基于改進分水嶺算法的熏烤肉圖像分割*

何 鵬，王成琳，王福剛

(齊齊哈爾大學 通信與電子工程學院，黑龍江 齊齊哈爾 161006)

目前，利用計算機視覺技術進行食品安全檢測已成為研究的熱點。在熏烤制品方面，國外部分學者利用計算機視覺技術對制品表面的顏色與致癌物質丙烯酰胺的關系作出了研究，提出了很多彩色圖像的分割算法。如參考文獻[1]指出肉制品在高溫熏烤的同時，其丙烯酰胺的含量會隨制品表面黑色的加深而升高。參考文獻[2]在研究薯片表面顏色時，提出將彩色圖像變換為灰度圖像，結合設定閾值的邊緣檢測，從而對圖像進行分割的方法。參考文獻[3]提出手動選取烤雞翅表面3塊不同顏色的小區域，根據其各自色彩平均值將彩色圖像聚類分割的方法。而國內尚未見到利用計算機視覺技術對熏烤肉進行的研究的報道。

圖像分割是圖像處理和分析的關鍵環節。彩色圖像的分割方法有很多，其中傳統分水嶺算法以其快速得到封閉連續的目標邊界、自動完成圖像的分割、無需參數的設置而中斷程序等優點被廣泛使用。但是由于圖像噪聲或區域細節的影響，使得該算法容易產生過度分割現象[4]。

針對上述研究現狀，本文提出一種改進分水嶺算法并用以分割熏烤肉表面的顏色。先用巴特沃茲低通濾波和背景色彩壓制對熏烤肉圖像預處理、濾除噪聲，抑制區域中隱藏的細節，然后進行傳統分水嶺變換。對產生的過度分割區域，在RGB顏色空間中以相對歐氏距離為準則進行自動種子選取及種子區域生長，最后對剩余小區域進行合并，得到分割圖像。實驗證明，該方法減少了傳統分水嶺變換產生的過度分割現象，成功地對熏烤肉表面不同顏色進行分割，為之后的圖像分析(如對熏烤肉表面顏色與其丙烯酰胺含量關系的研究)奠定了基礎。

1 材料和獲取裝置

圖像獲取的硬件裝置由具有靈敏度高、抗強光、體積小等特點的CCD攝像機組成,CPU為Intel Pentium 4，內存1 GB，硬盤80 GB的計算機，以黑布為背景的暗箱及固定在暗箱上的2個高精密度光源所組成。暗箱用來阻止外界光的干擾，CCD攝像機與計算機相連，安插固定在暗箱上方。黑布起到純化背景的作用，將熏烤肉放在黑布上，2個高靈敏光源與被測制品均成45°，既充當了自然光，又消除了被測制品在背景留下的陰影。通過計算機控制調整CCD攝像機與制品的距離，從而獲取熏烤肉原始圖像，并存儲在計算機內。硬件裝置如圖1所示。軟件選擇Matlab，圖像處理工具箱中自帶的圖像處理函數和簡單的語法結構，使得仿真試驗可以方便快速地進行。

2 算法

為了達到準確的分割效果，本文提出了對傳統分水嶺變換做前后處理從而抑制過度分割的算法。算法包括三部分：前處理(預處理)，即對獲取的原始熏烤肉圖像做巴特沃茲低通濾波和背景色彩壓制；傳統分水嶺分割算法；后處理，即對經傳統分水嶺變換得到的過度分割區域,在RGB色彩空間中進行以相對歐式距離為準則的自動種子區域選取、種子區域生長及剩余小區域合并。

2.1 傳統分水嶺算法

基于形態學的分水嶺分割算法是以對圖像進行三維可視化處理為基礎，主要目標是找出分水線。假設在每個區域最小值的位置打一個洞并且讓水以均勻地上升速率從洞中涌出，從低到高淹沒整個地形。當處在不同的匯聚盆地中的水將要聚合在一起時，修建的大壩將阻止聚合。水將只能到達大壩的頂部處于水線之上的程度，這些大壩就是分水嶺的分割線。本文選擇分水嶺算法，是因為該算法可以快速得到封閉連續的目標邊界(用分割線給出)，分割出熏烤肉表面不同的色彩。同時Matlab軟件中自帶分水嶺函數，無需設置參數，即可自動完成圖像分割。但是，由于噪聲或其他因素影響，使得分水嶺算法對細節敏感，易造成過度分割。

2.2 圖像預處理

針對傳統分水嶺易產生過度分割的問題，首先采用巴特沃茲低通濾波對原始圖像進行預處理。巴特沃茲低通濾波器是一個具有最大平坦幅度的低通濾波器，在線性相位、衰減斜率和加載特性三個方面具有特性均衡的優點。n級巴特沃茲低通濾波器的傳遞函數(且截至頻率距原點的距離為D0)的定義如下：

其中，D(u,v)為點(u,v)到傅里葉變換中心（原點）的距離。對熏烤肉原始圖像的三個色彩分量R、G、B分別進行濾波、移除高頻部分、增強色彩的變化和邊緣信息。D0可選擇 15、30、80，n選擇 2階。實驗表明，當D0取 30時，既濾去了高頻噪聲，又增強了邊緣色彩變化，達到了濾波的目的。為了防止背景色彩對實物信息的干擾，對巴特沃茲低通濾波的結果做背景色彩壓制。至此，圖像預處理結束。實驗證明，經預處理后的圖像再進行分水嶺分割，過分割現象明顯減少。

2.3 圖像后處理

為了達到最佳的分割效果，對經預處理和傳統分水嶺變換后得到的分割區域做后期處理。該部分包括：自動種子區域選取、區域生長及剩余小區域合并。

2.3.1 自動種子區域選取和區域生長

RGB彩色空間建立在笛卡爾立體空間坐標系中，以紅、綠、藍三種基本顏色的不同值相互疊加來表示彩色圖像，同時運行在RGB顏色空間中的算法不需要進行顏色空間的轉換，運算速度最。因此，本文改進算法針對傳統分水嶺算法對預處理圖像變換生成的過度分割區域，在RGB顏色空間中自動選取部分區域作為種子區域，并計算其各自的RGB平均值，以該值代表此區域。

如圖2所示，如果選取了種子區域為Ri，其相鄰區Rj（j=1,2,…,n），n為相鄰區域的個數。相對歐氏距離為：

則該區域也定義為種子區域。閾值T的取值影響到種子區域的選取。區域生長用來考察非種子區域與種子區域的相似性，滿足以下標準的區域納入該種子區域，實現了區域合并。標準為：

其中，Dn為種子區域像素的相對歐氏距離。實驗表明閾值T1的取值范圍是 0.06～0.08時，得到的分割結果符合人的視覺效果。

2.3.2 剩余小區域合并

圖像預處理減少了傳統分水嶺變換產生的過度分割，但是由于圖像的細節和細小噪聲的存在，使得部分小面積區域無法被區域生長所吞噬，反而納入種子區域之中。本文在區域生長之后，再一次考察這些小區域的RGB平均值。首先與其相鄰的區域作相對歐氏距離，比較某個閾值，若小于該閾值，則與該區域合并。如若沒有最優閾值，與樣本總體RGB平均值的1%比較，經實驗證明，小于該值時，一般為噪聲，可將其舍去。

2.3.3算法示意圖

本文算法流程如圖3所示。

圖3 算法流程圖

3 仿真與結果分析

針對本文提出的算法，在Matlab7.1環境下，對在系統硬件裝置下獲取的原始熏烤肉圖像進行仿真，并對算法進行分析。

3.1 仿真

仿真結果如圖4所示。原始圖像大小為 640×480，對其進行傳統分水嶺變換，得到的分割區域數為138 907，如圖4(g)所示。經過前期濾波和背景色彩壓制處理后，分割區域數為91，如圖4(d)所示。再經后期自動種子區域生長和區域合并，閾值T取0.03，效果最佳，如圖4(e)所示。本文整體算法最后的分割數為16，分割圖像如圖4(f)所示，不同的顏色區域用連續封閉的分割線框出。表1給出了不同算法的結果對比。

表1 算法結果對比

3.2 算法分析

從程序運行的時間來看，由于本文提出的算法流程簡單，易于編程，部分函數在Matlab中可以直接得到，只是在圖像后處理時用到了循環判斷語句，消耗了部分時間，整體程序運行時間僅為6.215 0 s。從算法的穩定性來看，當外界條件發生變化時(如燈光柔和度、黑布質地)，通過圖像前處理可以抑制外界對整體算法的干擾，無需對算法作出整體調整，體現了本文算法的魯棒性。如圖4(f)所示，分割結果符合人的視覺效果，將不同顏色的區域分割出來，體現了準確性。

本研究成功地將計算機視覺技術應用到熏烤肉圖像分割之中，提出了一種改進的分水嶺算法，用來分割熏烤肉表面的顏色。不僅減少了傳統分水嶺算法產生的過度分割現象，而且成功地將熏烤肉表面不同顏色區域用分割線分割開來，為之后的圖像分析工作(如對熏烤肉表面顏色與其丙烯酰胺含量關系的研究)奠定了堅實的基礎。

[1]GOKMEN V.Computer vision based image analysis for rapid detection for acrylamide in heated food[C].2nd International MoniQA Conference.Poland,Krakow,2010.

[2]PEDRESCHI F,BUSTOS O,MERY D.Color knetics and acrylamide formation in NaCl soaked potato chips[J].Journal of Food Engeering,2006,79(7):989-997.

[3]GOKMEN V,SENYUV H Z,DULEK B.Computer visionbased image analysis for the estimation of acrylamide concentrations of potato chips and french fries[J].Food Chemistry,2007,101(7):791-798.

[4]刁智華,趙春江,郭新宇,等.分水嶺算法的改進方法研究[J].計算機工程,2010,36(17):4-6.