一種煙田圖像分割方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及數(shù)字圖像領(lǐng)域，更具體地，涉及一種煙田圖像分割方法。
【背景技術(shù)】
[0002] 要對(duì)煙葉種植大田進(jìn)行實(shí)時(shí)監(jiān)控，就要對(duì)煙田的圖像進(jìn)行實(shí)時(shí)的采集和處理，而 對(duì)煙田圖像的處理首先要解決的一個(gè)基礎(chǔ)性問(wèn)題就是完成對(duì)煙田對(duì)象的識(shí)別即煙田圖像 分割，而現(xiàn)有技術(shù)中的一些分割方式因受光照不同而影響其分割識(shí)別準(zhǔn)確率，而農(nóng)田環(huán)境 非結(jié)構(gòu)化特征明顯，容易受光照、陰影、天氣變化等環(huán)境因素的影響，因此其分割識(shí)別效果 不太理想。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明提供一種一種煙田圖像分割方法，能夠更好地濾除噪聲及抑制光照不均勻 等復(fù)雜環(huán)境帶來(lái)的影響。
[0004] 為了達(dá)到上述技術(shù)效果，本發(fā)明的技術(shù)方案如下：
[0005] -種煙田圖像分割方法，包括以下步驟：
[0006] Sl :將采集的煙田彩色圖像分別轉(zhuǎn)換為L(zhǎng)ab和YUV顏色空間圖像；
[0007] S2 :然后將Lab顏色空間圖像采用Ostu方法進(jìn)行閾值分割，將YUV顏色空間圖像 采用加權(quán)模糊熵方法進(jìn)行分割；
[0008] S3 :將進(jìn)行Ostu方法進(jìn)行閾值分割的圖像與進(jìn)行加權(quán)模糊熵方法進(jìn)行分割的圖 像進(jìn)行合并、濾波得到分割結(jié)果。
[0009] 進(jìn)一步地，所述步驟S2中將Lab顏色空間圖像采用Ostu方法進(jìn)行閾值分割的過(guò) 程如下：
[0010] 將采集到的煙田彩色圖像從RGB顏色空間轉(zhuǎn)換到LAB顏色空間，選擇LAB顏色空 間的a分量使用Ostu法進(jìn)行圖像的背景分割：
[0011] 21)計(jì)算a分量圖像的灰度概率分布：
[0012] p(k)k = 0, 1，2，· · ·，L-I ;
[0013] 22)分別計(jì)算屬于a分量圖像和其背景的像素的比例X。、X1，灰度平均值D。、D 1，兩 類間距d2,平均方差疋，疋:
[0014] 23)計(jì)算閾值選取函數(shù) G(t)，t = 0, 1，2, · · ·，L-I ;
[0015] 24)求出G(t)的最大的值6_，并記下相應(yīng)的灰度級(jí)t，即為最佳閾值Th ;
[0016] 25)利用閾值Th實(shí)現(xiàn)對(duì)a分量的分割并進(jìn)行二值化。
[0017] 進(jìn)一步地，所述步驟S2中將YUV顏色空間圖像采用加權(quán)模糊熵方法進(jìn)行分割的過(guò) 程如下：
[0018] 31)將采集到的煙田彩色圖像從RGB顏色空間轉(zhuǎn)換到Y(jié)UV顏色空間： CN 105184790 A 說(shuō)明書 2/5 頁(yè)
[0020] 32)提取出YUV顏色空間的V分量，以256個(gè)灰度等級(jí)劃分V分量，則V分量的值 為0-255,設(shè)V分量圖像為：
[0021] V = [f (χ, y)]Mxn
[0022] 式中f (x，y)表示像素點(diǎn)（x，y)的灰度值，取值范圍為0, 1，2, · · ·，L-l，L為圖 像的灰度級(jí)即256, V圖像大小為MXN，圖像中的灰度值為k的像素點(diǎn)總數(shù)記為p (k)，則灰 度值k出現(xiàn)的概率可以表示為：
[0024] 33)對(duì)V分量圖像進(jìn)行模糊化，設(shè)分割閾值T將V圖像分割為目標(biāo)0和背景B兩 部分，選擇梯形分布模糊度隸屬函數(shù)分別對(duì)〇和B進(jìn)行模糊化，目標(biāo)0的模糊度隸屬函數(shù)為 yQ(k)，背景B的模糊度隸屬函數(shù)為μΒ(1〇 :
[0026] μΒ〇〇 = 1-μ0〇〇 ;
[0027] 34)計(jì)算加權(quán)模糊熵，目標(biāo)0和背景B兩個(gè)模糊集合的加權(quán)模糊熵分別為：
[0030] 式中S(x) = -Xln(X)-(I-X) ln(l-x)，圖像總的加權(quán)模糊熵為：E = Ε〇+Εβ，其權(quán)重 為（g+l)a;
[0031] 35)計(jì)算加權(quán)模糊熵的最大值，則其最大值對(duì)應(yīng)的閾值Thl就是分割閾值，利用Thl實(shí)現(xiàn)對(duì)V分量的分割并進(jìn)行二值化。
[0032] 進(jìn)一步地，所述步驟S3中將進(jìn)行Ostu方法進(jìn)行閾值分割的圖像與進(jìn)行加權(quán)模糊 熵方法進(jìn)行分割的圖像進(jìn)行合并、濾波的過(guò)程如下：
[0033] 將基于Lab顏色空間的Ostu閾值分割得到的二值圖像與在基于YUV顏色空間的 加權(quán)模糊熵分割方法得到的二值圖像做數(shù)學(xué)或運(yùn)算，再用均值濾波加以處理得到分割結(jié) 果。
[0034] 與現(xiàn)有技術(shù)相比，本發(fā)明技術(shù)方案的有益效果是：
[0035] 本發(fā)明提出了一種基于Lab和YUV顏色空間的農(nóng)田圖像分割方法，該方法將基于 Lab顏色空間的Otsu閾值分割得到的二值圖像與基于YUV顏色空間的加權(quán)模糊熵分割方法 得到的二值圖像進(jìn)行合并、濾波，以取得最佳的分割效果。試驗(yàn)，文方法能夠更好地濾除噪 聲及抑制光照不均勻等復(fù)雜環(huán)境帶來(lái)的影響，獲得令人滿意的分割結(jié)果，實(shí)現(xiàn)農(nóng)田圖像的 精準(zhǔn)分割。
【附圖說(shuō)明】
[0036] 圖1為本發(fā)明算法流程圖。
【具體實(shí)施方式】
[0037] 附圖僅用于示例性說(shuō)明，不能理解為對(duì)本專利的限制；
[0038] 為了更好說(shuō)明本實(shí)施例，附圖某些部件會(huì)有省略、放大或縮小，并不代表實(shí)際產(chǎn)品 的尺寸；
[0039] 對(duì)于本領(lǐng)域技術(shù)人員來(lái)說(shuō)，附圖中某些公知結(jié)構(gòu)及其說(shuō)明可能省略是可以理解 的。
[0040] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的說(shuō)明。
[0041] 實(shí)施例1
[0042] 一種煙田圖像分割方法，包括以下步驟：
[0043] Sl :將采集的煙田彩色圖像分別轉(zhuǎn)換為L(zhǎng)ab和YUV顏色空間圖像；
[0044] S2 :然后將Lab顏色空間圖像采用Ostu方法進(jìn)行閾值分割，將YUV顏色空間圖像 采用加權(quán)模糊熵方法進(jìn)行分割；
[0045] S3 :將進(jìn)行Ostu方法進(jìn)行閾值分割的圖像與進(jìn)行加權(quán)模糊熵方法進(jìn)行分割的圖 像進(jìn)行合并、濾波得到分割結(jié)果。
[0046] 步驟S2中將Lab顏色空間圖像采用Ostu方法進(jìn)行閾值分割的過(guò)程如下：
[0047] 將采集到的煙田彩色圖像從RGB顏色空間轉(zhuǎn)換到LAB顏色空間，選擇LAB顏色空 間的a分量使用Ostu法進(jìn)行圖像的背景分割：
[0048] 21)計(jì)算a分量圖像的灰度概率分布：
[0049] p (k) k = 0, 1，2，· · ·，L-1 ;
[0050] 22)分別計(jì)算屬于a分量圖像和其背景的像素的比例X。、X1，灰度平均值D。、D 1，兩 類間距d2,平均方差琦、if;
[0051] 23)計(jì)算閾值選取函數(shù) G(t)，t = 0, 1，2, · · ·，L-I ;
[0052] 24)求出G (t)的最大的值6_，并記下相應(yīng)的灰度級(jí)t，即為最佳閾值Th ;
[0053] 25)利用閾值Th實(shí)現(xiàn)對(duì)a分量的分割并進(jìn)行