《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 測試測量 > 設(shè)計應(yīng)用 > 基于改進分水嶺算法的熏烤肉圖像分割
基于改進分水嶺算法的熏烤肉圖像分割
來源：電子技術(shù)應(yīng)用2012年第9期
何 鵬， 王成琳， 王福剛
齊齊哈爾大學(xué) 通信與電子工程學(xué)院，黑龍江 齊齊哈爾 161006
摘要： 針對傳統(tǒng)分水嶺算法容易產(chǎn)生過度分割的問題，提出一種改進分水嶺算法，并用來分割熏烤肉表面顏色。算法先對熏烤肉原始圖像作濾波預(yù)處理，然后作傳統(tǒng)分水嶺變換，對產(chǎn)生的過度分割區(qū)域，在RGB顏色空間中進行自動種子選取及種子區(qū)域生長，最后對剩余小區(qū)域進行合并得到分割圖像。實驗表明，該方法減少了過度分割現(xiàn)象，成功地分割熏烤肉表面顏色，為之后的分析工作奠定了基礎(chǔ)。
中圖分類號: TP317
文獻標(biāo)識碼: A
文章編號： 0258-7998(2012)10-0126-03
Smoked barbecue image segmentation based on improved watershed algorithm
He Peng, Wang Chenglin, Wang Fugang
Communication and Electronic Engineering Institute, Qiqihar University, Qiqihaer 161006, China
Abstract： To over-segmentation phenomenon of traditional watershed algorithm, an effective improved watershed algorithm is proposed in this paper to segment surface color of smoked barbecue. The algorithm firstly preprocess the original image by using filter, then in RGB color space, to the over-segmentation regions of traditional watershed algorithm, the algorithm applies seed region growing based on automatic seed selection and region merging to reduce over-segmentation phenomenon and then gets the segmentation image. Experiment shows that this approach reduces over-segmentation and segments surface color of smoked barbecue successfully and lays a foundation for the analysis later.
Key words : computer vision;smoked barbecue; watershed algorithm; image segmentation; seeds growing

    目前，利用計算機視覺技術(shù)進行食品安全檢測已成為研究的熱點。在熏烤制品方面，國外部分學(xué)者利用計算機視覺技術(shù)對制品表面的顏色與致癌物質(zhì)丙烯酰胺的關(guān)系作出了研究，提出了很多彩色圖像的分割算法。如參考文獻[1]指出肉制品在高溫熏烤的同時，其丙烯酰胺的含量會隨制品表面黑色的加深而升高。參考文獻[2]在研究薯片表面顏色時，提出將彩色圖像變換為灰度圖像，結(jié)合設(shè)定閾值的邊緣檢測，從而對圖像進行分割的方法。參考文獻[3]提出手動選取烤雞翅表面3塊不同顏色的小區(qū)域，根據(jù)其各自色彩平均值將彩色圖像聚類分割的方法。而國內(nèi)尚未見到利用計算機視覺技術(shù)對熏烤肉進行的研究的報道。

    圖像分割是圖像處理和分析的關(guān)鍵環(huán)節(jié)。彩色圖像的分割方法有很多，其中傳統(tǒng)分水嶺算法以其快速得到封閉連續(xù)的目標(biāo)邊界、自動完成圖像的分割、無需參數(shù)的設(shè)置而中斷程序等優(yōu)點被廣泛使用。但是由于圖像噪聲或區(qū)域細(xì)節(jié)的影響， 使得該算法容易產(chǎn)生過度分割現(xiàn)象[4]。
    針對上述研究現(xiàn)狀，本文提出一種改進分水嶺算法并用以分割熏烤肉表面的顏色。先用巴特沃茲低通濾波和背景色彩壓制對熏烤肉圖像預(yù)處理、濾除噪聲，抑制區(qū)域中隱藏的細(xì)節(jié)，然后進行傳統(tǒng)分水嶺變換。對產(chǎn)生的過度分割區(qū)域，在RGB顏色空間中以相對歐氏距離為準(zhǔn)則進行自動種子選取及種子區(qū)域生長，最后對剩余小區(qū)域進行合并，得到分割圖像。實驗證明，該方法減少了傳統(tǒng)分水嶺變換產(chǎn)生的過度分割現(xiàn)象， 成功地對熏烤肉表面不同顏色進行分割，為之后的圖像分析(如對熏烤肉表面顏色與其丙烯酰胺含量關(guān)系的研究)奠定了基礎(chǔ)。
1 材料和獲取裝置
    圖像獲取的硬件裝置由具有靈敏度高、抗強光、體積小等特點的CCD攝像機組成,CPU為Intel Pentium 4，內(nèi)存1 GB，硬盤80 GB的計算機，以黑布為背景的暗箱及固定在暗箱上的2個高精密度光源所組成。暗箱用來阻止外界光的干擾，CCD攝像機與計算機相連，安插固定在暗箱上方。黑布起到純化背景的作用，將熏烤肉放在黑布上，2個高靈敏光源與被測制品均成45°，既充當(dāng)了自然光，又消除了被測制品在背景留下的陰影。通過計算機控制調(diào)整CCD攝像機與制品的距離，從而獲取熏烤肉原始圖像，并存儲在計算機內(nèi)。硬件裝置如圖1所示。軟件選擇Matlab，圖像處理工具箱中自帶的圖像處理函數(shù)和簡單的語法結(jié)構(gòu)，使得仿真試驗可以方便快速地進行。

2 算法
    為了達到準(zhǔn)確的分割效果，本文提出了對傳統(tǒng)分水嶺變換做前后處理從而抑制過度分割的算法。算法包括三部分：前處理(預(yù)處理)，即對獲取的原始熏烤肉圖像做巴特沃茲低通濾波和背景色彩壓制；傳統(tǒng)分水嶺分割算法；后處理，即對經(jīng)傳統(tǒng)分水嶺變換得到的過度分割區(qū)域,在RGB色彩空間中進行以相對歐式距離為準(zhǔn)則的自動種子區(qū)域選取、種子區(qū)域生長及剩余小區(qū)域合并。
2.1 傳統(tǒng)分水嶺算法
    基于形態(tài)學(xué)的分水嶺分割算法是以對圖像進行三維可視化處理為基礎(chǔ)，主要目標(biāo)是找出分水線。假設(shè)在每個區(qū)域最小值的位置打一個洞并且讓水以均勻地上升速率從洞中涌出，從低到高淹沒整個地形。當(dāng)處在不同的匯聚盆地中的水將要聚合在一起時，修建的大壩將阻止聚合。水將只能到達大壩的頂部處于水線之上的程度，這些大壩就是分水嶺的分割線。本文選擇分水嶺算法，是因為該算法可以快速得到封閉連續(xù)的目標(biāo)邊界(用分割線給出)，分割出熏烤肉表面不同的色彩。同時Matlab軟件中自帶分水嶺函數(shù)，無需設(shè)置參數(shù)，即可自動完成圖像分割。但是，由于噪聲或其他因素影響，使得分水嶺算法對細(xì)節(jié)敏感，易造成過度分割。
2.2 圖像預(yù)處理
    針對傳統(tǒng)分水嶺易產(chǎn)生過度分割的問題，首先采用巴特沃茲低通濾波對原始圖像進行預(yù)處理。巴特沃茲低通濾波器是一個具有最大平坦幅度的低通濾波器，在線性相位、衰減斜率和加載特性三個方面具有特性均衡的優(yōu)點。n級巴特沃茲低通濾波器的傳遞函數(shù)(且截至頻率距原點的距離為D0)的定義如下：
    
其中，D(u,v)為點(u,v)到傅里葉變換中心（原點）的距離。對熏烤肉原始圖像的三個色彩分量R、G、B分別進行濾波、移除高頻部分、增強色彩的變化和邊緣信息。D0可選擇15、30、80，n選擇2階。實驗表明，當(dāng)D0取30時，既濾去了高頻噪聲，又增強了邊緣色彩變化，達到了濾波的目的。為了防止背景色彩對實物信息的干擾，對巴特沃茲低通濾波的結(jié)果做背景色彩壓制。至此，圖像預(yù)處理結(jié)束。實驗證明，經(jīng)預(yù)處理后的圖像再進行分水嶺分割，過分割現(xiàn)象明顯減少。
2.3 圖像后處理
    為了達到最佳的分割效果，對經(jīng)預(yù)處理和傳統(tǒng)分水嶺變換后得到的分割區(qū)域做后期處理。該部分包括：自動種子區(qū)域選取、區(qū)域生長及剩余小區(qū)域合并。
2.3.1 自動種子區(qū)域選取和區(qū)域生長
    RGB彩色空間建立在笛卡爾立體空間坐標(biāo)系中，以紅、綠、藍三種基本顏色的不同值相互疊加來表示彩色圖像，同時運行在RGB顏色空間中的算法不需要進行顏色空間的轉(zhuǎn)換，運算速度最。因此，本文改進算法針對傳統(tǒng)分水嶺算法對預(yù)處理圖像變換生成的過度分割區(qū)域，在RGB顏色空間中自動選取部分區(qū)域作為種子區(qū)域，并計算其各自的RGB平均值，以該值代表此區(qū)域。
  

2.3.2 剩余小區(qū)域合并
    圖像預(yù)處理減少了傳統(tǒng)分水嶺變換產(chǎn)生的過度分割，但是由于圖像的細(xì)節(jié)和細(xì)小噪聲的存在，使得部分小面積區(qū)域無法被區(qū)域生長所吞噬，反而納入種子區(qū)域之中。本文在區(qū)域生長之后，再一次考察這些小區(qū)域的RGB平均值。首先與其相鄰的區(qū)域作相對歐氏距離，比較某個閾值，若小于該閾值，則與該區(qū)域合并。如若沒有最優(yōu)閾值，與樣本總體RGB平均值的1%比較，經(jīng)實驗證明，小于該值時，一般為噪聲，可將其舍去。
2.3.3 算法示意圖
    本文算法流程如圖3所示。

 

 

3 仿真與結(jié)果分析
    針對本文提出的算法，在Matlab7.1環(huán)境下，對在系統(tǒng)硬件裝置下獲取的原始熏烤肉圖像進行仿真，并對算法進行分析。
3.1 仿真
    仿真結(jié)果如圖4所示。原始圖像大小為640×480，對其進行傳統(tǒng)分水嶺變換，得到的分割區(qū)域數(shù)為138 907，如圖4(g)所示。經(jīng)過前期濾波和背景色彩壓制處理后，分割區(qū)域數(shù)為91，如圖4(d)所示。再經(jīng)后期自動種子區(qū)域生長和區(qū)域合并，閾值T取0.03，效果最佳，如圖4(e)所示。本文整體算法最后的分割數(shù)為16， 分割圖像如圖4(f)所示，不同的顏色區(qū)域用連續(xù)封閉的分割線框出。表1給出了不同算法的結(jié)果對比。

3.2 算法分析
    從程序運行的時間來看，由于本文提出的算法流程簡單，易于編程，部分函數(shù)在Matlab中可以直接得到，只是在圖像后處理時用到了循環(huán)判斷語句，消耗了部分時間，整體程序運行時間僅為6.215 0 s。從算法的穩(wěn)定性來看，當(dāng)外界條件發(fā)生變化時(如燈光柔和度、黑布質(zhì)地)，通過圖像前處理可以抑制外界對整體算法的干擾，無需對算法作出整體調(diào)整，體現(xiàn)了本文算法的魯棒性。如圖4(f)所示，分割結(jié)果符合人的視覺效果，將不同顏色的區(qū)域分割出來，體現(xiàn)了準(zhǔn)確性。
    本研究成功地將計算機視覺技術(shù)應(yīng)用到熏烤肉圖像分割之中，提出了一種改進的分水嶺算法，用來分割熏烤肉表面的顏色。不僅減少了傳統(tǒng)分水嶺算法產(chǎn)生的過度分割現(xiàn)象，而且成功地將熏烤肉表面不同顏色區(qū)域用分割線分割開來，為之后的圖像分析工作(如對熏烤肉表面顏色與其丙烯酰胺含量關(guān)系的研究)奠定了堅實的基礎(chǔ)。
參考文獻
[1] GOKMEN V. Computer vision based image analysis for rapid detection for acrylamide in heated food[C].2nd International MoniQA Conference. Poland, Krakow,2010.
[2] PEDRESCHI F, BUSTOS O, MERY D. Color knetics and  acrylamide formation in NaCl soaked potato chips[J]. Journal  of Food Engeering, 2006,79(7):989-997.
[3] GOKMEN V,SENYUV H Z,DULEK B.Computer visionbased image analysis for the estimation of acrylamide concentrations of potato chips and french fries[J]. Food Chemistry, 2007,101(7):791-798.
[4] 刁智華, 趙春江, 郭新宇,等. 分水嶺算法的改進方法研究[J]. 計算機工程, 2010, 36(17): 4-6.

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。