全 文 ：第 28卷　第 1期
2010年 3月 　　　　
广西师范大学学报: 自然科学版
Journal of Guangx i No rmal Univ ersity: Na tural Science Edition
　　　　　　 Vo l. 28　 No. 1
Mar. 2010
收稿日期: 2009-09-20
基金项目: 国家自然科学基金资助项目 ( 70571017) ;广西信息与通讯技术重点实验室资助课题 ( 20903)
通讯联系人: 罗晓曙 ( 1961— ) ,男 ,湖北应城人 ,广西师范大学教授 ,博士。E-mail: lx s@ mailbox . g xnu. edu. cn
罗汉果种属特征视觉检测与信息库的建立
张　露 1 ,罗晓曙 1 ,陈全斌 2 ,陈　莉1
( 1.广西师范大学电子工程学院 ,广西桂林 541004; 2.广西师范大学环境与资源学院 ,广西桂林 541004)
摘　要:利用自行研制的罗汉果图像识别系统对野生罗汉果品种以及组培罗汉果品种的果实图像进行处理
计算 ,获得各个品种的长、宽、伸长度、周长、面积、圆形度、紧凑度、红、绿、蓝、色调、饱和度等外观特征参数 ,进
而建立一个罗汉果品种的特征信息库 ,有助于对野生罗汉果品种进行保护以及明确其特征特性的分类界限 ,
为检测提供阈值选择参考 ,是机器视觉检测和识别罗汉果品种的基础。
关键词: 罗汉果 ;特征信息库 ;特征特性 ;种属检测
中图分类号: TP391. 41　　　文献标识码: A　　　文章编号: 1001-6600( 2010) 01-0174-04
罗汉果 Siraitia grosvenorii ( Swingle) C. Jeff rey是我国特有的珍贵葫芦科植物果实 ,主产我国广西桂
林。品种混杂、种质退化是当前罗汉果种植和生产中存在的最为严重的问题之一 ,由于罗汉果野生资源分
布地得不到保护 ,野生资源流失严重 ,果农一味追求果实的大小 ,造成部分栽培品种在选优去劣过程中丢
失 ,甚至部分品种面临绝种的危险 [1 ]。本文利用数字图像处理技术对罗汉果果实进行特征参数提取并建立
罗汉果品种特征信息库 ,就是为了能更好地对野生罗汉果品种进行保护 ,并为罗汉果品种质量无损检测、
种属识别的自动化打下基础 [2 ]。
1　材料与方法
1. 1　检测系统
检测装置由计算机、N IKON照相机、灯箱组成。其中箱子的四周和顶部内壁用碳素墨水涂成黑色 ,以
减弱光的反射 ,中央用一根三基色环形荧光灯管提供均匀照明。在本研究中 ,通过分析罗汉果在不同背景
颜色下的图像和比较它们的直方图 ,发现在白色背景下图像能比较准确地反映罗汉果的特征细节 ,而且果
体图像易于与背景进行分割 ,因而在本试验中采用白色作为灯箱的底板。
1. 2　样品和试验方法
用于本研究的罗汉果样品包括野生罗汉果及组培罗汉果品种。其中野生品种为:红毛果、白毛果、长滩
果、冬瓜果、青皮果。组培品种为:大地二号、大地三号、大地五号、大叶一号、渡头果、柏林果、罗丰组培、罗
丰插杆、亦元生。果实采摘回来后 ,记录采摘时间和品种名称 ,分批用数码照相机把样品拍照 ,存入电脑 ,用
自行研制的罗汉果识别系统对各个罗汉果样品图片进行处理分析 ,得出数据 ,最后把图片和数据存入罗汉
果特征信息库。
1. 3　图像处理方法
用自行研制的罗汉果识别系统 (以 Microsof t Visual C+ + 6. 0软件为平台 )进行图像分析和处理。罗
汉果特征信息提取主要分成四个部分: 图像采集、图像预处理、图像分割、图像特征提取。图像预处理包括
了滤波降噪 (为了获得高品质图像 )、图像灰度化 (为提取图像特征做准备 )、直方图均衡化 (为了进一步改
善图像视觉效果 ) [3 ]、图像二值化 (为了提取果实轮廓进而测得各种形状参数 )。主要是对图像进行滤波降
噪 ,本研究采用中值滤波法。图像分割就是把果实和背景分离开来 ,提取颜色特征直接在彩色图像使用
RGB空间的 B分量进行阈值分割然后提取 ,而果实的形状特征直接从最终二值图获取。图像特征提取包
DOI : 10. 16088 /j . i ssn. 1001 -6600. 2010. 01. 023
括颜色特征提取和形状特征提取。
1. 4　罗汉果特征提取
本研究提取颜色特征直接在彩色图像使用 RGB空间的 B分量进行阈值分割。提取的颜色信息包括
R、G、B、 H、 S分量。R、G、B分别为图像红、绿、蓝的亮度值 , H、 S是指颜色的色调和饱和度。照相机获取的
彩色图像被表示成 R、G、B成分 ,要提取 H、 S分量 ,还必须从 RGB制式向 HIS制式转换 [ 4]。罗汉果形状特
征包括长 (L )、宽 (D )、伸长度 ( E= D /L )、周长 ( P )、面积 ( A )、圆形度 (C= P2 /4πA )、紧凑度 ( J= Q /L )、当
量直径 (Q= 2 A /π)。其中伸长度也称偏心率 ,描述区域的紧凑性 ;圆形度反映与圆的近似程度 ,值越大与
圆的相似性越小 ,其理论最小值为“ 1” ;紧凑度反映果实的紧凑程度 ,值越大越紧凑 ,其理论最大值为“ 1” ,
表示一个圆。这几个特征参数具有图像平移、旋转、缩放不变性 ,因此可以很好地反映和区分不同的罗汉果
品种。
2　罗汉果特征信息库的建立及特征分析
由于不同罗汉果品种果实的颜色特征和形状特征有差异 [5 ] ,因此利用颜色、纹理、形状等外观特征进
行机器视觉分类是可能的 [6-8 ]。
为了对采集的大量罗汉果图像进行管理 ,并方便新品种的添加以及各个罗汉果品种特征参数的保存 ,
首先编写支持图像浏览、添加、更新、删除等功能的罗汉果特征信息库管理程序 ,然后经过大量计算与统计
获得各罗汉果品种的相应特征值范围 ,如表 1所示。
表 1　罗汉果颜色特征范围
Tab. 1　Range of color f eature values forS iraidia grosvenrii
类别 品种 R G B H S
野生果
长滩果 83. 2～ 94. 1 87. 6～ 94. 1 24. 2～ 31. 1 61. 7～ 64. 1 0. 51～ 0. 62
冬瓜果 97. 1～ 101. 2 100. 3～ 103. 7 31. 4～ 36. 8 62. 4～ 62. 7 0. 55～ 0. 63
青皮果 140. 2～ 145. 6 137. 5～ 147. 1 65～ 80. 1 58. 2～ 61. 5 0. 35～ 0. 42
红毛果 80. 7～ 85. 7 83. 5～ 89. 2 59. 8～ 62. 9 66. 2～ 66. 9 0. 16～ 0. 22
组培果
渡头果 82. 2～ 109. 8 104. 2～ 116. 3 48. 4～ 67. 9 66. 8～ 95. 5 0. 25～ 0. 39
柏林果 70. 2～ 98. 6 101. 5～ 116. 4 48. 7～ 67. 1 80. 7～ 114. 6 0. 21～ 0. 37
大地三号 72. 9～ 86. 2 106. 3～ 118. 9 73. 6～ 81. 7 112. 5～ 121 0. 13～ 0. 15
大地五号 51. 4～ 69. 4 102. 5～ 124. 2 76. 5～ 95. 8 142～ 166 0. 27～ 0. 34
表 2　罗汉果不变矩特征范围
Tab. 2　 Range of invariant feature values for Siraid ia grosvenrii
类别 品种 伸长度 圆形度 紧凑度
野生果
长滩果 0. 71～ 0. 75 1. 38～ 1. 45 0. 88～ 0. 93
冬瓜果 0. 78～ 0. 83 1. 39～ 1. 41 0. 89～ 0. 93
青皮果 0. 81～ 0. 85 1. 39～ 1. 43 0. 91～ 0. 94
红毛果 0. 96～ 0. 99 1. 35～ 1. 36 0. 98～ 1
组培果
渡头果 0. 89～ 0. 95 1. 34～ 1. 43 0. 95～ 0. 98
柏林果 0. 89～ 0. 96 1. 39～ 1. 47 0. 96～ 1
大地三号 0. 79～ 0. 88 1. 37～ 1. 47 0. 87～ 0. 95
大地五号 0. 86～ 0. 99 1. 37～ 1. 55 0. 93～ 1
在此基础上建立的罗汉果特征信息库可显示多个品种罗汉果的典型图像和相应特征值及特征范围。
3　讨论与分析
要利用颜色特征差异进行罗汉果品种分类识别 ,前提是要保证罗汉果是同一天采摘和进行图像采集
175第 1期　　　　　　　　　　　 张　露等: 罗汉果种属特征视觉检测与信息库的建立　　　　　　　　　　　
的。本研究的罗汉果样品中 ,野生品种是 2007年 10月 25日采摘和进行图像采集的 ,而组培品种是 2008年 9月
25日采摘和进行图像采集的。因此利用颜色特征可以分别对野生品种和组培品种进行分析 ,然而形状特征
没有这个局限 ,可以对野生品种和组培品种一起进行分析 [9 ]。
通过分析表 1、表 2所统计的不同罗汉果品种的果实颜色值范围 ,可以看到不同品种罗汉果的颜色特征
是有差异的。下面将冬瓜果、青皮果与红毛果各 20个图像提取的红色分量、绿色分量、饱和度分量 3个颜色
特征分别导入 Origin7. 5做出它们的散点图 ,如图 1所示。
图 1　红色、绿色、饱和度分量散点图
Fig. 1　 Red, Green, Saturation component sca tter diag ram
我们划定野生罗汉果品种的 R分量阈值> 140,可以将青皮果和其他野生罗汉果品种区分开来 ,并且
青皮果和红毛果 R值差异颇大 ,识别率更高。划定野生罗汉果品种的 G分量阈值> 130,可以将青皮果和
其他野生罗汉果品种区分 ;划定组培罗汉果品种 H分量阈值> 142可以将大地五号和其他组培罗汉果品
种区分 ;划定组培罗汉果的 S分量阈值 < 0. 15可以将大地三号与其他组培品种区分。由表 3、表 4分析得
到 ,划定伸长度分类阈值 < 0. 75,可以将长滩果与其他品种区分 ;划定圆形度阈值 < 1. 36可以将红毛果与
组培罗汉果品种除渡头果外的其他品种区分 ;划定紧凑度阈值 < 0. 93,可以很好地将长滩果与白毛果、红
毛果区分 ,以及组培品种的渡头果、柏林果、罗丰插杆、罗丰组培、亦元生区分。通过分析可以证明利用罗汉
果颜色特征的差异对罗汉果种属进行识别分类是可行的 ,为今后利用 BP神经网络输入输出的高度非线
性实现罗汉果种属的自动识别提供了理论前提 [10 ]。
4　结语
本文初步建立的罗汉果图像信息库提供了野生罗汉果品种如红毛果、白毛果、长滩果、冬瓜果、青皮果
以及现代公司组培的大地二号、大地三号、大地五号、大叶一号等品种的果实图像样品图像 ,支持大量图片
的管理、新品种的添加、查询等功能 ,可以显示各品种罗汉果分类的典型图像的长、宽、伸长度、周长、面积、
圆形度、紧凑度、红、绿、蓝、色调、饱和度等外观特征值信息及品种特征范围 ,由上述的罗汉果品种特征参
数阈值分析可以看出 ,这些特性值信息有助于明确罗汉果品种特征特性的分类界限 ,为视觉检验提供阈值
选择的参考 ,在此基础上补充完善 ,可为保护野生罗汉果品种及罗汉果品种质量无损检测、种属识别的自
动化打下基础。
参　考　文　献:
[ 1]　李锋 ,李典鹏 ,蒋水元 ,等 .罗汉果栽培与开发利用 [M ].北京: 中国林业出版社 , 2004.
[ 2]　成芳 ,应义斌 .杂交水稻种子特征特性视觉检验分析与图像信息库的建立 [ J].中国水稻科学 , 2004, 18( 5): 461-465.
[ 3 ]　孙忠贵 ,王玲 .一个基于概率的数字图像直方图均衡化新方法 [ J].四川师范大学学报: 自然科学版 , 2006, 29( 3): 372-
375.
[ 4]　应义斌 ,饶秀勤 ,马俊福 .柑橘成熟度机器视觉无损检测方法研究 [ J].农业工程学报 , 2004, 20( 2): 141-144.
[ 5]　李媛 ,梁士楚 ,黄元河 ,等 .野生罗汉果种群分布格局研究 [ J].广西植物 , 2007, 27( 4): 581-584.
176 　　　　　　　　　　　　　　　广西师范大学学报: 自然科学版　　　　　　　　　　　　　　　第 28卷
[ 6]　周咏梅 ,徐德智 ,阳爱民 ,等 .一种基于模糊 C均值聚类的图像区域分割方法 [ J].广西师范大学学报: 自然科学版 ,
2006, 24( 4): 203-206.
[ 7]　 T AHIR A R, N EETHIRAJAN S, JAYAS D S. Evaluation o f the ect of moisture content on cerea l g rains by digital image
analy sis[ J]. Food Research International, 2007, 40: 1140-1145.
[ 8]　汪华章 .基于多尺度及多方向分析的纹理图像检索算法 [ J].郑州大学学报:理学版 , 2009, 41( 1): 27-32.
[ 9]　 CHOI K, LEE G, HAN Y J, et al. Toma to ma turity ev aluation using co lor image analy sis [ J]. Transactions of th e ASAE,
1995, 38( 1): 171-176.
[ 10 ]　郑桢 ,康耀红 .基于组合分类器的联机手写汉字识别 [ J].郑州大学学报:理学版 , 2007, 39( 2): 88-91.
Vision Detection Analysis on Siraidia grosvenrii Characteristics of
Species and Construction of Feature Information Base
ZHANG Lu
1 , LUO Xiao-shu
1 , CHEN Quan-bin
2 , CHEN Li
1
( 1. Co llege of Electronic Engineering , Guangx i No rmal Univ ersity, Guilin Guangxi 541004, China;
2. Colleg e of Resources and Envirom entology , Guangx i No rmal Univ ersity, Guilin Guangxi 541004, China)
Abstract: Siraidia grosvenrii natural varieties and fruit image of Tissue-cultured ones are processed and
calculated wi th self-developed Siraidia grosvenrii image recognition system to gain various species of the
appearance of the cha racteristic parameters, such as length, width, eccentrici ty, perimeter, area, ci rcular
deg ree, solidi ty, red, g reen, blue hue and satura tion, etc. Then the feature information database of Siraidia
grosvenrii varieties is built, w hich help to detect Siraidia grosvenrii natural variety , clear thei r category
boundaries of characteristics, and offer th reshold selection reference. Therefo re, this database is the foundation
of machine vision inspection and identi fication of Siraidia grosvenrii varieties.
Key words: Siraidia grosvenrii ( Swingle) C. Jef frey; feature info rmation base; characteristics; detection of
species
(责任编辑　李小玲 )
177第 1期　　　　　　　　　　　 张　露等: 罗汉果种属特征视觉检测与信息库的建立