姚波，汪洋，李小瑞，2，呂軍

（1.黃山學(xué)院信息工程學(xué)院，黃山 245041；2.上海海事大學(xué)信息工程學(xué)院）

自然環(huán)境下嫩芽與茶梗自動(dòng)分割方法的研究

姚波1，汪洋1，李小瑞1，2，呂軍1

（1.黃山學(xué)院信息工程學(xué)院，黃山 245041；2.上海海事大學(xué)信息工程學(xué)院）

在茶葉智能采摘過程中，實(shí)現(xiàn)嫩芽與鮮梗的自動(dòng)分割可以減少制茶工序和提高茶葉質(zhì)量。以自然環(huán)境下茶葉嫩芽圖像為研究對(duì)象，利用G-B灰度圖結(jié)合直方圖閾值法實(shí)現(xiàn)了新茶（嫩芽與鮮梗）分割，對(duì)新茶二值圖像進(jìn)行形態(tài)學(xué)腐蝕操作確定嫩芽與鮮梗的分割點(diǎn)，通過逐行掃描實(shí)現(xiàn)了自然環(huán)境下嫩芽與鮮梗的采摘點(diǎn)標(biāo)記。實(shí)驗(yàn)表明，該方法可以為自然條件下茶葉嫩芽與鮮梗的自動(dòng)分割提供理論基礎(chǔ)。

茶梗；圖像分割；腐蝕

我國(guó)作為茶葉生產(chǎn)大國(guó)，西湖龍井、黃山毛峰等茶葉深受海內(nèi)外人們的喜愛。隨著生活水平的不斷提高，人們對(duì)茶葉質(zhì)量的要求也越來越高。茶葉市場(chǎng)中以假亂真、以次充好等現(xiàn)象嚴(yán)重?cái)_亂茶葉市場(chǎng)的信譽(yù)和穩(wěn)定。國(guó)內(nèi)外學(xué)者將圖像處理等技術(shù)成功應(yīng)用于嫩芽智能采摘[1-3]、茶葉種類識(shí)別[4-6]、茶葉品質(zhì)鑒定[7-8]等環(huán)節(jié)。目前茶葉茶梗的自動(dòng)分揀技術(shù)由于分揀機(jī)械的效率和精準(zhǔn)度的不足仍然無法滿足茶葉大規(guī)模生產(chǎn)的要求[9]。張俊峰[10]、陳筍[11]等通過提取茶葉與茶梗的形態(tài)特征分別結(jié)合SVM和貝葉斯分類器實(shí)現(xiàn)了茶梗的自動(dòng)分離。以上方法均針對(duì)于干茶樣本，對(duì)于自然條件下嫩芽智能采摘過程中嫩芽與鮮梗的自動(dòng)分離鮮有報(bào)道。以自然環(huán)境下茶葉圖像為研究對(duì)象，首先探討不同顏色模型下新茶（嫩芽與鮮梗）與背景的目標(biāo)分割，然后結(jié)合嫩芽與茶梗的生長(zhǎng)形態(tài)，利用腐蝕和逐行掃描等方法實(shí)現(xiàn)了嫩芽與鮮梗的自動(dòng)分離，為整個(gè)茶葉生產(chǎn)過程智能化提供理論基礎(chǔ)。

1 材料與方法

1.1 茶葉圖像采集

清明前夕于安徽省黃山市茅山茶場(chǎng)，在自然光照條件下利用尼康D90數(shù)碼相機(jī)水平拍攝毛峰新茶圖像，共30幅，以jpg格式存儲(chǔ)。為加快計(jì)算機(jī)處理速度，將圖像統(tǒng)一裁剪為640*640像素。利用Lenovo ThinkPad E550C（CPU型號(hào)Intel酷睿i5 4210 U 1.7 GHz，內(nèi)存8 G，顯卡AMD Radeon R7 M265，硬盤1 TB）實(shí)現(xiàn)圖像增強(qiáng)、背景分割和目標(biāo)分離等操作。程序均在MATLAB2014a環(huán)境下編制。

1.2 茶葉圖像分割

圖像分割的好壞直接影響最終嫩芽與鮮梗的分離和后期的智能采摘。首先探討RGB、HSV兩種顏色空間不同分量圖下新茶與背景的差異，然后結(jié)合直方圖獲取閾值實(shí)現(xiàn)背景分割，最后利用形態(tài)學(xué)處理和邏輯與操作實(shí)現(xiàn)彩色分割。

1.2.1 圖像增強(qiáng)

在圖像采集過程中，容易受到機(jī)械振動(dòng)、外界環(huán)境等因素的影響使圖像質(zhì)量下降。利用標(biāo)量中值濾波方法對(duì)原始彩色圖像三通道分別進(jìn)行濾波后合成茶葉增強(qiáng)圖像，以提高茶葉圖像可懂性。

圖1 自然環(huán)境下茶葉彩色圖像Fig.1 Color image of tea under nature conditions

1.2.2 顏色空間轉(zhuǎn)換

顏色空間轉(zhuǎn)換是指一種顏色空間下顏色數(shù)據(jù)轉(zhuǎn)換成另一種顏色空間下數(shù)據(jù)，即不同數(shù)據(jù)表示相同的顏色。RGB和HSV模型作為兩種常用的色彩空間，前者是通過紅、綠、藍(lán)三分量的變化及相互之間的疊加得到各種顏色；后者是從人類視覺機(jī)理角度提出，由色調(diào)、飽和度和亮度組成，其描述的色彩更符合人的視覺特性。

圖2 自然環(huán)境下茶葉增強(qiáng)圖像Fig.2 Enhanced image of tea under nature conditions

圖3 自然環(huán)境下茶葉RGB圖像Fig.3 RGB image of tea under nature conditions

圖4 自然環(huán)境下茶葉HSV圖像Fig.4 HSV image of tea under nature conditions

1.2.3直方圖分割

灰度直方圖是對(duì)圖像中灰度級(jí)分布的統(tǒng)計(jì)。根據(jù)不同分量圖中新茶與背景的直方圖統(tǒng)計(jì)確定分割閾值，利用最大類間方差法實(shí)現(xiàn)茶葉的二值分割，并利用去除偽目標(biāo)、填充等形態(tài)學(xué)處理獲取較為純凈的二值圖像，最后與原始圖像進(jìn)行邏輯與實(shí)現(xiàn)彩色分割。

1.2.4 腐蝕操作

腐蝕運(yùn)算作為數(shù)學(xué)形態(tài)學(xué)中最基本的運(yùn)算之一，其基本思想是利用“結(jié)構(gòu)元素”對(duì)“圖像集合”進(jìn)行消除邊界點(diǎn)，使邊界向內(nèi)部收縮，使茶葉二值圖像變細(xì)，進(jìn)而消除小且無意義的目標(biāo)。梗的分割點(diǎn)，并確定坐標(biāo)顯示。具體流程如下：

2 結(jié)果

2.1 基于顏色的茶葉圖像分割

待分割灰度圖像及閾值的選取直接影響茶葉嫩芽圖像分割的質(zhì)量。經(jīng)實(shí)驗(yàn)發(fā)現(xiàn)R、G、B、H、S、V 6個(gè)單一分量和G-B、R-B兩個(gè)色差因子中，G-B分量圖中新茶與背景差異最為明顯，選取該分量圖作為新茶分割的輸入。根據(jù)灰度直方圖呈現(xiàn)的峰谷特性，選取55作為分割閾值，利用OTSU法結(jié)合偽目標(biāo)去除和填充處理等實(shí)現(xiàn)新茶圖像自動(dòng)分割。

g=rgb（：，：，2）；

b=rgb（：，：，3）；

gJb=g-b；%獲得g-b灰度圖，經(jīng)試驗(yàn)g-b為目標(biāo)與背景區(qū)別最大灰度圖

figure，imshow（gJb）；

figure，imhist（gJb）； %顯示灰度直方圖，獲取分割閾值

bw=im2bw（gJb，55/255）；%圖像分割

figure，imshow（bw）；

BW=bwareaopen（bw，1 000）；%剔除面積小于1 000個(gè)像素的小目標(biāo)

BW1=imfill（BW，'holes'）；%填充孔洞

se=strel（'disk'，6）；

BW1=imerode（BW1，se）；

figure，imshow（BW1）。

2.2 基于腐蝕的嫩芽與鮮梗的自動(dòng)分離

在獲取準(zhǔn)確的新茶二值圖像后與原始RGB圖像進(jìn)行邏輯與操作，實(shí)現(xiàn)鮮茶的彩色分割。但嫩芽與鮮梗顏色相同，均呈現(xiàn)亮綠色，很難利用單一的顏色特征進(jìn)行區(qū)分。根據(jù)新梗區(qū)域呈現(xiàn)細(xì)長(zhǎng)型等生長(zhǎng)統(tǒng)計(jì)特性，利用腐蝕操作和逐行掃描法獲取嫩芽與鮮

圖5 G-B分量灰度圖Fig.5 Gray image of G-B component

圖6 G-B分量灰度直方圖Fig.6 Histogram image of G-B component

圖7 茶葉二值圖像Fig.7 Binary image of tea

圖8 形態(tài)學(xué)處理后茶葉二值圖像Fig.8 Binary image of tea after morphological processing

（1）對(duì)茶葉純凈二值圖像與原始彩色圖像進(jìn)行邏輯與操作，實(shí)現(xiàn)茶葉彩色分割；

（2）對(duì)純凈二值圖像進(jìn)行邊緣檢測(cè)，然后從下向上、從左到右依次掃描每行目標(biāo)像素的數(shù)目；

（3）根據(jù)（2）中搜索出的像素統(tǒng)計(jì)特性，判斷像素增長(zhǎng)率最大的區(qū)域；

（4）對(duì)純凈二值圖像進(jìn)行多次腐蝕操作，直到（3）中增長(zhǎng)率最快區(qū)域目標(biāo)一分為二，即腐蝕后的嫩芽與鮮梗部分；

（5）去除（4）中鮮梗部分后，對(duì)每個(gè)嫩芽獨(dú)立區(qū)域進(jìn)行從下向上的逐行掃描，以第一個(gè)坐標(biāo)點(diǎn)作為嫩芽與鮮梗的位置連接點(diǎn)，記錄該坐標(biāo)；

（6）根據(jù)（5）中記錄的位置坐標(biāo)在茶葉彩色分割圖像中進(jìn)行分離點(diǎn)的標(biāo)記。

圖9 茶葉彩色分割圖像Fig.9 Color image of tea after segmentation

圖10 嫩芽與鮮梗分離標(biāo)記圖Fig.10 Marker image of sorting for tea sprout and stalk

3 討論

茶葉茶梗的在線分離大部分研究?jī)H限于以干茶為研究對(duì)象，采集自然環(huán)境下新茶圖像，根據(jù)新茶（嫩芽與鮮梗）與老葉等背景在顏色上的差異，首先探討了RGB、HSV兩種顏色模型下各色彩因子對(duì)背景分割的影響；其次選擇對(duì)比度最為明顯的G-B色差灰度圖作為待分割圖像，結(jié)合OTSU方法實(shí)現(xiàn)了茶葉二值分割；最后利用偽目標(biāo)去除、邏輯與等形態(tài)學(xué)處理實(shí)現(xiàn)了新茶的彩色分割。

根據(jù)嫩芽與鮮梗生長(zhǎng)形態(tài)的差異，利用邊緣檢測(cè)、逐行掃描、腐蝕等操作實(shí)現(xiàn)了嫩芽與鮮梗的自動(dòng)分離，并進(jìn)行了分離點(diǎn)標(biāo)記，便于后期茶葉智能采摘。該方法為自然環(huán)境下嫩芽與鮮梗的分離提供理論基礎(chǔ)，為茶葉生產(chǎn)智能化提供思路。

［1］ 楊福增，楊亮亮，田艷娜，等.基于顏色和形狀特征的茶葉嫩芽識(shí)別方法［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40（增刊）：119-123.

［2］ 韋佳佳，陳勇，金小俊，等.自然環(huán)境下茶樹嫩梢識(shí)別方法研究［J］.茶葉科學(xué)，2012，32（5）：377-381.

［3］ 張可，呂軍.自然條件下茶葉嫩芽圖像分割方法的研究［J］.黑龍江八一農(nóng)墾大學(xué)學(xué)報(bào)，2016，28（2）：100-104.

［4］ 汪建，杜世平.基于顏色和形狀的茶葉計(jì)算機(jī)識(shí)別研究［J］.茶葉科學(xué)，2008，28（6）：420-424.

［5］ 陸江鋒，單春芳，洪小龍，等.基于數(shù)字圖像的茶葉形狀特征提取及不同茶葉鑒別研究［J］.茶葉科學(xué)，2010，30（6）：453-457.

［6］ 雷梁.信陽毛尖圖像顏色和紋理特征研究與分析［D］.信陽：信陽師范學(xué)院，2012.

［7］ 陳全勝，趙文杰，蔡健榮，等.基于近紅外光譜和機(jī)器視覺的多信息融合技術(shù)評(píng)判茶葉品質(zhì)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2008，24（3）：5-10.

［8］ 李曉麗，何勇.基于多光譜圖像及組合特征分析的茶葉等級(jí)區(qū)分［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40（增刊）：113-118.

［9］ 張春燕，陳筍，張俊峰，等.基于最小風(fēng)險(xiǎn)貝葉斯分類器茶葉茶梗分類［J］.計(jì)算機(jī)工程與應(yīng)用，2012，48（28）：187-192.

［10］ 張俊峰.基于統(tǒng)計(jì)形狀特征的茶葉梗分離與識(shí)別［D］.合肥：安徽大學(xué)，2012.

［11］ 陳筍，張春燕.一種茶葉茶梗色選機(jī)圖像快速分揀方法［J］.合肥學(xué)院學(xué)報(bào)，2013，23（4）：36-41.

Study on Method of Automatic Segmentation for Tea Sprouts and Stalk Under Nature Condition

Yao Bo1，Wang Yang1，Li Xiaorui1，2，Lv Jun1
（1.School of Information Engineering，Huangshan University，Huangshan 245041；2.College of Information Engineering，Shanghai Maritime University）

The intelligence segmentation methods of tea sprouts and stalk were studied for reducing the tea-making process and improving the quality of tea.Using the images of tea sprouts under natural condition as the research example，the G-B gray images and histogram threshold method were proposed to achieve automatic segmentation of fresh tea（tea sprouts and fresh stalk），the morphological erosion operation was used for finding the splitting point between tea sprouts and stalk，the progressive scanning method was presented for labeling the point of intelligent picking.The experiments showed that the method based on image processing could provide a theoretical basis for the automatic segmentation of tea sprouts and stalk under nature conditions.

tea stalk；image segmentation；erosion

S571.1

A

1002-2090（2017）02-0114-04

10.3969/j.issn.1002-2090.2017.02.022

2016-06-15

國(guó)家級(jí)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項(xiàng)目（201410375013）。

姚波（1995-），男，黃山學(xué)院信息工程學(xué)院電子信息工程專業(yè)2014級(jí)本科生。

呂軍，男，助教，E-mail：zstulvjun@126.com。