穆協(xié)樂，陸靜平，郭小龍，吳耀光，張鐵異

（廣西大學(xué) 機(jī)械工程學(xué)院，廣西 南寧 530000）

0 引 言

甘蔗收割機(jī)和剝?nèi)~機(jī)的喂入量過大會(huì)導(dǎo)致機(jī)器堵塞，過小會(huì)降低效率。目前通過圖像處理、機(jī)器視覺等技術(shù)識別甘蔗莖桿的統(tǒng)計(jì)喂入量來調(diào)節(jié)甘蔗收割機(jī)、剝?nèi)~機(jī)作業(yè)速度的系統(tǒng)還不太完善。因此，本文以識別甘蔗莖稈為目標(biāo)，為機(jī)器的喂入量提供參考。根據(jù)甘蔗的莖桿顏色特征，采用圖像處理法識別甘蔗莖稈。

1 總體思路

OpenCV在計(jì)算機(jī)視覺和圖像處理領(lǐng)域有著廣泛的運(yùn)用，本文使用OpenCV進(jìn)行圖像處理，完成甘蔗莖桿的識別。整體思路：田間甘蔗圖像獲取-轉(zhuǎn)HSV空間-H通道閾值分割-形態(tài)學(xué)處理-篩選最大的連通域面積-甘蔗莖稈識別。

2 圖像處理

2.1 HSV色彩空間

通過OpenCV函數(shù)庫中的API-cv2.imread讀取原圖，通過cv2.cvtColor（o1，cv2.COLOR_BGR2HSV）實(shí)現(xiàn)HSV空間轉(zhuǎn)換。顏色特征是一種全局特征，描述了圖像或圖像區(qū)域內(nèi)所對應(yīng)景物的表面性質(zhì)，不受圖像旋轉(zhuǎn)和平移變化的影響，特別適用于描述難以自動(dòng)分割的圖像和無需考慮物體空間位置的圖像，因此常用于圖像識別。OpenCV中通道的順序?yàn)锽-G-R。RGB是從硬件角度提出的顏色模型，與人眼匹配過程存在一定差異，HSV色彩空間相較于RGB更加接近人類的視覺感知，所以這篇文章使用HSV色彩空間實(shí)現(xiàn)對甘蔗莖稈圖像的研究。

HSV空間于1978年由A.R.Smith創(chuàng)建，該模型還被稱做六角錐模型、藝術(shù)家顏色空間。圖1中，HSV模型中各分量由亮度（V），色調(diào)（H），飽和度（S）表示。在OpenCV中將RGB轉(zhuǎn)HSV時(shí)需將RGB空間值轉(zhuǎn)換到[0，1]，然后再進(jìn)行下一步處理。處理所采用的方法如下：

圖1 HSV顏色空間坐標(biāo)系

根據(jù)上述方法計(jì)算得到的結(jié)果可能存在H分量小于0的情況，出現(xiàn)這種情況時(shí)，需要通過新的公式來計(jì)算數(shù)值，如下所示：

通常情況下，我們可以直接調(diào)用函數(shù)cv2.cvtColor（）完成空間色彩的轉(zhuǎn)換。

在OpenCV上繪制甘蔗圖像的HSV顏色空間分量直方圖，如圖2所示。在分量上的波動(dòng)相較于其他分量變化最明顯，基于此，在接下來進(jìn)行的單閾值分割以分量為目標(biāo)。

圖2 甘蔗圖像和H、S、V三通道直方圖

2.2 閾值分割理論及方法處理

閾值處理指剔除圖像內(nèi)像素高于一定值或低于一定值的像素點(diǎn)。單閾值分割具有易操作、實(shí)現(xiàn)簡單等特點(diǎn)，在甘蔗生長期的種植田中，甘蔗與其他的背景如：甘蔗葉子、雜草、土壤等顏色差異十分明顯，這種情況十分適合使用單閾值進(jìn)行分割。從繪制的甘蔗HSV三通道分量直方圖的觀察分析以及不斷試驗(yàn)中，可以得出：在25<<80時(shí)去除背景效果最好。去除背景的二值圖像如圖3所示。

圖3 去除背景的二值圖像

由二值圖3（b）可知，甘蔗在莖節(jié)處的分量和甘蔗非莖節(jié)處存在差異，導(dǎo)致甘蔗莖桿二值圖像不連通，因此采用形態(tài)學(xué)方法處理二值圖像。

2.3 形態(tài)學(xué)處理

通過腐蝕和膨脹的形態(tài)學(xué)操作可以在很大程度上消除噪聲和背景的干擾，得到特征更加分明的圖像。圖像形態(tài)學(xué)處理包括腐蝕、膨脹、開運(yùn)算（先腐蝕再膨脹）、閉運(yùn)算（先膨脹再腐蝕）、禮帽運(yùn)算（原始圖像減去開運(yùn)算圖像）、黑帽運(yùn)算（閉運(yùn)算圖像減去原始圖像）等。經(jīng)過各種運(yùn)算測試發(fā)現(xiàn)，先膨脹再腐蝕的運(yùn)算（圖4）效果最好。

圖4 形態(tài)學(xué)處理后圖像

腐蝕操作和膨脹操作是形態(tài)學(xué)運(yùn)算的基礎(chǔ)，將兩者進(jìn)行組合就可以實(shí)現(xiàn)多種不同形式的運(yùn)算。腐蝕運(yùn)算的表達(dá)式可以表示為：

運(yùn)算過程：用結(jié)構(gòu)元在圖像中進(jìn)行逐個(gè)像素遍歷時(shí)，只有當(dāng)結(jié)構(gòu)元完全處于前景圖像中，才將結(jié)構(gòu)元的中心處理為1，將不符合條件的像素處理為0。腐蝕操作可用于去除噪聲、元素分割。相較于腐蝕運(yùn)算，膨脹運(yùn)算的表達(dá)式可以表示為：

運(yùn)算過程：用結(jié)構(gòu)元在圖像中進(jìn)行逐個(gè)像素遍歷，只要結(jié)構(gòu)元內(nèi)的像素點(diǎn)和前景對象重合，結(jié)構(gòu)元所對應(yīng)的像素點(diǎn)都被處理為1，只有當(dāng)結(jié)構(gòu)元和前景對象完全無重合時(shí)，才被處理為0。膨脹操作可用于填補(bǔ)分割圖像后存在的空白。

3 甘蔗識別

經(jīng)過膨脹、腐蝕后的圖像仍有許多非甘蔗的連通域，接下來通過連通域面積計(jì)算篩選甘蔗莖稈，如圖5（a）所示。使用OpenCV中的cv2.drawContours（）函數(shù)對圖像進(jìn)行外輪廓提取，獲取輪廓面積最大的為甘蔗莖桿。

將二值圖像與原圖進(jìn)行位與運(yùn)算的結(jié)果如圖5（b）所示。再次與原圖進(jìn)行加權(quán)混合運(yùn)算，可以清晰識別出甘蔗，如圖5（c）所示。

圖5 甘蔗莖稈識別

使用該方法對50張同品種、同時(shí)期的甘蔗進(jìn)行莖稈識別，效果良好。

4 結(jié) 語

本文利用OpenCV對圖像進(jìn)行處理，對原圖經(jīng)過RGB轉(zhuǎn)HSV，借助分量閾值分割與膨脹腐蝕處理后，消除莖節(jié)處的差異，然后通過輪廓查詢、面積篩選、圖像加權(quán)等識別出甘蔗的莖稈。本文為甘蔗莖稈識別提供了參考，不僅可識別喂入根數(shù)，還可避免甘蔗剝?nèi)~機(jī)喂入量過大造成堵塞。