基于圖像算法的煙葉形狀特征的提取

　　【摘 要】采用目標-鄰域顏色判定法檢測繪制出彩色煙葉圖像的外形輪廓。在此基礎上，采用矩形擬合法及比例測距法對煙葉輪廓進行特征擬合、分析，計算了煙葉的長度和寬度。
　　【關(guān)鍵詞】煙葉；形狀特征；輪廓檢測；矩形擬合
　　【Abstract】The outlines of tobacco images have been detected using the target-neighborhood color decision method. On this basis， the rectangle fitting method and proportion ranging method were used for tobacco contour feature fitting and analysis， and then the length and width of the tobacco leaves were calculated.
　　【Key words】Tobacco leaf； Shape characteristic； Contour detection； Rectangle fitting
　　0 引言
　　煙葉的形狀特征如長度、寬度是影響煙葉組別和級別的重要因素[1]，不同部位、不同品種的煙葉其長度也有明顯的差異[2]。運用計算機圖像處理時，重要信息通常主要體現(xiàn)在區(qū)域邊界上，邊界的確定對于圖像的分析非常重要[3]。只有獲取圖像區(qū)域邊界，才能直觀準確地對圖像進行量化分析[4]。因此，為使所圖像輪廓精確測量達到滿意效果，需選擇合適的輪廓檢測法。
　　1 煙葉輪廓的檢測
　　傳統(tǒng)輪廓跟蹤算法主要適用于二值圖像，不能滿足彩色圖像目標區(qū)域的輪廓檢測，因此提出一種新的目標-鄰域顏色判定法。該算法意在遍歷彩色圖像各個像素點及其鄰域，并以目標區(qū)域煙葉藍色通道值為判別指標，對煙葉圖像各像素點通道值進行重置，從而檢測出煙葉圖像輪廓。
　　運用該算法時，所屬運行環(huán)境為嵌套OpenCV的visual studio，圖像類型為Mat型，因此各顏色通道表示如下：
　　blue=Mat .at（j，i）[0]；
　　green=Mat .at（j，i）[1]；
　　red=Mat .at（j，i）[2]；
　　依據(jù)煙葉彩色圖像各像素點以及當前像素點4-鄰域值判別方式的不同，將該算法分為兩步：
　�。�1）從圖像第1行第1列開始，逐行逐列掃描圖像各像素點（j，i），在排除背景區(qū)域的情況下，判別煙葉區(qū)域當前像素點4-鄰域（j-1，i）、（j+1，i）、（j，i-1）、（j，i+1）藍色通道值是否有0。若有0，則將當前像素點各通道值置為255，即以白色繪制出該點，記為F1。繼續(xù)掃描，依次找到符合條件的點Fi（i=1，2，3...n），以白色標記。所有白色點集聚繪制出煙葉輪廓。此步驟并未將煙葉內(nèi)部像素點顏色去除，如圖1（a）。
　�。�2）在（1）的基礎上再排除所檢測出的煙葉輪廓，然后判別煙葉區(qū)域當前像素點4-鄰域藍色通道值是否有不等于0。若存在，則將當前像素點各通道值置為0（為黑色）。通過該步，可進一步去除煙葉內(nèi)部像素點，僅保留煙葉輪廓，以便于后續(xù)的特征分析，如圖1（b）。
　　通過該方法，運用C++（調(diào)用OpenCV函數(shù)庫）程序可以快速繪制出煙葉彩色圖像輪廓圖，而且煙葉輪廓連續(xù)、清晰且為單像素點，為后續(xù)輪廓的矩形擬合提供基礎的保證。
　　2 特征數(shù)據(jù)的提取
　　在檢測繪制出烤煙煙葉外形輪廓后，需對輪廓進行擬合。在圖像處理應用中，由于矩形擬合的計算量相對較少，因此常采用其對圖像中的目標區(qū)域閉合曲線進行近似定位檢測、分析[5]。本文選用最小外接矩形法對煙葉輪廓進行擬合，其思路如下：
　�。�1）計算最小凸多邊形。根據(jù)CvBox2D程序算法中的CvMinAreaRect2估算閉合曲線的旋轉(zhuǎn)角度θ和重心位置（x，y），然后旋轉(zhuǎn)外形以得到給定2D點集的最小面積的包圍矩形。
　�。�2）采用Opencv函數(shù)庫中cvBoxPoints算法找出煙葉輪廓最小外接矩形的4個點，即pt[0]、pt[1]、pt[2]、pt[3]。然后根據(jù)四個頂點的x、y坐標，分別計算出外接矩形的長寬length和寬度width。
　　采用矩形擬合法對煙葉外形輪廓近似擬合，效果如圖2所示。
　　3 結(jié)論
　　采用目標-鄰域顏色判定法繪制出圖像中煙葉的外形輪廓，能夠有效提高煙葉輪廓檢測的效率。在此基礎上，運用矩形擬合法及比例測繪法計算出煙葉的長度、寬度，為后續(xù)煙葉的分級提供了可靠的數(shù)據(jù)。
　　【參考文獻】
　　[1]周文，韓力群，李銳，等.計算機圖像處理技術(shù)在烤煙煙葉形狀特征提取中的應用[J].煙草科技，2000（1）：12-13，42.
　　[2]李翠英，賀立源，馬文杰，等.采用輪廓特征的煙葉部位組分類研究[J].計算機工程與應用，2009，45（26）：236-239.
　　[3]柳稼航，楊建峰，單新建，等.一種基于優(yōu)先搜索方向的邊界跟蹤算法[J].遙感技術(shù)與應用，2004，19（3）：209-213.
　　[4]崔鳳魁，張豐收，白露，等.二值圖像目標鄰域點法邊界跟蹤算法[J].洛陽工學院學報（自然科學版），2001，22（1）：28-30，31.
　　[5]孫慶杰，吳恩華.基于矩形擬合的人體檢測[J].軟件學報，2003，14（8）：1388-1393.

相關(guān)熱詞搜索：煙葉 算法 提取 形狀 圖像