《基于机器视觉的树木图像实时采集与识别系统》由会员分享，可在线阅读，更多相关《基于机器视觉的树木图像实时采集与识别系统（5页珍藏版）》请在金锄头文库上搜索。
1、第 !“ 卷 第 # 期 $ “ “ ! 年 % 月林业科学?3 DAB/F ?/=G（!“#$%$ “1!A 表示转换为色度表示 真彩色图像采集卡采集得到的原始图像是由 ;!A 色彩空间表示的彩色图像。在分割采集到的彩色图像时， 要利用色彩的聚类性质。通常物体的色度由构成物体的材料所具有的光线吸收和反射特性决定， 而亮度明显地受光照和视角的影响， 因此根据色度分割图像比较可靠。根据这一点， 通常将 ;!A 空间的图像转换到 BCD （B?, 色度， C(1?4(1$/+ 饱和度， D77?2$+(+), 光照度） 空间中以完成彩色图像分割， 但由于 ;!A 到 BCD 空间的转换计算量很大，
2、 较为耗时， 在实时性要求很高的识别系统中不适用 （陈晓光等， 5EE“； A7()8.*(F !“ #$%，“G； HDI#(8$ !“ #$%， 5EEE） 。本文采用式 （“） 来实现 ;!A 图像中色度和明度的分离， 只用反映色彩本质特性的 色度来进行聚类分析， 可以获得比较好的识别效果。=。求出新的阈值：*)=($+) $, ;（1）如果 * * ? =， 则结束迭代， 以阈值 *分割图像； 否则令 * * ? =， 转到步骤 （;） 。!“%边缘提取 图 所示为采用 2):/*(、 A):/9、 B*/C#(、 D#*7 和 E+F9+6#+8 边缘检测算子对分割好的图像进行边缘检
3、测， 提取模拟树木图像的边缘检测的结果。由于 B*/C#( 算子并不是各向同性的， 由图 G 可以看到其检测到的边缘并不是完全连通的， 有一定程度的断开。A):/9 算子也存在同样的问题。E+F9+6#+8 算子对噪声比较敏感， 检测到的图像边缘较粗， 还需要进行进一步的细化。而采用 2):/*( 算子和 D#*7 算子则可得到较为理想的边缘（方如明等， =HHH； 章毓晋， ;、 内切圆半径 $、 形状复杂度 %、 重心 同一目标在不同背景下处理结果,%-./01 23(41*% ， FH： CA+ E CDC“0( P Q， R% S T. U57(:*1 )11 17147%(%4%1 :226%4:7%(&* ./3:&*:47%(& (8 UPUK，C， FA （F） ： HD E +BFC林业科学FB 卷
