论文部分内容阅读
摘要[目的]根据原木端面图像的彩色特征，提出一种基于RGB颜色空间的彩色图像分割算法。[方法]选取图像中指定区域作为样本，统计样本中像素点的彩色分量，利用其彩色阈值区间，通过逐点匹配法对图像进行分割。[结果]该方法不仅消除了阴影干扰，而且能够准确地对原木端面进行分割。分割结果图像优化处理后，完整地反映出图像中的原木端面。采用目标图像外接矩形的内接椭圆算法对原木端面图像进行参数测算，结果表明，该算法的测算结果相对误差小于0.5%。[结论]基于RGB彩色空间的原木端面图像分隔方法分隔效果较优，参数测算结果较准确。
关键词RGB彩色空间；原木端面图像；图像分割；阴影干扰；内接椭圆
中图分类号S126文献标识码A文章编号0517-6611（2014）23-08039-04
基金项目国家林业局“948”项目（2010-4-05）。
作者简介姜士辉（1988-），男，黑龙江哈尔滨人，硕士研究生，研究方向：模式识别与智能控制。*通訊作者，教授，博士，博士生导师，从事模式识别与智能控制、现代信息技术与信息安全研究。
收稿日期20140704在基于数字图像的原木自动检尺过程中，识别原木端面是十分重要的前提。通过对原木端面图像的识别、处理与测算，获得原木端面的长径、短径、圆心、纹理、色泽等参数，这些参数不仅在原木材积计算中有着重要的作用，而且在原木种类识别等应用中也有着非常重要的地位[1]。原木端面图像参数测算的结果与图像分割结果的质量息息相关，分割结果的好与坏直接决定整个图像处理过程是否可以继续进行[2-3]。国内外学者已经提出多种图像分割算法，大都是针对具体问题的，基本没有适合所有图像的通用算法[4-5]。目前，分割图像的方法主要是基于阈值分割技术，而阈值分割算法大部分是基于灰度图像[6-7]。由于彩色图像提供了比灰度图像更为丰富的信息，基于彩色图像的处理算法越来越受到人们的关注，例如基于RGB颜色空间的图像分割方法[8-11]。将彩色图像转化为灰度图像，不仅会丢失原图像中的彩色信息，而且会使原图像中差异很大的彩色像素点位于同一个灰度区间，这对分割灰度化图像造成了很大的阻碍。
针对灰度图像的分割问题，笔者根据原木端面图像的颜色特征，提出了一种基于RGB彩色空间的原木端面图像分割方法。首先，在图像中选取部分像素点作为分割样本；然后，利用剔除奇异点算法对样本进行优化并提取优化样本的彩色阈值区间；最后，根据优化样本的彩色阈值范围对图像进行分割。
1 原木端面图像分割
1.1 灰度化图像阈值分割迭代法、Otsu法等算法常常用来确定分割灰度图像的全局阈值。（a）是彩色原木端面图像，（b）是（a）的灰度化图像，（c）是灰度图像（b）的灰度直方图，灰度直方图中虽然存在一个波谷，但由于原图像中原木端面的灰度值和原木阴影的灰度值相近，所以选择波谷处的灰度值作为阈值分割图像的效果较差，灰度直方（c）中波谷位置对应的灰度值约为130。（d）和（e）分别是灰度阈值T=130时和T=80时分割的结果图像。（f）是迭代法阈值分割的结果图像，迭代法得到的阈值约为116。（g）是Otsu法阈值分割的结果图像，Otsu法得的阈值约为125。从（b）～（e）4幅分割结果图像上可以看出，常用的几种灰度阈值分割方法不宜分割该研究中的原木端面图像。基于灰度阈值区间的分割方法如式（1）所示。
g（i，j）=0，其他
1，threshold_A≤f（i，j）≤threshold_B （1）
（h）是根据式（1）分割的结果图像，其中threshold_A=70，threshold_B=110，该灰度阈值区间是经过多次对比图像的分割效果而得出的。
从（h）可以看出，利用灰度阈值区间的分割方法识别出了大部分目标图像的像素点，然而随着拍摄条件以及原木端面的变化，分割效果较好的灰度阈值区间也将随之变化。一个固定的阈值区间很难满足所有原木端面图像的分割，进而在基于灰度阈值区间分割原木端面图像的过程中，必须不断地调整灰度阈值区间并观察图像分割效果，整个过程非常繁琐，甚至会有找不到合适阈值区间的情况。
几种灰度阈值分割方法效果1.2彩色图像阈值分割通过对待分割的原木端面图像分析，由原木端面的颜色相对统一，可以确定原木端面上像素点的RGB颜色分量值在一定区间范围内。为了避免分割过程中目标图像灰度值与阴影灰度值相近的问题和在阈值区间选取过程中繁琐的人机交互问题，该研究提出一种基于RGB颜色空间自动分割识别原木端面彩色图像的算法，具体步骤如下。
（1）在待分割原木端面彩色图像几何中心选取一个正方形区域，正方形边长为l=1/8*min（width，height），其中width、height为图像宽高的像素长度。此正方形区域内的像素点主要是由具备原木端面颜色特征的像素点组成，将该区域作为分割图像的样本，统计样本区域所有像素点的R、G、B值，分别保存在矩阵R256、G256、B256中。
（2）在样本区域内包含一些不具备端面颜色特征的像素点，该研究中将此类点称为奇异点，比如其中的黑白点，为了优化样本，用剔除算法将这些点剔除。算法为循环将矩阵R256、G256、B256中的最大值和最小值赋值为对应矩阵的均值，循环次数n为8，即取样本区域边长的1/8然后向上取整。统计出优化样本的彩色阈值区间：Rmin （3）逐点扫描整幅图像，如果当前检测点的各个颜色分量值均在优化样本的对应彩色阈值范围内，则将该点的R、G、B 3个颜色分量的值保留下来，否则将该像素点置为黑色，即R、G、B 3个值均为0。
（4）在第3步的结果图像中保留了一些非原木端面而又符合彩色分量阈值范围的像素点，为了消除这些噪声，需要采用一系列图像处理算法优化分割结果图像。首先对第3步得到的结果图像进行二值化，然后依次用空洞填充算法、中值滤波算法、数学形态学算法、去除小面积算法对该二值图像进行优化处理，分割算法结束。 在拍摄原木端面图像的过程中，通过调整照相机位置使目标位于照相机窗口的中央位置，并在整幅图像中占有主要地位，如果占有比重过少，样本区域会包含比较多的非目标像素点，会对由样本统计出的彩色阈值区间造成很大的影响。（a）是通过手机拍摄的一幅原木端面彩色图像，图像大小为526*296。（a）中的品红色正方形区域是为了分割原木端面图像1（a）而选择的样本区域。（b）是基于优化样本的阈值区间对原木端面图像1（a）进行分割识别的结果图像。从（b）与中的分割结果对比可以看出，该研究提出的分割算法在避免了背景像素点干扰的同时，分割识别出绝大多数原木端面目标像素点。从分割效果和人机交互两方面看，基于RGB彩色空间分割原木端面图像的方法要优于基于灰度图像的分割算法。（c）是将分割结果图像（b）进行二值化的结果图像，其目的是方便后续的图像处理。（a）原木端面上包含有一些奇异点和原木端面的小缺陷以及在原木端面上粘贴的蓝色标尺圆，这些像素点在图像分割过程中都会被划分成背景像素点，采用空洞填充算法来填充这些大大小小的空洞。采用中值滤波算法消除孤立的噪声点。采用开运算算法消除小对象噪声，分离原木端面部分和一些被错分的背景像素点的粘连，以及平滑原木端面图像的边界，同时并不明显改变原木端面的面积。采用去除小面积算法主要作用是消除一些相对比较大的噪声。（d）是依次利用空洞填充、中值滤波、开运算、去除小面积算法对（c）进行处理后的结果图像。
2原木端面的参数测算
目前，我国检尺仍然以手工检尺为主，检尺结果受各种客观和主观的影响很大[12]。在原木人工检尺过程中，检尺员将原木端面比拟成椭圆，首先测量椭圆的长、短轴，然后计算出长、短轴的平均值，最后根据该平均值和原木长度查原木材积表取得原木材积大小。基于优化后的分割结果图像，该研究采用目标图像外接矩形的内接椭圆算法获得原木端面椭圆，并将其作为进行原木端面参数测算的对象。
2.1外接矩形的内接椭圆算法外接矩形的内接椭圆算法首先利用Matlab的minboundrect（）函数找出目标图像的最小外接矩形，再利用regionprop.Centroid找出目标图像的质心。假设（a）中的矩形ABCD是目标图像的外接矩形，点O是目标图像的质心。然后比较质心到边AB与边CD的距离，将较小者作为横轴半径a，比较质心到边BC与边AD的距离，将较小者作为纵轴半径b，求出边AD与X轴正方向的夹角α作为内接椭圆的旋转角度。最后以质心O为椭圆中心，以a为椭圆横轴半径，以b为纵轴半径，以α为顺时针旋转角度，绘制一个旋转后的椭圆。（b）中的红色矩形为预处理结果（d）中目标图像的最小外接矩形，蓝色点为目标图像的质心。（c）中的绿色椭圆就是根据该研究求取椭圆的方法所绘制的内接椭圆。（d）是将（d）中目标图像的最小外接矩形、质心以及外接矩形的内接椭圆绘制在原木端面图像1（a）上的结果图像，从（d）可以看出，最小外接矩形的内接椭圆能够覆盖原图像中原木端面的绝大部分，符合代替原木端面进行参数测算的要求。
彩色阈值分割效果外接矩形的内接椭圆2.2蓝色标尺圆识别求取原木端面长、短轴的实际长度，必须首先测算出原木端面上粘贴的蓝色标尺圆直径的像素长度，然后再根据标尺圆直径的实际长度利用等比例法求得椭圆长、短轴的实际长度。由于蓝色标尺圆的特殊性质，该研究对蓝色标尺圆的分割识别同样基于RGB彩色空间。根据统计多幅原木端面图像中蓝色标尺圆的颜色分量值，可以得出蓝色标尺圆的彩色分量值R、G、B存在关系B>R+G和G>R。
由于蓝色标尺圆粘贴在原木端面上，其必然在原木端面的外接矩形内，将分割识别范围设定为外接矩形区域，避免外接矩形以外噪声的同时加快了分割识别的速度，（a）是根据限定条件在（a）中分割识别出的蓝色标尺圆。（b）是将（a）进行二值化的结果图像。可以利用空洞填充、滤波、开运算、去除小面积等图像处理算法优化（b），（c）是对（b）进行边缘检测的结果图像。（d）为将蓝色标尺圆边缘绘制在原木端面图像1（a）上的结果图像，从图像4（d）可以看出，分割识别出的蓝色标尺圆是准确的。
识别蓝色标尺圆2.3原木端面图像参数测算原木端面图像参数测算方法的具体步骤如下。
（1）根据椭圆参数信息分别测算出椭圆长、短轴的像素长度DP1和DP2。
（2）根据分割得到的蓝色标尺圆测算出它的直径像素长度RP。
（3）根据前两步得到的参数以及蓝色标尺圆直径实际长度RR，利用公式DR1=RR/RP*DP1和公式DR2=RR/RP*DP2，计算出椭圆长、短轴的实际长度DR1和DR2。
（4）计算出椭圆长、短轴实际长度的平均值D，利用原木材积计算公式计算出原木材积大
42卷23期姜士辉等基于RGB彩色空间的原木端面图像参数测算研究3试验结果与分析
选取两幅原木端面图像，分別用常见的阈值分割方法和该研究提出的方法进行分割。自左到右分别是原图像、基于迭代法阈值分割的结果图像、基于Otsu法阈值分割的结果图像、基于阈值区间分割的结果图像、基于阈值区间分割的结果图像的预处理结果图像、基于该研究算法分割的结果图像、基于该研究算法分割的结果图像的预处理结果图像。
对比分析中的图像分割效果，该研究提出的分割方法分割效果良好。其中，迭代法和Otsu法的分割效果很差，不宜分割该研究中的原木端面图像。基于灰度阈值区间分割法不仅会将与原木端面粘连在一起的部分树皮保留下来，而且选择合适的灰度阈值区间比较麻烦，有可能还会找不到合适的灰度阈值区间。
分割处理效果图像统计
原木端
图像原图迭代法Otsu法 区间法预处理该研究提出的算法预处理后ab无合适阈值区间无合适阈值区间
是用该研究提出的算法测算原木端面图像（a）的参数以及实际检尺的参数信息统计表。从分析得到，外接矩形内接椭圆算法测算的原木材积，与人工检尺得到的结果相比较，相对误差小于0.5%。 通过统计多幅图像的原木端面参数测算结果，得出该研究提出算法的原木材积测算结果与实际检尺测得结果相比较相对误差很小。
原木端面参数统计
参数标尺圆实际检尺内接椭圆像素短径∥pix29.017 2157.963 1实际短径∥cm1.900 010.200 010.343 2像素长径∥pix29.017 2161.641 2实际长径∥cm1.900 010.800 010.584 0直径均值∥cm1.900 010.500 010.463 6原木长度∥m10.000 010.000 0原木材积∥m30.181 50.180 6材积误差∥%0.480 0
4结语
该研究针对在分割灰度图像的过程中，由于目标图像灰度值与阴影灰度值相近，常常产生将阴影误分割为目标的问题，提出了一种基于RGB颜色空间的彩色图像分割算法，首先在图像中选定样本，然后根据样本的彩色阈值区间对图像进行分割的算法。试验表明，该算法在保留更多原木端面图像像素点的同时，消除了大部分阴影的干扰，明显优于基于灰度图像的阈值分割方法，分割结果图像优化处理后，能够完整地反映出原彩色图像中的原木端面，该分割算法是一种切实可行的原木端面图像分割算法。该研究为了模仿人工检尺求取原木材积的方法，采用目标图像的最小外接矩形的内接椭圆进行原木端面图像参数测算，结果表明，根据提出的算法测算得到材积大小与实际检尺测得结果相比较相对误差很小。
参考文献
[1] 梅振荣，任洪娥，朱朦.基于非线性最小二乘原理的原木端面识别算法[J].计算机工程与应用，2012，48（2）：177-178.
[2] 辛颖，薛伟.原木端面面积的数字图像检测方法研究[J].吉林林业科技，2008，37（6）：36-39.
[3] 杨康叶，邬春学.基于RGB模型颜色相似性的彩色图像分割[J].计算机系统应用，2013（3）：128-131.
[4] 刘明媚.基于区域显著性的彩色图像分割[J].电子设计工程，2013，21（18）：133-135.
[5] 刘越，彭宏京，钱素静.基于核空间 LLE 的彩色图像分割方法[J].计算机科学，2013，40（06A）：180-183.
[6] 梅振荣.基于端面图像处理的原木径级识别算法研究与实现[D].哈尔滨：东北林业大学，2011.
[7] 赵亚凤，任洪娥.遗传算法和同态滤波在原木端面图像处理中的应用[J].东北林业大学学报，2014，42（2）：129-132.
[8] CHENG H D，JIANG X H，SUN Y，et al.Color image segmentation：Advances and prospects[J].Pattern Recognition，2001，34（12）：2259-2281.
[9] 景林，林耀海，溫永仙，等.结合色彩特征和空域特征的成捆原木轮廓识别[J].计算机系统应用，2013，22（7）：196-199，191.
[10] 杨璟，朱雷.基于RGB颜色空间的彩色图像分割方法[J].计算机与现代化，2010（8）：147-149，171.
[11] 刘明媚.基于区域显著性的彩色图像分割[J].电子设计工程，2013，21（18）：133-135.
[12] 林静静，魏云龙，陈建清，等.基于链码的原木端面图像检尺径识别算法[J].厦门大学学报：自然科学版，2010（1）：57-60.
关键词RGB彩色空间；原木端面图像；图像分割；阴影干扰；内接椭圆
中图分类号S126文献标识码A文章编号0517-6611（2014）23-08039-04
基金项目国家林业局“948”项目（2010-4-05）。
作者简介姜士辉（1988-），男，黑龙江哈尔滨人，硕士研究生，研究方向：模式识别与智能控制。*通訊作者，教授，博士，博士生导师，从事模式识别与智能控制、现代信息技术与信息安全研究。
收稿日期20140704在基于数字图像的原木自动检尺过程中，识别原木端面是十分重要的前提。通过对原木端面图像的识别、处理与测算，获得原木端面的长径、短径、圆心、纹理、色泽等参数，这些参数不仅在原木材积计算中有着重要的作用，而且在原木种类识别等应用中也有着非常重要的地位[1]。原木端面图像参数测算的结果与图像分割结果的质量息息相关，分割结果的好与坏直接决定整个图像处理过程是否可以继续进行[2-3]。国内外学者已经提出多种图像分割算法，大都是针对具体问题的，基本没有适合所有图像的通用算法[4-5]。目前，分割图像的方法主要是基于阈值分割技术，而阈值分割算法大部分是基于灰度图像[6-7]。由于彩色图像提供了比灰度图像更为丰富的信息，基于彩色图像的处理算法越来越受到人们的关注，例如基于RGB颜色空间的图像分割方法[8-11]。将彩色图像转化为灰度图像，不仅会丢失原图像中的彩色信息，而且会使原图像中差异很大的彩色像素点位于同一个灰度区间，这对分割灰度化图像造成了很大的阻碍。
针对灰度图像的分割问题，笔者根据原木端面图像的颜色特征，提出了一种基于RGB彩色空间的原木端面图像分割方法。首先，在图像中选取部分像素点作为分割样本；然后，利用剔除奇异点算法对样本进行优化并提取优化样本的彩色阈值区间；最后，根据优化样本的彩色阈值范围对图像进行分割。
1 原木端面图像分割
1.1 灰度化图像阈值分割迭代法、Otsu法等算法常常用来确定分割灰度图像的全局阈值。（a）是彩色原木端面图像，（b）是（a）的灰度化图像，（c）是灰度图像（b）的灰度直方图，灰度直方图中虽然存在一个波谷，但由于原图像中原木端面的灰度值和原木阴影的灰度值相近，所以选择波谷处的灰度值作为阈值分割图像的效果较差，灰度直方（c）中波谷位置对应的灰度值约为130。（d）和（e）分别是灰度阈值T=130时和T=80时分割的结果图像。（f）是迭代法阈值分割的结果图像，迭代法得到的阈值约为116。（g）是Otsu法阈值分割的结果图像，Otsu法得的阈值约为125。从（b）～（e）4幅分割结果图像上可以看出，常用的几种灰度阈值分割方法不宜分割该研究中的原木端面图像。基于灰度阈值区间的分割方法如式（1）所示。
g（i，j）=0，其他
1，threshold_A≤f（i，j）≤threshold_B （1）
（h）是根据式（1）分割的结果图像，其中threshold_A=70，threshold_B=110，该灰度阈值区间是经过多次对比图像的分割效果而得出的。
从（h）可以看出，利用灰度阈值区间的分割方法识别出了大部分目标图像的像素点，然而随着拍摄条件以及原木端面的变化，分割效果较好的灰度阈值区间也将随之变化。一个固定的阈值区间很难满足所有原木端面图像的分割，进而在基于灰度阈值区间分割原木端面图像的过程中，必须不断地调整灰度阈值区间并观察图像分割效果，整个过程非常繁琐，甚至会有找不到合适阈值区间的情况。
几种灰度阈值分割方法效果1.2彩色图像阈值分割通过对待分割的原木端面图像分析，由原木端面的颜色相对统一，可以确定原木端面上像素点的RGB颜色分量值在一定区间范围内。为了避免分割过程中目标图像灰度值与阴影灰度值相近的问题和在阈值区间选取过程中繁琐的人机交互问题，该研究提出一种基于RGB颜色空间自动分割识别原木端面彩色图像的算法，具体步骤如下。
（1）在待分割原木端面彩色图像几何中心选取一个正方形区域，正方形边长为l=1/8*min（width，height），其中width、height为图像宽高的像素长度。此正方形区域内的像素点主要是由具备原木端面颜色特征的像素点组成，将该区域作为分割图像的样本，统计样本区域所有像素点的R、G、B值，分别保存在矩阵R256、G256、B256中。
（2）在样本区域内包含一些不具备端面颜色特征的像素点，该研究中将此类点称为奇异点，比如其中的黑白点，为了优化样本，用剔除算法将这些点剔除。算法为循环将矩阵R256、G256、B256中的最大值和最小值赋值为对应矩阵的均值，循环次数n为8，即取样本区域边长的1/8然后向上取整。统计出优化样本的彩色阈值区间：Rmin
（4）在第3步的结果图像中保留了一些非原木端面而又符合彩色分量阈值范围的像素点，为了消除这些噪声，需要采用一系列图像处理算法优化分割结果图像。首先对第3步得到的结果图像进行二值化，然后依次用空洞填充算法、中值滤波算法、数学形态学算法、去除小面积算法对该二值图像进行优化处理，分割算法结束。 在拍摄原木端面图像的过程中，通过调整照相机位置使目标位于照相机窗口的中央位置，并在整幅图像中占有主要地位，如果占有比重过少，样本区域会包含比较多的非目标像素点，会对由样本统计出的彩色阈值区间造成很大的影响。（a）是通过手机拍摄的一幅原木端面彩色图像，图像大小为526*296。（a）中的品红色正方形区域是为了分割原木端面图像1（a）而选择的样本区域。（b）是基于优化样本的阈值区间对原木端面图像1（a）进行分割识别的结果图像。从（b）与中的分割结果对比可以看出，该研究提出的分割算法在避免了背景像素点干扰的同时，分割识别出绝大多数原木端面目标像素点。从分割效果和人机交互两方面看，基于RGB彩色空间分割原木端面图像的方法要优于基于灰度图像的分割算法。（c）是将分割结果图像（b）进行二值化的结果图像，其目的是方便后续的图像处理。（a）原木端面上包含有一些奇异点和原木端面的小缺陷以及在原木端面上粘贴的蓝色标尺圆，这些像素点在图像分割过程中都会被划分成背景像素点，采用空洞填充算法来填充这些大大小小的空洞。采用中值滤波算法消除孤立的噪声点。采用开运算算法消除小对象噪声，分离原木端面部分和一些被错分的背景像素点的粘连，以及平滑原木端面图像的边界，同时并不明显改变原木端面的面积。采用去除小面积算法主要作用是消除一些相对比较大的噪声。（d）是依次利用空洞填充、中值滤波、开运算、去除小面积算法对（c）进行处理后的结果图像。
2原木端面的参数测算
目前，我国检尺仍然以手工检尺为主，检尺结果受各种客观和主观的影响很大[12]。在原木人工检尺过程中，检尺员将原木端面比拟成椭圆，首先测量椭圆的长、短轴，然后计算出长、短轴的平均值，最后根据该平均值和原木长度查原木材积表取得原木材积大小。基于优化后的分割结果图像，该研究采用目标图像外接矩形的内接椭圆算法获得原木端面椭圆，并将其作为进行原木端面参数测算的对象。
2.1外接矩形的内接椭圆算法外接矩形的内接椭圆算法首先利用Matlab的minboundrect（）函数找出目标图像的最小外接矩形，再利用regionprop.Centroid找出目标图像的质心。假设（a）中的矩形ABCD是目标图像的外接矩形，点O是目标图像的质心。然后比较质心到边AB与边CD的距离，将较小者作为横轴半径a，比较质心到边BC与边AD的距离，将较小者作为纵轴半径b，求出边AD与X轴正方向的夹角α作为内接椭圆的旋转角度。最后以质心O为椭圆中心，以a为椭圆横轴半径，以b为纵轴半径，以α为顺时针旋转角度，绘制一个旋转后的椭圆。（b）中的红色矩形为预处理结果（d）中目标图像的最小外接矩形，蓝色点为目标图像的质心。（c）中的绿色椭圆就是根据该研究求取椭圆的方法所绘制的内接椭圆。（d）是将（d）中目标图像的最小外接矩形、质心以及外接矩形的内接椭圆绘制在原木端面图像1（a）上的结果图像，从（d）可以看出，最小外接矩形的内接椭圆能够覆盖原图像中原木端面的绝大部分，符合代替原木端面进行参数测算的要求。
彩色阈值分割效果外接矩形的内接椭圆2.2蓝色标尺圆识别求取原木端面长、短轴的实际长度，必须首先测算出原木端面上粘贴的蓝色标尺圆直径的像素长度，然后再根据标尺圆直径的实际长度利用等比例法求得椭圆长、短轴的实际长度。由于蓝色标尺圆的特殊性质，该研究对蓝色标尺圆的分割识别同样基于RGB彩色空间。根据统计多幅原木端面图像中蓝色标尺圆的颜色分量值，可以得出蓝色标尺圆的彩色分量值R、G、B存在关系B>R+G和G>R。
由于蓝色标尺圆粘贴在原木端面上，其必然在原木端面的外接矩形内，将分割识别范围设定为外接矩形区域，避免外接矩形以外噪声的同时加快了分割识别的速度，（a）是根据限定条件在（a）中分割识别出的蓝色标尺圆。（b）是将（a）进行二值化的结果图像。可以利用空洞填充、滤波、开运算、去除小面积等图像处理算法优化（b），（c）是对（b）进行边缘检测的结果图像。（d）为将蓝色标尺圆边缘绘制在原木端面图像1（a）上的结果图像，从图像4（d）可以看出，分割识别出的蓝色标尺圆是准确的。
识别蓝色标尺圆2.3原木端面图像参数测算原木端面图像参数测算方法的具体步骤如下。
（1）根据椭圆参数信息分别测算出椭圆长、短轴的像素长度DP1和DP2。
（2）根据分割得到的蓝色标尺圆测算出它的直径像素长度RP。
（3）根据前两步得到的参数以及蓝色标尺圆直径实际长度RR，利用公式DR1=RR/RP*DP1和公式DR2=RR/RP*DP2，计算出椭圆长、短轴的实际长度DR1和DR2。
（4）计算出椭圆长、短轴实际长度的平均值D，利用原木材积计算公式计算出原木材积大
42卷23期姜士辉等基于RGB彩色空间的原木端面图像参数测算研究3试验结果与分析
选取两幅原木端面图像，分別用常见的阈值分割方法和该研究提出的方法进行分割。自左到右分别是原图像、基于迭代法阈值分割的结果图像、基于Otsu法阈值分割的结果图像、基于阈值区间分割的结果图像、基于阈值区间分割的结果图像的预处理结果图像、基于该研究算法分割的结果图像、基于该研究算法分割的结果图像的预处理结果图像。
对比分析中的图像分割效果，该研究提出的分割方法分割效果良好。其中，迭代法和Otsu法的分割效果很差，不宜分割该研究中的原木端面图像。基于灰度阈值区间分割法不仅会将与原木端面粘连在一起的部分树皮保留下来，而且选择合适的灰度阈值区间比较麻烦，有可能还会找不到合适的灰度阈值区间。
分割处理效果图像统计
原木端
图像原图迭代法Otsu法 区间法预处理该研究提出的算法预处理后ab无合适阈值区间无合适阈值区间
是用该研究提出的算法测算原木端面图像（a）的参数以及实际检尺的参数信息统计表。从分析得到，外接矩形内接椭圆算法测算的原木材积，与人工检尺得到的结果相比较，相对误差小于0.5%。 通过统计多幅图像的原木端面参数测算结果，得出该研究提出算法的原木材积测算结果与实际检尺测得结果相比较相对误差很小。
原木端面参数统计
参数标尺圆实际检尺内接椭圆像素短径∥pix29.017 2157.963 1实际短径∥cm1.900 010.200 010.343 2像素长径∥pix29.017 2161.641 2实际长径∥cm1.900 010.800 010.584 0直径均值∥cm1.900 010.500 010.463 6原木长度∥m10.000 010.000 0原木材积∥m30.181 50.180 6材积误差∥%0.480 0
4结语
该研究针对在分割灰度图像的过程中，由于目标图像灰度值与阴影灰度值相近，常常产生将阴影误分割为目标的问题，提出了一种基于RGB颜色空间的彩色图像分割算法，首先在图像中选定样本，然后根据样本的彩色阈值区间对图像进行分割的算法。试验表明，该算法在保留更多原木端面图像像素点的同时，消除了大部分阴影的干扰，明显优于基于灰度图像的阈值分割方法，分割结果图像优化处理后，能够完整地反映出原彩色图像中的原木端面，该分割算法是一种切实可行的原木端面图像分割算法。该研究为了模仿人工检尺求取原木材积的方法，采用目标图像的最小外接矩形的内接椭圆进行原木端面图像参数测算，结果表明，根据提出的算法测算得到材积大小与实际检尺测得结果相比较相对误差很小。
参考文献
[1] 梅振荣，任洪娥，朱朦.基于非线性最小二乘原理的原木端面识别算法[J].计算机工程与应用，2012，48（2）：177-178.
[2] 辛颖，薛伟.原木端面面积的数字图像检测方法研究[J].吉林林业科技，2008，37（6）：36-39.
[3] 杨康叶，邬春学.基于RGB模型颜色相似性的彩色图像分割[J].计算机系统应用，2013（3）：128-131.
[4] 刘明媚.基于区域显著性的彩色图像分割[J].电子设计工程，2013，21（18）：133-135.
[5] 刘越，彭宏京，钱素静.基于核空间 LLE 的彩色图像分割方法[J].计算机科学，2013，40（06A）：180-183.
[6] 梅振荣.基于端面图像处理的原木径级识别算法研究与实现[D].哈尔滨：东北林业大学，2011.
[7] 赵亚凤，任洪娥.遗传算法和同态滤波在原木端面图像处理中的应用[J].东北林业大学学报，2014，42（2）：129-132.
[8] CHENG H D，JIANG X H，SUN Y，et al.Color image segmentation：Advances and prospects[J].Pattern Recognition，2001，34（12）：2259-2281.
[9] 景林，林耀海，溫永仙，等.结合色彩特征和空域特征的成捆原木轮廓识别[J].计算机系统应用，2013，22（7）：196-199，191.
[10] 杨璟，朱雷.基于RGB颜色空间的彩色图像分割方法[J].计算机与现代化，2010（8）：147-149，171.
[11] 刘明媚.基于区域显著性的彩色图像分割[J].电子设计工程，2013，21（18）：133-135.
[12] 林静静，魏云龙，陈建清，等.基于链码的原木端面图像检尺径识别算法[J].厦门大学学报：自然科学版，2010（1）：57-60.