冷窝
基于HIS的颜识别
1. HIS颜模型简介
识别原理、方法
实例
定义
HIS颜模型是从人的视觉系统出发，用调（Hue），饱和度(Saturation)和亮度(Intensity)来描述颜的一种方法。 二、HIS颜模型的特点
特点
由于人的视觉对颜亮度敏感程度远强于对颜浓度的敏感程度，所以HIS颜模型比RGB颜模型更加符合人的视觉特性，为了便于颜处理和识别，人的视觉系统通常采用HIS颜
续作指南
模型。另外，图像处理和计算机视觉中大量算法都可以在HIS颜模型中方便地使用，使用HIS颜模型可以大大减小图像分析和处理的工作量。 HIS和RGB的关系
三、应用举例纺织涂层
（1）田间成熟番茄识别的目的：在自然生长条件下，将由计算机拍摄的番茄图像中成熟的番茄识别出来，并确定其质心的位置。 其关键在于将图像中的成熟番茄的信息与未成熟番茄、枝干、叶子的信息分解开，提取到成熟番茄的信息并加以处理。
全身长指甲（2）番茄图像的获取。
番茄图像的获取由计算机视觉系统实现，计算机视觉系统由CCD摄像机，计算机，图像采集卡，图像监测器组成。CCD摄像机在田间拍摄番茄图像，并与装有图像采集卡的计算机相连通，通过动态库函数就可以把图像直接输入到计算机中，图1为采集到的一幅番茄图像。
图1 计算机视觉系统获得的番茄图像
番茄成熟前后的颜有着明显的差别，成熟的番茄是红的，与未成熟的番茄（绿）和叶子（绿）有着明显的差别，鉴于这种度的差别，可以通过HIS图像中H分量灰度的差别来区分成熟番茄和未成熟番茄、叶子、枝干，下面通过实验来获得具体的数据。
实验：通过计算机视觉系统获取50幅RGB的图像，通过相应算法转换成HIS的图像，在每
幅图像中取成熟的番茄，未成熟的番茄，叶子，枝干的特征像素各20个，这样每种均获得像素1000个，分别统计这1000个像素的H分量灰度分布，发现以下规律：成熟番茄的度值范围主要分布在（0-30）度和（350-360）度之间，而未成熟番茄，叶子，枝干的度值范围主要集中在（65-140）度之间。
通过以上实验所获得的信息，可以把图中度值在（0-30）度和（350-360）度之间的像素点处理成黑，代表成熟的番茄；把度值在这两个范围之外的像素点处理成白，代表非成熟番茄的部分，图1所示的图像经过处理如图2所示：
图2 根据H分量分割成熟番茄区域的处理图像
反体制
由图2可以看出，除了成熟番茄区域的像素点置为黑外，还有一些黑小区域，这是由于一些与成熟番茄度值相近的点所产生的，必须通过相应的算法进行处理。
（4）黑小区域消除算法。
高苯乙烯橡胶 为了使分割后的图像只存在成熟番茄的信息，需要对图2中的黑小区域进行消除，因为黑小区域与真正成熟番茄的区域相比是非常小的，所以可以采用面积阈值分割法，把这些黑小区域消除掉。算法如下：
对图2所示的二值图像中黑像素进行搜索，如果黑像素之间按8领域方式能够连接在一起，则称这些连接在一起的区域为黑体，将各个黑体分别标为黑体1，黑体2至黑体n。再计算各个黑体的面积（黑体中所包含的像素数目），统计黑体面积，出面积阈值，记为MaxAera，如果黑体面积小于这个阈值，就将像素灰度置位白，这样就可以将非成熟番茄的误判区域消除。
（5）空洞填充
黑小区域消除以后，我们发现在成熟番茄区域出现了一个空洞。这是由于田间条件下光
照比较复杂，顺光时强光照射会使番茄表面形成一个亮斑，亮斑的度值与叶子接近，所以这个亮斑被处理成白，在成熟番茄中形成一个空洞。
为了准确的到成熟番茄的质心位置，必须把成熟番茄中间的空洞填充起来，采用的算法主要是轮廓跟踪和种子填充，经过种子填充算法后的图像如图3 所示：
图3 空洞填充后的图像
（6）质心计算：可以采用矩方法进行质心的计算。
总结：通过HIS颜模型对田间成熟的番茄进行识别，主要的步骤包括图像获取，图像的分割，黑小区域消除，空洞填充，质心计算。
2.基于HIS颜模型的珍珠颜分选方法
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议