武文亮，張志斌，路瑩瑩

(內(nèi)蒙古大學(xué) 計算機(jī)學(xué)院，內(nèi)蒙古 呼和浩特 010021)

綠色作物葉面積檢測算法設(shè)計

武文亮，張志斌，路瑩瑩

(內(nèi)蒙古大學(xué) 計算機(jī)學(xué)院，內(nèi)蒙古 呼和浩特 010021)

葉子是植物的重要器官，是建立植物生長模型的一個重要的組成部分。植物葉面積的檢測對于評估作物的長勢和建立植物的生長模型有著非常重要的研究意義。文中提出了一種可行的綠色作物葉面積檢測算法，主要內(nèi)容包括三部分：綠色作物圖像的處理過程介紹，主要涉及的內(nèi)容包括綠色提取、二值化處理和濾波去噪等；綠色作物葉面積的計算過程介紹，主要涉及的內(nèi)容包括攝像頭的標(biāo)定、單位像素面積的計算、目標(biāo)像素點(diǎn)的統(tǒng)計以及綠色覆蓋區(qū)域面積的計算；葉面積檢測算法效果的驗(yàn)證。實(shí)驗(yàn)結(jié)果表明：該算法的葉面積檢測的誤差范圍在0.20%～1.29%之間，平均檢測誤差為0.84%?？梢钥闯?，文中提出的綠色作物葉面積檢測算法具有較高的可行性。

綠色作物；綠色提??；濾波去噪；葉面積檢測；圖像處理

0 引 言

中國是一個農(nóng)業(yè)大國，糧食的產(chǎn)量問題直接影響到民生問題。因此，預(yù)測糧食產(chǎn)量和評估其質(zhì)量對中國經(jīng)濟(jì)發(fā)展起著重要的作用，及時、準(zhǔn)確地檢測作物的生長狀態(tài)對于提高農(nóng)作物的質(zhì)量和產(chǎn)量具有重要的意義，尤其是對果蔬作物而言。葉子是植物的重要器官，也是建立植物生長模型的一個重要的組成部分[1]。因此，獲取精準(zhǔn)的綠色作物的葉面積是生態(tài)農(nóng)業(yè)信息檢測領(lǐng)域重要的研究任務(wù)之一，對于評估作物的長勢和建立植物生長模型有著非常重要的研究意義。就計算機(jī)視覺技術(shù)在綠色作物圖像應(yīng)用方面，國內(nèi)外學(xué)者進(jìn)行了大量的研究工作。

國外方面，Mayer等[2]率先利用數(shù)字圖像對幾種作物的葉面積、莖稈直徑、葉柄夾角進(jìn)行了分析；Reyniers等[3]通過綠色作物顏色索引和光譜分析的方法測量小麥生長期間的覆蓋面積；Trooien等[4]探索了利用圖像處理方法測量馬鈴薯葉面積的方法。

國內(nèi)方面，陳曉光等[5]利用圖像處理技術(shù)分析和判別了蔬菜苗的生長狀態(tài)，為蔬菜苗的移栽時期判斷提供了重要的信息；武聰玲等[6]在溫室條件下利用圖像處理技術(shù)對單株黃瓜幼苗的生長實(shí)行了無損監(jiān)測；李少昆等[7]率先將圖像技術(shù)用于小麥、玉米等大田作物株型信息的提取和生長檢測；張偉等[8]利用計算機(jī)圖像處理技術(shù)進(jìn)行了作物缺素判別。

1 綠色作物圖像處理

綠色作物圖像處理過程主要包括綠色提取、圖像二值化處理[9]和圖像濾波去噪。MATLAB工具對于圖像的處理提供了強(qiáng)大的支持，它把圖像以二維矩陣的方式存儲起來，只需對矩陣進(jìn)行相應(yīng)操作即可。

根據(jù)真實(shí)田間作物的生長背景及作物本身顏色的特點(diǎn)，首先要對采集到的作物圖像進(jìn)行綠色成分的提取，然后再將24位真彩圖像轉(zhuǎn)換成二值化圖像。同時，拍攝到的田間作物圖像通常會因?yàn)楣庹找约半s草等因素的影響使得作物圖像中存在大量噪聲，因此需要對圖像進(jìn)行去噪處理。MATALB工具提供了五種濾波器，包括線性平滑濾波器、中值濾波器、狀態(tài)統(tǒng)計濾波器、二維自適應(yīng)濾波器和特定區(qū)域?yàn)V波器。文中選用自適應(yīng)中值濾波方法來對二值化后的圖像進(jìn)行去噪。該方法不僅能夠解決線性濾波器所產(chǎn)生的模糊效應(yīng)[10]，同時也能夠有效地避免普通中值濾波因?yàn)榇翱谶^多過小對圖像邊緣細(xì)節(jié)特點(diǎn)造成的影響。自適應(yīng)中值濾波即在中值濾波的基礎(chǔ)上，基于噪聲的分布情況，選擇一種不斷改變窗口邊長的處理手段，在濾波的同時判斷所處理的像素點(diǎn)是否為噪聲，再依據(jù)具體情況進(jìn)行不同的處理[11]。

綠色作物圖像處理的詳細(xì)步驟為：

(1)提取24位真彩圖像每個像素點(diǎn)的RGB分量；

(2)對RGB分量進(jìn)行歸一化；

(3)計算綠色成分的含量；

(4)根據(jù)閾值對圖像進(jìn)行二值化：文中的二值化將真實(shí)作物(目標(biāo)像素區(qū)域)的灰度值置為255，背景區(qū)域灰度值置為0；

(5)對二值化后的圖像進(jìn)行濾波處理。

圖1 綠色作物圖像處理

圖1為對一塊綠色作物圖像進(jìn)行處理的過程。其中，圖(a)為采集到的原始圖像；圖(b)為計算綠色成份含量后根據(jù)閾值二值化后的圖像，可以看出圖像中存在許多噪點(diǎn)并且作物內(nèi)部因?yàn)榫植款伾挠绊懚锌斩?；圖(c)為經(jīng)過綠色提取后對噪點(diǎn)以及對作物內(nèi)部本身空洞進(jìn)行填補(bǔ)后的圖像；圖(d)為對二值化后的圖像進(jìn)行濾波處理和內(nèi)部空洞補(bǔ)全后的圖像。

2 作物葉面積的計算

2.1 攝像頭的標(biāo)定

攝像頭標(biāo)定的目的是創(chuàng)建圖像坐標(biāo)與世界坐標(biāo)間的對應(yīng)關(guān)系。圖像坐標(biāo)與世界坐標(biāo)的相互關(guān)系是由攝像機(jī)成像的幾何模型決定的，幾何模型的參數(shù)也就是攝像機(jī)的內(nèi)部參數(shù)，而這些參數(shù)的獲得在大多數(shù)條件下必須通過實(shí)驗(yàn)和計算才能得到，這個過程就是攝像機(jī)的標(biāo)定過程。圖像采集指的是將現(xiàn)實(shí)的三維場景經(jīng)過投影轉(zhuǎn)換成二維且能夠在計算機(jī)中進(jìn)行存儲的數(shù)字圖像的過程。在攝像頭標(biāo)定及圖像的采集中涉及到多個坐標(biāo)系，包括圖像坐標(biāo)系、成像平面坐標(biāo)系、攝像頭坐標(biāo)系和世界坐標(biāo)系[12]，通過坐標(biāo)系之間的關(guān)系又可以實(shí)現(xiàn)將二維數(shù)字圖像還原到真實(shí)的三維空間場景。

截止目前，對于攝像機(jī)的標(biāo)定問題已經(jīng)提出了很多方法，文中選用了張正友標(biāo)定法[13]，也稱為基于2D平面靶標(biāo)攝像機(jī)標(biāo)定。它是一種適合應(yīng)用的新型靈活的標(biāo)定方法，其基本思想是將攝像機(jī)放置在不同的角度(位置)對標(biāo)定板進(jìn)行拍照，從所拍攝到的圖像中提取特征點(diǎn)，求解出圖像上對應(yīng)的坐標(biāo)點(diǎn)，通過特征點(diǎn)與其對應(yīng)點(diǎn)世界坐標(biāo)之間的關(guān)系來得到內(nèi)外參數(shù)。

文中對于綠色作物的葉面積檢測是基于單目視覺技術(shù)實(shí)現(xiàn)的。選用的是陜西維視數(shù)字圖像技術(shù)有限公司生產(chǎn)的MV-VS030FC工業(yè)CCD攝像頭，其分辨率為640×480，像素點(diǎn)間距離為5.6×10-6m。標(biāo)定實(shí)驗(yàn)通過其提供的配套專業(yè)標(biāo)定軟件和標(biāo)定板完成，其提供的標(biāo)定過程是基于張正友標(biāo)定法實(shí)現(xiàn)的。通過標(biāo)定所得攝像頭的內(nèi)參矩陣為：

2.2 單位像素面積的計算

綠色作物的葉子一般為不規(guī)則的形狀，可以通過其最小包圍合外切矩形進(jìn)行單位像素面積的求解，獲得不規(guī)則圖像的最小包圍合矩形用MATLAB是極易實(shí)現(xiàn)的。單位像素面積的具體求解過程如下：

假設(shè)已知綠色作物葉子的左、右、上、下邊界的圖像坐標(biāo)分別為(Xc1,Yc1)、(Xc2,Yc2)、(Xc3,Yc3)和(Xc4,Yc4)；通過攝像機(jī)標(biāo)定所得的攝像頭內(nèi)參以及拍攝頭像時的外參(拍攝高度和拍攝傾角)轉(zhuǎn)換得到的相應(yīng)世界坐標(biāo)分別為(Xw1,Yw1)、(Xw2,Yw2)、(Xw3,Yw3)、(Xw4,Yw4)。那么圖像坐標(biāo)X軸和Y軸的單位像素距離px和py可以分別由式(1)和式(2)表示，圖像坐標(biāo)下的單位像素面積ps可由式(3)表示。

px=(Xw2-Xw1)/(Xc2-Xc1)

(1)

py=(Yw4-Yw3)/(Yc4-Yc3)

(2)

ps=px*py

(3)

2.3 目標(biāo)像素點(diǎn)的統(tǒng)計

對二值化后的圖像經(jīng)過濾波處理和空洞補(bǔ)全處理后的圖像通過MATLAB可以快速地統(tǒng)計出目標(biāo)像素總個數(shù)，只要對其相應(yīng)二維矩陣中各個像素點(diǎn)的灰度值進(jìn)行0和255判別即可，若為255則說明為作物區(qū)域像素，若為0則說明是作物生長的背景區(qū)域。

2.4 葉面積的計算

獲取到作物葉子的單位像素面積及其像素點(diǎn)個數(shù)后，作物葉面積的計算就輕而易舉了，只要對單位像素面積與目標(biāo)像素點(diǎn)個數(shù)取乘積即為作物的實(shí)驗(yàn)面積。

3 實(shí)驗(yàn)數(shù)據(jù)的獲取和分析

為了盡可能地減少因?yàn)闉V波去噪以及不規(guī)則邊界等因素對作物葉面積檢測造成的影響，同時考慮到受條件限制真實(shí)作物葉面積無法精確獲取，文中采用一張尺寸為30 m *40 m的綠色背景矩形圖片模擬綠色作物葉子。為了得到較為可靠的實(shí)驗(yàn)結(jié)果，文中分別在相同拍攝高度、不同拍攝傾角和相同拍攝傾角、不同拍攝高度兩組條件下進(jìn)行了仿真實(shí)驗(yàn)。第一組實(shí)驗(yàn)將拍攝高度固定為700 mm，拍攝傾角分別取15°、20°、25°、30°；第二組實(shí)驗(yàn)將拍攝傾角固定為20°，拍攝高度分別取800 mm、900 mm、1 000 mm、1 100 mm。

經(jīng)過綠色作物的圖像處理和作物葉面積計算處理后，相同拍攝高度、不同拍攝傾角下圖像的處理結(jié)果如表1所示，相同拍攝傾角、不同拍攝高度下的圖像處理結(jié)果如表2所示。其中，實(shí)驗(yàn)面積即檢測面積，為像素個數(shù)與單位像素面積的乘積，檢測誤差為實(shí)驗(yàn)面積與真實(shí)面積的誤差。

表1 700 mm不同傾角下的實(shí)驗(yàn)數(shù)據(jù)

表2 20°不同高度下的實(shí)驗(yàn)數(shù)據(jù)

通過上述兩組實(shí)驗(yàn)數(shù)據(jù)可以看出：拍攝高度固定為700 mm，拍攝傾角分別為15°、20°、25°、30°時，葉面積檢測的誤差范圍在0.69%～1.29%之間；拍攝傾角固定為20°，拍攝高度分別為800 mm、900 mm、1 000 mm、1 100 mm時，葉面積檢測的誤差范圍在0.20%～1.02%之間。說明文中提出的綠色作物葉面積檢測算法具有較高的可行性。

4 結(jié)束語

文中提出了一種可行的綠色作物葉面積的檢測算法，綠色作物葉面積的計算過程主要包括攝像頭的標(biāo)定和綠色圖像的處理。攝像頭標(biāo)定的內(nèi)參以及拍攝圖像時的外參是完成坐標(biāo)轉(zhuǎn)換的基礎(chǔ)，單位像素面積的計算必須通過坐標(biāo)轉(zhuǎn)換程序來完成。綠色圖像的處理主要涉及的內(nèi)容包括綠色提取、二值化處理和濾波去噪等。二值化的目的在于獲取葉子的最小包圍合矩形以及統(tǒng)計目標(biāo)像素點(diǎn)的個數(shù)。獲取最小包圍合矩形的目的在于計算葉子覆蓋區(qū)域的平均單位像素面積。文中在相同的拍攝傾角、不同的拍攝高度和相同的拍攝高度、不同的拍攝傾角兩組條件下進(jìn)行圖像采集和葉面積計算，實(shí)驗(yàn)結(jié)果表明，文中提出的算法對于葉面積估算的準(zhǔn)確性相對較高，這對于作物長勢的分析、產(chǎn)量的估計、質(zhì)量的評價和建立綠色作物的生長模型都有著非常重要的作用，對于大力發(fā)展生態(tài)農(nóng)業(yè)具有重要的意義。

[1] 趙元棣,溫維亮,郭新宇,等.基于參數(shù)化的玉米葉片三維模型主脈提取[J].農(nóng)業(yè)機(jī)械學(xué)報,2012,43(4):183-187.

[2] Mayer G E,Davion D A.An electronic image plant growth measurement system[J].Transaction of ASAE,1987,30(1):242-248.

[3]VrindtsE,ReyniersM,DariusP,et.al.Analysisofsoilandcroppropertiesforprecisionagricultureforwinterwheat[J].BiosystemsEngineering,2003,85(2):141-152.

[4]TrooienTP,HeermannDF.Measurementandsimulationofpotatoleafareausingimageprocessingmeasurement[J].TransactionoftheASAE,1992,35(5):1719-1721.

[5] 陳曉光,于海業(yè),周云山,等.應(yīng)用圖象處理技術(shù)進(jìn)行蔬菜苗特征量識別[J].農(nóng)業(yè)工程學(xué)報,1995,11(4):23-26.

[6] 武聰玲,滕光輝,李長纓.黃瓜幼苗生長信息的無損監(jiān)測系統(tǒng)的應(yīng)用與驗(yàn)證[J].農(nóng)業(yè)工程學(xué)報,2005,21(4):109-112.

[7] 李少昆,張 弦，趙 明,等.作物株型信息多媒體圖像處理技術(shù)的研究[J].作物學(xué)報,1998,24(3):265-271.

[8] 張 偉,毛罕平,李萍萍,等.基于計算機(jī)圖像處理技術(shù)的作物缺素判別的研究[J].計算機(jī)應(yīng)用與軟件,2004,21(2):50-51.

[9] 王勇智.數(shù)字圖象的二值化處理技術(shù)探究[J].湖南理工學(xué)院學(xué)報:自然科學(xué)版，2005,18(1)：31-33.

[10] 李鴻林,張忠民,羿宗琪.中值濾波技術(shù)在圖像處理中的應(yīng)用[J].信息技術(shù),2004,28(7):26-27.

[11] 李銀華,路新惠.改進(jìn)型自適應(yīng)中值濾波算法在圖像處理中的應(yīng)用[J].鄭州輕工業(yè)學(xué)院學(xué)報:自然科學(xué)版,2009,24(1):83-86.

[12]Abdel-AzizYI,KararaHM.Directlineartransformationfromcomparatorcoordinatesintoobjectspacecoordinatesinclose-rangephotogrammetry[C]//Proceedingsofsymposiumonclose-rangephotogrammetry.[s.l.]:[s.n.],1971.

[13]ZhangZY.Flexilbecameracalibrationbyviewingaplanefromunknownorientation[C]//ProcofICCV99.[s.l.]:[s.n.],1999:51-52.

Design of a Green Crop Leaf Area Detection Algorithm

WU Wen-liang，ZHANG Zhi-bin，LU Ying-ying

(College of Computer Science，Inner Mongolia University,Hohhot 010021,China)

Leaf is a vital organ of the plants to survive and it is one of the important parts in building a plant growth model.Detecting green crop leaf area plays an important role in the establishment of the plant growth model and the assessment of the plant growth state.A kind of efficient detection algorithm of green crop leaf area is put forward and the content mainly includes three parts.Firstly,it introduces the process of green crop pictures which involves green extraction,binarization processing and filtering denoising.Secondly,it discusses the calculation process of green crop leaf area including camera calibration,unit pixel area calculation and target pixels statistics.At last,the result of algorithm is verified.The experiment shows that the error of the leaf area detection ranges from 0.20% to 1.29% and the average error is 0.84%.It can be seen that the algorithm proposed in this paper has a high feasibility.

green crop；green extraction；filtering denoising；leaf area detection；image processing

2015-11-05

2016-03-03

時間：2016-06-21

國家自然科學(xué)基金資助項(xiàng)目(31160253，31360289)

武文亮(1989-)，男，碩士，研究方向?yàn)闄C(jī)器視覺和嵌入式應(yīng)用；張志斌，副教授，研究方向?yàn)闄C(jī)器視覺、模式識別和圖像處理。

http://www.cnki.net/kcms/detail/61.1450.TP.20160621.1701.018.html

TP301.6

A

1673-629X(2016)08-0174-03

10.3969/j.issn.1673-629X.2016.08.037