处理、核心图片的分割和特征提取，然后对核心区域的图像对特征数据库进行对比分析，根据RGB颜色空间模型进行R，G，B三原色颜色模型的各个向量值获取，得到茶叶图片核心区域的颜色值的数字化，对于计算机而言，可以对其进行存储和处理。

由于RGB颜色空间模型的自身的缺陷，可以配合HSV颜色模型对茶叶的色泽进行识别，那么根据R，G，B三向量颜色值，可以将其进行成HSV向量值，其转化的流程图如图3所示。

图3　从RGB到HSV的变换流程图

根据图3所示，通过RGB颜色空间模型中三个向量值可以转化成HSV颜色空间模型的H，S，V三个向量值，从而实现了茶叶图片的核心区域颜色值的RGB三向量值向HSV三向量值的转化，而后就可以根据不同的向量值范围设定和对比，来判断茶叶的色泽，进而为判断茶叶质量和等级提供依据。

4　总结

利用计算机对茶叶色泽的识别，是在计算机的数据图像处理技术的基础上，对茶叶的图像采集的数据进行RGB和HSV颜色空间模型的构建，通过Photoshop或者其他第三方的软件对其进行格式转换后，通过相应的算法将采集到的图像进行RGB颜色模型换算，得到采集图像的核心区域的颜色模型特征，然后经过二者之间的转换，从而得到相应的颜色特征，从而对各个颜色空间模型的各个向量进行分析，来得到茶叶的色泽识别，从而实现计算机对茶叶颜色的自动识别过程。

［1］霍富功，王鉴.基于RGB空间的彩色图像分层检测方法研究［J］.电子测试.2010（8）：1-3，93.

［2］黄信想，刘秉瀚.基于HSV色彩空间的云模型车辆阴影检测［J］.福州大学学报（然科学版）.2008（6）：809-813.

［3］柴阿丽，李宝聚，王倩等.基于计算机视觉技术的番茄叶片叶绿素含量的检测［J］.园艺学报.2009（1）：45-52.

［4］雷梁，邬长安.信阳毛尖茶叶图像的颜色特征分析［J］.信阳师范学院学报（自然科学版）.2016（2）：270-273.

邓建青（1972-），女，广西人，研究生，讲师，研究方向：实验室建设与管理、计算机科学与技术研究等。