基于顏色特征與直方圖閾值相結(jié)合的田間青椒圖像分割算法

對圖像G-B顏色因子處理后的圖像如圖4所示。

對圖像|G-R|+|G-B|顏色因子處理后的圖像如圖5所示。

從圖3、圖4、圖5的對比不難發(fā)現(xiàn)，經(jīng)顏色因子|G-R|+|G-B|處理后的圖像，青椒與其背景存在明顯的差別。
3 直方圖閾值分割算法
圖像分割是指根據(jù)灰度、色彩、空間紋理、幾何形狀等特征，把圖像劃分成若干個互不相交的區(qū)域，使得這些特征在同一區(qū)域內(nèi)表現(xiàn)出一致性或相似性，而在不同區(qū)域間表現(xiàn)出明顯的不同。目前，最常用的圖像分割方法是閾值分割。其中閾值選取方法主要有直方圖技術(shù)和自適應(yīng)性閾值。
對于含有目標區(qū)域和背景區(qū)域?qū)Ρ茸銐虼蟮膱D像，通常可以借助直方圖，可方便地確定物體圖像和背景的灰度突變位置，并把閾值選在此處，來進行圖像分割。圖6為存在峰值點的圖像直方圖。

在經(jīng)過顏色因子|G-R|+|G-B|處理后的圖像中，可以看到青椒與其背景的差別很大，通過觀察發(fā)現(xiàn)，此圖像的直方圖存在峰值點，因此，可以選擇該點作為閾值點進行分割。圖像分割結(jié)果如圖7所示。

4 實驗結(jié)果分析
由于自然條件中光線的過強或過弱都會對青椒的分割產(chǎn)生較大的影響，因此做如下分析說明。
(1)光線強：由于光線較強，青椒表面對光的反射也隨之增強，圖像分割后會使青椒表面存在較大的空洞。
(2)光線弱：由于光線較弱，青椒表面部分顏色會與其葉子和背景的顏色相近，分割后會產(chǎn)生一些誤判的區(qū)域。
以上的情況，在青椒分割后均會使其面積大量地缺失，繼而，也會使青椒分割后的輪廓受到嚴重的影響。
本試驗所用青椒圖像為使用數(shù)碼相機在東北農(nóng)業(yè)大學(xué)園藝田自然光條件下拍攝的5組照片，圖像分辨率為3 072像素×2 304像素。圖像處理平臺為Windows XP操作系統(tǒng),編程語言采用Matlab7.1。隨機選取一組照片進行實驗，采用顏色因子與直方圖閾值相結(jié)合進行圖像分割。由于自然條件的隨機性影響，在分割過程中會產(chǎn)生一些誤判的小區(qū)域，對于這種情況，可以采用小區(qū)域面積消除，進行處理。文中對誤判小區(qū)域進行處理后的圖像，如圖8所示。

從圖8中可以看到，經(jīng)過小區(qū)域去除后，青椒的輪廓保存較為完整。本文對100個隨機樣本進行分析驗證后，其青椒的分割成功率高于85%。圖9所示是圖像分割率的統(tǒng)計圖。對于未成功分割率的原因作如下分析：

（1）青椒位于枝葉中的較深部位時，經(jīng)圖像處理后，其R、G、B的值與葉子相似，經(jīng)直方圖閾值法很難找到相應(yīng)的閾值進行分割。
（2）由于強光的照射，青椒表面經(jīng)處理后會產(chǎn)生大片的未閉合區(qū)域，最終造成“誤分割”的結(jié)果。
本文所提出的基于顏色特征與直方圖閾值相結(jié)合的田間青椒圖像分割算法,具有分割時間短、分割精度高等優(yōu)點,能很好地實現(xiàn)田間青椒果實與其背景的分離 ,并較好地保存了青椒的輪廓信息,有利于對青椒的進一步識別。采用形態(tài)學(xué)的膨脹、腐蝕等方法,可有效地改善圖像分割后存在的孔洞現(xiàn)象。