基于機器視覺的草莓圖像分割研究

李京娜，王偉偉，李吉成，羅月芳，施樹雄

（云南工商學院，云南 嵩明 651700）

云南的夏草莓種植面積已居全國第一，但目前草莓收獲仍以人工摘取為主，工作量大，易造成草莓表面損傷，且效率較低，影響草莓商業價值，制約了云南省草莓產業的快速和可持續發展。研發草莓采摘智能農業裝備可以提高產業自動化，草莓圖像分割技術是實現草莓采摘、分選等自動化的基礎。目前，基于機器視覺技術的農作物智能采摘設備、自動分揀等技術正在迅速發展。本文基于機器視覺技術，主要研究了草莓圖像的處理方法，并通過matlab 試驗仿真，分割出了草莓的輪廓。

1 色彩模型確定

本文選用圖像處理使用較多的RGB、HSV色彩模型。

1.1 RGB色彩模型

RGB 色彩模式包含了人類視力所能感知的所有顏色。即目前自然界中所見的任何一種顏色都能夠通過紅（R）、綠（G）、藍（B）按照一定的比例混合而成[1]。把R、G、B 看作是3個維度的坐標，在計算機中通常用一個字節來存儲一種顏色的濃度，共256 種情況，所以每個維度范圍從0～255，即色彩圖像中每一個像素點都有對應的R 值、G 值、B 值表示。通過相機采集的圖片就是以RGB色彩空間呈現，見圖1。

圖1 草莓彩色原圖Fig.1 The original color picture of strawberry

1.2 HSV色彩模型

HSV 色彩模型中顏色的參數分別是：色調（H），飽和度（S），明度（V），其在空間中用圓錐體表示[2]。飽和度S 表示顏色接近光譜色的程度，圓錐的中心為0，飽和度值越大表示顏色越飽滿。本文提取HSV 的飽和度S 進行二值化操作，可以通過RGB 轉換HSV 來提取飽和度S。草莓圖像飽和度S，見圖2。

圖2 草莓HSV圖像飽和度Fig.2 The strawberry HSV image saturation

1.3 色彩模型確定

本文選擇RGB 和HSV 作為圖像處理的色彩模型，利用RGB 二值化結果與HSV 中飽和度S 二值化結果，更好地提取草莓的的二值化圖像。

2 圖像去噪

圖片在采集過程中，不可避免會受到噪聲的影響，若不去除圖片的噪聲，可能造成后期圖像分割不理想。中值濾波與均值濾波的對比圖，見圖3，通過試驗結果可以看出，均值濾波后，導致邊緣模糊化，而中值濾波不僅可以有效抑制噪聲，消除孤立的亮度或暗點，同時又能保留圖像尖銳邊緣，不會使得圖像模糊，便于下圖像的一步分割[3]。因此，本文采用中值濾波發去除圖像噪聲。

圖3 中值濾波與均值濾波對比Fig.3 The comparison between median filter and mean filter

3 圖像分割

為了有效凸顯草莓果實圖像，便于后期圖像特征提取與目標識別[4]。需要對采集的灰度圖進行閾值分割，也就是對圖像灰度直方圖中各個像素點進行分類，將灰度值在同一范圍內的像素歸屬為同一類，提取圖像中感興趣的部分。本文采用最大方差閾值法（OSTU 法）選取閾值。該算法是一種自動計算閾值的方法，其基本思想是在整個灰度級上搜索最佳閾值：根據直方圖選取初始閾值，該閾值將整個圖像像素分為2 組，計算2 組像素之間的方差，找到使方差最大時的閾值，即為最佳閾值[5]。

因此整個圖像灰度值均值為：μ=w0μ0+w1μ1，

最 終 求2 組 之 間 的 方 差 為：δ2(T)=w0(μ-μ0)2+w1(μ-μ1)2，則使方差最大的T即為最佳閾值。

通過該方法獲得的最佳閾值T 為0.3294，根據灰度直方圖，見圖4，該閾值處于2 個峰值之間的谷底，說明該閾值有效。根據該閾值分割出來的草莓圖像見圖5。通過對比可以看出，獲取了基本完整的草莓圖像信息。

圖4 灰度直方圖Fig.4 The gray histogram

圖5 圖像分割結果Fig.5 The image segmentation results

4 形態學處理

通過圖像分割結果可以看出，分割出來的二值圖中，草莓果實區域有空洞和離散的斑點。因此，采用形態學處理算法，圖像形態學運算主要有2 種操作，分別是腐蝕和膨脹，膨脹是將與物體接觸所有背景點合并到該物體中，使外界向外部擴張的過程，可以用來填補物體中的空洞；而腐蝕運算是一種消除邊界點，使邊界向內部收縮的過程，可以用來消除小且無意義的物體，可見，二者是一對相反的操作。因此，為了減少對圖像輪廓的影響，可以先進行腐蝕操作，再進行膨脹操作，或者先進行膨脹操作，再進行腐蝕操作，分別對應形態學的開運算和閉運算。

本文綜合利用開、閉運算的特點，用形態學閉運算去除果實表面種子和紋理特性所形成的細小空洞以及平滑果實邊界；而通過形態學開運算去除果實外，由葉子形成的離散斑點[6]。形態學開、閉運算處理前、后的二值圖效果，見圖6，可以明顯看出，果實內部的空洞和外部葉子造成的離散斑點均消除，果實邊界也更為平滑。最終分割的二值圖能完整的體現草莓果實的形狀。即便是有草莓枝莖，也能完整進行草莓圖像分割，見圖7。

圖6 形態學運算結果Fig.6 The morphological operation results

圖7 草莓圖像含枝莖處理結果Fig.7 The processing results of strawberry image with branches and stems

5 結語

本文基于草莓果實圖像，研究了不同色彩模型，采用圖像去噪算法，圖像分割算法及形態學處理算法，并通過試驗仿真驗證了算法的有效性。結果表明，通過以上圖像處理算法，可以得到草莓完整果實區域，便于草莓果實采摘定位及果實分級研究，提高草莓采摘和分揀效率，促進機器視覺技術在云南農業裝備現代化中的發展與實施。