奶牛图像二值化的研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇奶牛图像二值化的研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要：本文对奶牛图像二值化作了研究，分析了奶牛图像的特点，对奶牛受背部沾染污垢，泥土及光照不均等影响的奶牛图像直方图作了分析，提出了改进措施，给出了最佳阈值确定流程图。为进一步改善二值化结果，提出了以黑色点为种子点作区域增长的算法。实验结果表明，利用本文提出的方法可避免光照、奶牛背部污染等影响，较准确地对奶牛图像作二值化。

关键词：奶牛图像；二值化；直方图；最佳阈值；区域增长

中图分类号：TN911.21 文献标识码：A

引言

奶牛体型线性评定是奶牛优化育种工作的重要内容，国内对奶牛的识别主要依靠人工应用皮尺、卡尺、半圆仪等量具进行测量，并与之前所测量的数据进行对比，来计算奶牛的生长速度，体型及背部花纹变化情况等。所有数据用人工进行处理完成，工作量极大，且易出错。对奶牛进行规范化拍照，并将照片进行二值化处理，可对奶牛进行识别。本文分析了对奶牛背部图案的提取、处理和二值化的过程。

1 样本图像采集与预处理

本系统所采用的照片为奶牛养殖场实地拍摄，共对10头奶牛进行了拍摄，总共100张512*512照片，包括旋转、大小、光照和姿势的变化，通过中值滤波对图像进行降噪处理，人工去除原有背景并以绿色填充，作为实验样本。

2 奶牛图像的二值化处理

图像二值化处理是将灰度图像分成两部分：大于阈值和小于阈值的像素，因样本图像中的奶牛大多可以背部黑色和白色的图案作为识别依据，故对奶牛图像作二值化处理是提取奶牛特征的重要步骤。

2.1 奶牛图像直方图的特点

对奶牛图像直方图作分析，发现由于在成像过程中，容易受到奶牛身上污物、自身斑块颜色的影响，以及光照等外界环境因素的干扰，使每张图像的直方图形状受到一定程度的干扰，出现峰谷分布不明显或有多个峰谷出现等，对最佳阈值的选定可能造成偏差。

2.1.1 直方图毛刺较多：由于大部分奶牛背部的斑块并不是纯白或者纯黑，且受泥土、污垢等外界因素影响，部分区域为深褐色或深灰色，这使得奶牛直方图毛刺较多，且并不一定呈现出两个波峰，对此类直方图本文采用邻阈平滑法对直方图进行处理，其基本思想是用直方图中的某个点左右相邻的几个值的平均值来代替此点的值，这种方法计算速度快，且简单有效，其效果如图1所示，左边是未平滑的直方图，右边是平滑后的直方图。

2.1.2 光照过强：由于样本图像是在室外奶牛场实地拍摄，受太阳光折射的影响，可能会产生一些光线特别强烈的照片，造成直方图向右偏移，如图2中是同一头奶牛在不同光照条件下取RGB图像中的R分量图产生的直方图，其中，图片下方的奶牛受光照影响明显大于图片上方的奶牛，所以，受光照影响的奶牛图片的直方图明显向右偏移，如果在较低灰度值中寻找阈值就会造成误差。因为R、G、B三个分量均包含亮度信息，它们之间存在着很大的相关性，而这种相关性，不利于图像的边缘检测和分割[6]。经实验发现，图像的YUV空间具有与人视觉感知的一致性，且比RGB空间具有更好的认知均匀性，故为了避免光照的影响，可对光照强烈的图像在YUV空间中寻找阈值。在YUV空间中，Y是颜色的亮度，U和V是色调。本实验中，我们发现YUV空间中的V分量更能区分奶牛中的黑白色，故取V分量图作为实验图。从RGB空间到YUV空间的转换关系如下：

2.2 最佳阈值的确定

按照上述奶牛图像直方图的特点，我们利用图3所示最佳阈值的确定流程图对奶牛图像作二值化。

2.3 区域增长

确定最佳阈值t0之后，大于t0的像素值被标记为1，置为白色，小于t0的像素值被标记为0，但按照阈值t0分割后的二值图像中，有部分黑色像素周围的点被误作白色，故可进一步以黑色点作为种子点进行区域增长。区域增长的思想是将具有相似性质的像素点集合起来构成同一区域[7]。

设被标记为黑色的种子点的灰度值为b0，判断种子点b0的邻域8个点，其灰度值用b1表示，当满足以下条件，则判断b1与b0相似，同为黑色，被标记为0：

|b1-b0|

|rg1-rg|

|gb1-gb|

由于奶牛图像的复杂性，无法保证所有被标记的种子点的正确性，若仅按照上述条件1，则有可能从被标记错误的种子点作区域增长，故在进行区域增长时，还需附加条件2、3，以避免从错误种子点增长。

3 奶牛图像二值化处理结果

从图4可见，用本文提出方法对奶牛图像进行二值化处理，既可以比较精确地获取阈值从而对图像作二值化，同时，也能够消除光照、泥土等外界因素对图像二值化的影响。

结束语

奶牛图像二值化是奶牛图像识别最重要的部分。本论文提出了一种专门针对奶牛图像的二值化方法，对于解决传统方法鉴别动物的成本高、操作复杂和识别率低等问题以及推广动物跟踪应用、提高食品安全有重大的意义。

参考文献

[1]严曲，赵跃龙.一种基于迭代阈值法的身份证图像二值化研究算法[J].计算机测量与控制，2005，13(6)：595-597.

[2]付阿利，雷秀娟.基于改进PSO算法的最大熵阈值图像分割[J].计算机工程与应用，2008，44(29):174-176.

[3]王祥科，郑志强.Otsu多阈值快速算法及其在彩色图像中的应用[J].计算机应用，2006，26:14-15.

[4]肖艳炜，张云.改进的二维Otsu自动分割算法及其应用研究[J].计算机工程与应用，2007，43(7):243-245.

[5]陈敏.一种自动识别最优阈值的图像分割方法[J].计算机应用与软件,2006,23(4)：85-86.

[6]王建国，华继钊.基于YCgCr颜色空间的光照自适应的肤色区域检测[J].计算机应用研究，2008，25(2):467-472.

[7]裘旭光.基于自适应区域增长算法获取手臂静脉模式[J].计算机工程与应用，2007，43(33):230-233.