基于数字图像的茶叶物料颜色特征分析与研究

占俊

摘要：以茶领域为视角，对应用在这一领域的计算机视觉图像处理技术的方法进行探讨，通过研究茶叶的分割算法，然后根据茶叶的特点研究了茶叶的特征提取，其中特征提取分为颜色特征的提取和形状特征的提取，对两者的原理和特点进行建模和分析。根据茶叶的特点推荐使用HIS模型提取特征数据，根据特征数据展望茶叶分类器的设计。

关键词：茶；分割；颜色特征

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2018）19-0210-03

Abstract： In the view of tea field， the methods of computer vision image processing applied in this field are researched. With researching the cutting method of tea-leaves， and then extracting the feature of tea which includes color feature extraction and shape feature extraction， modeland analysis their principle and characteristics. According to the characteristics of tea， HIS model is recommended to extract the feature data， and the design of tea classifier is prospected with the data.

Key words： tea；cutting；color feature

1 茶叶图像的分割

数字图像技术作为一门跨学科的领域，其处理方法和技术多样，并成为生理学、心理学、计算机科学等多专业视觉感知的有效工具。

图像分割是图像识别和计算机视觉的重要处理手段，实际上就是把图像分成若干特定的、具有某些独特属性区域，并提出感兴趣目标的技术处理过程。在采集生成的茶叶图像基本上通过分割来突出茶叶与茶梗区域，尽量消除背景数据。在这一操作过程中主要有光流法、帧间差分法及背景差分法等。

光流法主要是针对图像运行的一种实用表达方式，可以理解为当空间物体表面上的点的运动速度在视觉传感器的成像平面上的表达。所以光流被认为只表示一种几何变化。通过对连续茶叶物料图像中的物料像素强度数据的时空变换及像素相关特性来定位特定像素的位置。实际操作中，物料和背景图像随着物料的下落会产生相对运行，导致物料的速度与领域背景速度的矢量单位有差异，从而定位出物料的位置。光流法的不足之处在于处理的数据量偏大，导致实时性和实用性不足，且抗噪性能力也较弱。

帧间差分法是一种通过对视频图像序列中相邻两帧作差分运算来获得运动目标轮廓的方法，它可以很好地适用于存在多个运动目标和摄像机移动的情况。通过利用该方法对采集到的茶叶图片相邻的两差进行求差运算，以便将茶叶和茶梗分离出来。该方法的不足之处在于对计算和实施环境有一定要求，其中包括物料的下落速度以及供料量的设置问题等都会导致相邻图像中的位移量过小，以至于出现目标的空洞现象。

背景差分法是在运动目标检测中，背景图像的建模及模拟的准确程度，这些参数将直接影响到检测的效果。通过将环境背景作为背景图像，然后将系统采集到的茶叶物料图像并之前的背景做差分运算，通过选取适当的时间参数来分割出茶叶与茶梗对象，该方法的优点是检测运动目标速度快，检测准确，易于实现，其关键是背景图像的数据拿把握，因为背景图像也在动态变化，需要通过视频帧来进行背景重建。

以下采用的分割算法是一种基于背景颜色差法的改进灰度阔值分割方法，算法流程如图1所示：

1.1 釆用迭代阈值选择来计算灰度门限

通过背景差法去除了物料图像的背景，下面进行二值化。由于不同茶叶的颜色灰度值不一样，因此很难用统一的阈值进行分割，但是叶片的与背景的灰度級、存在明显差异，可以釆用迭代阈值选择来计算灰度门限，计算步骤如下：

1） 根据茶叶图像像素灰度值的分布选择灰度值的中间值作为初始阈值[Γ]；

2） 使用阈值[Γ]分割物料图像，灰度值[≥Γ]的像素集O1，灰度值[<Γ]的像素集O2。

3） 计算、范围内的像素灰度均值[μ1和μ2]；

4） 计算一个新的阈值：[Γ=μ1+μ22]

5） 不断重复进行（2）到（4）直至[Γ]比预定的参数[Γ0]小为止。

迭代法可以很好地完成阈值分割，而且预定参数[Γ0]的选取具有技巧性。

1.2 先膨胀再腐蚀运算

在实际的物料图像中，物料叶片由于碰撞、腐蚀等原因，中间或者边缘部分会有小洞的存在，影响轮廟的完整提取，为了保证茶叶叶片图像的形状和边缘的清晰，这种情况下，需要进一步处理：先膨胀再腐蚀运算。

1） 膨胀是将与茶叶物料图像接触的所有背景点合并到茶叶物料图像中，是边界像外部扩张，填补茶叶中的空洞。

2） 腐蚀消除物料图像中小且无意义的像素点。

采集系统采集到的茶叶物料图像如图2所示。

2 茶叶物料图像特征提取

特征提取主要是针对对象的颜色和形状等。茶叶的种类繁多，其颜色各异，形状多变，如铁观音一般叶呈卷状，颜色偏暗，而大红袍叶型较大，呈暗红色，茶梗粗细不定。绿茶则因叶色偏绿而得名，茶梗偏短，叶形较扁。

因茶叶自身的特点，帮颜色与形状特征较稳定，但是病斑叶和杂质等样式较多，基于这些原因，可以通过提取图像的颜色和纹理特征来对目标进行分类和选择。

2.1颜色特征的提取

颜色能够表征茶叶品质，已成为共识。国内外众多学者对茶叶颜色做了许多深入研究。颜色模型能用于抽象描述、表征色澤信息。常见的颜色模型有RGB、HIS、HSV、CMY 和YUV 等。但每一类颜色模型都有自身的特性，颜色模型选用要根据具体应用场合而定。在探讨色泽特征信息提取方法时，如何选取相应合理有效的模型描述色泽信息尤为重要。为更加全面有效地掌握图像颜色特征，通过RGB 模型和HSI 模型表达茶叶图像的色泽信息进行提取与分析。

2.1.1基于RGB 模型颜色特征提取

2.1.2基于HSI 模型颜色特征提取

当我们观察彩色对象时，一般通过HIS来描述物体的颜色.HIS（Hue：色调，Saturation：饱和度，Intensity：明度）颜色模型于1915 年由H.A.Munseu提出，采用H、S 和I 三种基本特征量描述颜色。

系统采集到的图像一般是RGB模型的，而特征提取的时候要利用模型，因此需要进行转换，将R、G、B三个值分割归一化到[0，1]，H，S、I三个值转换公式如下：

当s=0时，H无意义，也令其为0；当I=0或I=1时，S也没有意义。在使用HIS进行茶叶分选，饱和度S分量差异较明显，一般S就可以达到区分茶叶梗的目的，而且S分量综合考量了R、G、B三个值，因此在提取颜色特征时，用S（饱和度）作为茶梗分类的一个特征，其他两个作为辅助特征。

3总结

通过使用计算机数字图像技术，解决并改进了茶领域传统人眼筛选中存在的困扰和问题，但是同时也面临了一些匹配的问题，但必须以此技术为基点，继续进行相关领域的研究，通过多次试验，反复比较，多重总结来进一步提升数字图像在茶领域的应用。本文中根据对茶叶图像的前期分割后，提取剩余图形里的RGB或HIS模型的特征，可以取得针对茶叶品质分类数据并提供参考和识别。

参考文献：

[1] 王国权.基于光谱和高光谱图像技术的蚕茧品质无损检测研究[J].计算机测量与控制，2014（18）.

[2] 周小红.计算机图像处理技术在茶叶品质检测中的应用[J].华南理工大学学报，2015（5）.

[3] 杨娟.观音茶加工工艺及品质形成研究[D].四川：四川农业大学，2011.

[4] 陈应娟.四川黑茶品质形成研究[D].四川：四川农业大学，2011.