目前，利用計(jì)算機(jī)視覺技術(shù)進(jìn)行食品安全檢測已成為研究的熱點(diǎn)。在熏烤制品方面，國外部分學(xué)者利用計(jì)算機(jī)視覺技術(shù)對(duì)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(xiàn)[1]指出肉制品在高溫熏烤的同時(shí)，其丙烯酰胺的含量會(huì)隨制品表面黑色的加深而升高。參考文獻(xiàn)[2]在研究薯片表面顏色時(shí)，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(duì)圖像進(jìn)行分割的方法。參考文獻(xiàn)[3]提出手動(dòng)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(jì)算機(jī)視覺技術(shù)對(duì)熏烤肉進(jìn)行的研究的報(bào)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(dòng)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(diǎn)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(duì)上述研究現(xiàn)狀，本文提出一種改進(jìn)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(duì)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(jìn)行傳統(tǒng)分水嶺變換。對(duì)產(chǎn)生的過度分割區(qū)域，在RGB顏色空間中以相對(duì)歐氏距離為準(zhǔn)則進(jìn)行自動(dòng)種子選取及種子區(qū)域生長，最后對(duì)剩余小區(qū)域進(jìn)行合并，得到分割圖像。實(shí)驗(yàn)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(duì)熏烤肉表面不同顏色進(jìn)行分割，為之后的圖像分析(如對(duì)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(qiáng)光、體積小等特點(diǎn)的CCD攝像機(jī)組成,CPU為Intel Pentium 4，內(nèi)存1 GB，硬盤80 GB的計(jì)算機(jī)，以黑布為背景的暗箱及固定在暗箱上的2個(gè)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(jī)與計(jì)算機(jī)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(gè)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(jì)算機(jī)控制調(diào)整CCD攝像機(jī)與制品的距離，從而獲取熏烤肉原始圖像，并存儲(chǔ)在計(jì)算機(jī)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(yàn)可以方便快速地進(jìn)行。

2 算法
    為了達(dá)到準(zhǔn)確的分割效果，本文提出了對(duì)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(duì)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(duì)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(jìn)行以相對(duì)歐式距離為準(zhǔn)則的自動(dòng)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(duì)圖像進(jìn)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(gè)區(qū)域最小值的位置打一個(gè)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(gè)地形。當(dāng)處在不同的匯聚盆地中的水將要聚合在一起時(shí)，修建的大壩將阻止聚合。水將只能到達(dá)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?yàn)樵撍惴梢钥焖俚玫椒忾]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(shí)Matlab軟件中自帶分水嶺函數(shù)，無需設(shè)置參數(shù)，即可自動(dòng)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(duì)細(xì)節(jié)敏感，易造成過度分割。
2.2 圖像預(yù)處理
    針對(duì)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(duì)原始圖像進(jìn)行預(yù)處理。巴特沃茲低通濾波器是一個(gè)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(gè)方面具有特性均衡的優(yōu)點(diǎn)。n級(jí)巴特沃茲低通濾波器的傳遞函數(shù)(且截至頻率距原點(diǎn)的距離為D0)的定義如下：
    
其中，D(u,v)為點(diǎn)(u,v)到傅里葉變換中心（原點(diǎn)）的距離。對(duì)熏烤肉原始圖像的三個(gè)色彩分量R、G、B分別進(jìn)行濾波、移除高頻部分、增強(qiáng)色彩的變化和邊緣信息。D0可選擇15、30、80，n選擇2階。實(shí)驗(yàn)表明，當(dāng)D0取30時(shí)，既濾去了高頻噪聲，又增強(qiáng)了邊緣色彩變化，達(dá)到了濾波的目的。為了防止背景色彩對(duì)實(shí)物信息的干擾，對(duì)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(shí)驗(yàn)證明，經(jīng)預(yù)處理后的圖像再進(jìn)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(dá)到最佳的分割效果，對(duì)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(dòng)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(dòng)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(lán)三種基本顏色的不同值相互疊加來表示彩色圖像，同時(shí)運(yùn)行在RGB顏色空間中的算法不需要進(jìn)行顏色空間的轉(zhuǎn)換，運(yùn)算速度最。因此，本文改進(jìn)算法針對(duì)傳統(tǒng)分水嶺算法對(duì)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(dòng)選取部分區(qū)域作為種子區(qū)域，并計(jì)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(duì)歐氏距離，比較某個(gè)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(shí)驗(yàn)證明，小于該值時(shí)，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(duì)本文提出的算法，在Matlab7.1環(huán)境下，對(duì)在系統(tǒng)硬件裝置下獲取的原始熏烤肉圖像進(jìn)行仿真，并對(duì)算法進(jìn)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(duì)其進(jìn)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(dòng)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(duì)比。

3.2 算法分析
    從程序運(yùn)行的時(shí)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(shí)用到了循環(huán)判斷語句，消耗了部分時(shí)間，整體程序運(yùn)行時(shí)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(shí)(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(duì)整體算法的干擾，無需對(duì)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(jì)算機(jī)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(jìn)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(duì)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(jiān)實(shí)的基礎(chǔ)。
參考文獻(xiàn)
[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(jìn)方法研究[J]. 計(jì)算機(jī)工程, 2010, 36(17): 4-6.