基于HSV颜色空间的图像分割

• HSV颜色空间模型中的各种颜色空间分量为信息，利用K-means聚类算法对进行分割。

1、 首先获取颜色信息

• 烟叶采集之后未经处理的图像由烟叶和背景组成
  在HSV颜色空间模型下对采集的烟叶图像各个颜色分量信息进行获取。

2、图像分割

• 为了实现更好的烟叶图像的分割，尽可能最大化对烟叶进行完整分割，由于 HSV颜色空间模型是根据观察色彩的生理特征而创建的一种颜色空间模型，在视 觉上比RGB颜色空间模型更具有视觉直观性
• 使用基于HSV颜色空间 模型进行分割，取H、S、V分量信息为聚类样本数据，同样设置2个聚类中心对 原始图像进行分割。

3、分析

• 基于 HSV 颜色模型的 K-means 聚类算法很好分割出来了烟叶和背景。
  不存在着对烟叶的主脉和筋脉进行错分割的情况，这完整的分割对于烟叶形状特征以及颜色特征的准确提取有了更 大的改进，为烟叶分级作更好的铺垫。
• 烟叶和背景在HSV颜色空间分布范围不同，在V分量上， 背景主要集中的比较小的值范围上，而烟叶大部分在V值相对较大的区域。由于 烟叶和背景在HSV的烟叶空间中，位置存在着显著的差异，依据HSV颜色空间 可以将背景和烟叶较好的分割。