吳發(fā)輝

（武夷學(xué)院 福建武夷山 354300）

一、HIS彩色模型與茶湯圖像處理

茶湯是有顏色的，在分類過程中須對顏色進(jìn)行處理，實際應(yīng)用中，常見的顏色處理模型有RGB 模型、CMY 模型、HSV 模型、Lab 模型以及 HIS 模型等[1]，其中 HIS 模型是從人的視覺系統(tǒng)出發(fā)，符合人眼特性比較適合用于茶湯的計算機識別。

（一）HIS 彩色模型。每一種顏色都是由色調(diào)（Hue）、飽和度（Saturation 或Chroma）和亮度（Intensity 或Brightness）三要素來表示，HIS 模型就是從人的視覺系統(tǒng)出發(fā)，直接使用顏色三要素來描述顏色。其中色調(diào)是決定顏色的本質(zhì)，是彩色中最重要的屬性，物體反射光線中占優(yōu)勢的波長的差別來決定了色調(diào)的不同，不同的波長產(chǎn)生不同的顏色感覺，便有了紅、黃、藍(lán)等各類色彩的相貌稱謂。飽和度是指顏色的深淺和濃淡程度，飽和度越高，顏色越深。飽和度的深淺和白色的比例有關(guān)，白色所占比例越高，飽和度越低。亮度是眼睛對光源和物體表面的明暗程度的感覺，主要是由光線強弱決定的一種視覺經(jīng)驗，光線越強，亮度越大。

HIS 彩色空間可以用一個圓錐空間模型來描述，如圖1所示。人們通常把色調(diào)和飽和度統(tǒng)稱為色度，用來表示顏色的類別和深淺程度。在圖中圓錐中間的橫截面圓就是色度圓，而圓錐向上或向下延伸的便是亮度分量的表示。

圖1 HIS模型示意圖

從圖1可得：（1）I（亮度）的分量與圖像的顏色信息無關(guān)；（2）H（色調(diào)）和S（飽和度）分量與人眼獲得顏色的方式密切相關(guān)。這是由于人的視覺對顏色濃淡的敏感程度遠(yuǎn)遠(yuǎn)弱于對亮度的敏感程度，為了便于顏色處理和識別，人的視覺神經(jīng)系統(tǒng)常采用HIS 彩色空間，它相比于RGB（Red，Green，Blue）或其它色彩空間更符合人的視覺特性，描述也很接近人眼感知色彩的方式。在圖像處理和計算機視覺中大量算法都可在HSI色彩空間中方便地使用，選擇HIS色彩空間作為彩色圖像處理的模型進(jìn)行圖像分析和處理，以達(dá)到不同色彩的物體進(jìn)行分類，可大大簡化其工作量。

由于通過相機采集到的茶葉茶湯圖片是RGB 格式的，為了使圖像色彩更能符合人眼的視覺要求，本研究在圖像處理時將RGB模型轉(zhuǎn)換為HIS模型，以便更準(zhǔn)確的實現(xiàn)茶葉的分類。此外，由于HIS 空間中亮度和灰色度具有可分離特性，使得圖像處理和機器視覺中大量灰度處理算法都可以在HIS彩色空間中方便地使用。

HIS 彩色模型和RGB 彩色模型只是同一物理量的不同表示法，它們之間存在著轉(zhuǎn)換關(guān)系。給定一幅RGB 格式的圖像，每一個RGB像素和H分量可以用下面的公式得到[2]：

此處

飽和度分量由下式給出：

最后，強度分量為：

假定RGB 值歸一化為[0，1]范圍內(nèi)，色調(diào)可以用第一個式子得到的值除以360度歸一化為[0，1]范圍內(nèi)，而其它兩個HIS分量已經(jīng)在[0，1]范圍之內(nèi)[3]。

（二）茶湯圖像預(yù)處理。利用計算機圖像處理技術(shù)實現(xiàn)茶葉分類分為三個階段：首先對原始圖像進(jìn)行圖像預(yù)處理，選擇圖像的關(guān)鍵部分；接著是圖像特征提取階段，計算機對提取的圖像進(jìn)行關(guān)鍵的加工處理，從圖像中提取物體的客觀特征的顏色信息；最后是識別階段。

茶葉茶湯圖像預(yù)處理主要有以下幾種方法：

1．圖像增強。在實際應(yīng)用中，由于圖像在電路傳輸時所產(chǎn)生噪聲影響，或圖像光線不足導(dǎo)致的圖像灰度過于集中等問題，使得圖像質(zhì)量下降，因此獲取的原始圖片圖像清晰度并不很高，常是模糊的或根本難以看清。為了改善圖像質(zhì)量，在圖像分析前對圖像進(jìn)行預(yù)處理是不可缺少的。目前在圖像預(yù)處理所用的改善圖像質(zhì)量的方法常用的有圖像增強和圖像復(fù)原兩種。因為本研究對茶湯圖像處理的目的是進(jìn)行分類，所謂的分類是指按照種類、等級或性質(zhì)分別歸類，圖像中最能體現(xiàn)某種物體所具有的且與其它種物體不同的屬性才能做為分類的依據(jù)，而圖像增強可以對圖像感興趣的特征進(jìn)行有選擇的突出，衰減不需要的特征，從而減少圖像的復(fù)雜度，提高圖像的可懂性，所以運用圖像增強對茶葉茶湯進(jìn)行圖像預(yù)處理是最佳選擇。

2．圖像平滑。在圖像預(yù)處理時圖像平滑是一種可以減少和抑制圖像噪聲影響的數(shù)字圖像處理技術(shù)[4]，是用于突出圖像的寬大區(qū)域、低頻成分、主干部分或抑制圖像噪聲和干擾高頻成分的圖像處理方法，目的是使圖像亮度平緩漸變，減小突變梯度，改善圖像質(zhì)量。圖像平滑的方法包括插值方法，線性平滑方法，卷積法等多種方法，而中值濾波是一種常用的非線性平滑技術(shù)，在圖像處理中，是經(jīng)典的平滑噪聲的方法，它是把鄰域圖像的像素按灰度進(jìn)行排序，然后選取該組中間值作為輸出像素值，中值濾波器對與周圍像素灰度值差別較大的像素不那么敏感，在降噪的同時引起的模糊效應(yīng)較低。因此運用中值濾波這種非線性的信號處理方法進(jìn)行圖像預(yù)處理，它在一定條件下可以克服如最小均方濾波、均值濾波帶來的圖像細(xì)節(jié)模糊，而且可以有效的濾除脈沖干擾和圖像噪聲。它不同于卷積的鄰域運算，中值濾波將一個包含奇數(shù)個像素的滑動窗口G在圖像上移動，將領(lǐng)域中的像素按灰度級排序，取其中間值作為輸出像素。

中值濾波的數(shù)學(xué)描述：

若S為像素(x0，y0)的鄰域集合（包含(x0，y0)），(x，y)表示S中的元素，f(x，y)表示(x，y)點的灰度值，|S|表示集合S中元素的個數(shù)，Sort表示排序，則對(x0，y0)平滑可以表示為

窗口G可以是方形(m×n)，長方形(m×n)或者是十字形等，中值濾波可以表示為：

對于方形與長方形窗口，上式可以表示為：

3．圖像直方圖均衡化。茶葉茶湯的圖像在采集的時候容易受到諸多環(huán)境因素的影響，如光線、拍攝角度等，采集到的茶葉圖像的品質(zhì)會有所下降，這樣不利于后續(xù)的圖像處理，因此需要利用計算機，借助一些特殊的圖像處理方法來降低這些不良因素的影響，改善圖像的質(zhì)量，提高圖像的使用價值。為了改善圖像的質(zhì)量，需要使用直方圖修正方法實現(xiàn)圖像增強。針對不同的原始圖像有各自特點的直方圖，通過分析一幅圖像的直方圖的形狀，能判斷圖像的黑白對比度以及圖像的清晰度。如果一幅圖像的直方圖的效果不能滿足需求，就使用直方圖均衡化處理對圖像做適當(dāng)?shù)男薷模瑢⒃紙D像的不均衡的直方圖變成一幅具有均勻分布的新圖像[5]，直方圖均衡化拓展了像素元素的動態(tài)范圍，從而達(dá)到了使圖像清晰的效果。

直方圖均衡化的數(shù)學(xué)描述為：

數(shù)字圖像中灰度級為γk的像素出現(xiàn)的概率為：

式中N是一幅圖像的總像素數(shù)，nk為第k級灰度的像素數(shù)，γk表示第k個灰度級，P(γk)表示該灰度級出現(xiàn)的概率。對該數(shù)字圖像進(jìn)行直方圖均衡化時對應(yīng)的離散形式為：

二、茶湯圖像特征提取

茶葉特征選擇是茶葉分類的重要前提，要是茶葉特征選擇不對，那么對茶葉分類的準(zhǔn)確性將產(chǎn)生偏差。

在HIS模型中主要特征參數(shù)有3個，分別是茶葉茶湯圖像的所有像素點的H、I、S的值，同時分析數(shù)據(jù)，計算3個分量的平均值和標(biāo)準(zhǔn)差。

通過提取茶湯顏色特征，計算這些數(shù)據(jù)，比較不同茶湯的顏色特征，實現(xiàn)茶葉的分類。

三、實驗

（一）圖像截取功能。為了排除圖像中無關(guān)部分的影響，將樣本圖像截取有用的部分，使接下來的圖像預(yù)處理不受背景的無關(guān)因素的干擾。圖像截取如圖2所示。

圖2 圖像截取

（二）圖像預(yù)處理模塊。圖像預(yù)處理主是對茶湯圖像先進(jìn)行去噪平滑，排除一些不良因素對圖像質(zhì)量的影響，再進(jìn)行中值濾波，中值濾波的目的是為了減少圖像的噪聲，最后還要將圖像從RGB 彩色模型轉(zhuǎn)換為更符合人眼感官的HIS模型。圖像預(yù)處理結(jié)果如下：

圖3 圖像預(yù)處理

圖像預(yù)處理模塊代碼如下：

%執(zhí)行RGB轉(zhuǎn)換HIS

num=0.5*((r-g)+(r-b))；den=sqrt((r-g).^2+(r-b).^(g-b))；

theta=acos(num./(den+eps))；%·防止除數(shù)為0

H=theta；H(b＞g)=2*pi-H(b＞g)；

H=H/(2*pi)； num=min(min(r，g)，b)；

den=r+g+b；den(den==0)=eps；%·防止除數(shù)為0

S=1-3.*num./den；H(S==0)=0；

I=(r+g+b)/3； HIS=cat(3，H，I，S)；

（三）圖像特征數(shù)據(jù)提取功能。圖像特征數(shù)據(jù)提取功能是將轉(zhuǎn)換為HIS模型的圖像的H分量和S分量的均值和方差計算出來，是后續(xù)實現(xiàn)茶葉茶湯的分類重要顏色特征數(shù)據(jù)。圖像特征數(shù)據(jù)提取模塊的截圖如圖4所示。

圖4 圖像數(shù)據(jù)特征提取

通過MATLAB自帶的mean2()函數(shù)和std2()函數(shù)[7]分別計算轉(zhuǎn)換成HIS模式的茶湯圖像的H分量和S分量的均值和方差，用于茶葉的分類。模塊代碼如下所示：

global HIS；

mH=mean2(HIS(：，：，1))；%求 H 分量的均值

stdH=std2(HIS(：，：，1))；%求 H 分量的方差

mS=mean2(HIS(：，：，2))；%求S分量的均值

stdS=std2(HIS(：，：，2))；%求 S分量的方差

四、結(jié)論

根據(jù)圖像特征數(shù)據(jù)提取的顏色特征，通過對比兩幅圖像的顏色特征，可用于對圖像中的茶湯分類。本實驗是通過提取H分量和S分量的顏色特征，即求得H分量和S分量的均值和標(biāo)準(zhǔn)差的方法。