基于計(jì)算機(jī)視覺的昆蟲識(shí)別的研究

范曉瑩+羅元浩

摘要

如今，最大值提取法、平均值提取法、概率系數(shù)提取法和HLS亮度提取法是目前使用最廣泛的四種彩色圖像轉(zhuǎn)換為灰度圖像的方法。為了從實(shí)際圖像的復(fù)雜背景，中提取白色和黑色昆蟲，本文基于顏色通道，提出了一種新的將彩色圖像轉(zhuǎn)換為灰度圖像的彩色通道比較法，具體方法如下：（1）對(duì)于白色昆蟲，如果圖像同一個(gè)像素的紅（R）、綠（G）、藍(lán)（B）像素值，最高與最低值之間的差值大于20，則使像素點(diǎn)的灰度值等于紅（R）、綠（G）、藍(lán)（B）中最低灰度值的五分之一，否則使像素點(diǎn)的灰度值等于紅（R）、綠（G）、藍(lán)（B）中最高灰度值的五倍。（2）對(duì)于黑色昆蟲，如果圖像同一個(gè)像素的紅（R）、綠（G）、藍(lán)（B）像素值，最高與最低值之間的差值大于20，則使每個(gè)像素點(diǎn)的灰度值等于紅（R）、綠（G）、藍(lán)（B）中最高灰度值的五倍，否則使每個(gè)像素點(diǎn)的灰度值等于紅（R）、綠（G）、藍(lán)（B）中最低灰度值的五分之一。與現(xiàn)有的方法相相比，彩色通道比較法能更有效的將昆蟲從實(shí)際圖像的復(fù)雜背景中提取出來。

【關(guān)鍵詞】昆蟲提取 計(jì)算機(jī)視覺 圖像處理 灰度變換

1引言

計(jì)算機(jī)視覺技術(shù)是一種快速、有效的檢測(cè)昆蟲數(shù)量的方法。利用計(jì)算機(jī)視覺技術(shù)識(shí)別實(shí)際環(huán)境中的昆蟲，是一種非常重要的、具有挑戰(zhàn)性的工作。

一般來說，當(dāng)計(jì)算機(jī)視覺技術(shù)用于識(shí)別昆蟲時(shí)，需要將彩色圖像轉(zhuǎn)化為灰度圖像，而彩色圖像轉(zhuǎn)化為灰度圖像的質(zhì)量將顯著影響著昆蟲的圖像識(shí)別效果。如今，最大值提取法、平均值提取法、概率系數(shù)提取法和HLS亮度提取法是目前使用最廣泛的四種彩色圖像轉(zhuǎn)換為灰度圖像的方法。另外，除了使用將彩色圖像轉(zhuǎn)化為灰度圖像的方法，一些更復(fù)雜的數(shù)學(xué)模型也己被應(yīng)用到彩色圖像變換到灰度的，例如小波算法。

為了從實(shí)際圖像復(fù)雜背景中識(shí)別和提取白色和黑色昆蟲，本文提出了一種新的將彩色圖像轉(zhuǎn)化為灰度圖像的方法——彩色通道比較法。

本文將常用的四種彩色圖像轉(zhuǎn)換為灰度圖像的方法與新提出的彩色通道比較法進(jìn)行比較，以表明新方法的優(yōu)勢(shì)。

2常用的提取方法簡(jiǎn)介

三原色理論在計(jì)算機(jī)視覺技術(shù)中起著重要的作用，根據(jù)三原色理論表明，紅（R）、綠（G）、藍(lán)（B）這三個(gè)原色的混合將確定對(duì)象最終的顏色。

在概率系數(shù)提取方法中，灰度圖像中像素的亮度L是基于人眼對(duì)紅（R）、綠（G）、藍(lán)（B）三原色的識(shí)別系數(shù)計(jì)算的，L值可以表示為：

L=0.2989×R+0.5870×G+0.1144×B（3）

在HLS亮度提取法中，灰度圖像中像素的亮度L是基于視覺感知模型得出的，L值可以表示為：

3彩色通道比較法的提出

根據(jù)三色理論，當(dāng)紅（R）、綠（G）、藍(lán)（B）有相同的亮度，他們混合將得到的灰度圖像。在一個(gè)灰度圖像中，純白色像素具有最高的亮度，而純黑色的像素具有最低的亮度。一般來說，灰度圖像的亮度值介于白色圖像和黑色圖像之間。

現(xiàn)實(shí)生活中，許多昆蟲是白色或黑色的，而灰度圖像（包括白色和黑色的圖像）的R，

G和B值是相等的，因此，根據(jù)白色和黑色物體三原色分析，本文提出一種白色或黑色昆蟲的提取方法，被稱為彩色通道比較法，彩色通道比較法描述如下。

對(duì)于白色的昆蟲，如果同一個(gè)像素中的紅（R）、綠（G）、藍(lán)（B）像素值的最高和最低值之間的差異大于20，則使像素點(diǎn)的灰度值等于紅（R）、綠（G）、藍(lán)（B）中最低灰度值的五分之一，否則使像素點(diǎn)的灰度值等于紅（R）、綠（G）、藍(lán)（B）中最高灰度值的五倍，公式表示為：

對(duì)于黑色昆蟲，如果圖像同一個(gè)像素的紅（R）、綠（G）、藍(lán)（B）像素值，最高與最低值之間的差值大于20，則使每個(gè)像素點(diǎn)的灰度值等于紅（R）、綠（G）、藍(lán)（B）中最高灰度值的五倍，否則使每個(gè)像素點(diǎn)的灰度值等于紅（R）、綠（G）、藍(lán)（B）中最低灰度值的五分之一，公式表示為：

眾所周知，人類的眼睛對(duì)亮度的識(shí)別范圍是10-20，而且，在彩色和灰度圖像的多閾值模型中，最低閾值也是20。因此，經(jīng)過研究，在公式（5）和公式（6）中使用的判斷閾值標(biāo)準(zhǔn)定為20。白色和黑色昆蟲的圖像通過公式（5）和公式（6）的計(jì)算，能從灰度圖像中的相對(duì)突出，能更有效地識(shí)別和提取的實(shí)際復(fù)雜背景中的昆蟲圖像。

4結(jié)果的驗(yàn)證與分析

下面，本文將使用實(shí)際生活中的昆蟲圖像，通過4個(gè)現(xiàn)有的圖像識(shí)別提取方法和彩色通道比較法，將彩色圖片轉(zhuǎn)化為灰度圖像，從而展示白色和黑色的昆蟲的轉(zhuǎn)換效果。具體方法為：

首先，將實(shí)際的彩色圖片使用上述方法轉(zhuǎn)化為灰度圖像。然后，使用Otsu算法將灰度圖像轉(zhuǎn)化為二進(jìn)制圖像。最后，通過處理的效果進(jìn)行了比較，測(cè)試的彩色通道比較法的優(yōu)勢(shì)。

圖1是昆蟲黃刺蛾繭的圖片，黃刺蛾繭的顏色是近似白色，是一個(gè)典型的白色昆蟲圖片。

圖2（a-d）是通過4種常用灰度圖像轉(zhuǎn)換方法，即公式（1-4）進(jìn)行轉(zhuǎn)換，再使用Otsu算法將灰度圖像轉(zhuǎn)化二進(jìn)制圖像后得到的圖像提取效果。

圖3是通過彩色通道比較法進(jìn)行灰度圖像轉(zhuǎn)換方法，即公式（5）進(jìn)行轉(zhuǎn)換，再使用Otsu算法將灰度圖像轉(zhuǎn)化二進(jìn)制圖像后得到的圖像提取效果。

通過圖2與圖3的效果比較能夠看出，當(dāng)彩色圖像轉(zhuǎn)換為灰度圖像時(shí)，本文提出的彩色通道的比較法與常用的4中灰度圖像識(shí)別方法相比，能夠更有效的從實(shí)際圖像復(fù)雜背景中識(shí)別和提取的昆蟲。

它的結(jié)論是彩色通道的比較法更有效地識(shí)別和提取的昆蟲昆蟲從實(shí)際的背景圖像相對(duì)于四個(gè)現(xiàn)有的提取方法時(shí)，彩色圖像被變換成灰色。

根據(jù)公式（5），因?yàn)榘咨ハx黃刺蛾繭的R，G和B的值幾乎是相同的，即Max（R，G，B）-Min（R，G，B）<20白色，因此昆蟲黃刺蛾繭的亮度L等于5×Max（R，G，B）。而因?yàn)楸尘爸饕蔷G色、棕色或淡灰色，即Max（R，G，B）-Min（R，G，B）>20，所以圖像背景亮度L等于Min（R，G，B）/5。轉(zhuǎn)換結(jié)果顯示為白色昆蟲黃刺蛾繭圖像和干凈的黑色背景，黃刺蛾繭被很好的識(shí)別提取出來。endprint

圖4是一張紅色條紋天牛的典型圖像，紅色條紋天牛是接近黑色昆蟲。

圖5（a-d）顯示的是將圖4通過4種常用灰度圖像轉(zhuǎn)換方法，即公式（1-4）進(jìn)行轉(zhuǎn)換，再使用Otsu算法將灰度圖像轉(zhuǎn)化二進(jìn)制圖像后得到的圖像提取效果。

圖6是通過彩色通道比較法進(jìn)行灰度圖像轉(zhuǎn)換方法，即公式（6）進(jìn)行轉(zhuǎn)換，再使用Otsu算法將灰度圖像轉(zhuǎn)化二進(jìn)制圖像后得到的圖像提取效果。

從圖6與圖5的效果比較能夠看出，當(dāng)彩色圖像轉(zhuǎn)換為灰度圖像時(shí)，與常用的4中灰度圖像識(shí)別方法相比，本文提出的彩色通道的比較法能夠更有效的從實(shí)際圖像復(fù)雜背景中識(shí)別和提取的昆蟲。根據(jù)公式（6），因?yàn)楹谏ハx的R，G和B的值基本相同，即Max（R，G，B）-Min（R，G，B）<20白色，因此昆蟲黃刺蛾繭的亮度L等于Min（R，G，B）/5。而因?yàn)閳D像背景主要是綠色、棕色和淡灰色，即Max（R，G，B）-Min（R，G，B）>20，所以圖像背景亮度L等于5×Max（R，G，B）。轉(zhuǎn)換結(jié)果顯示為黑色昆蟲圖像和比較干凈的白色背景，黑色昆蟲被很好的識(shí)別提取出來。

5總結(jié)

為了從實(shí)際的圖像背景中識(shí)別和提取的白色和黑色的昆蟲，本文提出了將彩色圖像轉(zhuǎn)換成灰度圖像的彩色通道比較法。彩色通道比較法提高了昆蟲和背景之間的對(duì)比度，并與現(xiàn)有的四種常用的灰度圖像轉(zhuǎn)換方法相比，本文提出的彩色通道比較法能更有效地從實(shí)際的背景中識(shí)別和提取了白色和黑色的昆蟲。

參考文獻(xiàn)

[1]李貞培，李平，郭新宇，陳樹敏.三種基于GDI+的圖像灰度化實(shí)現(xiàn)方法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2009.

[2]劉慶祥，蔣天發(fā).彩色與灰度圖像間轉(zhuǎn)換算法的研究[D].武漢理工大學(xué)學(xué)（交通科學(xué)與工程版），2003（03）：344-346.

[3] R.L.de Queiroz，K.Braun， “Color to gray and back：Color embedding into textured gray images，” IEEE Trans. Image Process， 2006 （06）： 1464-1470.

[4] H. Takahiko， N. Fuminori， T. Shoji，“Accurate reversible color-to-gray mapping algorithm without distortion conditions，” Pattern Recognition Letters， 2010 （31）： 2405-2414.

[5] N. Papamarkos，C.Strouthopoulos， I. Andreadi s，uMult i thresholding of color and gray-level images through a neural network technique，”Image and Vision Computing， 2000 （18）： 213-222.

[6] N. Otsu， “A threshold selection method from gray-level histograms，” IEEE Trans. on Sys tem，Man and Cybernetics， 1979 （01）： 62-69.endprint