图像分割方法及装置与流程

本发明涉及图像处理技术领域，尤其是涉及一种图像分割方法及装置。

背景技术：

目前，基于农作物冠层图像信息可以进行作物生长动态追踪、养分精准管理、病虫害防治以及产量预测，为规模化、机械化和智能化农场提供技术支撑，已成为我国农业研究的热点和前沿。但是，农作物冠层图像信息分析必需建立精确的图像分割技术之上。所谓图像分割，就是将农作物冠层图像中的农作物作为目标像元、土壤、水、杂草等其他物体作为背景像元，通过一定算法将目标像元和背景像元分割出来的过程。

然而，在田间自然条件下随着天气变化光照强度不同，获取的水稻冠层图像的光照强度显著影响目标像元和背景像元的灰度值的对比度，难以通过机器自动识别的方法来确定分割阈值，进而导致水稻冠层图像分割准确度低、分割效果不统一。

技术实现要素：

有鉴于此，本发明的目的在于提供一种图像分割方法及装置，以破解现有技术中图像分割的准确度受光照影响较大的技术问题。

第一方面，本发明实施例提供了一种图像分割方法，包括：

获取彩色的待处理图像，所述待处理图像中包含多个像元，所述多个像元分为目标像元和背景像元；

根据所述像元的rgb颜色通道值，确定每个所述像元的增强绿叶指数；

分别将多个所述像元的rgb颜色通道值转换为cie颜色空间的lab色彩指数；

根据多个所述像元的所述cie颜色空间的lab色彩指数和所述增强绿叶指数，确定分割阈值；

根据所述分割阈值分割所述待处理图像中的目标像元和背景像元，得到包含目标像元的分割图像。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述根据所述像元的rgb颜色通道值，确定每个所述像元的增强绿叶指数，包括：

获取多个所述像元的rgb颜色通道值；

分别计算多个所述像元的绿叶指数；

将每个所述像元的绿叶指数分别进行对比度线性拉伸，得到各个所述像元的增强绿叶指数。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述cie颜色空间至少包括红绿色彩浓度值；

根据多个所述像元的所述cie颜色空间的lab色彩指数和所述增强绿叶指数，确定分割阈值，包括：

针对每个所述像元，将所述像元的所述红绿色彩浓度值和所述增强绿叶指数分别进行归一化处理；

将每个像元的、经过归一化处理后的所述红绿色彩浓度值和所述增强绿叶指数之间的平均值，确定为该像元的分割候选值；

确定符合预设条件的分割候选值为分割阈值。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述确定符合预设条件的分割候选值为分割阈值，包括：

获取所述目标像元占所述待处理图像的目标像元比例、目标像元的平均灰度、所述背景像元占所述待处理图像的背景像元比例和背景像元的平均灰度；

根据所述目标像元占所述待处理图像的目标像元比例、目标像元的平均灰度、所述背景像元占所述待处理图像的背景像元比例和背景像元的平均灰度，计算所述目标像元和所述背景像元之间的类间方差；

确定在所述方差为最大值时对应的分割候选值为所述分割阈值。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述方法还包括：

在根据所述分割阈值分割所述待处理图像中的目标像元和背景像元之后，利用空洞填充算法填充所述待处理图像中的空洞，得到分割图像。

第二方面，本发明实施例还提供一种图像分割装置，包括：

获取模块，用于获取彩色的待处理图像，所述待处理图像中包含多个像元，所述多个像元分为目标像元和背景像元；

第一确定模块，用于根据所述像元的rgb颜色通道值，确定每个所述像元的增强绿叶指数；

转换模块，用于分别将多个所述像元的rgb颜色通道值转换为cie颜色空间的lab色彩指数；

第二确定模块，用于根据多个所述像元的所述cie颜色空间的lab色彩指数和所述增强绿叶指数，确定分割阈值；

分割模块，用于根据所述分割阈值分割所述待处理图像中的目标像元和背景像元，得到包含目标像元的分割图像。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述第一确定模块包括：

获取单元，用于获取多个所述像元的rgb颜色通道值；

计算单元，用于分别计算多个所述像元的绿叶指数；

对比度拉伸单元，用于将每个所述像元的绿叶指数分别进行对比度线性拉伸，得到各个所述像元的增强绿叶指数。

结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，其中，所述cie颜色空间至少包括红绿色彩浓度值；所述第二确定模块包括：

归一化处理单元，用于针对每个所述像元，将所述像元的所述红绿色彩浓度值和所述增强绿叶指数分别进行归一化处理；

第一确定单元，用于将每个像元的、经过归一化处理后的所述红绿色彩浓度值和所述增强绿叶指数之间的平均值，确定为该像元的分割候选值；

第二确定单元，用于确定符合预设条件的分割候选值为分割阈值。

结合第二方面，本发明实施例提供了第二方面的第三种可能的实施方式，其中，所述第二确定单元用于：

获取所述目标像元占所述待处理图像的目标像元比例、目标像元的平均灰度、所述背景像元占所述待处理图像的背景像元比例和背景像元的平均灰度；

根据所述目标像元占所述待处理图像的目标像元比例、目标像元的平均灰度、所述背景像元占所述待处理图像的背景像元比例和背景像元的平均灰度，计算所述目标像元和所述背景像元之间的类间方差；

确定在所述方差为最大值时对应的分割候选值为所述分割阈值。

结合第二方面，本发明实施例提供了第二方面的第四种可能的实施方式，其中，所述装置还包括：

填充模块，用于在根据所述分割阈值分割所述待处理图像中的目标像元和背景像元之后，利用空洞填充算法填充所述待处理图像中的空洞，得到分割图像。

本发明实施例带来了以下有益效果：本发明实施例能够通过首先获取彩色的待处理图像，根据所述像元的rgb颜色通道值，确定每个所述像元的增强绿叶指数；然后分别将多个所述像元的rgb颜色通道值转换为cie颜色空间的lab色彩指数，再根据多个所述像元的所述cie颜色空间的lab色彩指数和所述增强绿叶指数，确定分割阈值，最后根据所述分割阈值分割所述待处理图像中的目标像元和背景像元，可以得到包含目标像元的分割图像。

本发明实施例提供的该方法，能够通过将rgb颜色通道值转换为cie颜色空间，再根据多个所述像元的所述cie颜色空间的lab色彩指数和所述增强绿叶指数，确定分割阈值，避免光照强度不同对图像分割的影响，提高图像分割准确度，实现在不同光照强度下对待处理图像中的目标像元图像分割效果统一。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的图像分割方法的流程图；

图2为图1中步骤s102的流程图；

图3a为gli灰度图；

图3b为gli灰度值分布范围；

图3c为gli’灰度图；

图3d为gli’灰度值分布范围；

图4为图1中步骤s104的流程图；

图5a为采用gli’参数进行otsu法分割得到的效果图；

图5b为采用ngli参数进行otsu法分割得到的效果图；

图6为本发明实施例提供的图像分割装置的结构图。

图标：11-获取模块；12-第一确定模块；13-转换模块；14-第二确定模块；15-分割模块。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

目前在田间自然条件下随着天气变化光照强度不同，获取的水稻冠层图像的光照强度显著影响目标像元和背景像元的灰度值的对比度，难以通过机器自动识别的方法来确定分割阈值，进而导致水稻冠层图像分割准确度低、分割效果不统一，基于此，本发明实施例提供的一种图像分割方法及装置，可以降低光照对图像分割的影响，提高图像分割的准确度。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种图像分割方法进行详细介绍，本发明实施例中的图像分割方法，如图1所示，包括以下步骤。

在步骤s101中，获取彩色的待处理图像。

在本发明实施例中，所述待处理图像中由r、g、b三个颜色通道组成，待处理图像包含多个像元，所述多个像元分为目标像元和背景像元，在实际应用中，目标像元可以指组成待处理图像中目标对象对应图像区域的最小影像单元，目标对象可以指水稻等农作物，背景像元可以指组成待处理图像中除目标对象之外图像区域的最小影像单元。

待处理图像可以通过在水稻生长季节，采用相机或无人机等设备距冠层1.0-1.5m高度、垂直向下俯视角度拍摄得到。

在步骤s102中，根据所述像元的rgb颜色通道值，确定每个所述像元的增强绿叶指数。

如图2所示，在步骤s102中包括以下步骤。

在步骤s1021中，获取多个所述像元的rgb颜色通道值。

在本发明实施例中，rgb颜色通道值包括红色(red，r)通道值、绿色(green，g)通道值和蓝色(blue，b)通道值。

在步骤s1022中，分别计算多个所述像元的绿叶指数。

计算绿叶指数(greenleafindex,gli)的计算公式为：

gli＝(2g-r-b)/(2g+r+b)

其中，gli为任一像元的绿度特征指数，r为任一像元中红色通道值，g为任一像元中绿色通道值，b为任一像元中蓝色通道值。

在步骤s1023中，将每个所述像元的绿叶指数分别进行对比度线性拉伸，得到各个所述像元的增强绿叶指数。

在本发明实施例中，采用对比度线性拉伸方法，它扩展了gli图像的频度分布曲线图，使其充满整个灰度级范围内，其计算过程为，首先利用以下公式计算出图像的最大gli灰度级a和最小gli灰度级b：

a＝max(gli)

b＝min(gli)

然后，将a和b分别线性映射到0和255，最终得到的增强绿叶指数gli’，其转化公式为：

如图3a、3b、3c和3d所示，通过线性拉伸后得到的增强型gli’提高了gli灰度级的变化范围，提高了图像的对比度。图3a为gli灰度图，图3b为gli灰度值分布范围，由图3b可知，灰度值分布范围大部分在0到0.5数值范围内，gli灰度级非常狭窄；而如图3c通过线性拉升后得到的gli’灰度图，将其gli灰度值分布范围扩大到0-255(图3d)，增强了gli’灰度图中不同像元的对比度。

在步骤s103中，分别将多个所述像元的rgb颜色通道值转换为cie颜色空间的lab色彩指数。cie不是颜色通道了，是一种颜色系统，包括两种颜色空间，其中本文所采用的是cielab色彩空间。

在本发明实施例中，cie颜色空间包括l*颜色通道值、a*颜色通道值、b*颜色通道值，其中，l*表示颜色的明度，a*表示红光-绿光的色彩浓度，b*表示黄光-蓝光的色彩浓度。

在实际应用中，首先将每个像元的rgb颜色通道值进行gamma校正，其取值范围为[0,255]：

其中，r为红色通道值，g为绿色通道值，b为蓝色通道值，rr为gamma校正后的红色r值，gr为gamma校正后的红色g值，br为gamma校正后的红色b值。

其中gamma校正函数为：

其中，x代表r/255、g/255或者b/255。

然后，将校正后的rgb转化为xyz，其转化函数为：

其中，m是一个3*3矩阵：

然后，xyz再转化为ciel*a*b*色彩空间的l*、a*、b*数值，其转化函数为：

l^*＝116f(y/yn)-16

a^*＝500[f(x/xn)-f(y/yn)]

b^*＝200[f(y/yn)-f(z/zn)

其中，x，y，z是rgb转xyz后计算出来的值，xn，yn，zn为默认值：95.047，100.0，108.883。m是一个3*3矩阵：

其中，x，y，z是rgb转xyz后计算出来的值，xn，yn，zn为默认值：95.047，100.0，108.883。m是一个3*3矩阵：

这里的f(t)可以为上面公式中的f(y/yn)、f(x/xn)或者f(z/zn))。

在本发明实施例中，步骤s102和步骤s103可以不分先后。

在步骤s104中，根据多个所述像元的所述cie颜色空间的lab色彩指数和所述增强绿叶指数，确定分割阈值。

如图4所示，在步骤s104中包括以下步骤。

在步骤s1041中，针对每个所述像元，将所述像元的所述红绿色彩浓度值和所述增强绿叶指数分别进行归一化处理。

所采用数据归一化方法为离差标准化法，对数据进行线性变换，例如，可以使每个像元的红绿色彩浓度值和增强绿叶指数统一映射到[0-255]之间

在步骤s1042中，将每个像元的、经过归一化处理后的所述红绿色彩浓度值和所述增强绿叶指数之间的平均值，确定为该像元的分割候选值。

将映射后的红绿色彩浓度值和增强绿叶指数，进行加和平均，例如，假设像元a的红绿色彩浓度值为p，增强绿叶指数为q，映射后，红绿色彩浓度值为50，增强绿叶指数为120，则二者加和后求平均数，可以得到平均值85。

在步骤s1043中，确定符合预设条件的分割候选值为分割阈值。

在本发明实施例中，所述步骤s1043可以包括以下步骤。

获取所述目标像元占所述待处理图像的目标像元比例、目标像元的平均灰度、所述背景像元占所述待处理图像的背景像元比例和背景像元的平均灰度。

根据所述目标像元占所述待处理图像的目标像元比例、目标像元的平均灰度、所述背景像元占所述待处理图像的背景像元比例和背景像元的平均灰度，计算所述目标像元和所述背景像元之间的类间方差。

在本发明实施例中，确定分割阈值时，使用的otsu算法是基于目标和背景的类间方差最大或类内方差最小为阈值选取准则进行图像分割的方法，具备分割质量稳定、自适应强特性以及分割效果较好等特点。otsu算法按图像的灰度特性，将图像分成背景和目标两部分。背景和目标之间的类间方差越大，分割效果越好。

对于水稻冠层图像i(x,y)，目标像元和背景像元的分割阈值记作t，目标像元占整幅图像的比例记为ω0，其平均灰度μ0；背景像元占整幅图像的比例为ω1，其平均灰度为μ1。图像的总平均灰度记为μ的计算公式为：

μ＝ω0*μ0+ω1*μ1

然后，计算目标像元和背景像元的类间方差g，其计算公式为：

9＝ω0*(μ0-μ)*(μ0-μ)+ω1*(μ1-μ)*(μ1-μ)

＝ω0*ω1*(μ0-μ1)*(μ0-μ1)

确定在所述方差为最大值时对应的分割候选值为所述分割阈值。

在本发明实施例中，假设，水稻冠层图像有l个ngli灰度级(0,1…，l-1)，灰度值为i的象素点的数量为ni，图象总的象素点的数量为n＝n0+n1+...+n(l-1)。灰度值为i的点的概率为：p(i)＝n(i)/n。

假设存在一个门限t将整幅图象分为暗区c1和亮区c2两类，则类间方差σ是关于门限t的函数：

σ＝a1*a2(u1-u2)^2；

由σ＝a1*a2(u1-u2)^2可知，aj为类cj的面积与图象总面积之比，aj表示a1和a2，cj可以表示c1和c2，a1＝sum(p(i))，i->t,a2＝1-a1；uj为类cj的均值，u1＝sum(i*p(i))/a1，0->t；

u2＝sum(i*p(i))/a2,t+1->l-1。

该法选择最佳门限t＝t^使类间方差最大，即：令δu＝u1-u2，σb＝max{a1(t)*a2(t)δu^2}；

这个t值就是我们所求的分割阈值ngli，此时水稻目标像元和背景像元的方差最大。

如图5a和5b,采用增强型绿度特征指数进行水稻冠层图像分割,反光强烈的绿色叶片无法分割识别出来；而通过引入ciel*a*b*色彩空间的a*参数,可以有效减少光强的干扰,提高水稻冠层图像的分割精度。

在步骤s105中，根据所述分割阈值分割所述待处理图像中的目标像元和背景像元，得到包含目标像元的分割图像。

在本发明实施例中，采用形态学算法和图像处理中的空洞填补技术对图像做进一步的处理，填补图像中的空洞，消除图像中的噪声。

在根据所述分割阈值分割所述待处理图像中的目标像元和背景像元之后，所述图像分割方法还包括步骤s106。

在步骤s106中，利用空洞填补所述待处理图像中的空洞，得到分割图像。

本发明实施例能够通过首先获取彩色的待处理图像，根据所述像元的rgb颜色通道值，确定每个所述像元的增强绿叶指数；然后分别将多个所述像元的rgb颜色通道值转换为cie颜色空间的lab色彩指数，再根据多个所述像元的所述cie颜色空间的lab色彩指数和所述增强绿叶指数，确定分割阈值，最后根据所述分割阈值分割所述待处理图像中的目标像元和背景像元，可以得到包含目标像元的分割图像。

本发明实施例提供的该方法，能够通过将rgb颜色通道值转换为cie颜色空间，再根据多个所述像元的所述cie颜色空间的lab色彩指数和所述增强绿叶指数，确定分割阈值，避免光照强度不同对图像分割的影响，提高图像分割准确度，实现在不同光照强度下对待处理图像中的目标像元图像分割效果统一。

如图6所示，在本发明的又一实施例中，提供一种图像分割装置，包括：获取模块11、第一确定模块12、转换模块13、第二确定模块14和分割模块15。

获取模块11，用于获取彩色的待处理图像，所述待处理图像中包含多个像元，所述多个像元分为目标像元和背景像元。

第一确定模块12，用于根据所述像元的rgb颜色通道值，确定每个所述像元的增强绿叶指数。

转换模块13，用于分别将多个所述像元的rgb颜色通道值转换为cie颜色空间的lab色彩指数。

第二确定模块14，用于根据多个所述像元的所述cie颜色空间的lab色彩指数和所述增强绿叶指数，确定分割阈值。

分割模块15，用于根据所述分割阈值分割所述待处理图像中的目标像元和背景像元，得到包含目标像元的分割图像。

在本发明的又一实施例中，所述第一确定模块12包括：获取单元、计算单元和对比度拉伸单元。

获取单元，用于获取多个所述像元的rgb颜色通道值。

计算单元，用于分别计算多个所述像元的绿叶指数。

对比度拉伸单元，用于将每个所述像元的绿叶指数分别进行对比度线性拉伸，得到各个所述像元的增强绿叶指数。

在本发明的又一实施例中，所述cie颜色空间至少包括红绿色彩浓度值；所述第二确定模块包括：归一化处理单元、第一确定单元和第二确定单元。

归一化处理单元，用于针对每个所述像元，将所述像元的所述红绿色彩浓度值和所述增强绿叶指数分别进行归一化处理。

第一确定单元，用于将每个像元的、经过归一化处理后的所述红绿色彩浓度值和所述增强绿叶指数之间的平均值，确定为该像元的分割候选值。

第二确定单元，用于确定符合预设条件的分割候选值为分割阈值。

在本发明的又一实施例中，所述第二确定单元用于：

获取所述目标像元占所述待处理图像的目标像元比例、目标像元的平均灰度、所述背景像元占所述待处理图像的背景像元比例和背景像元的平均灰度；

根据所述目标像元占所述待处理图像的目标像元比例、目标像元的平均灰度、所述背景像元占所述待处理图像的背景像元比例和背景像元的平均灰度，计算所述目标像元和所述背景像元之间的类间方差；

确定在所述方差为最大值时对应的分割候选值为所述分割阈值。

在本发明的又一实施例中，所述装置还包括：

填充模块，用于在根据所述分割阈值分割所述待处理图像中的目标像元和背景像元之后，利用空洞填充算法填充所述待处理图像中的空洞，得到分割图像。

本发明实施例所提供的图像分割方法及装置的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。