基于形态学重构和自适应阈值的棉花图像分割方法及系统

技术领域

本发明涉及图像处理技术领域，特别是涉及基于形态学重构和自适应阈值的棉花图像分割方法及系统。

背景技术

本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

随着科学技术的飞速发展，智能采摘机器人越来越多地应用在的农业生产当中，采棉机器人的研发具有重大的现实意义和广泛的应用前景。采棉机器人在采摘棉花过程中首先要解决的问题是将棉花图像从复杂的环境背景中分割出来。棉花图像分割效果的优劣会直接影响采摘系统的准确性。

目前棉花目标的分割方法还处于研究探索阶段：很多传统图像处理方法受到光照和环境背景的影响较大，难以准确分割各种复杂自然环境下的棉花；基于深度学习的图像分割方法则需要以大量的标记图像为基础，且计算量较大，模型训练时间较长，对硬件配置要求较高，难以应用到棉花图像的分割。

发明内容

为了解决现有技术的不足，本发明提供了基于形态学重构和自适应阈值的棉花图像分割方法及系统；提高自然环境下棉花的分割精度。

第一方面，本发明提供了基于形态学重构和自适应阈值的棉花图像分割方法；

基于形态学重构和自适应阈值的棉花图像分割方法，包括：

获取待处理棉花图像；将待处理棉花图像由RGB颜色空间转换为HSV颜色空间；

提取HSV颜色空间的棉花图像的饱和度S分量；

对饱和度分量图像进行滤波处理，以去除图像中的随机噪声；

对滤波处理后的图像进行形态学重构，以去除图像中的暗点和瑕疵；

对形态学重构处理后的图像进行灰度变换，以增强棉花区域与背景区域之间的对比度；

对灰度变换后的图像进行阈值分割，得到棉花图像的分割结果。

第二方面，本发明提供了基于形态学重构和自适应阈值的棉花图像分割系统；

基于形态学重构和自适应阈值的棉花图像分割系统，包括：

获取模块，其被配置为：获取待处理棉花图像；将待处理棉花图像由RGB颜色空间转换为HSV颜色空间；

饱和度分量提取模块，其被配置为：提取HSV颜色空间的棉花图像的饱和度S分量；

滤波模块，其被配置为：对饱和度分量图像进行滤波处理，以去除图像中的随机噪声；

形态学重构模块，其被配置为：对滤波处理后的图像进行形态学重构，以去除图像中的暗点和瑕疵；

灰度变换模块，其被配置为：对形态学重构处理后的图像进行灰度变换，以增强棉花区域与背景区域之间的对比度；

图像分割模块，其被配置为：对灰度变换后的图像进行阈值分割，得到棉花图像的分割结果。

第三方面，本发明还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述第一方面所述的方法。

第四方面，本发明还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。

与现有技术相比，本发明的有益效果是：

基于HSV颜色空间提取S饱和度通道，可以使棉花与背景具有更好的区分性，同时排除光照因素的影响。基于中值滤波可以有效的去除图像采集时带入的斑点噪声和椒盐噪声。基于开运算重构和闭运算重构能有效地去除图像中的小瑕疵，而且不影响分割目标的整体形状，生成灰度特质均匀，易于分割的图像。基于灰度变换可以有效增大棉花目标和背景之间的对比度。基于Otsu方法对图像进行阈值分割，能够有效地分割出棉花图像。本发明可以适用于在自然环境下棉花图像的分割。

本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1为第一个实施例的方法流程图。

具体实施方式

应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

实施例一

本实施例提供了基于形态学重构和自适应阈值的棉花图像分割方法；

如图1所示，基于形态学重构和自适应阈值的棉花图像分割方法，包括：

S101：获取待处理棉花图像；将待处理棉花图像由RGB颜色空间转换为HSV颜色空间；

S102：提取HSV颜色空间的棉花图像的饱和度S分量；

S103：对饱和度分量图像进行滤波处理，以去除图像中的随机噪声；

S104：对滤波处理后的图像进行形态学重构，以去除图像中的暗点和瑕疵；

S105：对形态学重构处理后的图像进行灰度变换，以增强棉花区域与背景区域之间的对比度；

S106：对灰度变换后的图像进行阈值分割，得到棉花图像的分割结果。

进一步地，所述S101：获取待处理棉花图像；将待处理棉花图像由RGB颜色空间转换为HSV颜色空间；具体包括：

其中，R，G，B分别为原图彩色分量，

应理解的，本发明基于视觉传感器采集的RGB棉花图像进行处理。由于原始RGB图像中棉花区域容易受光照不均、复杂背景的干扰，影响棉花图像的分割效果，需要将图像调整为能够有效提取棉花目标的颜色空间。HSV颜色空间更接近人眼感知色彩的方式。

应理解的，所述S102：提取HSV颜色空间的棉花图像的饱和度S分量；具体包括：

在自然环境下，棉花和背景在颜色方面具有较大的差别，棉花呈现白色是进行分割的重要特征。在HSV颜色空间中，白色特征可以从亮度V中取得，但是亮度V受光照变化的影响较大，图像分割应排除光照变化的影响。本发明基于HSV颜色空间提取S饱和度通道，图像中棉花区域的S值要远远小于背景区域的S值，有利于进行图像分割。

进一步地，所述S103：对饱和度分量图像进行滤波处理，以去除图像中的随机噪声；具体包括：

对饱和度分量图像进行中值滤波处理，以去除图像中的随机噪声。

示例性的，本发明基于提取的S通道图像进行中值滤波去噪，以去除图像采集时可能带入的随机噪声。中值滤波是一种非线性数字滤波器，它能有效去除斑点噪声和椒盐噪声，而且模糊度较小。中值滤波是用一个预定义的像素邻域中的灰度中值来替代像素的值，即

其中，S

进一步地，所述S104：对滤波处理后的图像进行形态学重构，以去除图像中的暗点和瑕疵；具体包括：

S1041：对图像进行开运算重构；

S1042：对开运算重构后的图像，进行闭运算重构。

进一步地，所述S1041：对图像进行开运算重构；具体包括：

开运算重构就是先腐蚀后进行重构的过程：首先是利用结构元对原图像，即模板图像进行腐蚀操作，然后将腐蚀后的图像作为标记图像进行重构运算。

进一步地，所述S1042：对开运算重构后的图像，进行闭运算重构；具体包括：

闭运算重构则是基于开运算重构之后的图像进行处理，先对图像进行膨胀操作，然后分别对膨胀前和膨胀后的图像分别进行取反运算，将膨胀前的图像进行反运算的结果，作为新的模板图像；将膨胀后的图像进行反运算的结果，作为标记图像；再进行重构运算。

进一步地，所述重构；具体包括：

(1)：将h1初始化为标记图像f；标记图像f必须是模板图像g的一个子集，即

(2)：创建结构元b，采用半径为10像素的圆盘形结构元；

(3)：迭代h

标记图像是指形态学重构变换的开始点，模板图像是指用来约束变换过程的图像。

开运算重构过程中，是将原图像作为模板图像来约束重构变换过程，利用结构元对模板图像进行腐蚀操作。将腐蚀后的图像作为标记图像，也就是重构变换的开始点。然后受模板图像约束的条件下进行重构运算。

不同于开运算和闭运算只涉及一幅图像和一个结构元，重构是一种涉及两幅图像和一个结构元的形态变换。在重构中，一幅图像是标记图像，是重构的开始点，用f表示；另一幅图像是模板图像，它用来约束重构，用g来表示；结构元用于定义连通性，用b来表示。

应理解的，本发明基于去噪后的图像进行形态学重构，目的在于简化图像，去除图像中的噪声和一些对分割没有意义的信息，使得图像更易于被分割。

应理解的，开运算重构和闭运算重构与标准的开运算和闭运算相比较，能更有效地去除小瑕疵，将小于结构元的明亮和黑暗平摊区域逐步合并到周围的区域，而且不影响分割目标的整体形状，生成灰度特质均匀，易于分割的图像。

进一步地，所述S105：对形态学重构处理后的图像进行灰度变换，以增强棉花区域与背景区域之间的对比度；具体包括：

将200以下的像素点灰度值设置为0，将200至255的像素灰度值映射到灰度空间。

应理解的，本发明基于形态学重构后的图像进行灰度变换，目的在于增大棉花目标和背景之间的对比度。灰度变换是根据某种目标条件按照一定的变换关系逐点改变原图像中每一个像素灰度值的方法。增强图像对比度实际上是增强图像中各部分之间的反差，通过改变图像中灰度值间的动态范围来实现，即对比度拉伸。

由于棉花的像素灰度值大部分集中在200至255之间，对比度不高。本发明将200以下的像素点灰度值设置为0，将200至255的像素灰度值映射到更大的灰度空间，公式如下：

其中，f(x,y)为原图像某一点灰度值，g(x,y)为映射后的灰度值。灰度变换后的图像能够有效增大图像对比度，有利于后续图像分割。

进一步地，所述S106：对灰度变换后的图像进行阈值分割，得到棉花图像的分割结果；具体包括：

基于Otsu方法，对灰度变换后的图像进行阈值分割，得到棉花图像的分割结果。

进一步地，所述S106：对灰度变换后的图像进行阈值分割，得到棉花图像的分割结果；具体包括：

S1061：将灰度变换后的图像作为输入图像，计算其归一化直方图；

S1062：分别选取所有L个可能的k值中的一个；假设已选定一个阈值k，c

S1063：计算高达k级的累积平均平均灰度值m(k),k＝0,1,2,…,L-1，计算如下：

S1064：计算整个图像的平均灰度值m

S1065：计算类间方差σ

S1066：计算得到σ

S1067：基于S1066得到的阈值，将图像分割为棉花和背景两部分，从而得到棉花图像分割结果。

归一化直方图是指把图像直方图上每个灰度值的像素数除以所有灰度值的像素数之和，归一化直方图的分量是对图像中出现的灰度值的概率的估计。

本发明基于灰度变换后的图像采用Otsu方法进行阈值分割。Otsu方法是一种以最大类间方差法为阈值选取准则的全局自适应阈值分割方法。

类间方差最大化的思想是方差越大，越接近正确分割图像的阈值。这种最佳测度完全基于图像的直方图得到的参数。

使用p

分别选取所有L个可能的k值中的一个，计算每个k值的对应方差。

选择给出最大σ

如果最大值不唯一，那么所用的阈值就是所找到的所有最佳k值的平均值。

实施例二

本实施例提供了基于形态学重构和自适应阈值的棉花图像分割系统；

基于形态学重构和自适应阈值的棉花图像分割系统，包括：

获取模块，其被配置为：获取待处理棉花图像；将待处理棉花图像由RGB颜色空间转换为HSV颜色空间；

饱和度分量提取模块，其被配置为：提取HSV颜色空间的棉花图像的饱和度S分量；

滤波模块，其被配置为：对饱和度分量图像进行滤波处理，以去除图像中的随机噪声；

形态学重构模块，其被配置为：对滤波处理后的图像进行形态学重构，以去除图像中的暗点和瑕疵；

灰度变换模块，其被配置为：对形态学重构处理后的图像进行灰度变换，以增强棉花区域与背景区域之间的对比度；

图像分割模块，其被配置为：对灰度变换后的图像进行阈值分割，得到棉花图像的分割结果。

此处需要说明的是，上述获取模块、饱和度分量提取模块、滤波模块、形态学重构模块、灰度变换模块和图像分割模块对应于实施例一中的步骤S101至S106，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。

上述实施例中对各个实施例的描述各有侧重，某个实施例中没有详述的部分可以参见其他实施例的相关描述。

所提出的系统，可以通过其他的方式实现。例如以上所描述的系统实施例仅仅是示意性的，例如上述模块的划分，仅仅为一种逻辑功能划分，实际实现时，可以有另外的划分方式，例如多个模块可以结合或者可以集成到另外一个系统，或一些特征可以忽略，或不执行。

实施例三

本实施例还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述实施例一所述的方法。

应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。

在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。

实施例一中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。

本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元及算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

实施例四

本实施例还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例一所述的方法。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。