黃 鳳

(武夷學(xué)院數(shù)學(xué)與計(jì)算機(jī)系，福建 武夷山 354300)

2013-09-10

福建省教育廳A類項(xiàng)目(JA11266)；武夷學(xué)院青年科研項(xiàng)目(xq201023)。

黃鳳(1979-)，男，碩士，講師，現(xiàn)主要從事圖形圖像處理方面的教學(xué)和研究工作。

基于顏色分量差值法的武夷巖茶黃片識(shí)別研究

黃 鳳

(武夷學(xué)院數(shù)學(xué)與計(jì)算機(jī)系，福建 武夷山 354300)

為了提高茶葉品質(zhì)，在分析武夷巖茶外形和顏色的基礎(chǔ)上，提出了利用武夷巖茶圖像中紅綠藍(lán)顏色分量差的方法來(lái)識(shí)別成品茶中的黃片，利用Matlab軟件對(duì)獲得的武夷巖茶圖像進(jìn)行預(yù)處理、圖像分割、特征提取和黃片識(shí)別，識(shí)別率達(dá)到91%，得到了較滿意的結(jié)果，因而利用該方法可以為武夷巖茶分揀的機(jī)械化施工提供參考依據(jù)。

顏色分量差值法；武夷巖茶；Matlab

武夷巖茶是閩北茶葉的代表，是武夷山主要的經(jīng)濟(jì)作物。在武夷巖茶制作過(guò)程中，采摘、揉捻、包裝等工序都已經(jīng)實(shí)現(xiàn)機(jī)械化，但分揀過(guò)程一般通過(guò)人工實(shí)現(xiàn)，即將加工好的茶葉中參雜的茶梗和黃片篩選出來(lái)，以便提高茶葉品質(zhì)[1]。下面，筆者對(duì)基于顏色分量差值法的武夷巖茶黃片識(shí)別進(jìn)行了研究。

1 算法描述

茶葉的顏色是一個(gè)整體概念，包括茶葉的基本色調(diào)、光澤、飽和度、均勻性等多項(xiàng)特征，其中茶葉表面的顏色是一個(gè)重要特征，據(jù)此可以對(duì)武夷巖茶中黃片進(jìn)行識(shí)別[2]。在實(shí)際分揀過(guò)程中，部分成品茶顏色和黃片顏色較為接近，為此采用顏色分量差值法進(jìn)行黃片識(shí)別，其算法步驟如下：①利用Matlab[3-5]對(duì)獲取的含黃片的武夷巖茶圖像進(jìn)行預(yù)處理；②獲取圖像的R(紅色)、G(綠色)、B(藍(lán)色)分量；③對(duì)原圖像二值化，通過(guò)圖像分割實(shí)現(xiàn)每一片茶葉的坐標(biāo)提取；④根據(jù)提取的每一片茶葉坐標(biāo)從原圖像提取茶葉的R、G、B分量；⑤分別計(jì)算每片茶葉的R、G、B分量的平均值；⑥求每片茶葉的(R-B)+(G-B)均值，稱之為顏色分量差值，并為差值設(shè)置閥值(取所有參與試驗(yàn)的成品茶顏色分量均值和單個(gè)樣品茶顏色分量最高值之和)，以此閥值作為黃片的標(biāo)志，若顏色分量差值高于該閥值的即為黃片。

2 算法實(shí)現(xiàn)

在Matlab中一幅RGB圖像可以表示為一個(gè)M×N×3的3維矩陣，其中每一個(gè)彩色像素都在特定空間位置的彩色圖像中對(duì)應(yīng)紅、綠、藍(lán)3個(gè)分量。可以通過(guò)RGB_image()函數(shù)實(shí)現(xiàn)對(duì)彩色圖像的R、G、B分量的提取，如RGB_image(:,:,1)表示提取彩色圖像中的R分量[6]。對(duì)于二值化后的圖像，通過(guò)bwlabel()函數(shù)實(shí)現(xiàn)連通分量的提取，利用bwareaopen()函數(shù)移除小連通區(qū)域，據(jù)此去除噪聲等非茶葉圖像區(qū)域，使茶葉圖像完整并且不含非茶葉圖像，這樣就可以把余下的每一連通區(qū)域認(rèn)定為一片茶葉圖像，從而實(shí)現(xiàn)了茶葉圖像分割，并通過(guò)regionprops()函數(shù)計(jì)算每片茶葉圖像面積，具體程序如下：

HT5”SSclose all;

clc;

i=imread('tea.jpg');

r=i(:,:,1);

g=i(:,:,2);

b=i(:,:,3);

i2=im2bw(i,0.34);%圖像二值化

i2=1-i2;

i2=medfilt2(i2,[3,3]);

i3=bwareaopen(i2,300);

[l,num]=bwlabel(i3,8);%圖像分割

d=regionprops(l,'area');

v1=[d.Area];%獲取每片茶葉的面積

r_ave=zeros(1,num);%存儲(chǔ)R分量均值

g_ave=zeros(1,num);

b_ave=zeros(1,num);

rgb_ave=zeros(1,num);%存儲(chǔ)(R-B)+(G-B)值

for n=1:num

v2=zeros(1,v1(n));

v3=zeros(1,v1(n));

v4=zeros(1,v1(n));%用于存儲(chǔ)每片茶葉中每像素點(diǎn)的R值

v5=zeros(1,v1(n));

v6=zeros(1,v1(n));

[y,x]=find(l==n);

v2=[y];

v3=[x];

sumr=0; %用于存儲(chǔ)每片茶葉的R值總和

sumg=0;

sumb=0;

for k=1:v1(n)

v4(k)=r(v2(k),v3(k));

v5(k)=g(v2(k),v3(k));

v6(k)=b(v2(k),v3(k));

sumr=sumr+v4(k);

sumg=sumg+v5(k);

sumb=sumb+v6(k);

end

r_ave(n)=sumr/v1(n);%求每片茶葉的R均值

g_ave(n)=sumg/v1(n);

b_ave(n)=sumb/v1(n);

rgb_ave(n)=r_ave(n)+g_ave(n)-2*b_ave(n);

end

3 試驗(yàn)結(jié)果分析

圖2 武夷巖茶原始圖像

圖2所示為獲取的武夷巖茶原始圖像(右下角茶葉為黃片，其余茶葉正常)。對(duì)圖2中的茶葉進(jìn)行試驗(yàn)(見表1)，從表1可以看出，前6片茶葉的R均值范圍從29至44，G均值從29至45，相差范圍較大，而第7片茶葉的R、G均值分別為56、58，雖然與前6片茶葉R、G均值相差較大，但是從R、G均值之差來(lái)判定黃片將很難確定判別閥值，因?yàn)橥ㄟ^(guò)多次試驗(yàn)獲得的前6片茶葉和黃片的R、G均值有的相差較小。由于前6片茶葉的面積較小，R、G、B均值較低且相差不大，反映在茶葉圖像中表現(xiàn)為茶葉顏色較深、偏烏褐色，而第7片茶葉面積較大，R、G均值比B均值相對(duì)大很多，反映在茶葉圖像中表現(xiàn)為茶葉葉片較大且較平展、茶葉為青綠色而不是烏褐色，其R-B+G-B的值明顯高于前6片茶葉，因而認(rèn)定該片茶葉為黃片，這和實(shí)際分揀時(shí)的結(jié)果相同。通過(guò)對(duì)15幅含黃片的茶葉圖像進(jìn)行類似處理，從中獲取所有合格的樣品茶的R-B+G-B的均值，其值為3.8235,最大單品的R-B+G-B值為8.8402,因而把識(shí)別黃片的R-B+G-B閥值設(shè)定為上述二者之和(即13)，由于所有被認(rèn)定為黃片的茶葉R-B+G-B值均明顯高于此閥值，因而黃片識(shí)別率達(dá)到91%。

表1 利用顏色分量差值法識(shí)別茶葉黃片試驗(yàn)數(shù)據(jù)表編號(hào)

4 結(jié) 語(yǔ)

利用顏色分量差值法對(duì)武夷巖茶黃片進(jìn)行識(shí)別：首先利用Matlab對(duì)茶葉圖像進(jìn)行預(yù)處理，然后進(jìn)行圖像分割和顏色分量提取，再利用顏色分量差值法判別茶葉中的黃片。研究結(jié)果表明，該方法對(duì)武夷巖茶黃片識(shí)別率高，可以為武夷巖茶分揀的機(jī)械化施工提供幫助。

[1]李遠(yuǎn)華，楊江帆，石玉濤,等.武夷巖茶生產(chǎn)新技術(shù)[J].中國(guó)茶葉，2011(6)：19-20.

[2] 陳全勝,趙杰文,張海東,等.利用計(jì)算機(jī)視覺識(shí)別茶葉的色澤類型[J].江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版), 2005,26(5):461-464.

[3]徐立中.數(shù)字圖像的智能信息處理[M].北京：國(guó)防工業(yè)出版社，2001.

[4]柳效輝,徐 林,肖晨江,等.基于Matlab的圖像處理技術(shù)識(shí)別硅太陽(yáng)電池的缺陷[J].上海交通大學(xué)學(xué)報(bào),2020，37(7):926-929.

[5]Paulsen M R.Design of an Automated Corn Kernel Inspection System For Machine Vision[J].Transactions of the ASAE.1997,40(2):491-497.

[6]張錚，王艷平，薛桂香.數(shù)字圖像處理與機(jī)器視覺[M].北京：人民郵電出版社，2010.

TS272

A

1673-1409(2013)31-0075-03

[編輯] 李啟棟