摘要：针对过渡区的特点，提出一种局部邻域二阶差分的过渡区阈值图像分割算法。该方法首先选取局部邻域二阶差分较大的像素作为过渡区的像素点，再对过渡区进行填充，最后剔除过渡区中的背景点，获得图像中目标。为了检验该算法的有效性，采用分类误差、假阳性率、重叠系数和运算速度等4个指标与经典算法进行比较，结果显示，该算法具有更快的运行速度和更好的提取皇帝柑图像目标的性能。

关键词：局部邻域二阶差分;皇帝柑;过渡区;图像分割

中图分类号： TP391.41  文献标志码： A  文章编号：1002-1302（2019）14-0248-03

我国水果总产量虽然位居世界第一，但是出口量不足总产量的5%，且售价约为国际平均售价的1/2[1]，主要原因之一是对采摘的水果没有进行等级分拣。针对这种情况，基于图像处理的水果等级分类方法不断涌现。文献[2-7]分别将色差分量、邻差和、支持向量机、对数相似度约束、边缘检测和框架检测理论应用于水果图像分割。文献[8-10]分别采用色差分量、Canny算子进行柑橘图像分割。近年来，基于过渡区的图像分割算法成为研究热点之一。文献[11]对过渡区的相关文献进行综述，并将过渡区的相关文献分为3类：第一类是考虑灰度变化幅度，如文献[12]提出了基于韦伯定律的过渡区提取算法，文献[13]提出了基于有效平均梯度（effective average gradient，EAG）的过渡区提取算法，该方法首先采用2个灰度剪切函数对图像进行处理，得到2个EAG（L）～L曲线，再通过计算2条曲线的峰值确定阈值区间，灰度级位于该阈值区间的像素就构成了图像的过渡区域;第二类是考虑灰度变化频率，如文献[14]提出了基于局部熵（local entropy，LE）的过渡区提取算法，该算法先计算图像的每个像素点对应的局部熵，构成熵矩阵，再选取某种规则确定熵阈值，最后由熵大于该阈值的像素点构成图像的过渡区域;第三类是考虑灰度变化幅度和频率，如文献[15]结合灰度复杂度和差异度提取过渡区。针对已有文献没有采用基于过渡区的阈值分割算法分割水果图像的情况，本研究将基于局部邻域二阶差分的过渡区图像分割算法引入到水果图像的分割中。

1 主要研究思路

由于文献[13]提出的有效平均梯度法和文献[14]提出的局部熵法对噪声图像敏感且算法的复杂度较高，因此本研究提出基于局部邻域二阶差分的过渡区提取算法，该算法的基本思路为首先提取图像的过渡区，再对过渡区进行填充，然后去除过渡区中的背景点，得到分割结果。本研究算法提取的图1-a过渡区如图1-b所示，过渡区把目标包围在中间;填充过渡区后如图1-c所示，剔除图1-c中过渡区的背景点后如图1-d所示;根据图1-d获得的图像目标分类结果如图1-e所示。

2 基于局部邻域二阶差分的过渡区提取算法

2.1 局部邻域二阶差分

3.3 试验结果与分析

通过试验检验本研究方法在含有高光、阴影和叶子的图像中提取皇帝柑的效果。将本研究方法的分割效果与文献[13-14]提出的算法作对比试验。采用分类误差（ME）、假阳性率（FPR）、叠加系数（OI）和运行时间4个指标检验分割效果。参考图像是采用MATLAB提供的函数roipoly人工分割获取的。

本研究算法对测试图像分割结果如图2所示， 在含有高光、阴影和叶子的皇帝柑图像中能够较好地提取图像中的目标，而文献[13-14]都存在较为严重的过分割现象。表1的数据显示，本研究算法的平均分类误差为11.70%，而文献[13]、文献[14]的平均分类误差分别为18.87%、19.29%。表2的数据显示，本研究算法的平均假阳性率为17.45%，而文献[13]、文献[14]的平均假阳性率分别为20.03%、19.10%。表3的数据显示，本研究算法的平均叠加系数为78.37%，而文献[13]、文献[14]的平均叠加系数分别为63.90%、63.59%。表4的数据显示，本研究算法的平均运行时间为0.245 7 s，而文献[13]、文献[14]的平均运行时间分别为0.594 3、0.750 7 s。本研究算法的平均运行时间分别只有文献[13]和文献[14]的41.34%、32.73%。试验结果表明，本研究算法比文献[13]和文献[14]运行速度快，且分割图像目标更准确。

4 结论

由于有效平均梯度法和局部熵法对噪声图像敏感且算法的复杂度较高，本研究提出了基于局部邻域二阶差分的过渡区阈值图像分割算法，该方法首先选取局部邻域二阶差分较大的像素作为过渡区的像素点，再剔除填充后的过渡区中背景点，最后获得图像中目标。为了检验本研究算法的有效性，对比分析本研究算法与经典的过渡区阈值图像分割算法的分割效果，結果显示，该算法具有更快的分割速度和更好的分割含有高光、阴影和叶子的皇帝柑图像的性能。

参考文献：

[1]刘 晓. 基于多光谱图像的柑橘糖度含量在线无损检测研究[D]. 南昌：江西农业大学，2011.

[2]赵德安，刘晓洋，陈 玉，等. 苹果采摘机器人夜间识别方法[J]. 农业机械学报，2015，46（3）：15-22.

[3]郭文川，梁 玮，宋怀波. 基于邻差和的农产品X射线图像分割算法[J]. 农业机械学报，2012，43（11）：214-219.

[4]张春龙，张 楫，张俊雄，等. 近色背景中树上绿色苹果识别方法[J]. 农业机械学报，2014，45（10）：277-281.

[5]赵瑶池，胡祝华. 基于对数相似度约束Otsu的自然场景病害果实图像分割[J]. 农业机械学报，2015，46（11）：9-15.

[6]黄 辰，费继友. 基于图像特征融合的苹果在线分级方法[J]. 农业工程学报，2017，33（1）：285-291.

[7]Kaushik D，Suny A H. Shadow detection and removal based on YCbCr color space[J]. Smartcr，2014，4（1）：23-33.

[8]蔡健荣，周小军，李玉良，等. 基于机器视觉自然场景下成熟柑橘识别[J]. 农业工程学报，2008，24（1）：175-178.

[9]彭 輝，文友先，吴兰兰，等. 采用自适应Canny算子的树上柑橘图像边缘检测[J]. 计算机工程与应用，2011，47（9）：163-166.

[10]周志宇，刘迎春，张建新. 基于自适应Canny算子的柑橘边缘检测[J]. 农业工程学报，2008，24（3）：21-24.

[11]章毓晋. 图像分割中基于过渡区技术的统计调查[J]. 计算机辅助设计与图形学学报，2015，27（3）：379-387.

[12]邹小林，冯国灿. 基于韦伯定律的过渡区提取及阈值分割[J]. 科学技术与工程，2013，13（15）：4217-4222.

[13]章毓晋. 过渡区和图像分割[J]. 电子学报，1996，24（1）：12-17.

[14]Yan C X，Sun N，Zhang T X. Local entropy-based transition region extraction and thresholding[J]. Pattern Recognition Letters，2003，24（16）：2935-2941.

[15]吴 涛，杨俊杰. 融合局部特征的图像过渡区提取与阈值化[J]. 计算机应用，2013，33（1）：40-43，52.

[16]Yasnoff W A，Mui J K，Bacus J W. Error measures for scene segmentation[J]. Pattern Recognition，1977，9（4）：217-231.

[17]Hu Q M，Hou Z J，Nowinski W L. Supervised range-constrained thresholding[J]. IEEE Transactions on Image Processing，2006，15（1）：228-240.

[18]宋怀波，张卫园，张欣欣，等. 基于模糊集理论的苹果表面阴影去除方法[J]. 农业工程学报，2014，30（3）：135-141.