[发明专利]一种基于改进分水岭的名优茶嫩叶识别分割方法

权利要求书

1.一种基于改进分水岭的名优茶嫩叶识别分割方法，包括以下步骤：

第1步：从茶园采集茶叶原图，运用高斯滤波去除原图中的各种噪声以提高图像的质量，得到预处理图像；

第2步：在RGB色彩空间下将预处理图拆分为R通道图像、G通道图像、B通道图像；

第3步：采用最小误差法获取最佳阈值T′，采用超阈值零处理法对B通道图像的高亮区进行补偿处理；

第4步：将G通道图像与处理后的B通道图像做差运算，获取G-B分量图像，差运算公式如下：

g_G-B(x,y)＝f_G(x,y)-f_B(x,y)

式中：f_G(x,y)为G通道图像，f_B(x,y)为B通道图像，g_G-B(x,y)为G-B分量图像；

第5步：采用最小误差法来获取最佳自适应值T₁和T₂，[0,T₁]为背景区像素，[T₂,255]为嫩叶区像素，T₁小于T₂；运用分段线性变换处理G-B分量图像，增强图中老叶和嫩叶的区分度；

第6步：对处理后的G-B分量图像运用Otsu算法进行初次二值化；

第7步：对二值图进行腐蚀形态学处理，去除细小的部分，通过形态学处理、距离变换函数获取前景区域、背景区域，计算未知区域并进行标记；最后运用传统的分水岭算法完成最后的分割。

2.根据权利要求1所述的基于改进分水岭的名优茶嫩叶识别分割方法，其特征在于：所述第3步中，最小误差法为：

设图像像素大小为M×N，灰度级为L，n_i为灰度值为i的像素点个数，为全部像素点个数，p_i为灰度值为i的像素点概率，灰度分布模型满足混合正态分布：

式中，p₀为背景C₀分布的先验概率，p₁为前景C₁分布的先验概率；

C₀和C₁分布p(i|j)均服从均值为μ_j、方差为的正态分布：

设t为C₀和C₁的分割阈值，则C₀和C₁分布均值为：

式中：

C₀和C₁分布的方差为：

构造目标函数：

J(t)＝1+2[P₀(t)lnσ₀(t)+P₁(t)lnσ₁(t)]-2[P₀(t)lnP₀(t)+P₁(t)lnP₁(t)]

式中：T′为最佳阈值。

3.根据权利要求2所述的基于改进分水岭的名优茶嫩叶识别分割方法，其特征在于：所述第3步中，超阈值零处理法为：

获取B通道图像中的最佳阈值T′，遍历B通道图像中各个像素点src(x,y)，将灰度值大于阈值T′的像素点的灰度值置为0，小于或等于阈值的像素点保持不变：

式中：dst(x,y)为处理后图像像素，src(x,y)为待处理图像像素。

4.根据权利要求3所述的基于改进分水岭的名优茶嫩叶识别分割方法，其特征在于：所述第5步的分段线性变换中，设图像f(x,y)灰度范围为[c,d]，并将其分为三段，分别为[c,a][a,b][b,d]，变换后图像g(x,y)灰度范围为[c′,d′]，其三分段变为[c′,a′][a′,b′][b′,d′]，则有：