使用DigiEye数字彩色成像系统（电子眼）

分析果蔬汤的颜色和外观

Gerard van Dalen, Faisal Osman, Aat Don

联合利华研发部; P.O. Box 114, 3130 AC Vlaardingen, The Netherlands

韵鼎应用研发部：Rm1501, BL1,Lane 388, Zhongjiang RD, Shanghai, China

摘要

联合利华食品研发科学家、厨师和工程师们的共同目标是：在保持产品安全性的同时，发展出以天然水果和蔬菜为主的菜汤，且具备最佳的风味、质感、外观和健康益处。而颜色和外观在感知质量（如营养和新鲜）方面有着重大的影响。本文介绍了一种能测定含有蔬菜粒的汤类颜色的方法，即在受控的照明条件下，使用DigiEye成像系统捕捉样品的数码影像的方法。它通过色度数字化来准确记录样品的影像和外观，亦适用于测量颜色均匀性、大小和形状。实验使用不同的参考样品和汤类样品，来研究漫反射、定向照射两种模式下照明的均匀性。为了进行精确的色彩分析，必须进行均匀性校正，并将样品固定于光源箱样品台中心以外的一个位置，然后测量颜色。使用定向照射模式（附加反光镜，产生定向光线）模式，可清晰显示样品光泽，这样生成的样品影像就非常接近汤和蔬菜颗粒的实际外观。在漫照射模式下，有光泽的汤类样品的影像上会出现黑斑。汤样品在漫照射、定向照射模式下的颜色值差异较小。不过在定向照射模式下，测试结果的重复性更好。此外，分别使用DigiEye系统和两种结构的色度计（0°/45°和d/0°结构）测量36种不同的汤，再比较分析它们的测量结果。研究发现：DigiEye系统测得CIE Lab值，与两种色度计的存在着线性关系；且DigiEye系统和0°/45°色度计间的相关性最好（r²= 0.980-0.996）。从短期精度来说，DigiEye系统略优于这两种色度计。

引言

食品必须是悦目的、美味的、健康的，因此颜色是食品的一个关键属性。食品的整体外观强烈地影响消费者对食品的感知，以及最终的消费、享受和购买行为。对消费者而言，他们偏好颜色鲜艳的水果和蔬菜。食品的颜色和外观对消费者的感知质量（如新鲜度）的影响很大。褐变或泛黄的未加工绿色蔬菜，如西兰花，则不受消费者欢迎。加工处理绿色蔬菜，有可能将它们变成丧失吸引力的暗橄榄绿色（叶绿素的降解）。颜色或许能评估过度加工（热处理），以及伴随的营养物分解和利用率的变化。消费者对颜色的感知，不只影响对产品外观的解读，而且还延伸到产品的风味和对整体质量的感知。如根据番茄汤的颜色，判断它是奶油风味或番茄风味[1]。对颜色、质地的感知，最终可联系到它的营养价值。

以水果和蔬菜为主的汤，是人类一个重要的营养来源[2]。颜色能反映特定抗氧化剂和其他植物化学物质的存在情况，这些物质能中和人体内的自由基（如番茄中的番茄红素、及在胡萝卜和南瓜中的β-胡萝卜素）。科学营养协会间有一个共识，即我们的饮食应该尽可能地丰富多彩，以获得抗氧化剂带来的最大益处和保护。食品研究旨在保持产品安全性的同时，开发具备最佳的风味、质感、外观和健康益处的果蔬汤。

通过目视进行色彩评估是一个主观的、不可控的方法，比如说评估结果会随观察者和观察条件的改变而变。使用仪器，如色度计或分光光度计，可以很容易地测量样品颜色[1,3]。对于均匀、不透明、具有光滑表面的材料，仪器测量得到的颜色都非常接近到消费者所感知的色彩。然而，只有极少数食品的颜色是真正均匀的。何况食品表面的纹理、光泽、形状及状态具有多样性，这都深刻影响了人们对色彩的感知。

本文针对含有水果和蔬菜颗粒的汤类产品，描述了一种集彩色影像采集和分析为一体的方法的发展过程。这些影像上的样品颜色必须精确，且与目视外观一致，还可直接、实时比较全球各地所生产的产品，以研究工艺参数的影响和货架期内颜色的稳定性。这些影像还能用于色彩均匀性、大小、形状和结构分析，以及通讯传输和存档，进行屏幕操作和人工颜色替换。虽然使用平板式扫描仪（FBS）或摄像头系统，也能获得精确的彩色影像，但FBS仅适用于相对较薄的平面样品如大米[4]或纺织品[5]。对于汤和蔬菜颗粒，Verivide公司所生产的DigiEye彩色影像系统已被使用，该系统是为纺织行业[6,7,8]设计开发的，最近也被越来越多地应用在食品工业，如雪花肉的测量、鱼类宰杀保鲜方法、加工食品、水产品货架期评估等等领域。一般而言，色彩分析需要一个均匀的漫照射条件，这样就能避免在图像中引入明亮的镜面反射光。但是，在这样条件下得到的样品影像发暗，表面纹理不清晰，亦并不适合于外观分析（图1）。使用定向照射模式（附加反光镜，产生定向光线），可清晰显示样品光泽，这样生成的样品影像就非常接近汤和蔬菜颗粒的实际外观。在这项研究中，研究了这些图像能否用于色彩分析。

图1 不同照射模式下番茄/甜椒汤的图像[漫照射模式（左）和定向照射模式（右）]。图像大小= 10cm*10cm。

实验过程

使用英国VeriVide公司的DigiEye成像系统和尼康D70数码相机、尼康35mm的F/2 D型镜头，在受控照明条件下获得样品的数码影像。照明柜（光源箱）提供标准的漫照射条件，将反光镜固定于光源箱顶部合适的位置（图2），两支VeriVide D65荧光灯管（人造日光）发出的光就能沿45°方向定向照射样品【已加入LED灯以便更精确地模拟D65光源（包括紫外部份）】。改变反光镜的位置，就能改变D65光线的定向照射角度。因为目视外观与光泽密切相关，借助于反射镜，就能把样品表面的光泽清晰地展示在图像中。

图2   汤类成像原理图（DigiEye系统的光源箱内部前视图）

相机的设置为：定向照射模式选1/13秒、F/6.3，漫照射模式选1/8秒、F/6.3，感光度为ISO200。对于每幅图像，均保存一个12像素位数的原始文件（NEF无损压缩）和一个TIF格式文件，并选择Adobe RGB色彩空间（模式2）。使用Gretagmacbeth白平衡（WB）卡校正白平衡。使用一块DigiEye灰色铝合金板（30×42cm²）和爱普生inkjet S041328白色优质哑光照片纸（33×42cm²，251g/cm²，ISO亮度是93％，不透明度是97％）校正均匀性。图像分辨率是3008×2000像素，对应大小为34×22cm²。使用DigiTizer（DigiEye）彩卡校准相机（DigiEye软件使用35×3多元多项式拟合相应的RGB值至目标的已知CIE XYZ值）。容器为特制的铝制灰色涂层容器，其内径为9.5cm，将样品倒入容器至厚度分别为1cm、2cm和3cm。对于均匀样品，测量容器内5cm×5cm的区域。使用DigiEye软件的DigiPix工具（版本3.4.2）得到测量区域的平均CIE Lab值，及使用Leica QWIN Pro程序（版本2.4）得到平均R、G和B值。

使用1.0mm*1.0mm孔径的筛子筛汤，并用自来水冲洗剩下的蔬菜颗粒，并将其分布在36cm * 26cm的灰板上（图3）。使用DigiEye系统在室温下捕捉样品、滤液和残渣的影像。

图3从意式蔬菜汤中分离出蔬菜颗粒，使用定向照射模式获得图像

测试使用的样品是购买的含有水果和蔬菜块的汤（罐装、袋装或袋装）。大多数蔬菜汤中蔬菜是以蔬菜泥形式存在（由稀到稠），少数是以肉汁清汤形式存在（含水分较多）。这些汤中可能含有的颗粒从非常小（如含量较低的香草），到大包装汤中含有高达50％的蔬菜块和面条、谷物和肉类等成分。只有很稠的汤，才能被视为不透明样品，目视所见皆为反射光，其他汤类或多或少是半透明的。即使是清汤，因存在非常小的散射粒子，也不是*透明的。由于半透明样品的颜色会随着光程长度的改变而变化，所以当样品杯内样品不够厚时，部分入射光会照射到杯底，测量结果是样品、背景的综合色。因此，要么加大样品厚度至不透明，要么固定样品厚度，从而保证测量结果的一致性。分别将稀、稠奶油汤及清汤倒入容器至不同厚度，并将容器放置于光源箱样品台上一个固定位置，然后拍摄样品影像，并分析样品厚度对颜色的影响。

使用Hunterlab色度计（Labscan ）和美能达色度计（CR400）各一台测量样品的颜色，并比较测试结果。在CIE D65光源、10°观察者下，使用标准白反射板、标准黑反射板来校正Labscan（0°/45°），测量孔径为50mm（2.00英寸），照明面积为44mm（1.75英寸）。使用红瓷板、绿瓷板作为参考板：CRM编号为400的番茄红BCR瓷板（D65/10°：L*=31.1，a*=43.5，b*= 32.2，生产机构为Institute of Reference Materials and Measurements, Belgium）和编号为14161的Hunterlab绿瓷板（D65/10°：L*= 52.3，a* = -25.7，b* = 13.9）。对样品轻轻搅拌（防止引入空气）后，装满内径58mm、高37mm玻璃样品杯，直至样品表面平滑，且从杯底看，样品是不透明的。将样品杯置于仪器测试口上面，并用黑光罩罩住（防止室内环境光线进入测试口）。

在CIE D65光源、2°观察者下，使用标准白反射板校正美能达CR400色度计d/0°（包含镜面反射）。再将液态样品专用测量头（测量面积为8mm）放入一个充满了汤的玻璃样品杯（内径58mm、高37mm）。

结果

为了检查DigiEye系统生成影像的均匀性，对灰色铝板（由DigiEye提供的标准件）和白色哑光照片纸进行拍摄。这些均匀参考板能覆盖整个成像区域。从图4可以看出，铝板的非均匀性远大于白纸（注意LUT的差异），但在漫照射模式下二者就差不多了。使用DigiTizer软件对铝板或白纸作均匀性校正，可获得较好的均匀分布，但它们间的差异较大（见表1）。使用白纸进行校正，色彩更精确（色差较低）。白纸的反射性质可与那些校准标板的媲美。可将各种不同的白色相片纸（有光泽的、哑光的之间无显着差异）作为均匀板，不过要均匀和足够厚（250g/cm²）。

图4　分别使用DigiEye成像系统在漫照射、定向照射模式下拍摄两个不同的均匀样品，其光强度的空间分布（每个像素的平均RGB值）

表1标样在均匀性校正前、后的平均RGB值（铝板、纸的测量面积= 34×22cm²，白平衡卡的测量面积=26×17cm²）。对DigiTizer彩色校正板，测量了边缘上的15块白色色块。色差值为测量值和预测值间的差异。（注：**指饱和）

将一个装满样品的容器（深2cm）放置于光源箱样品台上15个不同位置，使测量面积（5*5cm²）覆盖整个成像面积，来检查汤在不同位置处影像的均匀性。两个筛过的稠奶油汤（视为不透明）的测试结果如图5所示。将番茄汤放置于光源箱样品台中心处，漫照射模式下测得的RGB值较低，尤其是G、B值。由于这个位置正处于摄像机的下方，样品表面有光泽时，影像上就会出现一个暗斑（图11）。摄像机镜头则位于光源箱顶部一个黑色开口（在光源箱的灰色内表面上有一个9×12 cm²的区域，见图2）。对定向照射模式，影响则非常小。在白色芦笋/花椰菜/芹菜/洋葱汤的影像上，RGB信号的分布更均匀，影像中心未出现暗斑（图5）。光线照射强度的空间分布取决于汤表面的反射特性。

图5 样品的强度空间分布。均匀性校正后，使用DigiEye系统分别在漫照射（左）、定向照射（右）模式下获得已过滤的红番茄汤、白色芦笋/花椰菜/芹菜/洋葱汤的影像，计算不同位置处RGB和平均RGB^®之间的绝对差异。对番茄汤，漫照射、定向照射模式下测得L*a*b*值（CIEDE2000）的最大偏差^®分别是1.5和2.1；而白汤则分别是0.6和0.9。 ^®表示不包括光源箱样品台中心处的测量。

为准确测量颜色，需将样品固定在一个位置。将样品杯放在光源箱样品台上3个不同的位置，测量样品上光线分布情况（图6）：在成像区域的边缘（x = 6cm），刚好避开暗斑处（x= 10cm），及在正中央（x= 18cm）。在样品杯的边缘，光照强度较低。在6cm处，均匀性校正亦不足以将光照强度均匀化；而在18cm处，出现了一个较低光照强度的暗斑。10cm位置处，则是一个光照强度恒定的最大区域。在这种情况下，可取一个直径约5cm的区域用于颜色测量。

图6用白纸作均匀性校正后，番茄汤在漫反射、定向照射模式下的RGB强度分布图（平均100像素）。计算中心线（x）上像素和10cm处中心位置处的像素（定向照射模式下R=121，G=31， B=10；漫照射模式下R = 126，G = 45，B= 27）之间的RGB值差异。

测量不同汤的颜色时，样品杯的深度分别为1cm、2cm和3cm。每个样品杯装满样品后，分别在漫照射、定向照射模式下各测量2次；整个测量过程重复3遍，每一遍均分别执行白平衡、均匀性校正和相机校正。从而可确定样品厚度、照明模式对测量结果的影响，以及测量重复性（r）。实验样品有3种不透明度很高的奶油浓汤，以及2种半透明的蔬菜清汤；这些汤都被筛过以去除蔬菜粒子。使用差异分析方法计算精度，及各种因素的影响程度。平均结果及置信区间如图7所示。对于清汤而言，样品厚度对测量结果具有显着的影响（F值偏大），如a*、b*值会增加（颜色更趋饱和）。对于奶油汤而言，样品厚度对测量结果影响较小；对红色番茄汤，无论是定向照射，还是漫照射，a*值随厚度的变化发生明显变化。为了保证颜色测量结果的一致性，取内深2cm的样品杯；若使用深3cm的样品杯，且样品未装满样品杯，则杯壁会引起阴影，从而影响测量结果。定向照射和漫照射两种模式测得的平均CIE Lab值间的差异不明显。精度如表2所示，由表可知定向照射模式下L*、b*值的标准偏差更小，故定向照射模式比漫照射模式更准确。

图7   已筛过的红番茄汤、绿豌豆汤、白色芦笋/花椰菜/芹菜/洋葱汤和两个蔬菜汤（肉汤1、2）分别在定向照射、漫照射两种模式和3种样品厚度下的CIE色度参数。每个厚度下样品（n= 6）颜色的平均值与每个样品颜色的平均值（n=18）之间的CIE DE2000色差[9,10]。

表2   已筛过的3种奶油浓汤和2种清汤在两种模式下的CIE色度的精度（S₁为短期重复性（r₁）的标准偏差，S₂为测量过程间重复性（r₂）的标准偏差）。

为了验证方法的可行性，取36种不同的奶油汤，每种各两份，分别在DigiEye系统的定向照射、漫照射两种模式下测量，再在两种不同结构的色度计：Hunterlab Labscan 和美能达CR400下测量。已筛过汤的代表性图像如图10所示，汤中还可能含有少量香草片。Labscan的光学结构是0°/45°，CR400为d/0°（包含镜面反射）。0°/45°光学结构的色度计的测量结果能更好地与产品的目视外观匹配。使用0°/45°结构光度计进行目视评估和色彩分析时，有光泽样品的颜色可能会比无光泽样品的更暗、更饱和，即使它们的颜料浓度相当。d/0°结构色度计，在包含镜面反射模式下测量，能尽量弱化光泽、纹理和方向性对测量结果的影响。样品的颜料浓度相当，但光泽性不同，目视外观也不同，便可比较测量结果的差异。虽然Labscan（10°）和CR400（2°）使用不同的CIE标准观察者，但对CIE Lab测量值影响很小。

DigiEye系统和Labscan、CR400测得的CIE Lab值之间存在线性关系。然而，发现在DigiEye和Labscan之间的线性关系更好（图8）。回归参数如表3所示。无论如何，不能直接比较DigiEye和Labscan的测量结果的绝对值。只有结构相同的色度仪才可直接进行比较（最好来自同一品牌和型号）。对仪器间的一致性，DigiEye系统可以使用汤样品校准。DigiEye和Labscan测得XYZ值相关性很好（r²= 0.997，见表3）。颜色测量主要用于估计样品之间的差异（例如，经处理或贮存后）。色差是两个颜色值在CIE三维色度空间对应坐标间的欧几里德距离，CIE DE2000色差计算公式[9,10]也考虑了人的眼睛对色彩的识别能力（包括饱和度和色调）。不管两个颜色位于在色彩空间的哪个位置，若它们间的CIE DE2000色差约1.0，则代表两个颜色之间刚好有明显的区别。图10中所示颜色相近汤样品间的色差如图9呈示。DigiEye系统的辨别力可媲美Hunterlab Labscan 。

图8  DigiEye（定向照射模式）、Hunterlab Labscan 色度计测得样品的CIE Lab值对比图（虚线：95％置信区间）。

图9   在验证性研究（图10）中，分别使用DigiEye（定向照射模式）、Hunterlab Labscan 色度计测量颜色相近的汤，两种仪器测得样品间色差比较（虚线：y=x±1）

图10用于验证性研究的汤样本的图像（5cm×5cm，按颜色排序）。图像是在定向照射模式下获得，并测量CIE Lab值（L*/a*/b*）。

直接比较定向照射、漫照射两种模式的测量结果，可发现：b*值间差异较小，而a*值间相关系数值较低（见表3）。对于a*值，DigiEye（漫照射模式）和Labscan的相关性低于定向照射模式的（即DigiEye定向照射模式与Labscan间的相关性）（r²分别为0.94、0.98）。对几个有光泽的深色样品而言，在漫照射模式下可观察到黑斑，从而导致CIE Lab值较低（图12）。为了实现验证性研究，只测量黑斑以外区域的颜色。

表3   对于测得CIE Lab值，将DigiEye系统分别和Hunterlab Labscan、美能达CR400色度计关联，得到回归参数。

图11 红色陶瓷番茄板（上方）和筛过的番茄汤（狭缝）分别在漫照射（左）、定向照射（右）模式下的图像。图像大小= 10cm*10cm。

图12 光照条件对棕色豆汤上暗红色区域的影响。左图、中图为漫照射模式，右图为定向照射模式。红色区域外：L*=44.9，a*=12.7，b*=23.1；红色区域内：L*=40.5，a*=11.5，b*= 31.2。

结论

DigiEye系统可用于含有水果和蔬菜颗粒的汤类的颜色、外观的分析。为与汤和蔬菜颗粒的实际外观相匹配，应采用定向照射模式（附加反光镜，产生定向光线），可清晰显示样品光泽。表面有光泽的汤在漫照射模式下的影像会出现暗斑现象。汤样品在漫照射、定向照射模式下的颜色值差异较小。在定向照射模式下，测试结果的重复性更好。对36种不同的汤样品而言，DigiEye系统测得CIE Lab值，与两种不同结构色度计（0°/45°和d/0°结构）的测量值存在线性关系。且DigiEye和0°/45°色度计之间的相关性最好（r²=0.980-0.996）。对短期精度而言，DigiEye系统比这些色度计更好一些。

参考文献

[1] Hutchings, J.B., Food Color and Appearance, Aspen Publishers, USA (1999)

[2] Heber, D., What Color Is Your Diet?, HarperCollins Publishers, New York (2002)

[3] Baardseth, P. e.a., A comparison of CIE(1076) L*a*b* values obtained from two different instruments on several food commodities, J Food Science, 53, 6, 1737-1742 (1988)

[4] Dalen, G. Van, Colour analysis of rice using flatbed scanning and image analysis, Proceedings CGIV, pg. 398-403 (2006)

[5] Dalen, G. Van, Colour analysis of inhomogeneous stains on textile using flatbed scanning and image analysis, Proceedings CGIV, pg. 53- 57 (2008)

[6] Hutchings, J., Luo, R., Calibrated colour imaging analysis of food, chapter 14 of Colour in food, Improving quality, ed. MacDougall, D.B., Woodhead Publishing Limited, Cambridge, UK (2002)

[7] Cui, G., Luo, M.R., Rhodes, P.A., Rigg, B. and Dakin, J., Grading textile fastness. Part 1: Using a digital camera system, Color. Technol., 119, 212-218 (2003)

[8] Williams, S., Practical colour management, Optics&Laser Techn., 38 (2006), 399-404

[9] Luo, M. R., G. Cui, and B. Rigg. The development of the CIE 2000 colour difference formula, Color Research and Application, 26:5, 340- 350 (2001).

[10] Sharma, G., Wu, W., Dalal, E.N., The CIEDE2000 color-difference formula: Implementation notes, supplementary test data, and mathematical observations, Color Research and Application, 30:1, 21-30 (2004)