基于MATLAB 的馬鈴薯圖像特征提取

許傳悅 彭世英 楊金鳳 賀光旭 紀朝鳳 邸國輝*

（黑龍江八一農墾大學電氣與信息學院，黑龍江 大慶163319）

1 概述

當前我國大多數的馬鈴薯分級方法還停留在傳送帶與重力傳感器結合的半人工或全人工狀態，將馬鈴薯質量檢測從人工分揀階段提升至機器自動識別篩選將大大提升馬鈴薯的效益產出率，在很大程度的降低人工因長時間工作致使視覺疲勞而造成的分揀及識別誤差，并且可以大大提高馬鈴薯品質分級的工作效率，一套完整的可替代人工分揀的馬鈴薯質量檢測系統將大幅提升馬鈴薯的商品性，創造出更大的經濟效益。

2 去除目標背景

對一幅具有紅、綠、藍三色通道的完整彩色圖像進行處理時通常需要對這三條通道進行逐一運算，數據量大必然耗費大量時間，而灰度處理即利用256 個灰度級來表示這三種顏色在同一圖像中所占的比重，處理后的圖像通常具有mxn 個像素值，可用一個二維矩陣表示，不僅壓縮運算數據，且利于進一步處理。

而二值化也就是對同一圖像不同灰度值進行合理閾值呈現明顯黑白效果，將大于此閾值的像素點用255 表示，即為目標物體，小于此閾值的像素點用0 表示，即為目標背景，但不同品種或質量的馬鈴薯表皮顏色存在較大差別，故一幅馬鈴薯灰度圖的灰度值變化規律不明顯，二值化處理過程中若直接采用自動閾值法效果較差，難以達到運算要求，故在進行二值化處理過程中應觀察不同種類、不同質量馬鈴薯的灰度值分布，自行選取合適閾值，盡可能實現目標與背景的完整分割，如圖1-2 所示。

由于二值化過程中，目標物體像素被賦值為255，背景像素被賦值為0，為利用二值化處理后圖像與原彩色圖像進行乘法運算的方法去除目標背景，并真實還原目標物體，需將得到的二值圖像像素矩陣進行歸一化處理，即使所有像素值均為0 或1，得到一標準的二維矩陣，盡管人為閾值的二值化馬鈴薯圖像仍存在少量噪聲點，導致背景分離過程中原始像素丟失，無法精準還原目標物體，應進行去躁處理，matlab 環境下有三種較傳統的的去躁方法：均值濾波法、中值濾波、開閉運算，由于圖像中的噪聲點數量少且較小，圖像邊緣較平滑，故本文直接采用先腐蝕后膨脹的開運算對圖像進行形態學處理，刪除不能包含結構元素的對象區域，實現圖像去噪。

圖1 馬鈴薯原圖

圖2 二值化后馬鈴薯圖

3 特征提取

特征提取是計算機機器視覺處理中一種較常用的方法，它是指利用計算機處理提取像素信息，確定每個像素點是否屬于一個圖像特征，特征提取的結果往往是將圖像上的點分為不同的子集，而這些子集可能是離散的點、連續的曲線或聯通的區域，不同質量馬鈴薯之間具有較明顯的顏色、紋理及形狀特征，如綠皮、霉變、腐爛的果實表皮顏色較健康果實應存在較大差別，收割過程中也難免因人為或機器磕碰等外界因素對馬鈴薯表皮產生劃痕，或因磕碰、蟲蝕、畸形等因素產生可明顯區分的紋理及形狀特征，因此可對去背景處理后的不同質量的馬鈴薯圖像進行特征分類提取分析，進而判別出果實的質量好壞。

3.1 顏色特征提取

一幅完整的彩色圖像中的任何色彩均由RGB 三色元素組成，RGB 的所謂多少指代亮度，并由0 到255 之間的整數來表示，在MATLAB 中一幅RGB 圖像用一個三維數組來表示，其中每一個像素在彩色圖像中對應紅、綠、藍3 個分量。圖像的數據類型決定了各顏色分量的取值范圍。若一幅數據類型是uint8的RGB 圖像，其每個分量顏色的取值范圍是[0,255]。若將質量優良，表皮顏色正常的馬鈴薯圖像與病變、腐爛或其它因素造成表皮顏色有明顯區別的馬鈴薯圖像進行比對，可利用不同圖像的顏色直方圖來直接反映，如圖3 所示。

圖3 正常馬鈴薯顏色分量直方圖

不同質量馬鈴薯間顏色特征具有明顯區別，因此可直接求取不同圖像各顏色分量的平均值作為馬鈴薯等級評定的參考因素之一。

3.2 紋理特征提取

目前對于紋理特征含義的解釋不盡相同，HawKins 認為紋理具有三大標志：某種局部序列性不斷重復、非隨機排列和紋理區域內大致為均勻地統一體，紋理作為一種區域特征，是對一幅圖像各像素空間分布的一種描述，因此紋理特征有時是明顯的，有時是隱晦的，對于本文所研究的馬鈴薯，若存在斑紋、裂痕等狀況則具有網狀或線狀的紋理，而綠皮病等顏色特征明顯但表皮光滑的馬鈴薯則不具備明顯紋理特征，故上述顏色及紋理特征均不可獨自作為判別因素，應綜合考量。

3.3 形狀特征提取

針對形狀特征部分本文主要采用形狀不變矩法，即利用圖像的幾何矩來區分批量馬鈴薯中的畸形果實，幾何矩是Hu 的七個不變矩，該方法具有平移、旋轉和尺度不變性，在連續情況下，圖像函數可定義為f(x,y)，利用目前較為成熟的不變矩算法可計算該圖像的k 階標準矩、重心、k 階中心距，并對中心距進行歸一化處理，再利用二階和三階歸一化中心矩構造7 個不變矩M1-M7。這7 個不變矩構成一組特征量，由Hu 矩組成的特征量對圖片進行識別，優點就是速度很快，缺點是對于紋理特征復雜的圖像識別率比較低，但像識別大粒果實的形狀，或者車牌中的簡單字符此類紋理較簡單明了的圖像的識別效果會相對較好，本文所研究的馬鈴薯圖像紋理特征清晰，滿足采用Hu不變矩方法的前提，而且該方法的高效性可以縮短識別時間，提高檢測效率。