烟叶图像特征的提取.docxVIP

烟叶特征的提取 图像处理中最初级的运算就是特征的提取，所以数字图像处理首要进行的运算就是特征的提取，然后通过运算来检查图像的每个像素，最后确定像素所属特征。如果算法检查的是图像的一些特征区域，那么我们图像处理中特征的提取就是算法中的一部分。作为特征提取的一个前提运算，其输入图像一般在尺度空间中被平滑，最后运用导数运算计算出图像的特征。 颜色特征的提取 烟叶的颜色人特征是烟叶分级中重要依据，不同类别的烟叶生长部位不同，因其光照时间、通风量和光合作用程度等环境因素均不同，所以烟叶呈现出颜色也不尽相同。 RGB（红、绿、黄）模型 RGB可以看成是一个由三幅图像形成的“堆”，当将其送到彩色监视器的红、绿、蓝输入端时，便在屏幕上产生一副彩色图像。任何颜色C的表达式为C=R*r+G*g+B*b，r、g、b代表对应颜色的分量的权重系数，R、G、B代表三原色的灰度值。R、G、B三个分量之间存在很高的相关性，稍微有个颜色发生微小的变化，三通道上对应的颜色值都会发生变化。 利用MATLAB提取图像R、G、B分量的指令： R=rgb_image(:,:,1); G=rgb_image(:,:,2); B=rgb_image(:,:,3); HSI（色调、饱和度、亮度）模型 HSI模型完全反映了人感知颜色的基本属性，与人感知颜色的结果一一对应，因此，HSI模型被广泛应用于人的视觉系统感知演的的图像表示和处理系统中。 从RGB转换成HIS 其中 从RGB转化到HIS的指令： hsi_imsge=rgb2hsi(grb_imsge); H= hsi_imsge(:,:,1); S= hsi_imsge(:,:,2); I= hsi_imsge(:,:,3); HSV（色调、饱和度、数值） HSV对用户来说是一种直观的颜色模型。由于HSV是一种比较直观的颜色模型，所以在许多图像编辑工具中应用比较广泛，但这也决定了它不适合使用在光照模型中，许多光线混合运算、光强运算等都无法直接使用HSV来实现。 将RGB转换为HSV的MATLAB函数是rgb2hsv，其语法为： hsv_imsge=rgb2hsv(rgb_image); H= hsv_imsge(:,:,1); S= hsv_imsge(:,:,2); V= hsv_imsge(:,:,3); 方差、均值的计算 以H、S、I为例，计算均值和方差。 形状特征 形状特征直接反映了烟叶的长、宽、破损率等，用长度、宽度、长宽比、面积、周长、破损率、矩形度、圆形度8个形状特??来表现。 长度 烟叶的长度是指叶片主脉基部至叶尖的直线度量，即烟叶从主脉底端至叶尖顶端的距离。对于由于某些原因失去了叶尖的烟叶,则以其有主脉基部沿主脉方向的实际长度计量。 在一般情况下，这两个点A之间的距离，C是在底部，烟叶和主脉的搜索方法，这里纵向，从A点出发，同一时间沿着两个方向搜索嵌合多边形，并采用距离计算公式得到它们之间的距离，如果得到的某个距离产生了突变，即明显大于之前的值，则可以判定当前进入叶柄的部分，计算的两个点的坐标扫描结束点B的坐标，则AB的叶长，如果不能找到这样的B，所以AC被认为是叶片长度。的长度。计算公式如下： 宽度的计算 连接的直线AB(AC)，将被划分成101个部分，每一部分等于AB(AC)线的直线距离，和适合的边界的交点，并满足该直线AB(AC)的两个点的坐标，直线垂直线，点与点之间的距离的计算，计算出的值，100的平均值，记录为叶片的平均宽度为W，采用公式如下的计算： 其中k为比例因子，（xi,yi）,（xi+1,yi+1）为两交点的坐标。 长宽比 面积的计算 二值图像中图形的面积定义为图像中像素的总数。如果一幅图像中存在多个图形,首先进行贴标签处理之后，对每个具有相同标签的图形分别计算其面积。二值图像中烟叶的面积实际上是图像中连通像素点集中像素的个数，也就是烟叶区域边界内包含像素点的数目。设烟叶二值图像f(x,y)中烟叶图像大小为M×N，那么烟叶的面积S为： 周长的计算 指边界所包围的区域轮廓的周长。周长可由边界跟踪算法求得。也可以按正方形扫描，用以下的方法求得。对于4连通边界，其长度为边界上像素点的个数，这里通过计算烟叶边界的像素数可得到其周长。采用8方向链码曲线的周长可以表示为： 圆度的计算 烟叶的形状一般是中部圆，两头尖尖,类似于纺锤形，有长椭圆形，宽椭圆形等八种，同一烟株上的烟叶，中下部叶宽圆，上部窄。故选择圆形度系数作为表征烟叶形状的特征参数之一。圆形度是评价对象物形状接近圆的程度的量度。用到前面定义的周长1与面积S，圆形度R定义如下，其中0R≤1，公式如下： 缺损率 计算烟叶边界之内颜色为背景色的像素点数N1和所有烟叶边界之内的像素点数N2，则缺损率的计算公式为： 纹理特