颜色rgb颜色表

2004,Vol.
25,No.
7食品科学基础研究86牛肉颜色的RGB特征贾渊1汤晓艳2姬长英1(1.
南京农业大学工学院江苏南京2100312.
南京农业大学肉类研究室江苏南京210095)摘要作为一个重要的食用品质牛肉的颜色既是牛肉分级评定时的一个指标同时又是自动分级时与脂肪区别的一个重要特征本文从统计和理论的角度结合我国现在使用的一种牛肉颜色等级图对牛肉颜色的RGB特征进行了分析得出了牛肉颜色的规律为进一步自动分级算法设计提供保证关键词自动分级牛肉颜色RGB系统计算机视觉图像处理TheRGBColorCharacteristicsofBeefJIAYuan1TANGXiao-yan2JIChang-ying1(1.
DepartmentofAgriculturalMachine,NanjingAgricultralUniversity,Nanjing210031,China2.
MeatLaboratoryofNanjingAgriculturalUniversity,Nanjing210095,China)AbstractAsanimportantediblequality,beefcolorisasignificantcharcteristictodifferfromthefatandalsoagradingindex.
Combiningwithastandardbeefcolorchart,thispaperanalyzedtheRGBcolorcharacteristicsofbeefbymeansofstatisticalandtheoreticalways.
Atlasttherulesofbeefcolorwereobtainedandtheimplementationoftheautomaticgradingalgorthmassured.
KeywordsautomaticgradingbeefcolorRGB(RedGreenBlue)colorsystemcomputervisionimageprocess中图分类号TS251.
52文献标识码A文章编号1002-6630(2004)07-0086-04收稿日期2003-09-29作者简介贾渊(1973-)男博士研究生主要从事计算机视觉技术在农业工程中的应用牛肉的等级标准[6]自从出台以后其自动分级技术的研究已得到重视根据国外的经验利用计算机视觉技术提取牛肉的颜色特征由此分离出牛肉中的肌肉与肌内脂肪并进一步解决其它问题从而达到自动分级的目的是可行的RGB系统是面向硬件的颜色系统CCD摄像头或者数码相机以及计算机存贮的图像都采用这个系统本文利用显色理论分析了牛肉的颜色规律再从统计的角度对现有的一个颜色等级图进行了抽样并对实际牛肉的颜色特征进行了统计分析对其RGB值进行了界定最后利用图像处理对牛肉的颜色规律进行了验证1牛肉颜色的理论分析为了将牛肉的颜色与人眼的视觉特征联系起来我们首先对物质的显色规律做一简单的介绍亮度与颜色是进入眼睛的可见光的强弱及波长成分的一种感觉的属性可见光是波长约在400760nm的电磁波人眼对不同波长反映的颜色感觉是不同的格拉斯曼定律反映的视觉对颜色的反应取决于红(R)绿(G)蓝(B)输入量的代数和这一事实CIE选择红色(=700.
0nm)绿色(=546.
1nm)蓝色(=435.
8nm)三种单色光作为表色系统的三基色[4]这就是RGB颜色系统尽管物质的颜色千差万别但人类能记住的只有十几种色彩(红绿蓝黄紫橘黄粉红棕灰白和黑)其它的颜色只能记忆为这些颜色的混合色或近似色物质对不同波长光线的反射和吸收造成了物质呈现不同的色彩[3]具体表现的颜色可见表1表1物质颜色与吸收光颜色的关系物质的颜色吸收光颜色波长(nm)黄绿紫400450黄蓝450480橙青蓝480490红青490500紫红绿500560紫黄绿560580蓝黄580600青蓝橙600650青红650750牛肉的颜色作为重要的食用品质之一可以表现牛肉的生理生化和微生物化学的特征进行自动分级时87基础研究食品科学2004,Vol.
25,No.
7可以作为牛肉与肌内脂肪的判别依据之一由于肉的颜色基本是由肌红蛋白和血红蛋白产生肌红蛋白为肉自身的色素蛋白肉色的深浅与其含量多少有关血红蛋白存在于血液中对肉颜色的影响要视放血的好坏而定放血良好的肉肌肉中肌红蛋白色素比血红蛋白丰富得多肌红蛋白中的铁离子的价态以及与O2结合的位置是导致其颜色变化的根本原因肌红蛋白与氧气的结合得到两种衍生物氧合肌红蛋白和高铁肌红蛋白这三种物质的吸收光谱如图1曲线所示[1]屠宰后的鲜肉肌肉中缺乏O2肌红蛋白中与O2结合的位置被H2O所取代使肌肉呈现暗红色或紫红色当将肉切开暴露于空气中一段时间后O2就取代H2O而形成氧合肌红蛋白它在波长535545nm(绿色光)及575585nm(黄绿光)有最大吸收峰因而表现出(紫)红色如果放置时间太长或含氧量过低的环境中就会形成氧化态的高铁肌红蛋白高铁肌红蛋白在波长505nm(绿色)左右有一个最大吸收峰在625nm(橙色光)还有一段弱峰此二者合并产生褐红色肌红蛋白本身在555nm处具有广分散峰于是呈现暗红色[1]根据表1的规律及图1在505580nm这一个区间里的光表现为绿光及黄绿光这种光的亮度相当高人眼视觉系统对颜色亮度的判别很大程度上与这个区间的光有一定的关系同时三种物质在450480nm这个区间光线吸收率在0.
20.
6左右可以推测如果采用RGB表色系统肌肉颜色的G(绿色)分量和B(蓝色)分量应该不会太高再加上在650750nm的区间内三种物质的吸收率都在0.
2以下所以其R(红色)分量是比较高的根据表1的规律肌肉的颜色主要表现为红色或紫红色同时三种物质吸收光线的区间的亮度极高所以可推测肌红蛋白及其衍生物的亮度值不应是太高的在实际的生产线上以及分级过程中根据屠宰生产的过程和前面的叙述我们认为在牛肉中存在水分血红蛋白肌红蛋白及其衍生物(此处暂不考虑脂肪)这就使牛肉呈现复杂的颜色这一点在设计自动分级的算法时就不得不考虑2牛肉颜色的统计分析为了对前面的理论及推测进行验证我们对牛肉的RGB分量进行了抽样由于摄像系统环境量化以及合并贮格式等使图像像素的RGB值都会产生一定偏差所以采用统计的方法可以对牛肉颜色特征进行分析尽管颜色的变化在实际中是连续的但经过采样量化以后结果是离散的所以我们总可以这样假定颜色的每一个分量是在[12]区间的均匀分布由于RGB系统是真实颜色的一个子集[2]采样量化后颜色的RGB分量可以取[0255]中的任一整数值(每一分量用8位存贮)我们关心的是牛肉呈现红色这一特征的事实所以对各分量的12有必要进行进一步界定这样可以在图像处理时对阈值的选择具有明显的指导意义对[12]N12未知(12n)为样本可采用矩估计量和极大似然法来求得12的估计值由矩估计量法根据离散期望值的定义∈∈1111)(11211221θθθθθξξθθ+=+===∑∑∑==miimiiixxpxE22)()1(1112121212θθθθθθθθ+=+++=最后可解得25.
035.
01++=ξξθDE25.
035.
02++=ξξθDE于是估计量为25.
035.
021++=Sξθ25.
035.
022++=Sξθ其中第二我们采用极大似然法来求12同理图1肌红蛋白吸收光谱450500550600650波长(nm)0.
80.
70.
60.
50.
40.
30.
20.
1吸收光谱注(1)肌红蛋白(2)氧合肌红蛋白(3)高铁肌红蛋白(1)(2)(3)2112)(11∑∑====niiniixnSxnξξi{1)1((1111)(21211221122221θθθθθθθξξθθ+++=+===∑∑=miiixpxE}))(21212θθθ+++L{121()1(112211212θθθθθ++++=}))(21(2))(121212θθθθθ++++L)(6131)(31)()122()(611212212121121221θθθθθθθθθθθθθθ++=+++=2))(12θθ2004,Vol.
25,No.
7食品科学基础研究88由于我们假定P(i12)为出现i=xi的概率由于是等概率出现的其极大似然函数∏=+==niniPL1122121)1(1),,(),(θθθθξθθ同统计学中分析一样我们可以得出12极大似然估计量为)1(1)min(xxi==θ)(2)max(nixx==θ其中x(1)x(n)分别为最小和最大顺序统计量我们采用这两种方法来对牛肉的颜色分量进行估计我们对不同年龄不同光源不同背景不同拍摄角度不同曝光量不同部位以及不同的存放时间段的牛肉采集了几十张静态图像抽样了数千牛肉图像像素值最后得到的结果如表2表2牛肉实际颜色特征估计颜色统计量分量最大值最小值均值均方差矩估计矩估计R2486916038.
8394227G15515629.
105106B15086430.
99111171θ1θ对表2我们需作一些说明由于颜色分量都为整数值所以我们采用了取整这样数据的出入并不太大其次我们对采集的数据重新进行了抽样将一些特殊数据也概括了进来所以造成了GB分量的最大值达到了150左右则实际上这些数据是一些离群值所以我们的矩估计值更能说明一些问题再者我们采集数据的范围有一定的扩大这样做主要是从系统的鲁棒性考虑的最后我们将肌膜等结缔组织的颜色也作为肌肉颜色的一部分是基于它属于肌肉的一部分这个角度考虑这类组织的RGB值普遍较小(作为图像处理时将作为肌肉而不能作为脂肪来看)所以这个表比较能够反应牛肉颜色的RGB特征最终结果证实了我们的推测牛肉颜色的RGB特征有如下规律(1)大部分的像素表现了RBG这个特征也就是紫红色的特征仅有少部分表现了RGB这种情况(2)随着牛肉在空气中的时间增加颜色情况趋向复杂化(3)牛肉的GB值都在155以下当超过100以后牛肉的颜色逐渐偏淡对优质牛肉这个数值可进一步降低(4)牛肉的R分量并不总是保持在200以上大部分R分量都在200以下(5)牛肉的颜色越深R分量与GB分量的差值会随之增加3实验分析根据对牛肉颜色长期的观察和研究老龄牛或病牛的肉色为暗红色或黑红色用乳品喂养的犊牛肉的色泽很浅而在青年期屠宰的牛的肉色出入不大优质牛肉的颜色呈现出有光泽的桃红色或樱桃红色[5]对这些肉色的描述都是主观感觉没有一个确切的量化值这就为评级和计算机处理带来一定的难度鉴于此相关专家经过大量努力试图制定一个符合实际情况的肉色等级标准图如图2就是我国现在采用的一种颜色等级图图2牛肉颜色等级图1A1B234567由图2牛肉的颜色分为7个等级其中肉色是在34两级最好[6]为了便于计算机处理对牛肉颜色等级图的GB值需要进一步确定并得出其中规律于是我们对每级色带抽样30个像素得到其RGB数据级别RGBRmaxRminRmedRdevGmaxGminGmedGdevBmaxBminBmedBdev1A2352062284.
682122042091.
942001891953.
01B2552472522.
251711641671.
691621501532.
5822552482531.
861431311362.
621261101174.
232552502541.
49119891044.
578356664.
6342552502541.
219461865.
777247614.
4452552212516.
168650586.
446343524.
7762432242323.
646339524.
446036465.
4872242022093.
625941463.
375737444.
20表3牛肉等级图颜色特征89基础研究食品科学2004,Vol.
25,No.
7分析每个级别的统计特性具体情况如表3所示得出的等级图的规律如下(1)随着级别的增加颜色越红其GB分量越来越小从平均值可以更明显看出来(见图3)而红色分量的值都在200以上(这个等级图中的最小抽样值为202)(2)对每一级而言存在这样一个规律就是RGB这个规律也可从抽样值中进行检验尽管在抽样值中出现了GB的情况但为数极少可以认为是一个离群值(3)对此等级图中的第三四级而言G分量的最大值为119最小值为61而B分量的最大值为83最小值为47G和B分量与R分量有相当的差值才使红色的特征显著否则就会像第一级那样出现近于灰色或极淡的红色(4)G分量的大小对颜色的明暗程度有相当大的影响G越大人眼感觉亮度越高图3等级图GB均值趋势1A1B234567GB250200150100500图4a牛肉图(偏暗)ba图处理后结果图5a牛肉图(鲜红)ba图处理后结果图6a牛肉图ba图处理结果膜等结缔组织的存在都使我们相信紫红色的图像像素将在量存在牛肉图像中4结论通过对牛肉颜色等级标准图与牛肉实际颜色的分析我们有如下结论4.
1图2所示牛肉颜色等级中对红色分量的取值都在200以上不符合牛肉图像的实际取值同时其中的1A级别与脂肪的颜色特征有相似之处而且各级不能完全反应牛肉颜色的明暗特征4.
2牛肉中同时存在着紫红色与红色的像素由于紫红色的像素在图像中大量存在而红色的像素在有些图像中含量极少也就是紫红色在各种牛肉图像中的分布比红色更普遍参考文献[1]葛长荣,等.
肉与肉制品工艺学[M].
中国轻工业出版社.
2002.
32-34.
[2]陶霖密,徐光佑.
机器视觉中的颜色问题及其应用[J].
科学通报,2001,45(3):178-180.
[3]张自祥.
特质颜色的规律性[J].
成都大学学报(自然科学版).
1997,16(4):36-37.
[4]阮秋奇.
数字图像处理学[M].
电子工业出版社.
2001.
48-50.
[5]冯家保.
高档牛肉及其生产技术(上)[J].
甘肃畜牧兽医.
1995,25(1):33-35.
[6]汤晓艳,周光宏,等.
对中国牛肉分级制度的几点思考[J].
黄牛杂志,2003,29(2):53-56.
可以看出图2所示的颜色规律与实际牛肉颜色的统计规律有一些出入所以为了进行检验我们采用图2所展示的规律结合前面的统计规律进行对比以红色代表红色的肌肉以绿色代表紫红色的肌肉以蓝色代表脂肪进行了图像处理结果如图46所示图像处理的结果符合我们的预计在牛肉中不但存在红色的肌肉也大量存在着紫红色的肌肉作者以为由于水分在屠宰及分级过程中一直存在同时肌