基于HSI模型的修復(fù)植物葉片色彩

黃冠霖

摘要：本文根據(jù)葉肉顏色與蟲蛀或其他原因?qū)е氯~片潰爛的像素點(diǎn)顏色，差異大的自然現(xiàn)象，通過對葉片圖像聚類的方法，實(shí)現(xiàn)去除蟲蛀點(diǎn)并且利用“復(fù)制粘貼”篡改方法復(fù)原葉片色彩。首先將植物葉片圖像從RGB模型轉(zhuǎn)換為HSI模型，然后通過在HSI顏色模型下對葉片圖像聚類分析，去除葉片圖像蟲蛀點(diǎn)，最后利用“復(fù)制粘貼”對篡改區(qū)域進(jìn)行像素復(fù)原。實(shí)驗(yàn)結(jié)果表明，此算法簡單有效。

關(guān)鍵字：HSI模型，色彩修復(fù)，聚類，復(fù)制粘貼

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A

1 前言

圖像修復(fù)技術(shù)，指用圖像中的已知部分區(qū)域來填充修補(bǔ)圖像中的受損區(qū)域，比如污點(diǎn)，裂縫等。Bertalmio等人[1]在參考了修復(fù)者手工修復(fù)過程后，于2000年提出了數(shù)字圖像修復(fù)這一概念。

2004年，Criminisi[2]等人提出一種基于樣本塊的修復(fù)方法。該修復(fù)方法同時(shí)考慮了圖像的結(jié)構(gòu)和紋理信息，采用SSD（sum of squared differences）來搜索最優(yōu)匹配塊的方法。其修復(fù)過程主要包括三個(gè)部分：計(jì)算、搜索、合成。Criminisi在論文中給出的修復(fù)效果說明，該算法不僅對破損區(qū)域較小時(shí)有效，對破損區(qū)域較大時(shí)修復(fù)效果同樣很顯著，其運(yùn)行時(shí)間和其它算法相比也得到很大提高，成為圖像修復(fù)領(lǐng)域里的經(jīng)典算法。

2 理論概述

2.1 HSI顏色模型

HSI顏色模型是美國色彩學(xué)家孟塞爾（H.A.Munseu）于1915年提出的，它反映了人的視覺系統(tǒng)感知彩色的方式，以色調(diào)、飽和度和強(qiáng)度三種基本特征量來感知顏色。色調(diào)H（Hue）：與光波的波長有關(guān)，它表示人的感官對不同顏色的感受，如紅色、綠色、藍(lán)色等。飽和度S（Saturation）：表示顏色的純度，飽和度越大，顏色看起來就會越鮮艷，反之亦然。亮度I（Intensity）：對應(yīng)成像亮度和圖像灰度，是顏色的明亮程度，是不可度量的，體現(xiàn)了無色的強(qiáng)度概念。通常把色調(diào)和飽和度合稱為色度，用來表示顏色的類別與深淺程度。

由于人的視覺對亮度的敏感程度遠(yuǎn)強(qiáng)于對顏色濃淡的敏感程度，為了便于色彩處理和識別，人的視覺系統(tǒng)經(jīng)常采用HSI色彩空間，HSI模型完全反映了人感知顏色的基本屬性，它比RGB色彩空間更符合人的視覺特性。在圖像處理和計(jì)算機(jī)視覺中大量算法都可在HSI色彩空間中方便地使用，它們可以分開處理而且是相互獨(dú)立的。因此，在HSI色彩空間可以大大簡化圖像分析和處理的工作量。

2.2 k-means聚類算法

K-means算法是最為經(jīng)典的基于劃分的聚類方法，屬于非層次聚類法的一種。聚類屬于無監(jiān)督學(xué)習(xí)，K是我們事先給定的聚類數(shù)，拿星團(tuán)模型來解釋，就是要將所有的星星聚成k個(gè)星團(tuán)，首先隨機(jī)選取k個(gè)宇宙中的點(diǎn)（或者k個(gè)星星）作為k個(gè)星團(tuán)的質(zhì)心，然后第一步對于每一個(gè)星星計(jì)算其到k個(gè)質(zhì)心中每一個(gè)的距離（歐氏距離），然后選取距離最近的那個(gè)，這樣經(jīng)過第一步每一個(gè)星星都有了所屬的星團(tuán)；第二步對于每一個(gè)星團(tuán)，重新計(jì)算它的質(zhì)心（對里面所有的星星坐標(biāo)求平均）。

2.3 Criminisi算法

在介紹具體算法之前，先介紹算法中需要到的一些變量。I表示源圖像，即需要修復(fù)的圖像，φ為圖像中的已知區(qū)域，即未受損區(qū)域，Ω為圖像中的受損區(qū)域， 為已知區(qū)域與受損區(qū)域的邊界，p為目前優(yōu)先權(quán)最高的像素點(diǎn)，ψp為以p點(diǎn)為中心而確定的矩形塊， 為p點(diǎn)的等照度線方向，np為與邊界正交的單位向量。

步驟1：確定待修復(fù)區(qū)域和邊界

步驟2：計(jì)算邊界上所有像素點(diǎn)的優(yōu)先權(quán)

步驟3：以優(yōu)先權(quán)最大的像素點(diǎn)為中心形成形成待修復(fù)模塊ψp，并在圖像已知區(qū)域內(nèi)尋找最匹配的模塊ψq，用歐式距離來描述兩個(gè)模塊間的相似度。若目前優(yōu)先權(quán)最大的像素點(diǎn)為p，以它為中心形成待修復(fù)模塊ψp，找與其最相似的模塊ψq，即是與其距離最小的模塊。

步驟4：復(fù)制ψq中相應(yīng)的像素點(diǎn)到ψp中

步驟5：更新ψp模塊中像素點(diǎn)的置信度和邊界等信息

每修復(fù)一個(gè)模塊，那么該模塊原來未知的像素點(diǎn)現(xiàn)在變成已知。通過對置信度的更新，可以重新計(jì)算該模塊內(nèi)像素點(diǎn)的優(yōu)先權(quán)，以此決定下一階段的修復(fù)順序。

3 實(shí)驗(yàn)步驟與結(jié)果

由于實(shí)際中得到的植物葉片圖像千差萬別并且包含有大量的背景成分，因此在進(jìn)行圖像分析之前，首先要對其進(jìn)行預(yù)處理。圖像背景去除隸屬于圖像分割范疇，是大多數(shù)圖像識別和分析問題中的預(yù)備性步驟。目前去除圖像背景方法的研究已比較成熟，一般的背景去除算法是基于數(shù)學(xué)形態(tài)學(xué)的開運(yùn)算和閾值分割的處理方法，如樊亞春[3]等為準(zhǔn)確分離圖像中的對象與背景信息，提出的改進(jìn)圖像背景減除算法。

異常點(diǎn)是數(shù)學(xué)統(tǒng)計(jì)學(xué)中的一個(gè)概念，換句話說即是一組數(shù)據(jù)中的一些殘差很大的點(diǎn)，而葉片中的異常點(diǎn)指的是由于蟲蛀或潰爛引起的葉片內(nèi)部孔洞，統(tǒng)一稱作蟲蛀點(diǎn)，顏色一般為棕色或黑色，與葉片的綠色格格不入，可以選取聚類分析法去除蟲蛀點(diǎn)。若對數(shù)據(jù)統(tǒng)計(jì)時(shí)采用RGB顏色模型，需考慮到RGB的三個(gè)顏色通道，操作上難度大，但采用HSI顏色模型只需考慮色調(diào)H即可。本文采用的算法步驟如下：

①把整幅圖像從RGB顏色空間轉(zhuǎn)成HSI顏色空間，提取葉片內(nèi)部的色調(diào)值；

②利用K-means算法，對葉片色調(diào)值聚類分析（聚兩類）；

③找出像素較少的一類，此即是葉片的蟲蛀點(diǎn)，定義為白色；

對提取出的葉片內(nèi)部的色調(diào)值進(jìn)行K-means聚類，聚類數(shù)為2，目的是將葉片的綠色和蟲蛀點(diǎn)的棕色或黑色分開，令像素點(diǎn)少的一類的色調(diào)值為白色即為1。葉片的蟲蛀點(diǎn)相對葉片的綠色像素點(diǎn)當(dāng)然是少很多，所以像素點(diǎn)少的一類明顯是葉片蟲蛀點(diǎn)，色調(diào)被標(biāo)記為白色，并顯示出葉片的色調(diào)H分量圖。

④利用Criminisi算法對去除的像素點(diǎn)進(jìn)行像素修復(fù)；

⑤把整幅圖像從HSI顏色空間轉(zhuǎn)回RGB顏色空間。

5 總結(jié)

由于研究學(xué)者們?yōu)榱四M達(dá)到葉片的真實(shí)感而模擬葉片色彩，大部分葉片色彩模擬的研究都是基于農(nóng)學(xué)知識和基于RGB顏色模型的，RGB模型是三個(gè)通道共同模擬共同作用，不便于色彩修復(fù)工作，而且不能很好地適應(yīng)實(shí)際上人解釋的顏色。本文致力于研究在HSI顏色空間下，利用聚類分析對葉片色彩的修復(fù)，在HSI顏色空間下討論葉片色彩的模擬，而非傳統(tǒng)的RGB顏色空間下，為顏色模擬研究提供新思路，進(jìn)而提出在HSI顏色模型下，基于聚類分析的植物葉片色彩修復(fù)。

參考文獻(xiàn)：

[1]樊亞春，周明全，耿國華.消除光照影響的背景減除算法[J].北京：中國圖象圖形學(xué)報(bào)，2009，14（7）