基于机器视觉的草莓图像分割研究

李京娜，王伟伟，李吉成，罗月芳，施树雄

（云南工商学院，云南 嵩明 651700）

云南的夏草莓种植面积已居全国第一，但目前草莓收获仍以人工摘取为主，工作量大，易造成草莓表面损伤，且效率较低，影响草莓商业价值，制约了云南省草莓产业的快速和可持续发展。研发草莓采摘智能农业装备可以提高产业自动化，草莓图像分割技术是实现草莓采摘、分选等自动化的基础。目前，基于机器视觉技术的农作物智能采摘设备、自动分拣等技术正在迅速发展。本文基于机器视觉技术，主要研究了草莓图像的处理方法，并通过matlab 试验仿真，分割出了草莓的轮廓。

1 色彩模型确定

本文选用图像处理使用较多的RGB、HSV色彩模型。

1.1 RGB色彩模型

RGB 色彩模式包含了人类视力所能感知的所有颜色。即目前自然界中所见的任何一种颜色都能够通过红（R）、绿（G）、蓝（B）按照一定的比例混合而成[1]。把R、G、B 看作是3个维度的坐标，在计算机中通常用一个字节来存储一种颜色的浓度，共256 种情况，所以每个维度范围从0～255，即色彩图像中每一个像素点都有对应的R 值、G 值、B 值表示。通过相机采集的图片就是以RGB色彩空间呈现，见图1。

图1 草莓彩色原图Fig.1 The original color picture of strawberry

1.2 HSV色彩模型

HSV 色彩模型中颜色的参数分别是：色调（H），饱和度（S），明度（V），其在空间中用圆锥体表示[2]。饱和度S 表示颜色接近光谱色的程度，圆锥的中心为0，饱和度值越大表示颜色越饱满。本文提取HSV 的饱和度S 进行二值化操作，可以通过RGB 转换HSV 来提取饱和度S。草莓图像饱和度S，见图2。

图2 草莓HSV图像饱和度Fig.2 The strawberry HSV image saturation

1.3 色彩模型确定

本文选择RGB 和HSV 作为图像处理的色彩模型，利用RGB 二值化结果与HSV 中饱和度S 二值化结果，更好地提取草莓的的二值化图像。

2 图像去噪

图片在采集过程中，不可避免会受到噪声的影响，若不去除图片的噪声，可能造成后期图像分割不理想。中值滤波与均值滤波的对比图，见图3，通过试验结果可以看出，均值滤波后，导致边缘模糊化，而中值滤波不仅可以有效抑制噪声，消除孤立的亮度或暗点，同时又能保留图像尖锐边缘，不会使得图像模糊，便于下图像的一步分割[3]。因此，本文采用中值滤波发去除图像噪声。

图3 中值滤波与均值滤波对比Fig.3 The comparison between median filter and mean filter

3 图像分割

为了有效凸显草莓果实图像，便于后期图像特征提取与目标识别[4]。需要对采集的灰度图进行阈值分割，也就是对图像灰度直方图中各个像素点进行分类，将灰度值在同一范围内的像素归属为同一类，提取图像中感兴趣的部分。本文采用最大方差阈值法（OSTU 法）选取阈值。该算法是一种自动计算阈值的方法，其基本思想是在整个灰度级上搜索最佳阈值：根据直方图选取初始阈值，该阈值将整个图像像素分为2 组，计算2 组像素之间的方差，找到使方差最大时的阈值，即为最佳阈值[5]。

因此整个图像灰度值均值为：μ=w0μ0+w1μ1，

最 终 求2 组 之 间 的 方 差 为：δ2(T)=w0(μ-μ0)2+w1(μ-μ1)2，则使方差最大的T即为最佳阈值。

通过该方法获得的最佳阈值T 为0.3294，根据灰度直方图，见图4，该阈值处于2 个峰值之间的谷底，说明该阈值有效。根据该阈值分割出来的草莓图像见图5。通过对比可以看出，获取了基本完整的草莓图像信息。

图4 灰度直方图Fig.4 The gray histogram

图5 图像分割结果Fig.5 The image segmentation results

4 形态学处理

通过图像分割结果可以看出，分割出来的二值图中，草莓果实区域有空洞和离散的斑点。因此，采用形态学处理算法，图像形态学运算主要有2 种操作，分别是腐蚀和膨胀，膨胀是将与物体接触所有背景点合并到该物体中，使外界向外部扩张的过程，可以用来填补物体中的空洞；而腐蚀运算是一种消除边界点，使边界向内部收缩的过程，可以用来消除小且无意义的物体，可见，二者是一对相反的操作。因此，为了减少对图像轮廓的影响，可以先进行腐蚀操作，再进行膨胀操作，或者先进行膨胀操作，再进行腐蚀操作，分别对应形态学的开运算和闭运算。

本文综合利用开、闭运算的特点，用形态学闭运算去除果实表面种子和纹理特性所形成的细小空洞以及平滑果实边界；而通过形态学开运算去除果实外，由叶子形成的离散斑点[6]。形态学开、闭运算处理前、后的二值图效果，见图6，可以明显看出，果实内部的空洞和外部叶子造成的离散斑点均消除，果实边界也更为平滑。最终分割的二值图能完整的体现草莓果实的形状。即便是有草莓枝茎，也能完整进行草莓图像分割，见图7。

图6 形态学运算结果Fig.6 The morphological operation results

图7 草莓图像含枝茎处理结果Fig.7 The processing results of strawberry image with branches and stems

5 结语

本文基于草莓果实图像，研究了不同色彩模型，采用图像去噪算法，图像分割算法及形态学处理算法，并通过试验仿真验证了算法的有效性。结果表明，通过以上图像处理算法，可以得到草莓完整果实区域，便于草莓果实采摘定位及果实分级研究，提高草莓采摘和分拣效率，促进机器视觉技术在云南农业装备现代化中的发展与实施。