基于RGB顏色相似度的成熟草莓圖像分割

覃　磊，孫開瓊，李詩高，劉春苔，阮　松

(1. 武漢輕工大學(xué) 數(shù)學(xué)與計算機(jī)學(xué)院，湖北 武漢 430048；2. 華中科技大學(xué) 自動化學(xué)院，湖北 武漢 430074；3. 南昌航空大學(xué) 測試與光電工程學(xué)院，江西 南昌 330063)

?

基于RGB顏色相似度的成熟草莓圖像分割

覃磊1，2，孫開瓊1，3，李詩高1，劉春苔1，阮松1

(1. 武漢輕工大學(xué) 數(shù)學(xué)與計算機(jī)學(xué)院，湖北 武漢 430048；2. 華中科技大學(xué) 自動化學(xué)院，湖北 武漢 430074；3. 南昌航空大學(xué) 測試與光電工程學(xué)院，江西 南昌 330063)

針對復(fù)雜背景下的成熟草莓圖像，提出了一種基于RGB顏色相似度的成熟草莓圖像分割算法(CS-BASED RSIS)。首先提取成熟草莓區(qū)域，確定成熟草莓的主顏色，然后遍歷待分割的圖像，求出每個像素點相對于主顏色的顏色比和相似度，進(jìn)行顏色相似度的閾值分類，最后經(jīng)多次膨脹和去除小面積對象的數(shù)學(xué)形態(tài)學(xué)處理，輸出分割結(jié)果。試驗結(jié)果表明，在無粘連無遮擋、無粘連有遮擋、有粘連有遮擋3種復(fù)雜環(huán)境下，與OTSU等圖像分割算法相比，CS-BASED RSIS算法不僅能達(dá)到更好的分割效果，而且平均分割時間僅為0.965 s，能滿足成熟草莓機(jī)械化采摘的實時性要求。

圖像分割；顏色相似度；成熟草莓

草莓的日成熟量大，采摘時間緊迫，草莓采摘工作量已成為草莓種植業(yè)發(fā)展的瓶頸。如何實現(xiàn)草莓的機(jī)械化采摘，對于減輕采摘工作量、加快草莓業(yè)的種植與發(fā)展具有重要意義。機(jī)械化采摘核心環(huán)節(jié)之一是成熟草莓的圖像分割，成熟草莓圖像分割效率直接影響后續(xù)機(jī)械化采摘。

現(xiàn)有文獻(xiàn)大多只針對一般圖像的分割[1-4]，關(guān)于草莓等水果的圖像分割的研究相對較少。謝志勇等[5]根據(jù)CIE-XYZ顏色模型及其色調(diào)度，提出一種在RGB彩色模型中進(jìn)行草莓圖像色調(diào)分割的方法，但試驗對象過于簡單。周天娟等[6]在基于數(shù)學(xué)形態(tài)學(xué)的方法上，研究相接觸草莓的快速聚類分割法和分水嶺區(qū)域分割法，結(jié)果顯示，這兩種算法都能將相接觸區(qū)域分開，但僅處理有粘連的草莓圖像。Guo等[7]利用OHTA顏色空間圖像分割算法提取草莓圖像，應(yīng)用背景并非草莓種植園的實際環(huán)境。張紅旗等[8]通過遺傳算法尋找FCM圖像分割方法的聚類中心，提出基于遺傳算法的草莓圖像FCM分割方法，但聚類數(shù)需預(yù)先給定，而且遺傳算法收斂速度較慢。Wei等[9]提出了一種復(fù)雜農(nóng)業(yè)背景下采摘機(jī)器人的水果圖像自動提取方法，應(yīng)用OHTA顏色空間的新特征作為輸入，進(jìn)行OTSU算法的閾值分割，雖然大多數(shù)時候能成功提取復(fù)雜農(nóng)業(yè)背景下的成熟水果，但處理石榴圖像時部分果實圖像會缺失。上述算法存在背景、光照、復(fù)雜計算量或參數(shù)設(shè)定等缺陷，并不適用于草莓園成熟草莓圖像分割。

針對上述問題，本文提出了一種基于RGB顏色相似度的成熟草莓圖像分割算法(ripe strawberry image segmentation based on color similarity， CS-BASED RSIS)。首先提取草莓圖像的主顏色，然后遍歷草莓圖像，求出每個像素點相對于主顏色的顏色比和相似度，進(jìn)行閾值分類，最后進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理完成分割。與OTSU等圖像分割算法相比，CS-BASED RSIS算法不僅能達(dá)到更好的分割效果，而且平均分割時間僅為0.965 s，能滿足成熟草莓機(jī)械化采摘的實時性要求[10-11]。

1　相似度

1.1集合元素的相似度

SIMILATION是由Wang提出的集合元素的相似度[12-13]，任給集合A={V1，V2，…，Vn}，Vi>0，集合A各元素的算術(shù)均值定義為：

(1)

調(diào)和均值定義為：

(2)

SIMILATION定義為集合A中各元素的相似度，其值為集合A各元素的調(diào)和均值和算術(shù)均值的比值，其表達(dá)式為：

(3)

SIMILATION∈(0，1]，當(dāng)V1，V2，…，Vn較接近時，SIMILATION的值趨近為1，特別當(dāng)V1=V2=…=Vn時，其值為1；當(dāng)V1，V2，…，Vn相差較大時，SIMILATION的值趨近為0，所以SIMILATION可描述集合中各元素的相似度，SIMILATION值越大意味著各元素越接近，反之意味著各元素相差越大。

1.2RGB顏色相似度

(4)

將(R′，G′，B′)代入式(3)則

(5)

(5)式定義為兩種顏色的相似度，舉例如表1。

表1RGB顏色相似度的比較

Table 1Comparison of RGB color similarity

參考顏色(R0,G0,B0)相關(guān)顏色(R1,G1,B1)顏色比(R',G',B')顏色相似度SIMILATION/%(60,4,80)(90,6,120)(3/2,3/2,3/2)100(60,4,80)(120,40,30)(2,10,3/8)22.26(90,6,120)(120,40,30)(4/3,20/3,1/4)22.26

通過表1可看出若參考顏色為60，4，80，相關(guān)顏色為90，6，120，兩種顏色具有同樣的色調(diào)和飽和度，兩種顏色的顏色比(R′，G′，B′)=(3/2，3/2，3/2)，顏色相似度值為100%，所以顏色相似度可有效比較兩種相似顏色。若相關(guān)顏色為(120，40，30)，當(dāng)參考顏色分別為(60，4，80)和(90，6，120)時，計算顏色相似度均為22.26%，(60，4，80)和(90，6，120)的色度和飽和度相同，亮度不同，所以顏色相似度可有效比較兩種不相似的顏色，且對參考顏色的色度、飽和度具有不變性。總之，若兩種顏色相似，即若兩種顏色具有相似的色度和飽和度，則計算SIMILATION值應(yīng)接近于1；反之，若兩種顏色不相似，則計算SIMILATION值應(yīng)不接近于1，且不受參考顏色的色度和飽和度的影響，所以式(5)定義的顏色相似度能有效判別兩種顏色是否相似。

1.3基于顏色相似度的彩色圖像分割

圖像分割的主要目的是將一幅圖像分割為目標(biāo)和背景兩個區(qū)域，假定目標(biāo)區(qū)域具有相似的顏色，背景區(qū)域也具有相似的顏色，提取圖像中出現(xiàn)次數(shù)最多的兩種顏色作為主顏色，分別作為目標(biāo)和背景主顏色，分割時遍歷圖像的每一像素，通過式(4)和(5)計算每一像素的顏色相對兩種主顏色的顏色比和相似度，比較相似度的大小，將相似度較大的劃為對應(yīng)類別。

2　基于RGB顏色相似度的成熟草莓圖像分割

Wang[12]假定目標(biāo)區(qū)域具有相似的顏色，背景區(qū)域也具有相似的顏色，此假設(shè)對于目標(biāo)和背景較單一、顏色較均衡，或者顏色變換較平緩的彩色圖像是合理的。但很多時候圖像的目標(biāo)和背景具有較復(fù)雜的顏色及紋理，甚至顏色變化比較劇烈，僅依據(jù)顏色的相似度將圖像分割為目標(biāo)和背景是不準(zhǔn)確的，例如背景區(qū)域若出現(xiàn)與目標(biāo)相同的顏色區(qū)域，則Wang的算法將無法分割此背景區(qū)域，算法失敗。此外圖像中出現(xiàn)頻率最高的兩種顏色作為目標(biāo)顏色和背景顏色也待商榷，出現(xiàn)頻率最高的兩種顏色不一定對應(yīng)目標(biāo)顏色和背景顏色，有可能都是背景顏色。

雖然Wang的算法對分割圖像有諸多限制，無法將其直接用于成熟草莓圖像分割，但草莓的機(jī)械化采摘所拍攝的圖像中主要為成熟的紅色草莓、未成熟的青綠色草莓、綠色的草莓莖葉，黑色的地膜和白色的草莓花等物，目標(biāo)區(qū)域的顏色比較單一，可將Wang的算法改進(jìn)，使其適用于成熟草莓的圖像分割，本文將Wang的算法改進(jìn)，提出一種新的基于RGB顏色相似度的成熟草莓圖像分割算法。

2.1彩色圖像的主顏色提取

在處理時需要提取兩種主顏色，分別對應(yīng)目標(biāo)和背景。成熟草莓呈現(xiàn)鮮紅色，草莓圖像在處理時僅需對目標(biāo)顏色做出分割，即將圖像中紅色區(qū)域作為成熟草莓對象進(jìn)行提取，非紅色區(qū)域則作為背景，所以背景區(qū)域是黑色的地膜或是綠色的莖葉或是白色的花瓣等無須關(guān)注，僅把紅色區(qū)域作為感興趣區(qū)域。

紅色作為主顏色必須先得到，可手工任意截取多幅圖像的多個成熟草莓區(qū)域，求出這些區(qū)域的RGB值的平均值(R0，G0，B0)，將(R0，G0，B0)作為圖像的主顏色。

2.2CS-BASED RSIS算法

當(dāng)確定圖像的主顏色(R0，G0，B0)后，遍歷整幅圖像的所有像素點，通過式(4)計算所有像素點的顏色(R1，G1，B1)相對于主顏色(R0，G0，B0)的顏色比(R′，G′，B′)，將顏色比(R′，G′，B′)代入式(5)，計算每個像素點顏色相對于主顏色的相似度SIMILATION，設(shè)定閾值，若相似度大于此閾值則認(rèn)定此像素點為目標(biāo)區(qū)域像素點，反之則認(rèn)定此像素點為背景區(qū)域像素點，分割流程如圖1所示。

圖1　基于RGB顏色相似度的成熟草莓圖像分割算法流程圖Fig.1　The flowchart of ripe strawberry image segmentation algorithm based on RGB color similarity

CS-BASED RSIS算法是對每個像素進(jìn)行處理，因為根據(jù)光照、遮擋、角度等因素分類篩選出的草莓區(qū)域往往會出現(xiàn)孔洞、毛刺、邊緣斷開等情況，當(dāng)閾值分類完成后還需對圖像進(jìn)行多次膨脹和去除小面積對象的數(shù)學(xué)形態(tài)學(xué)處理，最后得到分割結(jié)果。

3　結(jié)果與分析

為驗證CS-BASED RSIS算法，在Intel(R) Pentium(R) CPU B950 @2.10GHz，4.00GB RAM環(huán)境下，應(yīng)用matlab 7.0在多幅圖像上進(jìn)行草莓圖像分割試驗。閾值分割法具有計算量小、實現(xiàn)簡單、性能穩(wěn)定等特點，常用于圖像分割領(lǐng)域。Otsu[14]提出的最大類間方差法是閾值法的經(jīng)典算法，Kapur等[1]提出的最大熵閾值方法，不需要先驗知識，且對于呈非理想雙峰直方圖的圖像也可較好分割，所以應(yīng)用OTSU算法、最大熵單閾值算法、基于全局搜索的最大熵多閾值圖像分割算法(global search maximum entropy multiple threshold， GSMEMT)和本文CS-BASED RSIS算法對比試驗效果，其中GSMEMT閾值數(shù)設(shè)為3，CS-BASED RSIS相似度閾值設(shè)為0.9。試驗圖像采集于湖北省武漢市東西湖區(qū)銀柏路東湖大隊草莓園農(nóng)場，草莓園為壟作栽培系統(tǒng)，沿草莓園地膜間狹長小溝前行拍攝，拍攝角度為從上往下，每幅圖像為360像素×480像素，于晴天和陰雨天天氣分別拍攝。

3.1彩色圖像的灰度化

因為處理的對象是RGB模式的彩色圖像，OTSU、最大熵單閾值和GSMEMT適用于灰度圖像分割，所以首先將RGB模式彩色圖像轉(zhuǎn)化為灰度圖像。考慮到彩色圖像中主要對象為成熟紅色草莓、未成熟青綠色草莓、綠色草莓葉子和黑色地膜等物，成熟草莓圖像的紅色分量對比背景區(qū)域應(yīng)有更強(qiáng)的區(qū)分度，更有利于各算法的分割，所以彩色圖像R分量作為灰度圖像應(yīng)有更好的分割效果。為驗證，選取一幅RGB彩色圖像，分別提取其R，G，B 三個分量，將各分量圖像轉(zhuǎn)化為灰度圖像后進(jìn)行各算法的檢測，試驗結(jié)果見圖2。

圖2從左至右分別為原圖、OTSU、最大熵單閾值和GSMEMT算法分割后的圖像，從上到下分別為原圖的R，G和B分量灰度圖像進(jìn)行分割后的圖像。從圖2的各行比較可以看出，RGB彩色圖像的R分量灰度圖像的分割效果遠(yuǎn)好于G和B分量的灰度圖像分割，G和B分量的灰度圖像幾乎難以進(jìn)行草莓區(qū)域的分割，所以后續(xù)對OTSU、最大熵單閾值和GSMEMT算法進(jìn)行比較時，圖像的灰度化僅提取彩色圖像的R分量圖像進(jìn)行試驗。

A列： 原RGB彩色圖像； B列： OTSU算法； C列： 最大熵單閾值算法； D列： GSMEMT算法。 第1，2，3行分別為原圖的R，G和B分量灰度圖像進(jìn)行分割后的圖像。圖2　RGB三分量灰度圖分割結(jié)果Fig.2　The segmentation results of RGB three-component grayscale images

3.2不同算法分割結(jié)果

根據(jù)拍攝的圖像，將圖像分為無粘連無遮擋、無粘連有遮擋、有粘連有遮擋3種情況，有粘連無遮擋的情況很少見，不做分析。限于篇幅每種情況取4幅圖像予以說明，其中從左至右分別為原圖、OTSU、最大熵單閾值、GSMEMT和CS-BASED RSIS算法分割后的圖像。

3.2.1無粘連無遮擋草莓圖像分割

無粘連無遮擋試驗結(jié)果如圖3所示。圖3的第1，3和4行為草莓圖像為近景的情況，第2行為草莓圖像為遠(yuǎn)景的情況，第3和4行有明顯的光照。從分割效果可看出CS-BASED RSIS算法遠(yuǎn)優(yōu)于其他算法，OTSU和最大熵單閾值算法易將葉子、青色草莓等區(qū)域誤分為草莓區(qū)域，在圖3的第1，2和4行將大片綠色葉子區(qū)域誤分為草莓，將第2行多個青色草莓誤分為成熟草莓，而且各行對地膜的處理并不好。GSMEMT算法雖然效果優(yōu)于OTSU和最大熵單閾值算法，相對CS-BASED RSIS算法也有不足，如在第1和4行對草莓花區(qū)域存在誤分，草莓整體分割不全，第4行僅有2/3的真實草莓區(qū)域被分割。無論草莓圖像處于近景或遠(yuǎn)景，是否有光照，CS-BASED RSIS算法都有良好的分割效果，能將草莓整體區(qū)域準(zhǔn)確分割。

3.2.2無粘連有遮擋草莓圖像分割

無粘連有遮擋試驗結(jié)果如圖4所示。圖4的第1和2行分別為遮擋物為未成熟草莓和草莓萼片，第3行的遮擋物為萼片和莖，第4行為多個草莓無粘連有遮擋的情況。OTSU算法無法將莖、萼片、草莓花等物與成熟草莓區(qū)分，最大熵單閾值和GSMEMT雖然處理效果好于OTSU算法，但也有類似誤分，同時最大熵單閾值和GSMEMT算法在第1，2和3行出現(xiàn)草莓分割內(nèi)部乃至邊界模糊。CS-BASED RSIS算法因為是基于顏色相似度的劃分方法，與上節(jié)無粘連無遮擋草莓圖像分割效果類似，受莖、萼片、草莓花等物的影響較小，能將草莓區(qū)域正確分割，但由于遮擋物的存在，分割的草莓區(qū)域不是十分完整，但總體而言，CS-BASED RSIS算法優(yōu)于其他算法。

3.2.3有粘連有遮擋草莓圖像分割

有粘連有遮擋試驗結(jié)果如圖5所示。圖5的第1和4行為遠(yuǎn)景圖像，2和3行為近景圖像。5種算法中OTSU和最大熵單閾值算法分割效果相似，容易受到草莓萼片、葉子、莖、地膜紋理等背景的干擾而出現(xiàn)誤分，GSMEMT和CS-BASED RSIS算法分割效果較好，受上述背景區(qū)域的干擾要小，但GSMEMT在第1和3行對于莖的處理效果較差，同時容易出現(xiàn)分割區(qū)域邊界模糊、孔洞較多等缺陷，而CS-BASED RSIS算法在這些方面明顯優(yōu)于GSMEMT算法。

A列： 原RGB彩色圖像； B列： OTSU算法； C列： 最大熵單閾值算法； D列： GSMEMT算法； E列： CS-BASED RSIS算法。 圖4和5同。圖3　無粘連無遮擋草莓圖像分割Fig.3　Strawberry image segmentation in no adhesion and no occlusion

圖4　無粘連有遮擋草莓圖像分割Fig.4　Strawberry image segmentation in no adhesion and occlusion

圖5　有粘連有遮擋草莓圖像分割Fig.5　Strawberry image segmentation in adhesion and occlusion

3.2.4算法分割效率比較

因草莓的機(jī)械化采摘不僅需要好的分割效果，還應(yīng)有較快的分割速度。OTSU算法、最大熵單閾值算法、GSMEMT算法和CS-BASED RSIS算法的分割速度，即每幅圖像的平均分割時間分別為0.271，0.962，20.446和0.965 s。其中OTSU、最大熵單閾值、CS-BASED RSIS算法的分割速度較快，基本滿足實時分割的要求。GSMEMT算法的分割速度較慢，分割時間是CS-BASED RSIS算法的20倍以上。CS-BASED RSIS、最大熵單閾值、OTSU算法不涉及復(fù)雜的計算，OTSU和最大熵單閾值算法僅就單層循環(huán)尋找最大類間方差和最大熵，CS-BASED RSIS算法也僅遍歷整幅圖像，求每個像素點的顏色相似度后分類，而GSMEMT算法是多閾值分割，需多重搜索求得最優(yōu)閾值，每次搜索都通過復(fù)雜計算求熵，巨大且重復(fù)的計算耗費大量的時間和空間代價，嚴(yán)重影響算法性能，所以分割速度遠(yuǎn)低于其他算法。

CS-BASED RSIS除分割速度超過最大熵單閾值和GSMEMT算法，分割效果也優(yōu)于其他算法，這主要有兩個原因：首先，CS-BASED RSIS是基于顏色相似度的彩色圖像分割算法，處理對象為RGB模式的彩色圖像；而OTSU、最大熵單閾值和GSMEMT算法，處理對象為灰度圖像，在分割前需要將RGB模式的彩色圖像轉(zhuǎn)化為灰度圖像，轉(zhuǎn)化中會丟失圖像的色度等信息，從而出現(xiàn)誤分割。其次，CS-BASED RSIS僅考慮圖像的主顏色，成熟草莓的鮮紅色作為主顏色來自于多幅草莓圖像，且顏色相似度不受亮度的影響，只有成熟草莓區(qū)域顏色與主顏色足夠相似才予以分割，所以很少出現(xiàn)背景區(qū)域的誤分，而其他算法沒有這樣的優(yōu)點，分割效果難以保證。

4　結(jié)論

本文提出了一種基于RGB顏色相似度的圖像分割算法，無須將彩色圖像轉(zhuǎn)換為灰度圖像進(jìn)行分割，直接處理RGB彩色圖像，不會丟失圖像的色度等信息，計算簡便，分割結(jié)果和效率優(yōu)于OTSU、最大熵單閾值和GSMEMT算法。CS-BASED RSIS算法為彩色圖像分割提供了一種新的思路，后續(xù)研究可考慮將基于RGB顏色相似度的圖像分割算法用于柑橘、蘋果、葡萄、火龍果等其他水果，擴(kuò)大其應(yīng)用領(lǐng)域，甚至結(jié)合聚類、區(qū)域增長等構(gòu)造更加快速有效的算法。CS-BASED RSIS算法也有不足，如在處理遮擋非常嚴(yán)重的草莓對象時，分割對象存在碎片，如何改進(jìn)將是未來的研究重點。

[1]KAPUR J N， SAHOO P K， WONG A K C. A new method of gray level picture thresholding using the entropy of the histogram[J].ComputerVision，Graphics，andImageProcessing， 1985， 29(2): 273-285.

[2]張俊娜， 馮云芝. 基于量子最大熵多閾值算法的圖像分割研究[J]. 激光與紅外， 2013， 43(5): 578-582.

[3]WANG Y Q， LIU L X， ZHANG H， et al. Image segmentation using active contours with normally biased GVF external force[J].SignalProcessingLetters， 2010， 17(10): 875-878.

[4]LEE H Y， CODELLA N C F， CHAM M D， et al. Automatic left ventricle segmentation using iterative thresholding and an active contour model with adaptation on short-axis cardiac MRI[J].IEEETransonBiomedicalEngineering， 2010， 57(4): 905-9013.

[5]謝志勇， 張鐵中. 基于RGB彩色模型的草莓圖像色調(diào)分割算法[J]. 中國農(nóng)業(yè)大學(xué)學(xué)報， 2006， 11(1): 84-86.

[6]周天娟， 張鐵中， 楊麗， 等. 基于數(shù)學(xué)形態(tài)學(xué)的相接觸草莓果實的分割方法及比較研究[J]. 農(nóng)業(yè)工程學(xué)報， 2007， 23(9): 164-168.

[7]GUO F， CAO Q X， NAGATA M. Fruit detachment and classification method for strawberry harvesting robot[J].InternationalJournalofAdvancedRoboticSystems， 2008， 5(1): 41-48.

[8]張紅旗, 王春光, 李海軍. 基于遺傳算法的草莓圖像FCM分割方法研究[J]. 農(nóng)機(jī)化研究， 2015(4): 47-53.

[9]WEI X Q， JIA K， LAN J H， et al. Automatic method of fruit object extraction under complex agricultural background for vision system of fruit picking robot[J].Optik-InternationalJournalforLightandElectronOptics， 2014， 125(19): 5684-5689.

[10]張凱良， 楊麗， 王糧局， 等. 高架草莓采摘機(jī)器人設(shè)計與試驗[J]. 農(nóng)業(yè)機(jī)械學(xué)報， 2012， 43(9): 165-172.

[11]張凱良， 楊麗， 張鐵中. 草莓收獲機(jī)器人采摘執(zhí)行機(jī)構(gòu)設(shè)計與試驗[J]. 農(nóng)業(yè)機(jī)械學(xué)報， 2011， 42(9): 155-161.

[12]WANG S K. Color image segmentation based on color similarity [C]//Proceedings of the International Conference on Computational Intelligence and Software Engineering， Wuhan: IEEE Press， 2009: 1-4.

[13]楊康葉， 鄔春學(xué). 基于RGB模型顏色相似性的彩色圖像分割[J]. 計算機(jī)系統(tǒng)應(yīng)用， 2013， 22(3): 128-131.

[14]OTSU N A. Threshold selection method from gray-level histograms[J].IEEETransactionsonSystems，Man，andCybernetics， 1979， 9(1): 62-66.

(責(zé)任編輯侯春曉)

Image segmentation of ripe strawberry based on RGB color similarity

QIN Lei1，2， SUN Kai-qiong1，3， LI Shi-gao1， LIU Chun-tai1， RUAN Song1

(1.SchoolofMathematicsandComputer，WuhanPolytechnicUniversity，Wuhan430048，China; 2.SchoolofAutomation，HuazhongUniversityofScienceandTechnology，Wuhan430074，China; 3.SchoolofMeasuringandOpticalEngineering，NanchangHangkongUniversity，Nanchang330063，China)

In view of the limitations of traditional simple threshold algorithms under the complicated background， a ripe strawberry image segmentation algorithm based on RGB color similarity (CS-BASED RSIS) was proposed. Firstly， ripe strawberry regions were extracted， which determined the main color of ripe strawberry. Then， the CS-BASED RSIS algorithm traveled all pixels in the image for segmentation， calculated the color ratio and similarity of each pixel point relative to the main color， and threshold classification on color similarity were carried out. Finally， the image was processed with the multiple expansion and removing small objects and the segmentation result was output. Experimental results showed that， in three kinds of complex environment， i.e.， no adhesion and no occlusion， no adhesion and occlusion， adhesion and occlusion， the CS-BASED RSIS algorithm not only could achieve better segmentation effect compared with the OTSU image segmentation algorithm， etc， but also could save time， it’s average segmentation time was only 0.965 s， and the CS-BASED RSIS algorithm could meet the real-time requirement of ripe strawberry mechanization picking.

image segmentation; color similarity; ripe strawberry

10.3969/j.issn.1004-1524.2016.02.25

2015-07-22

湖北省教育廳科研計劃項目

覃磊(1979—)，男，湖北松滋人，在讀博士研究生，副教授，研究方向為圖像處理與智能計算研究。E-mail: 53039943@qq.com

TP391

A

1004-1524(2016)02-0330-08

覃磊， 孫開瓊， 李詩高， 等. 基于RGB顏色相似度的成熟草莓圖像分割[J]. 浙江農(nóng)業(yè)學(xué)報， 2016， 28(2): 330-337.