周文靜 ，馬曉曉 ，張洚宇 ，田志芳 ，范毅凡

（新疆科技學(xué)院，新疆 巴州 841000）

農(nóng)業(yè)的自動化是現(xiàn)代化農(nóng)業(yè)的一個重要標(biāo)志。在葡萄果穗采摘機(jī)器人的研制中，首要任務(wù)就是識別田間復(fù)雜環(huán)境下的葡萄果穗[1-2]。由于機(jī)器人采集的圖像受到自然光的影響，葡萄果穗表面與其周圍葉片等環(huán)境存在較大的差別，使得田間葡萄果穗的識別更加困難。目前，常用的圖像分割方法有兩種：一是利用圖像的顏色特征進(jìn)行分割[3]，二是利用近年發(fā)展迅速的機(jī)器學(xué)習(xí)對圖像進(jìn)行分割[4]。劉智杭等采用K-means聚類算法實現(xiàn)了葡萄果穗的識別[5]；查志華等采用Faster R-CNN實現(xiàn)了田間紅提葡萄果穗的識別[6]。然而，采用機(jī)器學(xué)習(xí)進(jìn)行圖像分割，需采用大量的數(shù)據(jù)集進(jìn)行訓(xùn)練，對實驗設(shè)備要求較高，價格昂貴，且訓(xùn)練非常耗時[7-9]。通過觀察葡萄果穗RGB圖像發(fā)現(xiàn)，紅葡萄果穗顏色與其背景顏色差異較大，通過對圖像顏色的處理即可對紅葡萄果穗進(jìn)行分割。因此，課題組在研究過程中試驗了將圖像顏色因子進(jìn)行邏輯運算，從而進(jìn)行圖像分割。

1 顏色因子的邏輯與運算

任何一個彩色數(shù)字圖像都是由三維立體的顏色空間中的顏色構(gòu)成的，可將其轉(zhuǎn)化為3個通道，每個通道為一個矩陣，對這些矩陣進(jìn)行運算，會得到不同的顏色因子，對其進(jìn)行處理則可擁有不同的圖像處理效果。如此，數(shù)字圖像的處理則可轉(zhuǎn)換為數(shù)字矩陣的運算。

而矩陣除了算術(shù)運算還有邏輯運算[10]，往常的研究中都只研究了矩陣的算術(shù)運算，卻忽略了矩陣的邏輯運算，因此，課題組結(jié)合了數(shù)字圖像的基本運算和邏輯運算來實現(xiàn)圖像分割的操作。

邏輯運算包括與、或、非3種，邏輯與運算的符號為“&”，若“0”表示假，“1”表示真，那么只有兩個操作數(shù)都為1，結(jié)果才是1。對任意矩陣邏輯與操作，如果第一個操作數(shù)是0，則無論第二個操作數(shù)是什么值，結(jié)果都不可能是1，即為0。

而在彩色圖像中，0表示黑色，1表示白色，邏輯運算得到的圖像正是由“0”和“1”構(gòu)成的圖像，可直接作為圖像分割的掩膜與彩色圖像相加即可得到分割出的葡萄果穗。

2 葡萄果穗圖像分割方法

2.1 圖像采集

本文中所用圖像為在葡萄采收期采集的田間自然生長條件下的葡萄果穗圖像。采樣時間為每日上午8:00—12:00。采用MI 5X獲取紅提葡萄RGB圖像，像素分辨率分別為4 000×3 000（4∶3）。手機(jī)攝像頭距葡萄果穗13 cm~57 cm，圖像采集時，采用隨機(jī)方式在同一株的上、中、下位置拍攝成熟的葡萄果穗，圖像采集包括逆光和順光，如圖1所示。

圖1 圖像采集示例

2.2 試驗環(huán)境

Dell筆記本：處理器為Intel（R）Core（TM）i5-4200U，主頻1.60 GHz，RAM 4 GB。操作系統(tǒng)為64位Windows10操作系統(tǒng)，算法在MATLAB R2018b中運行。

2.3 選取顏色空間

彩色數(shù)字圖像為由R（red）、G（green）、B（blue）三色光按照不同比例相互疊加而成的加色混合模型，在RGB色彩空間中，一組三原色光便是一個最小的表現(xiàn)單元[11]。而且RGB色彩空間是與人眼觀察最相近的顏色空間，因此本文選取了RGB色彩空間對圖像進(jìn)行分析。

2.4 紅葡萄果穗圖像分割

數(shù)字圖像的3個通道直方圖如圖2所示，不難看出，R、G兩通道均存在峰值，將其作為分割圖像的顏色通道更易分割出圖像中的葡萄果穗。本文在研究中采用（R-G）顏色因子和（R+G）顏色因子相與的方法，得到葡萄果穗分割結(jié)果。

圖2 圖像3個通道直方圖

如圖3所示，采用本文方法得到的分割結(jié)果中存在部分離散的背景，為得到單一的葡萄果穗圖像，對其進(jìn)行了如圖4所示的形態(tài)學(xué)處理。

圖3 （R-G）和（R+G）顏色因子相與分割結(jié)果

圖4 形態(tài)學(xué)處理

3 試驗結(jié)果與分析

本文對比了采用圖像的灰度圖、（R-G）顏色因子和（2R-G-B）顏色因子分別進(jìn)行自動閾值分割得到的分割圖像，并將分割結(jié)果與本文采用的（R-G）顏色因子和（R+G）顏色因子相與得到的分割結(jié)果進(jìn)行對比。最終分割結(jié)果如圖5所示。采用灰度圖進(jìn)行Otsu分割得到的圖像存在大量背景，仔細(xì)觀察可發(fā)現(xiàn)根據(jù)圖像的灰度分割出的為受光照程度較多的部分；采用（R-G）顏色因子進(jìn)行Otsu分割得到的圖像，分割出的圖像不存在背景，但分割出的葡萄果穗不完整；（2R-G-B）顏色因子進(jìn)行Otsu分割得到的圖像為顏色亮度較高的部分，亦無法將完整的葡萄果穗分割出來；對比幾種分割方法，發(fā)現(xiàn)（R-G）顏色因子和（R+G）顏色因子相與的分割方法能夠在去除背景的同時，將葡萄果穗較為完整地分割出來。

圖5 基于灰度圖的Otsu法背景分割

4 結(jié)論

課題組以田間成熟紅葡萄果穗為研究對象，采用MATLAB語言，通過圖像處理實現(xiàn)了田間成熟紅葡萄果穗的快速識別。

本文主要內(nèi)容及研究工作如下：提出了將（R-G）顏色因子和（R+G）顏色因子相與的分割方法，能夠在去除背景的同時將葡萄果穗較為完整地分割出來；對比了采用圖像的灰度圖、（R-G）顏色因子和（2R-G-B）顏色因子分別進(jìn)行自動閾值分割得到的分割圖像，這三種方法的分割效果均不如本文所提出的方法效果好。