基于CLAHE和开闭运算的绿色苹果图像分割

依据绿色苹果图像的自身特点,设计了一种分区域提取而后合并的图像分割方法;首先对图像进行限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE),增大果实和背景的颜色差,而后获取R-B色差图像,得到以光常区域为主的区域;然后用CLAHE处理后的图像进行开闭运算,提取局部极大值,得到以高亮区域为主的区域;最后将两区域合并获得完整的果实目标区域;为了验证该方法的有效性,运用Hough算法检测圆,并用相对偏差、圆心相对误差及半径相对误差3个评价指标来定量评价;试验结果表明,提取区域与果实目标区域相比,顺光下,相对偏差、圆心和半径相对误差平均值分别为3.59%,4.76%和2.60%;逆光下,3个指标的平均值分别为10.77%、16.77%、11.49%;无论是顺光还是逆光都有很好的识别效果,能满足机器人采摘果实的精确定位的要求。

基于极限腐蚀的重叠苹果果实分割方法

针对采摘机器人无法对重叠苹果准确分割的问题,提出了一种基于改进极限腐蚀和控制标记符分水岭分割苹果图像的方法。首先,利用果实色差分量的关系,采取R-G颜色分量作为颜色特征向量对图像进行初分割,然后采用OTSU方法分割、孔洞填充、去除小面积等方法获得完整果实二值图像,对二值图像通过改进极限腐蚀的方法来获取种子点,即局部最小区域,通过获得图像的内外标记符使用控制标记符分水岭算法,形成最终的分割图像并标记出分割线。结果表明:这种方法能够很好地改善传统方法出现错误分割的问题,找出清晰的分割线,正确分割率能够达到96.5%,较传统分水岭法和快速聚类分割算法分别提高了7.8个百分点和4.9个百分点,能够满足采摘机器人对重叠苹果图像的分割要求。