朱超冉, 張春雨

(1.安徽工程大學(xué)機(jī)械工程學(xué)院,安徽 蕪湖 241000;2.安徽科技學(xué)院機(jī)械工程學(xué)院,安徽 鳳陽 233100)

0 引 言

目前來說化學(xué)除草仍然是人們最常用的除草方式,但是其弊端也是越來越突出[1],比如長(zhǎng)期使用化學(xué)除草劑不僅會(huì)給環(huán)境帶來負(fù)荷,而且最終還會(huì)危害人類。因此,研究人員不得不重新尋找一種新型的除草方式,就這樣智能除草機(jī)器人誕生了。除草機(jī)器人這幾年也發(fā)展的迅速,除草機(jī)器人結(jié)合多種技術(shù)[2],計(jì)算機(jī)視覺技術(shù)、圖像處理技術(shù)等,對(duì)采集的雜草圖像進(jìn)行識(shí)別,然后驅(qū)動(dòng)除草裝置進(jìn)行除草的智能化形式。

閾值分割法主要是利用待獲取的目標(biāo)對(duì)象和圖像背景間的灰度特征差別,通過將目標(biāo)圖像看成是互不相等的兩個(gè)灰度區(qū)域,然后再根據(jù)一個(gè)適當(dāng)?shù)拈撝祦泶_定圖像中的像素點(diǎn)到底屬不屬于目標(biāo)區(qū)域,由此產(chǎn)生相對(duì)應(yīng)的二值圖像[3-4]。

針對(duì)采集到的雜草圖像進(jìn)行預(yù)處理進(jìn)而圖像分割[5-7],減輕后續(xù)進(jìn)行圖像識(shí)別的準(zhǔn)備工作。

1 圖像閾值分割算法

1.1 大津閾值分割(OTSU)

OTSU 算法被稱為最大類間算法[8],也被人們叫做大津算法。

設(shè)圖像I(x,y)當(dāng)中的背景和前景的分割閾值表示為T ,前景當(dāng)中的像素點(diǎn)在整個(gè)圖像的比例表示為w0,其平均灰度等級(jí)為μ0;背景當(dāng)中的像素點(diǎn)在整個(gè)圖像的比例為w1,其平均灰度等級(jí)為μ1。圖像的總平均灰度等級(jí)表示為μ ,類間方差記作g 。

如果處理的圖像背景不是那么亮,整個(gè)圖像的大小為M ×N ,在整個(gè)圖像中灰度值小于閾值T的像素表示為N0,灰度值大于閾值T 的像素表示為N1,那么:

1.2 迭代法閾值分割

迭代法的主要思想是逼近,主要步驟如下:

①求出圖像的最大灰度值和最小灰度值,分別記為Zmax和Zmin,使得初始閾值

②根據(jù)閾值T將圖像分成兩個(gè)區(qū)域,求出各自區(qū)域的平均灰度值Z0和Zb;

③新閾值公式如式(9):

④如果Tk =Tk+1,即為所求,否則重新進(jìn)行迭代計(jì)算。

1.3 最大熵閾值分割法

(1)熵是用來描述分布均勻程度,熵越大,分布越均勻;熵越小,說明分布的越分散。熵的定義:

(2)最大熵閾值分割

設(shè)定一個(gè)閾值(0≤q＜K -1),圖像分割的兩個(gè)圖像區(qū)域C0和C1,概率密度函數(shù)為[9]:

P0q（）,P1q（） 分別表示的是圖像背景和前景的累積概率,兩者加起來等于1。其對(duì)應(yīng)的公式如下:

2 雜草圖像閾值分割實(shí)驗(yàn)與分析

仿真實(shí)驗(yàn)運(yùn)用MATLAB 軟件進(jìn)行圖像閾值分割處理,進(jìn)行圖像處理的圖片是采集自農(nóng)田中經(jīng)常出現(xiàn)的幾種雜草之一狗尾草如圖1,圖2所示,下面是處理的結(jié)果。

2.1 超綠灰度化處理

RGB模型是通過R(紅)G(綠)B(藍(lán))三種顏色的光重疊在一起來達(dá)到混色的效果。灰度化是將彩色圖像的R,G,B 分量互相相等的過程,即R=G=B。其實(shí)在實(shí)際操作過程中我們只需要灰度圖像中的信息,所以進(jìn)行灰度化處理的一個(gè)重要原因是為了提高運(yùn)算速度。

采用的是超綠灰度化進(jìn)行灰度化處理,因?yàn)槌G灰度化能更好的提取綠色植物圖像,植物部分更加突顯,土壤和陰影部分被明顯抑制。圖1,2是運(yùn)用MATLAB進(jìn)行超綠灰度化的結(jié)果。

圖1 狗尾草原圖 圖2 超綠灰度化

2.2 直方圖均衡化

直方圖均衡化[10]是圖像處理當(dāng)中一種相當(dāng)有效的圖像加強(qiáng)的手段,圖像中的像素的灰度通過圖像的直方圖來改變,目的是為了加強(qiáng)動(dòng)態(tài)范圍較小的圖像的對(duì)比度。通過直方圖均衡化方式可以把采集到的圖像直方圖變成相對(duì)均勻分布的情形,這樣以來相對(duì)拓寬了像素與像素之間的灰度值差的動(dòng)態(tài)范圍,進(jìn)而得到加強(qiáng)整個(gè)圖像對(duì)比度的結(jié)果。

運(yùn)用MATLAB進(jìn)行處理,處理結(jié)果如圖3-圖7所示。

圖3 adapthistep均衡 圖4 histep均衡

圖7 histep均衡后直方圖

圖5 原圖直方圖

圖6 adathistep均衡后直方圖

由原圖的直方圖可以明顯的看出,中間有個(gè)小山峰凸起,經(jīng)過adathistep和histep函數(shù)處理之后圖像變得很平緩,趨于一條直線。通常在一張直方圖中,左半邊代表的是暗部的信息,右半部分代表的是亮部的信息?？梢钥闯?原圖處理前是左半部分比較高,說明它暗部的信息比較多,經(jīng)過直方圖均衡化后兩邊都比較平均,增加圖像的對(duì)比度使得圖像中間的波峰降低,左右兩邊的信息量增加。圖像的灰度等級(jí)在均衡化后會(huì)降低,一些細(xì)節(jié)會(huì)丟失。

2.3 實(shí)驗(yàn)結(jié)果

對(duì)進(jìn)行閾值分割的算法進(jìn)行MATLAB仿真,圖像經(jīng)過閾值分割處理,表1顯示了三種閾值分割算法的比較結(jié)果分析。

表1 閾值分割算法結(jié)果

圖8-圖10,三種圖像分割算法對(duì)比分析,如圖10最大熵閾值分割算法不適合雜草圖像分割,分割之后的圖像效果沒有達(dá)到預(yù)期,當(dāng)我們需要的那部分與背景相比灰度差不是很明顯時(shí),圖像分割的結(jié)果就不盡人意,因?yàn)檫@種算法對(duì)噪聲方面很敏感。如圖8的大津閾值分割算法就可以很明顯的看到狗尾草的圖像。如圖9 迭代法閾值分割結(jié)果雖然可以清楚的看到狗尾草圖像,但是存在噪聲,這是自然產(chǎn)生的。所以雜草圖像閾值分割處理方面,選用大津閾值算法較為合適。

圖8 大津閾值分割

圖9 迭代法閾值分割

圖10 最大熵閾值分割

3 結(jié) 論

通過對(duì)圖像進(jìn)行預(yù)處理,然后分析三種閾值分割算法得出的結(jié)果,分析結(jié)論如下:

1)最大熵閾值分割法對(duì)于目標(biāo)的體積和噪聲的大小比較敏感,目標(biāo)圖像與背景分離的效果較差;

2)迭代法閾值分割迭代的速度很快,但是存在噪聲,對(duì)后續(xù)處理有影響;

3)大津閾值分割的圖像信噪比(SNR)最高,標(biāo)準(zhǔn)差(STD)最小,圖像閾值分割效果最好。