基于颜色和骨架特征的茶叶分支节点识别研究

【摘要】茶叶分支节点识别是对采摘的新鲜茶叶实现智能分选的前提，因此，利用CCD摄像头采集采摘好的新鲜茶叶图像，并以茶叶图像为对象，研究了茶叶分支节点的识别方法。首先对RGB颜色模型的色差法（R-B）的绝对值进行计算分析，然后进行阈值比较，获得二值图像并计算骨架细化图像。采用八方向链码在图像中查找可能的分支节点。最后进行坐标值排序和求差确定分支节点数量。试验结果表明，所研究的算法能够有效的识别出分支节点的数量。

【关键词】茶叶图像;八方向链码;骨架细化图像

目前，采摘的茶叶都是以人工为主，采摘的茶叶分支个数参差不齐，影响了茶叶的品质，同时也浪费了原材料。因此，对采摘的茶叶鲜叶的分选方法进行研究是十分必要的，而智能化茶叶生产的一个重要一步是对采摘的新鲜茶叶分支数量的识别技术。

在农业工程中，国内外研究者应用图像处理和识别技术对农作物的识别和检测进行了广泛的研究，例如杨福增等通过研究颜色和形状特征识别茶叶嫩芽[1]、唐仙等人通过阈值分割方法进行嫩芽识别[2]、陈全胜等通过计算机视觉方法识别茶叶色泽[3]等方面取得了一些成果，但对茶叶的分支节点识别，目前国内外相关报道较少。唐仙[2]等针对在自然环境下的茶叶，利用RGB空间的R、B分量差进行多阈值分割嫩芽图像。

本文采摘的新鲜茶叶图像为研究对象，基于RGB颜色空间，利用颜色分量R-B，进行阈值比较获得二值图像数据。采用Zhang-Suen算法[4]获得骨架细化图像，通过八方向链码初步计算节点位置，最后对初步的节点垂直坐标值进行排序，确定节点数量。对于茶叶分支数的识别研究具有一定的参考价值，也可为智能化茶叶鲜叶分选的研究提供技术支持。

1.图像采集

试验试验CCD摄像头，在图像采集过程中，在黑色背面下，采用漫反射三原色光源照射茶叶叶片。为了有效的识别出叶片的分支节点，应该避免大、小叶片完全重叠的情况。

本试验共采集了100张jpg的茶叶样本图像进行分析研究。本试验在配置CPU为I5、内存为2GB的PC机上运行matlab2013R对采集的茶叶鲜叶图像进行分支节点识别计算。

2.茶叶图像的二值化算法

茶叶的颜色大都呈现浅绿色，因此颜色特征是进行茶叶图像与背景分割的一个有效依据，而且由于色差法R减去B可以减弱光照引起的干扰，很好的将茶叶图像和背景进行分割。所以，本试验选用RGB色彩空间的R-B分量对茶叶图像进行灰度化。

R-B分量灰度直方图存在明显的波峰波谷，茶叶与背景在灰度特征上的差异。因此可以设定阈值将茶叶与背景分割开。

3.查找图像中可能的分支节点

对二值图像进行骨架细化处理。查找细化图像中像素点值为1的所有点，并对这些点进行八方向链码值和计算。

为八方向链码值和;为二值化图像的像素点值;

其中，保存可能为分支节点的当前像素点垂直坐标值。

j为当前像素点的垂直坐标。

如果，则表示该像素点可能为分支节点位置。记录当前像素点的垂直坐标值到。

4.确定分支节点

上述采用八方向链码[5]进行计算确定的是可能分支节点，真实节点包含在节点列表中。通过下述算法可以将真实节点筛选出。对记录的垂直坐标值进行由小到大冒泡算法排序，并对序列进行后、前两数差值计算，如果计算值大于2，则表示找到一个真正的分支节点。

5.识别结果

至此，茶叶的分支节点总数被确定，对采集的100组样本进行算法有效性分析结果如表1所示。

表1 算法有效性分析结果

算法名称 样本数量/张 骨架图像准确性 节点正确度

颜色骨架特征算法 100 95% 95%

其中，5%样本分支检测失败原因是采集的茶叶鲜叶样本叶片出现残缺，使得骨架细化图像结果错误，从而导致后续的识别出现错误。

6.结束语

本文根据茶叶的颜色和骨架特征，实现了茶叶分支节点数量的识别。实验结果表明：根据颜色特征提取的茶叶叶片R-B分量能够清晰地区分茶叶与背景的差异;通过对茶叶图像二值化和骨架细化处理，有效识别出茶叶可能的分支节点，最后进行节点排序比较，成功的确定茶叶图像的分支节点数量，准确率可达95%。

参考文献

[1]杨福增，杨亮亮，田艳娜，等.基于颜色和形状特征的茶叶嫩芽识别方法[J].农业机械学报，2009，40：119-123.

[2]唐仙，吴雪梅，张富贵，顾金梅.基于阈值分割法的茶叶嫩芽识别研究[J].农业装备技术，2013：39（6）.

[3]陈全胜，赵杰文.利用计算机视觉识别茶叶的色泽类型[J].江苏大学学报（自然科学版）.2005，26（6）.

[4]王晓静.迭代骨架化算法在汉字图像识别中的分析与应用[J].辽宁大学学报（自然科学版），2013，40（3）.

[5]王要峰.基于方向链码去除骨架图像毛刺算法[J].计算机应用，2013，33（z1）.

[6]汪建，杜世平.基于颜色和形状的茶叶计算机识别研究[J].茶叶科学，2008，28（6）.

[7]吕燕.基于阈值算法图像分割的研究[D].重庆：重庆大学数学与统计学院，2011：6-12.

[8]阮秋琦，阮宇智，译.Gonzalez R C Woods R E.数字图像处理（第2 版）[M].北京电子工业出版社，2004：224-270.