基于空间培养的植物图像处理方法

赵青青， 张 涛， 郑伟波

(1.中国科学院 上海技术物理研究所，上海 200083； 2．中国科学院大学， 北京 100049)



基于空间培养的植物图像处理方法

赵青青1,2， 张 涛1， 郑伟波1

(1.中国科学院 上海技术物理研究所，上海 200083； 2．中国科学院大学， 北京 100049)

光照环境偏暗偏红，光照不均匀等会影响彩色图像的视觉效果。在比较几种现有的处理方法的基础上，提出了一种新的方法，该方法首先减小RGB彩色图像中偏红部分的红色分量值，然后转换到HSV色彩模型中，对亮度分量进行直方图均衡和Retinex 算法处理，最后转换回RGB颜色空间并进行Garmma校正。实验表明:该方法不仅能够减弱红色光源对图像质量的影响而且能够提高图像的亮度，同时也能较好地保留图像的细节。

减小红色分量； HSV色彩模型； Retinex算法； Garmma校正

0 引 言

在空间环境条件下研究绿色高等植物的生长发育是非常重要的，因为可能会解决人类在太空长期生存的自给自足或部分自给自足的问题。在空间生命科学实验中，密闭的培养箱可以为植物提供生长所必需的环境条件，同时通过内置相机对植物成像，实时观察植物的生长发育状况，因此，图像质量对开展空间生命科学研究起着至关重要的作用。为满足植物正常的生长发育，实验箱内同时需要白色光源和红色光源，所成的图像偏红偏暗，需要对拍摄的图片进行特殊处理，才能达到良好的视觉效果。

本文就两个方面对植物图像进行处理：1)减弱红色光源对成像质量造成的影响。2)减小密闭实验箱内光线较暗对图像造成的影响[1～4]。

1 算法分析

为了避免色彩失真，本文在减弱红色分量的基础上将RGB颜色模型转换到HSV颜色模型中[5]，并对亮度分量(V分量)进行增强。本文算法总体思想如图1所示。

图1 本文算法流程图Fig 1 Flow chart of this algorithm

本文主要用到两大类算法：1)红色分量减弱算法。 2)基于V分量的图像增强算法。

1.1 红色分量减弱算法

由于航天设备的限制，空间生命科学仪器中光线不仅偏暗，而且偏红，使绿色植物的颜色不够真实，因此，本文提出一种减弱图像偏红部分红色分量的像素强度的方法，算法流程图如图2所示。

1.2 基于V分量的图像增强算法

RGB颜色模型由红、绿、蓝三种色度分量组成，当对这三个分量分别进行不同程度矫正时，由于三个分量数值改变的同时比例系数也随之变化，因此，处理后的图像颜色会出现失真现象。将RGB颜色模型转换为HSV颜色模型，其中,H代表色调，S代表饱和度，V代表亮度，这样只对亮度分量进行增强处理，然后再逆变换到RGB彩色空间，这样能够较好地提高亮度并且保留彩色信息。

图2 红色分量减弱算法流程图Fig 2 Flow chart of algorithm fading red component

目前，现有的图像增强方法基本有直方图均衡法、Garmma曲线校正及其改进法[6]、Retinex及其改进法等。它们的特点如表1所示。

表1 光照补偿方法特点比较

多尺度 Retinex 算法[7]是对单尺度 Retinex的发展和延伸，它是几个单尺Retinex的加权组合，是一种既可很好完成图像的动态范围压缩,又可保证图像的色感一致性的图像增强方法。其公式为

(1)

式中 (x,y)为V分量像素的位置，i为单尺度序列号，wi为第i个尺度的加权系数，取w1=w2=w3=1/3 ；Ri(x,y)计算公式为

(2)

式中 I(x,y)为(x,y)位置的V分量值，σi为第i个尺度的高斯尺度参数，i=1，2,3；本文取σ1=90，σ2=160，σ3=10。

本文V分量增强算法处理中综合采用了直方图均衡算法和多尺度Retinex算法。

2 各种算法处理结果比较与分析

2.1主观评判

目前彩色图像光照补偿方法大致分为两大类：1)对RGB三个颜色通道分别进行增强处理，为方法一，如图3所示；2)转换为其他颜色模型并对与色度无关分量进行校正，为方法二，如图4所示。本文用Matlab对图像进行处理。

图3 RGB三分量分别处理(方法一)Fig 3 Process RGB components separately(method one)

图4 V分量单独处理(方法二)Fig 4 Individually process V component(method two)

以上实验结果中，图3为对RGB三通道分别进行处理的结果，图4为转换为HSV颜色模型的处理结果。图4(d)为本文算法，即在减弱图像偏红部分的红色分量的基础上进行图4(b)中处理的结果。通过以上实验结果可以看出：图3对RGB三通道分别进行处理出现了很大的色偏现象，同时植物的颜色不够鲜艳。对图4(b)、(c)、(d)比较发现,图4(d)不仅亮度有所增强，同时绿色植物的色彩更加艳丽，整体色彩比较自然，而且图像的细节也未丢失。

2.2 客观分析

由于在自然光下对白纸成像时RGB三通道的值相等。为了检验本文中红色分量减弱算法的处理效果，在相同硬件环境下对白纸成像并进行处理，处理结果如图5所示，统计分析白纸中R,G,B三个颜色通道差值的均值和方差，如表2所示。

图5 白纸处理结果Fig 5 Processing results of white paper

通过对表2结果的分析可知，图5 (c)算法中R,G,B三个颜色通道差值的均值和方差都较小，因此，本文算法对图像偏红现象的处理结果较好。

3 结 论

本文提出对图像偏红部分的红色分量减弱的处理方法，处理结果表明:该方法取得一定的效果，在对光照补偿处理中，本文采用转换颜色空间方法，并对亮度分量进行直方图均衡算法和Retinex算法处理，处理效果良好，最后对图像Garmma校正,对整幅图像进行调整，图像色彩更加自然。

表2 颜色通道差值的均值和方差

[1] 蔡利梅,钱建生,罗驱波，等.一种基于色彩保持的低照度图像增强算法[J].计算机应用与软件,2009,26(3)：226-243.

[2] 刘 培,王建英,尹忠科.图像光照补偿方法的研究[J].系统工程与电子技术,2008,30(7):1343-1346.

[3] 付争方，朱 虹.基于模糊理论的低照度彩色图像增强算法[J].传感器与微系统,2014,33(5):121-124.

[4] 刘 翔，董 昱.改进的自适应免疫遗传算法在图像增强中的应用[J].传感器与微系统,2015,34(6):156-160.

[5] 焦竹青,徐保国.HSV变换和同态滤波的彩色图像光照补偿[J].计算机工程与应用,2010,46(30):142-144.

[6] Farid H.Blind inverse Gamma correction[J].IEEE Trans on Image Processing,2001,10(2):1428 -1433.

[7] 张甲杰，陈树越，刘瑞剑，等.基于多尺度Retinex的医学图像增强方法研究[J].中国医学影像技术,2007,23(11):1724-1726.

Plant image processing methods based on spatial cultivation

ZHAO Qing-qing1,2, ZHANG Tao1, ZHENG Wei-bo1

(1.Shanghai Institude of Technical Physics,Chinese Academy of Sciences,Shanghai 200083,China; 2.University of Chinese Academy of Scienses,Beijing 100049,China)

Illumination environment is relatively dark,red and uneven,will affect visual effect of color image.A new method is presented on the basis of comparing several existing processing methods.Firstly，the method reduces red component of the partial red part of the RGB color image, then convert the corlor model from RGB to HSV,so as to deal with luminance component,histogram equalization and Retinex algorithm processing,and at last,convert back to RGB color space and carry out Garmma correction.Experiment shows the method can not only reduce influence of the red light source on quality of image,but also can increase brightness of image,simultaneously,reserve details of image.

fading the red component; HSV color model; Retinex algorithm; Garmma correction

2015—11—26

10.13873/J.1000—9787(2016)10—0046—03

TN 014

A

1000—9787(2016)10—0046—03

赵青青(1988-)，女，山东济宁人，博士研究生，研究方向为生物光信息处理。