Medición de color de alimentos en el espacio CIELAB a partir de imágenes

MEDICIÓN DE COLOR DE ALIMENTOS EN EL ESPACIO

CIELAB

_{A PARTIR DE}

IMÁGENES

Goñi, Sandro M., Salvadori, Viviana O.

Dto. de Ingeniería Química, Facultad de Ingeniería, UNLP. 48 y 115 (1900), La Plata, Argentina. [email protected]

Centro de Investigación y Desarrollo en Criotecnología de Alimentos (CIDCA), CONICET CCT La Plata y Fac. Cs. Exactas, UNLP. 47 y 116 (1900), La Plata, Argentina.

Palabras clave: alimentos, color, CIELAB_{, cámara digital, procesamiento de imágenes.}

Introducción

El color de los alimentos, y en general de materiales sólidos y semisólidos de diversa naturaleza, se representa tradicionalmente usando el espacio de color CIELAB (o CIE 1976 L*a*b*_{), un estándar internacional para medición de color adoptado por la Commission} Internationale d’Eclairage (CIE) en 1976. El color es una característica de calidad de gran importancia, dado que es el primer aspecto que perciben los consumidores o usuarios, y puede determinar la aceptación o rechazo de un producto y su valor (León et al_{. 2006, Wu y} Sun 2013). En esta representación de color, L* _{representa la luminosidad de una muestra,} a* _{representa la variación de verde a rojo, y} b* _{representa la variación de azul a amarillo.}

Las mediciones de color se realizan generalmente usando colorímetros digitales, los cuales son fáciles de utilizar y calibrar, y poseen una fuente de iluminación estándar incorporada. Sin embargo, dichos equipos tienen una serie de limitaciones o desventajas: requieren servicio especializado de mantenimiento y/o reparación, son caros, su área de medición es pequeña, no se pueden usar para muestras muy pequeñas, y el equipo debe ponerse en contacto con la superficie a medir.

uno  los spctos qu limit n myor mi su utilizción s l flt  progrms ásicos pr rlizr l procsminto linformción.

En st trjo s srrolló un sistm  visión computcionl pr rlizr micions  color  limntos sólios y smi-sólios  prtir imágns igitls. S construyó un gint  quisición  imágns con iluminción control, s proron ifrnts cámrs igitls, y s srrolló un progrm pr rlizr l procsminto  l informción otni,incorporno protocolos  clirción. Ls prus  clirción  ifrnts molos  convrsión ntr spcios  color furon xitoss. Aicionlmnt s miió l color  mustrs  ifrnts limntos usno tnto l sistm  visión computcionl como un colorímtro igitl Minolt, y los rsultos otnios furon stisfctorios.

Prt Exprimntl

El SVC srrollo stáformo por:

 Gint  quisición  imágns: construio n pnls  mr (4 prs ltrls más l fono), pintos con pintur ngro mt pr rucir ls rflxions  luz. Cunt con un soport suprior prfijr un cámr igitl n ifrnts posicions. El piso l gint, on s colocn ls mustrs, pu colocrs  ifrnts lturs.

 Sistm iluminción:formo por 4tuosfluorscnts  60 cm lrgo, colocos sor ls prs ltrls n l prt suprior l gint. Djo l sistm  iluminción hy un ifusor qu vitl xposición irct ls mustrs.

 Cámr igitl: s proron vris cámrs. Los rsultos prticulrs  st trjo s otuviron con un cámr NIKON D3100, usno l moo mnul qu prmitfijrl vloci  oturción y prtur l ifrgm.

 Progrm pr procsr ls imágns: s srrolló n MATLAB (Th Mthworks Inc., Ntick, Msschustts, USA) y s prsnt comointrfcs gráfics,ls culs son más migls yfácils  usr pr l usurio. Simplmntrontrsintrfcs: 

 1ºintrfz: s us pr clirr o pror l sistm, usno l ojtivo clásico  un crt  colors ColorChckr Pssport (X-Rit Inc., Grn Rpis, Michign, USA), form por 24 prchs  ifrnts colors.

 2ºintrfz: rlizl mición  color. Cunt con lguns hrrmints clásics  pr-procsminto  imágns, pr sgmntción y slcción  rgions  intrés. El usurio pu lgir l rlción funcionl pr rlizr l trnsformción ntr spcios  color. Como rsulto s otinn los vlors promios, svicions stánrs, y mínimos y máximos  los prámtros  color L*, * y * n l rgión  intrés; icionlmnt s pun grficr sus histogrms o istriución suprficil comoimágns.

 3ºintrfz: construy prchs  colors n l spcioRGB  prtir  vlorsL*, * y *, pr vr culittivmnt l color hipotético  un mustr con sos prámtros  color.  

S implmntron n l progrm ifrnts trnsformcions ntr los spcios  color RGB yCIELAB:

 rlción tóric irct (IEC 61966-2-1, 1999; Gonzlz y Woos, 2002), tomno como rfrnci liluminnt D65.

 rlcióntóric irct moific, nl cullos coficints l rlcióntóric son r clculos.

�∗_��

�� � ���� �

��� � � ���� � �

��� �� � � ����� �

����� �� �

���

��������� (1)

Usno más o mnos términos  l Ec. (1), s otin un rlción linl, un curátic, o un curátic más intrccions, rspctivmnt. Más tlls  los molos utilizos s pu ncontrr n Goñi y Slvori (2014) y Goñi t l. ( 2014). Los coficints sconocios (, , , )  los ifrnts molos s otinn por un procso  clirción o just; pr los molos usos quí, sto consist n rsolvr un prolm  rgrsión linl. Por fcto, los vlors  rfrnci  l crt  colors ColorChckr Clssic qu s crgn nlintrfz gráfic s otuviron  Pscl (2006).

Como mi  rror s usron ls svicions soluts promios (Ec. (2)) y l ifrnci  color promio (Ec. (3)):

|��∗_|��

�� ������∗ �����∗ � �

��� (2)

�� ��_�� ���∗_{������} ��� ∗ _��_{� ��}

����∗ �����∗ ��� ������∗ �����∗ �� �

���

(3)

Amás ls prus  clirción, s rlizron micions  color  40 mustrs  ifrnts limntos, como glltits con glsos  ifrnts colors, prouctos cárnos, y ifrnts fruts y vrurs. El color  ichs mustrs s trminó tmién usno un colorímtro igitl Minolt, portriplico.

Rsultos y Discusión

L Fig. 1 mustr l gint  quisición  imágns l SVC srrollo; n l mismo s osrvn los componnts scritos prvimnt. L Fig. 1 mustr l intrfz  clirción o pru l sistm. Su uso s simpl intuitivo: s slccionn ( mnr sncill)los 24 prchs  color l ptrón. Lugo hy os opcions: (i) Prcir: l sistm pric l color los 24 prchs usno l molo slcciono (l cul h sio cliro con ntriori); (ii) Ajustr: l sistm just los coficints l molo slcciono usno los vlors  color  rfrnci  los 24 prchs. En toos los csos, ls mis  rror (Ecs. (2) y (3)) s mustrn nl vntn  comnos.

L Tl 1 mustr l just  los ifrnts molos  pricción otnios urnt ls prus  clirción. El molo tórico ircto y l justo no iron rsultos stisfctorios, lo qu inic qu l sistm (l iluminción, l cámr, o mos), no rprsntn ls conicions stánrs. Ls priccions  stos molos pun mjorrs stlcino un lnc  lncos prsonlizo n l cámr prticulr utiliz. Pr confccionrl Tl 1,los vlors  color  rfrnci l ptrón  color s otuviron con l colorímtro; si s usn los vlors rportos por Pscl (2006), ls mis  rror umntn lvmnt. Es importnt rclcr qu no s rquir oligtorimnt un colorímtro pr usr l sistm, o qu xistn vlors  rfrnci pr l ptrón  color uso.

Tl 1. Ajust los ifrnts molos  pricción utilizos. Molo _|

_

_

_

_

Linl 1.93 2.98 3.27 5.39

Curático 0.77 2.48 2.71 4.19 Curático+intrccions 0.60 1.13 1.89 2.45

L Fig. 2 mustrl 2ºintrfz, us pr rlizrl mición  color; nl mism s h lío un imgn  un mustr  glltit. L intrfz cunt con ivrss hrrmints  pr-procsminto, qu tinn como ojtivo slccionr l rgión (spcil, o por prámtros  color n l spcio RGB) on s quir mir color. En st cso, s plicó un procso  sgmntción n l cp  color rojo pr slccionr únicmnt l rgión corrsponint  l ms, scrtno l rllno. L trnsformción ntr spcios  color s plic  to l imgn, pro lugo s xtrn solmnt los vlors corrsponints l rgión intrés slccion por l usurio. En prticulr,l Fig. 2 mustr l istriución suprficil  luminosi, y l Fig. 2c l histogrm  sus vlors (lintrfz mustrtmiénl istriución suprficil  histogrms  * y*).

Fig. 2. ()Intrfz gráfic pr mición  color. () Distriución suprficil L*. (c) Histogrm  vlors  L*.

Ls mis  color  ls mustrs icionls  ifrnts limntos, mncions

() ()

prsntó l mnor vlor  ∆E n ls prus  clirción. Ls ifrncis con ls micions otnis con l colorímtro igitlfuron|∆L*| = 2.79,|∆*| = 3.37,|∆*| = 2.96 y ∆E = 6.27.

L 3º intrfz prmit,  prtir  vlors finios  L***, otnr los vlors RGB corrsponints. Estos vlors RGB s mustrn como imgn, y s pun comprr culittivmnt con un imgn  l mustr rl (Girolmi t l., 2013), o irctmnt con l mustr rl (s posil clirr los monitors pr qu rfljn ls conicions stánrs). L Fig. 3 mustr st procso pr l componnt myoritrio (pst  crn)  un mustr  slchichón primvr. Los vlorsL*** l colorímtro simpr s invirtn usno l molo tórico, y los vlors L*** l SVC s invirtn usno l mismo molo uso pr otnr los vlors L***, n st cso, l molo curático másintrccions. Como pu vrs, s otuvo, culittivmnt, un mjor pricción l color usno l SVC, pr s mustr prticulr.

Fig. 3. VlorsL*** otnios con l colorímtro y lSVC (molo curático más intrccions) prl prt  crn  un mustr slchichón.

El progrm srrollo pr rlizr l procsminto  l informción pu sr: (i) trnsfrio  trcros pr su uso ircto, (ii) pto  ls ncsis prticulrs  trcros, (iii) o s pu trnsfrir l cóigo funt pr qu trcros lo itn y ptn  sus ncsis.

Conclusions

S srrolló un sistm  visión computcionl pr rlizr micions  color  limntos. Los rsultos otnios furon stisfctorios, y ls comprcions con micions rlizs con un colorímtro igitlfuron cptls.

El progrm srrollo pu sr uso portrcros, solo s rquir qulos potncils usurios cuntn con su propio sistm  quisición  imágns y con l ptrón  colors. El progrm pu sr moifico princorporr l uso  un ptrón  color con un myor númro  prchs,  mnr tl  mjorr l sguri  ls priccions, y pr ptrs ls ncsis prticulrs  ifrnts usurios.

Finlmnt, l sistm srrollo no rquir un colorímtro pr su clirción, y por otrolo si s cunt con uniluminción stánr y un un configurción l cámr, s pu usr l molotórico ircto, l cul no rquir clirción.

Bibliografía

Dominguez, M., Centurión, M.E. (2015). Application of digital images to determine color in honey samples from Argentina. Microchemical Journal, 118, 110-114.

Dowlati, M., Mohtasebi, S.S., Omid, M., Razavi, S.H., Jamzad, M., de la Guardia, M. (2013). Freshness assessment of gilthead sea bream (Sparus aurata) by machine vision based on gill and eye color changes. Journal of Food Engineering, 119, 277-287.

Girolami, A., Napolitano, F., Faraone, D., Braghieri, A. (2013). Measurement of meat color using a computer vision system. Meat Science, 93, 111-118.

Goñi, S.M., Olivera, D.F., Salvadori, V.O. (2014). Determinación de color en el espacio CIELAB a partir de imágenes digitales. FoodInnova 2014, International Conference on Food Innovation. Concordia, Entre Ríos, Argentina, 20-23 Octubre, 2014.

Goñi, S.M., Salvadori, V.O. Herramientas informáticas para medición de color de alimentos en el espacio CIELAB a partír de imágenes digitales. V Congreso Internacional de Ciencia y Tecnología de los Alimentos, Córdoba, Argentina, 17-19 de Noviembre de 2014. En Prensa.

Gonzalez, R.C., Woods, R.E. (2002). Digital Image Processing (2nd Ed.). New Jersey, Prentice Hall.

Hosseinpour, S., Rafiee, S., Mohtasebi, S.S., Aghbashlo, M. (2013). Application of computer vision technique for on-line monitoring of shrimp color changes during drying. Journal of Food Engineering, 115, 99-114.

IEC 61966-2-1. 1999. Colour Measurement and Management in Multimedia Systems and Equipment - Part 2-1: Default RGB Colour Space - sRGB. 1º Ed.

Jackman, P., Sun, D.-W., ElMasry, G. (2012). Robust colour calibration of an imaging system using a colour space transform and advanced regression modeling. Meat Science, 91, 402-407.

Larraín, R.E., Schaefer, D.M., Reed, J.D. (2008). Use of digital images to estimate CIE color coordinates of beef. Food Research International, 41, 380-385.

Lee, D.-J., Archibald, J.K., Chang, Y.-C., Greco, C.R. (2008). Robust color space conversion and color distribution analysis techniques for date maturity evaluation. Journal of Food Engineering, 88, 364-372.

León, K., Merry, D., Pedreschi, F., León, J. (2006). Color measurement in L*a*b* units from RGB digital images. Food Research International, 39, 1084-1091.

Mendoza, F., Dejmek, P., Aguilera, J.M. (2006). Calibrated color measurement of agricultural foods using image analysis. Postharvest Biology and Technology, 41, 285-295.

Pascale, D. (2006). RGB Coordinates of the Macbeth ColorChecker. http://www.babelcolor.com/download/RGB%20Coordinates%20of%20the%20Macbeth%2 0ColorChecker.pdf (accedido 30/10/2013).

Purlis, E., Salvadori, V.O. (2007). Bread browning kinetics during baking. Journal of Food Engineering, 80, 1107-1115.

Purlis, E., Salvadori, V.O. (2009). Modelling the browning of bread during baking. Food Research International, 42, 865-870.

Romani, S., Rocculi, P., Mendoza, F., Della Rosa, M. (2009). Image characterization of potato chip appearance during frying. Journal of Food Engineering, 93, 487-494.

Valous, N.A., Mendoza, F., Sun, D.-W., Allen, P. (2009). Colour calibration of a laboratory computer vision system for quality evaluation of pre-sliced hams. Meat Science, 81, 132-141.

Wu, D., Sun, D.-W. (2013). Colour measurements by computer vision for food quality control - A review. Trends in Food Science and Technology, 29, 5-20.

Yam, K.L., Papadakis, S.E. (2004). A simple digital imaging method for measuring and analyzing color of food surfaces. Journal of Food Engineering, 61, 137-142.

Agradecimientos