[发明专利]基于正态分布H阈值的紫色土图像分割提取方法

说明书

本发明提供一种基于正态分布H阈值的紫色土图像分割提取方法，包括步骤S1：将含有紫色土区域的彩色图像转化为HSV颜色空间的图像Ⅰ；S2：确定对图像Ⅰ进行分割的阈值，对图像Ⅰ进行分割，得到二值图像Ⅱ；S3：识别二值图像Ⅱ的边界，得到二值图像Ⅲ；S4：提取二值图像Ⅲ中紫色土区域的边界，得到提取出边界的二值图像Ⅴ；S5：对二值图像Ⅲ中边界分割出来的封闭区域进行填充，得到二值图像Ⅳ；S6：求二值图像Ⅳ与含有紫色土区域的彩色图像的哈达玛积；本发明充考虑到紫色土彩色图像的土壤区域在HSV颜色空间H分量有良好的聚集特性和紫色土图像的H分量近似正态分布的特性，获取H分量分割阈值，将土壤区域从背景区域中快速、准确、完整分割出来。

技术领域

本发明涉及图像分割提取方法，具体涉及一种基于正态分布H阈值的紫色土图像分割提取方法。

背景技术

在土壤分类中，地理分布、地形部位、土壤颜色、质地和结构是土壤分类基本特征。其中，地理分布决定土类、大的地形部位决定土属，局地的土种分布依赖于土壤颜色、质地和结构。由于表土受风吹、日晒、雨淋、土壤墒情，附着的地衣、苔藓及杂草等影响，颜色不稳定，使用心土颜色作为重要的分类依据。

现代农业的发展，随着农业自动化、传感技术等在农业上的应用，提出了在野外应用机器视觉识别土壤的要求。根据经验，土锹锹土形成自然断面没有受到铁锹、锄头等工具的破坏，完整保持了土壤自然属性，其图像也最大限度保持了土壤的自然信息。因此，心土自然断面图像成为机器视觉识别土壤的理想图像信息载体。

在野外采集心土自然断面图像，受条件的限制，一般不可能先固定一台设备拍摄背景，然后在锹出土壤自然断面采集图像，应用背景差分的方法获得土壤自然断面图像。即使能满足这样的设备条件，在锹出土壤自然断面时，需要人去操作，也会破坏背景，也无法通过简单差分获得土壤自然断面图像。常规的做法是应用便捷的手持拍摄工具拍摄。相应地，就没有单独的背景图像；从一张图像中，将土壤自然断面图像从复杂背景中分割出来成为了机器视觉识别土壤前必不可少的重要预处理工作。这种方式也方便移动设备野外在线土壤识别。

机器视觉辨识土壤是对野外自然条件下拍摄的具有复杂背景的土壤图像进行识别。在机器视觉辨识土壤中，我们只对图像的土壤部分感兴趣，如果我们能将图像的土壤部分从背景中分割出来，一方面只研究、处理我们感兴趣的图像的土壤部分，另一方面可以排除背景区域对进一步图像分析、特征提取、辨识造成干扰。紫色土是我国西南地区最主要耕地，紫色土是机器视觉土壤识别的研究重点。如何将彩色图像的紫色土图像从背景中准确、完整的分割出来是目前的技术难题。目前，已有的图像分割算法准确度低、误差大、时间开销大。

发明内容

有鉴于此，本发明的目的是提供一种基于正态分布H阈值的紫色土图像分割提取方法，充分考虑到紫色土彩色图像的土壤区域在HSV颜色空间H分量有良好的聚集特性，并与背景区域有显著差异，将紫色土彩色图像转换为HSV颜色空间，并考虑到紫色土图像的H分量均值在95％和97％置信度上呈正态分布的特性，建立正态分布H阈值计算模型，计算对图像Ⅰ进行分割的阈值，将图像的土壤区域从背景区域中快速、准确、完整分割提取出来，并消除了孤立点且填充了边界点围成的内部区域，提高了分割提取紫色土图像的精度。

本发明提供一种基于正态分布H阈值的紫色土图像分割提取方法包括步骤：

S1：获取含有紫色土区域的彩色图像，将含有紫色土区域的彩色图像转化为HSV颜色空间的图像Ⅰ；

S2：确定对图像Ⅰ进行分割的阈值，根据对图像Ⅰ进行分割的阈值，对图像Ⅰ进行分割，得到二值图像Ⅱ；

S3：识别二值图像Ⅱ的边界，得到二值图像Ⅲ；

S4：提取二值图像Ⅲ中紫色土区域的边界，得到提取出边界的二值图像Ⅴ；

S5：对二值图像Ⅲ中边界分割出来的封闭区域进行填充，得到二值图像Ⅳ；