[发明专利]一种叶片RGB图像快速切割多重去噪的方法

说明书

本发明公开了一种叶片RGB图像快速切割多重去噪的方法，属于叶色检测领域，该方法包括叶片收集及图像采集、图像切割及颜色信息提取、叶色参数提取和去噪获取叶片彩色图像步骤。本发明结合了C1‑C4的特点，先进行背景差分处理，将前、后景进行简单分离；而后通过边缘对象去除，降低扭曲叶片的阴影干扰；再通过edge边缘识别、填充、平滑和多次中值滤波后获得较好边缘轮廓；随后进行连通域区域面积筛选，去掉背景杂点，分离出精确的前景目标图像，对单色、杂色叶片整体处理效果均最优，进一步降低了叶片阴影的干扰，处理效率适中，具有较高的参数准确率，综合表现最优。

技术领域

本发明属于叶色检测技术领域，具体涉及一种叶片RGB图像快速切割多重去噪的方法。

背景技术

现有计算机自动化切割方法主要通过MATLAB软件来实现。主要有C1、颜色阈值法；C2、OTSU最优阈值法；C3、edge边缘识别分割法和C4、复合法。但此类方法仍存在一些问题。

C1、颜色阈值法：通过预先设定好颜色阈值（本文以采样台底板的颜色RGB 值为阈值）对图像逐个像素颜色进行识别、筛选、分离。

C2、OTSU最优阈值法：运用im2double函数将图片转化为双精度数组；运用graythresh函数获得最优阈值，然后运用im2bw函数以此为阈值进行二值化填充。

C3、edge边缘识别分割法：运用im2double函数将图片转化为双精度数组，运用rgb2gray函数将图片转为灰度图；运用ddencmp函数进行分层小波消噪，而后采用wdencmp函数进行全局阀值消噪；最后运用edge函数canny算子进行边缘识别切割。

C4、复合法：先采用C3方法进行边缘识别切割，而后采用C2方法进行颜色去噪处理。

采用颜色阈值算法（C1）和OTSU算法（C2）能够较好的去除纯色叶片的背景，但是对杂色叶片会产生误判，导致识别像素准确率下降；而边缘识别算法（C3）可以较好的识别杂色叶片边缘，不会进行多余的切割，但是背景杂音对其干扰严重，且对叶片阴影敏感容易造成误判，其处理耗时较长，效率较低；复合切割算法（C4）在边缘切割的基础上再次进行去噪，对纯色叶和杂色叶均有较好的处理效果，所提取的叶色特征参数值也较优，对叶片阴影消噪效果较好，但是处理耗时最高。

发明内容

本发明的目的在于提供一种叶片RGB图像快速切割多重去噪的方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种叶片RGB图像快速切割多重去噪的方法，该方法包括如下步骤：

S1、叶片收集及图像采集：

S11、叶片收集：拾取始终不同类型的叶片，并用吸水纸将叶片表面的水分及灰尘祛除；

S12、图像采集：在采集平台中心上方100cm处设置一个照明光源，在照明光源上方设置一个高分辨率的相机，使得相机的镜头穿过照明光源的中心，将收集到的叶片呈自然舒展状态分别放置在采集平台上对应镜头的中央位置处，通过相机垂直拍摄进行图像采集；

S2、图像切割及颜色信息提取：

S21、图像切割：采用Adobe Photoshop CS软件中的颜色魔棒工具及磁性边缘索套工具对叶片图像进行手工切割；

S22、颜色信息提取：采用Adobe Photoshop CS软件自带的图像信息直方图获取目标图像的颜色参数信息；

S3、叶色参数提取：