使用DigiEye數字彩色成像系統（電子眼）

分析果蔬湯的顏色和外觀

Gerard van Dalen, Faisal Osman, Aat Don

聯合利華研發部; P.O. Box 114, 3130 AC Vlaardingen, The Netherlands

韻鼎應用研發部：Rm1501, BL1,Lane 388, Zhongjiang RD, Shanghai, China

摘要

聯合利華食品研發科學家、廚師和工程師們的共同目標是：在保持產品安全性的同時，發展出以天然水果和蔬菜為主的菜湯，且具備最佳的風味、質感、外觀和健康益處。而顏色和外觀在感知質量（如營養和新鮮）方面有著重大的影響。本文介紹了一種能測定含有蔬菜粒的湯類顏色的方法，即在受控的照明條件下，使用DigiEye成像系統捕捉樣品的數碼影像的方法。它通過色度數字化來準確記錄樣品的影像和外觀，亦適用于測量顏色均勻性、大小和形狀。實驗使用不同的參考樣品和湯類樣品，來研究漫反射、定向照射兩種模式下照明的均勻性。為了進行精確的色彩分析，必須進行均勻性校正，并將樣品固定于光源箱樣品臺中心以外的一個位置，然后測量顏色。使用定向照射模式（附加反光鏡，產生定向光線）模式，可清晰顯示樣品光澤，這樣生成的樣品影像就非常接近湯和蔬菜顆粒的實際外觀。在漫照射模式下，有光澤的湯類樣品的影像上會出現黑斑。湯樣品在漫照射、定向照射模式下的顏色值差異較小。不過在定向照射模式下，測試結果的重復性更好。此外，分別使用DigiEye系統和兩種結構的色度計（0°/45°和d/0°結構）測量36種不同的湯，再比較分析它們的測量結果。研究發現：DigiEye系統測得CIE Lab值，與兩種色度計的存在著線性關系；且DigiEye系統和0°/45°色度計間的相關性最好（r²= 0.980-0.996）。從短期精度來說，DigiEye系統略優于這兩種色度計。

引言

食品必須是悅目的、美味的、健康的，因此顏色是食品的一個關鍵屬性。食品的整體外觀強烈地影響消費者對食品的感知，以及最終的消費、享受和購買行為。對消費者而言，他們偏好顏色鮮艷的水果和蔬菜。食品的顏色和外觀對消費者的感知質量（如新鮮度）的影響很大。褐變或泛黃的未加工綠色蔬菜，如西蘭花，則不受消費者歡迎。加工處理綠色蔬菜，有可能將它們變成喪失吸引力的暗橄欖綠色（葉綠素的降解）。顏色或許能評估過度加工（熱處理），以及伴隨的營養物分解和利用率的變化。消費者對顏色的感知，不只影響對產品外觀的解讀，而且還延伸到產品的風味和對整體質量的感知。如根據番茄湯的顏色，判斷它是奶油風味或番茄風味[1]。對顏色、質地的感知，最終可聯系到它的營養價值。

以水果和蔬菜為主的湯，是人類一個重要的營養來源[2]。顏色能反映特定抗氧化劑和其他植物化學物質的存在情況，這些物質能中和人體內的自由基（如番茄中的番茄紅素、及在胡蘿卜和南瓜中的β-胡蘿卜素）。科學營養協會間有一個共識，即我們的飲食應該盡可能地豐富多彩，以獲得抗氧化劑帶來的最大益處和保護。食品研究旨在保持產品安全性的同時，開發具備最佳的風味、質感、外觀和健康益處的果蔬湯。

通過目視進行色彩評估是一個主觀的、不可控的方法，比如說評估結果會隨觀察者和觀察條件的改變而變。使用儀器，如色度計或分光光度計，可以很容易地測量樣品顏色[1,3]。對于均勻、不透明、具有光滑表面的材料，儀器測量得到的顏色都非常接近到消費者所感知的色彩。然而，只有極少數食品的顏色是真正均勻的。何況食品表面的紋理、光澤、形狀及狀態具有多樣性，這都深刻影響了人們對色彩的感知。

本文針對含有水果和蔬菜顆粒的湯類產品，描述了一種集彩色影像采集和分析為一體的方法的發展過程。這些影像上的樣品顏色必須精確，且與目視外觀一致，還可直接、實時比較全球各地所生產的產品，以研究工藝參數的影響和貨架期內顏色的穩定性。這些影像還能用于色彩均勻性、大小、形狀和結構分析，以及通訊傳輸和存檔，進行屏幕操作和人工顏色替換。雖然使用平板式掃描儀（FBS）或攝像頭系統，也能獲得精確的彩色影像，但FBS僅適用于相對較薄的平面樣品如大米[4]或紡織品[5]。對于湯和蔬菜顆粒，Verivide公司所生產的DigiEye彩色影像系統已被使用，該系統是為紡織行業[6,7,8]設計開發的，最近也被越來越多地應用在食品工業，如雪花肉的測量、魚類宰殺保鮮方法、加工食品、水產品貨架期評估等等領域。一般而言，色彩分析需要一個均勻的漫照射條件，這樣就能避免在圖像中引入明亮的鏡面反射光。但是，在這樣條件下得到的樣品影像發暗，表面紋理不清晰，亦并不適合于外觀分析（圖1）。使用定向照射模式（附加反光鏡，產生定向光線），可清晰顯示樣品光澤，這樣生成的樣品影像就非常接近湯和蔬菜顆粒的實際外觀。在這項研究中，研究了這些圖像能否用于色彩分析。

圖1 不同照射模式下番茄/甜椒湯的圖像[漫照射模式（左）和定向照射模式（右）]。圖像大小= 10cm*10cm。

實驗過程

使用英國VeriVide公司的DigiEye成像系統和尼康D70數碼相機、尼康35mm的F/2 D型鏡頭，在受控照明條件下獲得樣品的數碼影像。照明柜（光源箱）提供標準的漫照射條件，將反光鏡固定于光源箱頂部合適的位置（圖2），兩支VeriVide D65熒光燈管（人造日光）發出的光就能沿45°方向定向照射樣品【已加入LED燈以便更精確地模擬D65光源（包括紫外部份）】。改變反光鏡的位置，就能改變D65光線的定向照射角度。因為目視外觀與光澤密切相關，借助于反射鏡，就能把樣品表面的光澤清晰地展示在圖像中。

圖2   湯類成像原理圖（DigiEye系統的光源箱內部前視圖）

相機的設置為：定向照射模式選1/13秒、F/6.3，漫照射模式選1/8秒、F/6.3，感光度為ISO200。對于每幅圖像，均保存一個12像素位數的原始文件（NEF無損壓縮）和一個TIF格式文件，并選擇Adobe RGB色彩空間（模式2）。使用Gretagmacbeth白平衡（WB）卡校正白平衡。使用一塊DigiEye灰色鋁合金板（30×42cm²）和愛普生inkjet S041328白色優質啞光照片紙（33×42cm²，251g/cm²，ISO亮度是93％，不透明度是97％）校正均勻性。圖像分辨率是3008×2000像素，對應大小為34×22cm²。使用DigiTizer（DigiEye）彩卡校準相機（DigiEye軟件使用35×3多元多項式擬合相應的RGB值至目標的已知CIE XYZ值）。容器為特制的鋁制灰色涂層容器，其內徑為9.5cm，將樣品倒入容器至厚度分別為1cm、2cm和3cm。對于均勻樣品，測量容器內5cm×5cm的區域。使用DigiEye軟件的DigiPix工具（版本3.4.2）得到測量區域的平均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孔徑的篩子篩湯，并用自來水沖洗剩下的蔬菜顆粒，并將其分布在36cm * 26cm的灰板上（圖3）。使用DigiEye系統在室溫下捕捉樣品、濾液和殘渣的影像。

圖3從意式蔬菜湯中分離出蔬菜顆粒，使用定向照射模式獲得圖像

測試使用的樣品是購買的含有水果和蔬菜塊的湯（罐裝、袋裝或袋裝）。大多數蔬菜湯中蔬菜是以蔬菜泥形式存在（由稀到稠），少數是以肉汁清湯形式存在（含水分較多）。這些湯中可能含有的顆粒從非常小（如含量較低的香草），到大包裝湯中含有高達50％的蔬菜塊和面條、谷物和肉類等成分。只有很稠的湯，才能被視為不透明樣品，目視所見皆為反射光，其他湯類或多或少是半透明的。即使是清湯，因存在非常小的散射粒子，也不是*透明的。由于半透明樣品的顏色會隨著光程長度的改變而變化，所以當樣品杯內樣品不夠厚時，部分入射光會照射到杯底，測量結果是樣品、背景的綜合色。因此，要么加大樣品厚度至不透明，要么固定樣品厚度，從而保證測量結果的一致性。分別將稀、稠奶油湯及清湯倒入容器至不同厚度，并將容器放置于光源箱樣品臺上一個固定位置，然后拍攝樣品影像，并分析樣品厚度對顏色的影響。

使用Hunterlab色度計（Labscan ）和美能達色度計（CR400）各一臺測量樣品的顏色，并比較測試結果。在CIE D65光源、10°觀察者下，使用標準白反射板、標準黑反射板來校正Labscan（0°/45°），測量孔徑為50mm（2.00英寸），照明面積為44mm（1.75英寸）。使用紅瓷板、綠瓷板作為參考板：CRM編號為400的番茄紅BCR瓷板（D65/10°：L*=31.1，a*=43.5，b*= 32.2，生產機構為Institute of Reference Materials and Measurements, Belgium）和編號為14161的Hunterlab綠瓷板（D65/10°：L*= 52.3，a* = -25.7，b* = 13.9）。對樣品輕輕攪拌（防止引入空氣）后，裝滿內徑58mm、高37mm玻璃樣品杯，直至樣品表面平滑，且從杯底看，樣品是不透明的。將樣品杯置于儀器測試口上面，并用黑光罩罩住（防止室內環境光線進入測試口）。

在CIE D65光源、2°觀察者下，使用標準白反射板校正美能達CR400色度計d/0°（包含鏡面反射）。再將液態樣品專用測量頭（測量面積為8mm）放入一個充滿了湯的玻璃樣品杯（內徑58mm、高37mm）。

結果

為了檢查DigiEye系統生成影像的均勻性，對灰色鋁板（由DigiEye提供的標準件）和白色啞光照片紙進行拍攝。這些均勻參考板能覆蓋整個成像區域。從圖4可以看出，鋁板的非均勻性遠大于白紙（注意LUT的差異），但在漫照射模式下二者就差不多了。使用DigiTizer軟件對鋁板或白紙作均勻性校正，可獲得較好的均勻分布，但它們間的差異較大（見表1）。使用白紙進行校正，色彩更精確（色差較低）。白紙的反射性質可與那些校準標板的媲美。可將各種不同的白色相片紙（有光澤的、啞光的之間無顯著差異）作為均勻板，不過要均勻和足夠厚（250g/cm²）。

圖4　分別使用DigiEye成像系統在漫照射、定向照射模式下拍攝兩個不同的均勻樣品，其光強度的空間分布（每個像素的平均RGB值）

表1標樣在均勻性校正前、后的平均RGB值（鋁板、紙的測量面積= 34×22cm²，白平衡卡的測量面積=26×17cm²）。對DigiTizer彩色校正板，測量了邊緣上的15塊白色色塊。色差值為測量值和預測值間的差異。（注：**指飽和）

將一個裝滿樣品的容器（深2cm）放置于光源箱樣品臺上15個不同位置，使測量面積（5*5cm²）覆蓋整個成像面積，來檢查湯在不同位置處影像的均勻性。兩個篩過的稠奶油湯（視為不透明）的測試結果如圖5所示。將番茄湯放置于光源箱樣品臺中心處，漫照射模式下測得的RGB值較低，尤其是G、B值。由于這個位置正處于攝像機的下方，樣品表面有光澤時，影像上就會出現一個暗斑（圖11）。攝像機鏡頭則位于光源箱頂部一個黑色開口（在光源箱的灰色內表面上有一個9×12 cm²的區域，見圖2）。對定向照射模式，影響則非常小。在白色蘆筍/花椰菜/芹菜/洋蔥湯的影像上，RGB信號的分布更均勻，影像中心未出現暗斑（圖5）。光線照射強度的空間分布取決于湯表面的反射特性。

圖5 樣品的強度空間分布。均勻性校正后，使用DigiEye系統分別在漫照射（左）、定向照射（右）模式下獲得已過濾的紅番茄湯、白色蘆筍/花椰菜/芹菜/洋蔥湯的影像，計算不同位置處RGB和平均RGB^®之間的絕對差異。對番茄湯，漫照射、定向照射模式下測得L*a*b*值（CIEDE2000）的最大偏差^®分別是1.5和2.1；而白湯則分別是0.6和0.9。 ^®表示不包括光源箱樣品臺中心處的測量。

為準確測量顏色，需將樣品固定在一個位置。將樣品杯放在光源箱樣品臺上3個不同的位置，測量樣品上光線分布情況（圖6）：在成像區域的邊緣（x = 6cm），剛好避開暗斑處（x= 10cm），及在正中央（x= 18cm）。在樣品杯的邊緣，光照強度較低。在6cm處，均勻性校正亦不足以將光照強度均勻化；而在18cm處，出現了一個較低光照強度的暗斑。10cm位置處，則是一個光照強度恒定的最大區域。在這種情況下，可取一個直徑約5cm的區域用于顏色測量。

圖6用白紙作均勻性校正后，番茄湯在漫反射、定向照射模式下的RGB強度分布圖（平均100像素）。計算中心線（x）上像素和10cm處中心位置處的像素（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）之間的RGB值差異。

測量不同湯的顏色時，樣品杯的深度分別為1cm、2cm和3cm。每個樣品杯裝滿樣品后，分別在漫照射、定向照射模式下各測量2次；整個測量過程重復3遍，每一遍均分別執行白平衡、均勻性校正和相機校正。從而可確定樣品厚度、照明模式對測量結果的影響，以及測量重復性（r）。實驗樣品有3種不透明度很高的奶油濃湯，以及2種半透明的蔬菜清湯；這些湯都被篩過以去除蔬菜粒子。使用差異分析方法計算精度，及各種因素的影響程度。平均結果及置信區間如圖7所示。對于清湯而言，樣品厚度對測量結果具有顯著的影響（F值偏大），如a*、b*值會增加（顏色更趨飽和）。對于奶油湯而言，樣品厚度對測量結果影響較小；對紅色番茄湯，無論是定向照射，還是漫照射，a*值隨厚度的變化發生明顯變化。為了保證顏色測量結果的一致性，取內深2cm的樣品杯；若使用深3cm的樣品杯，且樣品未裝滿樣品杯，則杯壁會引起陰影，從而影響測量結果。定向照射和漫照射兩種模式測得的平均CIE Lab值間的差異不明顯。精度如表2所示，由表可知定向照射模式下L*、b*值的標準偏差更小，故定向照射模式比漫照射模式更準確。

圖7   已篩過的紅番茄湯、綠豌豆湯、白色蘆筍/花椰菜/芹菜/洋蔥湯和兩個蔬菜湯（肉湯1、2）分別在定向照射、漫照射兩種模式和3種樣品厚度下的CIE色度參數。每個厚度下樣品（n= 6）顏色的平均值與每個樣品顏色的平均值（n=18）之間的CIE DE2000色差[9,10]。

表2   已篩過的3種奶油濃湯和2種清湯在兩種模式下的CIE色度的精度（S₁為短期重復性（r₁）的標準偏差，S₂為測量過程間重復性（r₂）的標準偏差）。

為了驗證方法的可行性，取36種不同的奶油湯，每種各兩份，分別在DigiEye系統的定向照射、漫照射兩種模式下測量，再在兩種不同結構的色度計：Hunterlab Labscan 和美能達CR400下測量。已篩過湯的代表性圖像如圖10所示，湯中還可能含有少量香草片。Labscan的光學結構是0°/45°，CR400為d/0°（包含鏡面反射）。0°/45°光學結構的色度計的測量結果能更好地與產品的目視外觀匹配。使用0°/45°結構光度計進行目視評估和色彩分析時，有光澤樣品的顏色可能會比無光澤樣品的更暗、更飽和，即使它們的顏料濃度相當。d/0°結構色度計，在包含鏡面反射模式下測量，能盡量弱化光澤、紋理和方向性對測量結果的影響。樣品的顏料濃度相當，但光澤性不同，目視外觀也不同，便可比較測量結果的差異。雖然Labscan（10°）和CR400（2°）使用不同的CIE標準觀察者，但對CIE Lab測量值影響很小。

DigiEye系統和Labscan、CR400測得的CIE Lab值之間存在線性關系。然而，發現在DigiEye和Labscan之間的線性關系更好（圖8）。回歸參數如表3所示。無論如何，不能直接比較DigiEye和Labscan的測量結果的絕對值。只有結構相同的色度儀才可直接進行比較（最好來自同一品牌和型號）。對儀器間的一致性，DigiEye系統可以使用湯樣品校準。DigiEye和Labscan測得XYZ值相關性很好（r²= 0.997，見表3）。顏色測量主要用于估計樣品之間的差異（例如，經處理或貯存后）。色差是兩個顏色值在CIE三維色度空間對應坐標間的歐幾里德距離，CIE DE2000色差計算公式[9,10]也考慮了人的眼睛對色彩的識別能力（包括飽和度和色調）。不管兩個顏色位于在色彩空間的哪個位置，若它們間的CIE DE2000色差約1.0，則代表兩個顏色之間剛好有明顯的區別。圖10中所示顏色相近湯樣品間的色差如圖9呈示。DigiEye系統的辨別力可媲美Hunterlab Labscan 。

圖8  DigiEye（定向照射模式）、Hunterlab Labscan 色度計測得樣品的CIE Lab值對比圖（虛線：95％置信區間）。

圖9   在驗證性研究（圖10）中，分別使用DigiEye（定向照射模式）、Hunterlab Labscan 色度計測量顏色相近的湯，兩種儀器測得樣品間色差比較（虛線：y=x±1）

圖10用于驗證性研究的湯樣本的圖像（5cm×5cm，按顏色排序）。圖像是在定向照射模式下獲得，并測量CIE Lab值（L*/a*/b*）。

直接比較定向照射、漫照射兩種模式的測量結果，可發現：b*值間差異較小，而a*值間相關系數值較低（見表3）。對于a*值，DigiEye（漫照射模式）和Labscan的相關性低于定向照射模式的（即DigiEye定向照射模式與Labscan間的相關性）（r²分別為0.94、0.98）。對幾個有光澤的深色樣品而言，在漫照射模式下可觀察到黑斑，從而導致CIE Lab值較低（圖12）。為了實現驗證性研究，只測量黑斑以外區域的顏色。

表3   對于測得CIE Lab值，將DigiEye系統分別和Hunterlab Labscan、美能達CR400色度計關聯，得到回歸參數。

圖11 紅色陶瓷番茄板（上方）和篩過的番茄湯（狹縫）分別在漫照射（左）、定向照射（右）模式下的圖像。圖像大小= 10cm*10cm。

圖12 光照條件對棕色豆湯上暗紅色區域的影響。左圖、中圖為漫照射模式，右圖為定向照射模式。紅色區域外：L*=44.9，a*=12.7，b*=23.1；紅色區域內：L*=40.5，a*=11.5，b*= 31.2。

結論

DigiEye系統可用于含有水果和蔬菜顆粒的湯類的顏色、外觀的分析。為與湯和蔬菜顆粒的實際外觀相匹配，應采用定向照射模式（附加反光鏡，產生定向光線），可清晰顯示樣品光澤。表面有光澤的湯在漫照射模式下的影像會出現暗斑現象。湯樣品在漫照射、定向照射模式下的顏色值差異較小。在定向照射模式下，測試結果的重復性更好。對36種不同的湯樣品而言，DigiEye系統測得CIE Lab值，與兩種不同結構色度計（0°/45°和d/0°結構）的測量值存在線性關系。且DigiEye和0°/45°色度計之間的相關性最好（r²=0.980-0.996）。對短期精度而言，DigiEye系統比這些色度計更好一些。

參考文獻

[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)