邢婧瑜，解迎剛，高博斌

（1.北京信息科技大學(xué) 信息與通信工程，北京 100101；2.昆明理工大學(xué) 冶金與能源工程，云南 昆明 650093）

0 引 言

我國(guó)是農(nóng)業(yè)生產(chǎn)大國(guó)，具有獨(dú)特的地理環(huán)境優(yōu)勢(shì)，非常適宜草莓生長(zhǎng)。果農(nóng)種植草莓基本為大面積種植。然而，我國(guó)目前采摘草莓仍以工作效率低下的人工采摘為主，增加了果農(nóng)采摘成本，同時(shí)也制約了農(nóng)產(chǎn)品的市場(chǎng)發(fā)展。因此，果實(shí)采摘機(jī)器人是國(guó)內(nèi)外研究的熱點(diǎn)。在非結(jié)構(gòu)環(huán)境下，由于復(fù)雜環(huán)境因素的影響，增加了果實(shí)識(shí)別及分割的難度。

文獻(xiàn)[2]將不可分小波與標(biāo)記分水嶺的圖像分割算法相結(jié)合，在很大程度上解決了圖像分割中存在的過分割問題。文獻(xiàn)[3]為了降低顏色相近環(huán)境下果實(shí)識(shí)別的錯(cuò)誤率，盡可能地減少?gòu)?fù)雜環(huán)境對(duì)果實(shí)識(shí)別的干擾，采用將兩種攝像機(jī)組合在一起拍攝圖像并進(jìn)行融合的方法。文獻(xiàn)[4]提出幾何形態(tài)學(xué)及迭代隨機(jī)圓結(jié)合的番茄識(shí)別算法，該算法在處理重疊、遮擋的番茄果實(shí)識(shí)別問題上具有比較理想的效果。文獻(xiàn)[5]采用改進(jìn)的聚類圖像分割算法對(duì)果實(shí)進(jìn)行識(shí)別，但因?yàn)楣麑?shí)生長(zhǎng)環(huán)境不同，果實(shí)大小、顏色也不同，該算法不具備通用性，且分割不夠精細(xì)，不利于做進(jìn)一步研究。文獻(xiàn)[6]的創(chuàng)新之處在于以樹干顏色為特征，設(shè)定閾值區(qū)間并采用迭代法選取合適的閾值，該算法對(duì)于顏色相差較大的林木，降低了識(shí)別的錯(cuò)誤率。文獻(xiàn)[7]針對(duì)非結(jié)構(gòu)環(huán)境下蘋果識(shí)別準(zhǔn)確率較低的問題，通過對(duì)蘋果的顏色特征及邊緣檢測(cè)兩個(gè)方面進(jìn)行實(shí)驗(yàn)分析，提出了一種在非結(jié)構(gòu)環(huán)境下的蘋果識(shí)別方法。文獻(xiàn)[8]提出了一種改進(jìn)的Faster RCNN 刺梨果實(shí)識(shí)別方法，該算法對(duì)非結(jié)構(gòu)環(huán)境下刺梨果實(shí)的識(shí)別準(zhǔn)確率較高。文獻(xiàn)[9]提出了一種閾值分割算法，該算法改善了獨(dú)立的隸屬度函數(shù)對(duì)不同特征圖像的匹配性較低的問題，該算法的準(zhǔn)確率較高。文獻(xiàn)[10]通過機(jī)器視覺對(duì)藍(lán)莓果實(shí)進(jìn)行品相和質(zhì)量分級(jí)的無損檢測(cè)，以此來實(shí)現(xiàn)大規(guī)模、高準(zhǔn)確率、低損傷的藍(lán)莓果實(shí)分級(jí)。文獻(xiàn)[11]為解決牛油果圖像光照分布不均勻問題，對(duì)牛油果圖像進(jìn)行光照補(bǔ)償，使光照均勻化，提高了分割的準(zhǔn)確率。

上述文獻(xiàn)針對(duì)成熟果實(shí)的分割與識(shí)別，提出了多種方法。但由于草莓果實(shí)生長(zhǎng)環(huán)境較為復(fù)雜且果實(shí)大小、形狀不同，上述方法對(duì)成熟草莓分割還不夠準(zhǔn)確，從而影響后續(xù)果實(shí)的識(shí)別與定位的精度。因此，本文提出了一種基于改進(jìn)的Otsu 閾值分割和分水嶺算法相結(jié)合的方法對(duì)成熟草莓進(jìn)行分割。

1 改進(jìn)的Otsu 閾值與分水嶺算法相結(jié)合的分割方法

1.1 圖像濾波

由于自然環(huán)境下存在多種噪聲且背景復(fù)雜，為了使提取草莓果實(shí)的效果更好，對(duì)采集到的圖像進(jìn)行濾波處理。

本文采用雙邊濾波對(duì)圖像進(jìn)行去噪，與其他的濾波方式相比，雙邊濾波主要從空間信息和顏色信息進(jìn)行考量，在濾波過程中很大程度地保留了圖像的邊緣信息。其算法如下：

式中：(,)為輸入圖像像素灰度值；(,)為輸出圖像像素灰度值。

1.2 顏色空間轉(zhuǎn)換

RGB 顏色空間是基本的顏色空間，各種顏色空間均可通過RGB 顏色空間進(jìn)行轉(zhuǎn)換，本文采用YCrCb 顏色空間，其轉(zhuǎn)換公式如下：

1.3 改進(jìn)的Otsu 閾值分割算法

對(duì)現(xiàn)有的研究結(jié)果進(jìn)行分析，目前沒有一種閾值分割算法適合所有圖像。對(duì)于不同的圖像分割需求，在現(xiàn)有的閾值分割算法上進(jìn)行改進(jìn)，找出效果最好的閾值分割算法。

Otsu 算法是日本學(xué)者根據(jù)最小二乘法推理出的方法。實(shí)現(xiàn)方法如下：圖像大小為，灰度級(jí)為，n為灰度級(jí)的像素點(diǎn)數(shù)，灰度值為的像素點(diǎn)在圖像中出現(xiàn)的比例為()= n()。單閾值分割中，選取( 0 ≤≤-1 )中的一個(gè)值作為閾值，將圖像一分為二。灰度級(jí)為[0,]的像素點(diǎn)劃分為部分，灰度級(jí)為[+ 1,-1]的像素點(diǎn)劃分為部分。設(shè)()，()分別表示和兩部分出現(xiàn)的概率；()，()表示和兩部分的平均灰度級(jí)。則有：

圖像的平均灰度級(jí)為：

圖像的類間方差表示為：

()達(dá)到最大值時(shí)，為最合適的分割閾值：

傳統(tǒng)的Otsu 法對(duì)于直方圖為雙峰分布的圖像分割效果較好，然而實(shí)際的草莓圖像中，由于復(fù)雜的環(huán)境因素的影響，圖像的直方圖分布存在著不規(guī)律性，利用Otsu 分割算法進(jìn)行分割，分割效果不理想。因此對(duì)閾值的選取過程進(jìn)行優(yōu)化，文中提出了一種改進(jìn)Otsu 閾值分割算法，將部分像素所占的比例即作為權(quán)重因子加入算法，并引入系數(shù)0.5，使最佳閾值趨向于灰度直方圖的波谷處，改進(jìn)后的類間方差表示為：

1.4 分水嶺分割算法

分水嶺算法的原理：令N(=1,2,3,… )表示分割圖像(,)的局部極小值，(M )為相應(yīng)的集水盆地中所有點(diǎn)集合。[]表示位于(,)=下方的所有坐標(biāo)(,)的集合。即：

水位增加的過程中，將(,)=下方的所有點(diǎn)標(biāo)記為黑色，反之則被標(biāo)記為白色。B(M )表示產(chǎn)生的二值圖像，公式如下：

將[min+1]初始化為[min+1]，然后算法進(jìn)行遞歸調(diào)用。第步遞歸運(yùn)算，通過[-1]求解出[]，設(shè)為[]中的連通分量，則分以下三種情況：

1）?[-1]為空；

2）?[-1]包含[-1]中一個(gè)連通分量；

3）?[-1]包含[-1]中至少一個(gè)連通分量。

當(dāng)出現(xiàn)一個(gè)最小值滿足情況1），此時(shí)將加入[-1]生成[]；當(dāng)處在局部極小值構(gòu)成的集水盆地時(shí)，滿足情況2），將加入[-1]共同組成新的[]集合；當(dāng)處在兩個(gè)及以上集水盆地的脊線處位置時(shí)，符合情況3），所以需要在內(nèi)建立分水嶺，防止盆地中的水溢出。

本文算法主要步驟如下：

1）輸入彩色圖像；

2）圖像預(yù)處理：灰度化、雙邊濾波；

3）進(jìn)行顏色空間的轉(zhuǎn)換并提取Cr 分量；

4）通過改進(jìn)的Otsu 閾值分割算法對(duì)草莓圖像進(jìn)行初次分割；

5）針對(duì)重疊、遮擋的草莓利用分水嶺算法進(jìn)行二次分割，得到分割圖像。

對(duì)草莓果實(shí)進(jìn)行分割的算法流程圖如圖1 所示。

圖1 圖像分割算法流程圖

2 實(shí)驗(yàn)結(jié)果與分析

本文使用的草莓圖像采集于遼寧省丹東市，拍照時(shí)間為2020 年6 月，包含陰晴天氣、重疊遮擋等各種情況下的草莓圖像，共采集80 幅圖像，其中晴天60 幅，陰天20 幅，重疊遮擋草莓25 幅。

通過RGB 至YCrCb 顏色空間轉(zhuǎn)換公式，對(duì)采集到的圖像進(jìn)行顏色空間轉(zhuǎn)換。如圖2所示，圖2a）為原始圖像，圖2b）為YCrCb 轉(zhuǎn)換后圖像，圖2c）為YCrCb 數(shù)值圖。

圖2 草莓圖像顏色特征分析

YCrCb 顏色空間的一個(gè)重要性質(zhì)是，Y 分量與Cr、Cb 分量是互不干擾，相互獨(dú)立的。因此在草莓分割過程中，只需考慮Cr 和Cb 分量時(shí)，則不需要顧忌在非結(jié)構(gòu)環(huán)境下光照帶來的影響。根據(jù)YCrCb 數(shù)值圖，本文使用YCrCb 顏色空間中Cr 分量圖進(jìn)行草莓果實(shí)與背景的區(qū)分，Cr 分量圖如圖2d）所示。

將Cr 分量圖灰度化，如圖3 所示。利用改進(jìn)的Otsu算法對(duì)圖像進(jìn)行分割，如圖4 所示。

圖3 灰度圖像

圖4 改進(jìn)Otsu 閾值分割算法圖

分別運(yùn)用傳統(tǒng)的Otsu 閾值分割法、迭代法、最大熵算法以及改進(jìn)的閾值分割算法進(jìn)行分割，如圖5 所示。

將四種方法分割草莓圖像的性能進(jìn)行對(duì)比，如表1所示。

表1 成熟草莓分割算法性能對(duì)照 %

從圖5 和表1 中可以看出，與傳統(tǒng)Otsu 閾值分割以及迭代法、最大熵算法相比，改進(jìn)的Otsu 閾值分割在復(fù)雜背景下分割成熟草莓圖像效果更好。經(jīng)過改進(jìn)Otsu閾值分割算法分割后，圖像中目標(biāo)草莓的邊緣信息以及分離的果實(shí)形狀較為完整。利用其他算法分割，一些圖像中還殘留了部分噪聲，丟失草莓區(qū)域信息。不能將果實(shí)與背景有效分離，不利于進(jìn)一步處理。

圖5 同類算法對(duì)比圖

在圖像處理果實(shí)識(shí)別中，除了需要考慮復(fù)雜的環(huán)境因素帶來的影響，還要考慮果實(shí)相互重疊的情況。傳統(tǒng)的Otsu 閾值分割算法及改進(jìn)的Otsu 閾值分割算法并不能將重疊果實(shí)分離，還需采用分水嶺分割方法對(duì)重疊果實(shí)進(jìn)行分割。首先將攝像機(jī)采集到的圖像進(jìn)行預(yù)處理。然后進(jìn)行顏色空間轉(zhuǎn)換并提取Cr 分量，如圖6 所示。通過改進(jìn)的Otsu 閾值分割算法對(duì)目標(biāo)草莓果實(shí)進(jìn)行初次分割。利用分水嶺算法進(jìn)行二次分割，如圖7 所示。

圖6 Cr 分量圖

通過圖7 可以看出，分水嶺分割能夠大致將粘連、重疊果實(shí)分離，雖然果實(shí)邊緣部分缺失，但基本達(dá)到將單個(gè)果實(shí)分離的目的，為接下來的工作奠定基礎(chǔ)。

圖7 粘連情況下的草莓分割

通過對(duì)80 幅非結(jié)構(gòu)環(huán)境下拍攝的草莓圖像進(jìn)行分割，正確識(shí)別率達(dá)到87%，如表2 所示。

表2 分割結(jié)果

其中無遮擋草莓分割正確率為90%，粘連、遮擋等草莓正確分割率為85%。

針對(duì)非結(jié)構(gòu)環(huán)境下草莓圖像的分割，將本文算法與其他算法進(jìn)行對(duì)比實(shí)驗(yàn)，如圖8 所示。

文獻(xiàn)[16]求取原灰度圖像的梯度圖像，利用分水嶺分割算法進(jìn)行分割。如圖8a）所示，針對(duì)單個(gè)草莓分割邊緣清晰，分割效果較好，但對(duì)粘連的草莓不能有效的進(jìn)行分割。文獻(xiàn)[17]首先提取梯度幅值圖像的局部最小值點(diǎn)，然后利用分水嶺分割算法在此改進(jìn)的梯度圖上進(jìn)行分割。如圖8d）所示，在粘連的草莓中多分割出一部分區(qū)域。文獻(xiàn)[18]提出了一種將形態(tài)學(xué)重建濾波與通過最大熵閾值處理后的標(biāo)記分水嶺算法相結(jié)合的圖像分割方法。如圖8e）所示，不能將草莓果實(shí)有效分離，效果較差。本文算法針對(duì)獨(dú)立草莓果實(shí)，分離果實(shí)形狀完整，邊緣信息保留較好，針對(duì)粘連草莓果實(shí)，能夠達(dá)到將果實(shí)分離的目的。不同算法對(duì)比如表3 所示。

圖8 同類算法對(duì)比

表3 同類算法對(duì)比

從表3 可以看出，本文算法與文獻(xiàn)[16]、文獻(xiàn)[17]算法相比分割準(zhǔn)確率有較大的提升，分割效果最好。文獻(xiàn)[18]算法分割效果較差，對(duì)于獨(dú)立的草莓果實(shí)能夠分割出來，但粘連果實(shí)，不能做到有效分割。

3 結(jié) 論

本文提出的算法實(shí)現(xiàn)了對(duì)成熟草莓目標(biāo)的有效分割，較好地保留了草莓信息。

1）改進(jìn)的Otsu 閾值分割算法將閾值右側(cè)像素所占的比例作為權(quán)重因子加入算法，并引入系數(shù)0.5，使最佳閾值趨向于灰度直方圖的波谷處。該算法在非結(jié)構(gòu)環(huán)境下分割成熟草莓果實(shí)效果較好，但不能分割粘連的草莓果實(shí)。

2）采用適用于粘連果實(shí)分離的分水嶺分割算法對(duì)粘連果實(shí)進(jìn)行二次分割，能夠?qū)φ尺B的草莓果實(shí)進(jìn)行有效的分離。

針對(duì)本研究，接下來將利用其分割結(jié)果進(jìn)行成熟草莓的識(shí)別與定位，為草莓采摘機(jī)器人的研究、發(fā)展奠定基礎(chǔ)。該算法主要基于圖像的顏色特征對(duì)草莓果實(shí)進(jìn)行分割，也適用于其他任何類似顏色的物體識(shí)別。