占俊

摘要：以茶領(lǐng)域為視角，對應(yīng)用在這一領(lǐng)域的計算機視覺圖像處理技術(shù)的方法進行探討，通過研究茶葉的分割算法，然后根據(jù)茶葉的特點研究了茶葉的特征提取，其中特征提取分為顏色特征的提取和形狀特征的提取，對兩者的原理和特點進行建模和分析。根據(jù)茶葉的特點推薦使用HIS模型提取特征數(shù)據(jù)，根據(jù)特征數(shù)據(jù)展望茶葉分類器的設(shè)計。

關(guān)鍵詞：茶；分割；顏色特征

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2018）19-0210-03

Abstract： In the view of tea field， the methods of computer vision image processing applied in this field are researched. With researching the cutting method of tea-leaves， and then extracting the feature of tea which includes color feature extraction and shape feature extraction， modeland analysis their principle and characteristics. According to the characteristics of tea， HIS model is recommended to extract the feature data， and the design of tea classifier is prospected with the data.

Key words： tea；cutting；color feature

1 茶葉圖像的分割

數(shù)字圖像技術(shù)作為一門跨學科的領(lǐng)域，其處理方法和技術(shù)多樣，并成為生理學、心理學、計算機科學等多專業(yè)視覺感知的有效工具。

圖像分割是圖像識別和計算機視覺的重要處理手段，實際上就是把圖像分成若干特定的、具有某些獨特屬性區(qū)域，并提出感興趣目標的技術(shù)處理過程。在采集生成的茶葉圖像基本上通過分割來突出茶葉與茶梗區(qū)域，盡量消除背景數(shù)據(jù)。在這一操作過程中主要有光流法、幀間差分法及背景差分法等。

光流法主要是針對圖像運行的一種實用表達方式，可以理解為當空間物體表面上的點的運動速度在視覺傳感器的成像平面上的表達。所以光流被認為只表示一種幾何變化。通過對連續(xù)茶葉物料圖像中的物料像素強度數(shù)據(jù)的時空變換及像素相關(guān)特性來定位特定像素的位置。實際操作中，物料和背景圖像隨著物料的下落會產(chǎn)生相對運行，導(dǎo)致物料的速度與領(lǐng)域背景速度的矢量單位有差異，從而定位出物料的位置。光流法的不足之處在于處理的數(shù)據(jù)量偏大，導(dǎo)致實時性和實用性不足，且抗噪性能力也較弱。

幀間差分法是一種通過對視頻圖像序列中相鄰兩幀作差分運算來獲得運動目標輪廓的方法，它可以很好地適用于存在多個運動目標和攝像機移動的情況。通過利用該方法對采集到的茶葉圖片相鄰的兩差進行求差運算，以便將茶葉和茶梗分離出來。該方法的不足之處在于對計算和實施環(huán)境有一定要求，其中包括物料的下落速度以及供料量的設(shè)置問題等都會導(dǎo)致相鄰圖像中的位移量過小，以至于出現(xiàn)目標的空洞現(xiàn)象。

背景差分法是在運動目標檢測中，背景圖像的建模及模擬的準確程度，這些參數(shù)將直接影響到檢測的效果。通過將環(huán)境背景作為背景圖像，然后將系統(tǒng)采集到的茶葉物料圖像并之前的背景做差分運算，通過選取適當?shù)臅r間參數(shù)來分割出茶葉與茶梗對象，該方法的優(yōu)點是檢測運動目標速度快，檢測準確，易于實現(xiàn)，其關(guān)鍵是背景圖像的數(shù)據(jù)拿把握，因為背景圖像也在動態(tài)變化，需要通過視頻幀來進行背景重建。

以下采用的分割算法是一種基于背景顏色差法的改進灰度闊值分割方法，算法流程如圖1所示：

1.1 釆用迭代閾值選擇來計算灰度門限

通過背景差法去除了物料圖像的背景，下面進行二值化。由于不同茶葉的顏色灰度值不一樣，因此很難用統(tǒng)一的閾值進行分割，但是葉片的與背景的灰度級、存在明顯差異，可以釆用迭代閾值選擇來計算灰度門限，計算步驟如下：

1） 根據(jù)茶葉圖像像素灰度值的分布選擇灰度值的中間值作為初始閾值[Γ]；

2） 使用閾值[Γ]分割物料圖像，灰度值[≥Γ]的像素集O1，灰度值[<Γ]的像素集O2。

3） 計算、范圍內(nèi)的像素灰度均值[μ1和μ2]；

4） 計算一個新的閾值：[Γ=μ1+μ22]

5） 不斷重復(fù)進行（2）到（4）直至[Γ]比預(yù)定的參數(shù)[Γ0]小為止。

迭代法可以很好地完成閾值分割，而且預(yù)定參數(shù)[Γ0]的選取具有技巧性。

1.2 先膨脹再腐蝕運算

在實際的物料圖像中，物料葉片由于碰撞、腐蝕等原因，中間或者邊緣部分會有小洞的存在，影響輪廟的完整提取，為了保證茶葉葉片圖像的形狀和邊緣的清晰，這種情況下，需要進一步處理：先膨脹再腐蝕運算。

1） 膨脹是將與茶葉物料圖像接觸的所有背景點合并到茶葉物料圖像中，是邊界像外部擴張，填補茶葉中的空洞。

2） 腐蝕消除物料圖像中小且無意義的像素點。

采集系統(tǒng)采集到的茶葉物料圖像如圖2所示。

2 茶葉物料圖像特征提取

特征提取主要是針對對象的顏色和形狀等。茶葉的種類繁多，其顏色各異，形狀多變，如鐵觀音一般葉呈卷狀，顏色偏暗，而大紅袍葉型較大，呈暗紅色，茶梗粗細不定。綠茶則因葉色偏綠而得名，茶梗偏短，葉形較扁。

因茶葉自身的特點，幫顏色與形狀特征較穩(wěn)定，但是病斑葉和雜質(zhì)等樣式較多，基于這些原因，可以通過提取圖像的顏色和紋理特征來對目標進行分類和選擇。

2.1顏色特征的提取

顏色能夠表征茶葉品質(zhì)，已成為共識。國內(nèi)外眾多學者對茶葉顏色做了許多深入研究。顏色模型能用于抽象描述、表征色澤信息。常見的顏色模型有RGB、HIS、HSV、CMY 和YUV 等。但每一類顏色模型都有自身的特性，顏色模型選用要根據(jù)具體應(yīng)用場合而定。在探討色澤特征信息提取方法時，如何選取相應(yīng)合理有效的模型描述色澤信息尤為重要。為更加全面有效地掌握圖像顏色特征，通過RGB 模型和HSI 模型表達茶葉圖像的色澤信息進行提取與分析。

2.1.1基于RGB 模型顏色特征提取

2.1.2基于HSI 模型顏色特征提取

當我們觀察彩色對象時，一般通過HIS來描述物體的顏色.HIS（Hue：色調(diào)，Saturation：飽和度，Intensity：明度）顏色模型于1915 年由H.A.Munseu提出，采用H、S 和I 三種基本特征量描述顏色。

系統(tǒng)采集到的圖像一般是RGB模型的，而特征提取的時候要利用模型，因此需要進行轉(zhuǎn)換，將R、G、B三個值分割歸一化到[0，1]，H，S、I三個值轉(zhuǎn)換公式如下：

當s=0時，H無意義，也令其為0；當I=0或I=1時，S也沒有意義。在使用HIS進行茶葉分選，飽和度S分量差異較明顯，一般S就可以達到區(qū)分茶葉梗的目的，而且S分量綜合考量了R、G、B三個值，因此在提取顏色特征時，用S（飽和度）作為茶梗分類的一個特征，其他兩個作為輔助特征。

3總結(jié)

通過使用計算機數(shù)字圖像技術(shù)，解決并改進了茶領(lǐng)域傳統(tǒng)人眼篩選中存在的困擾和問題，但是同時也面臨了一些匹配的問題，但必須以此技術(shù)為基點，繼續(xù)進行相關(guān)領(lǐng)域的研究，通過多次試驗，反復(fù)比較，多重總結(jié)來進一步提升數(shù)字圖像在茶領(lǐng)域的應(yīng)用。本文中根據(jù)對茶葉圖像的前期分割后，提取剩余圖形里的RGB或HIS模型的特征，可以取得針對茶葉品質(zhì)分類數(shù)據(jù)并提供參考和識別。

參考文獻：

[1] 王國權(quán).基于光譜和高光譜圖像技術(shù)的蠶繭品質(zhì)無損檢測研究[J].計算機測量與控制，2014（18）.

[2] 周小紅.計算機圖像處理技術(shù)在茶葉品質(zhì)檢測中的應(yīng)用[J].華南理工大學學報，2015（5）.

[3] 楊娟.觀音茶加工工藝及品質(zhì)形成研究[D].四川：四川農(nóng)業(yè)大學，2011.

[4] 陳應(yīng)娟.四川黑茶品質(zhì)形成研究[D].四川：四川農(nóng)業(yè)大學，2011.