徐航煌 張 寧 鄧志鵬 陳學(xué)永 胡立華 吳東昇

（福建農(nóng)林大學(xué)機(jī)電工程學(xué)院 福建福州 350002）

基于OpenCV的毛竹圖像處理技術(shù)

徐航煌 張 寧 鄧志鵬 陳學(xué)永 胡立華 吳東昇

（福建農(nóng)林大學(xué)機(jī)電工程學(xué)院 福建福州 350002）

文章介紹了一種基于OpenCV的毛竹圖像處理技術(shù)，通過(guò)對(duì)獲取的高清毛竹圖像進(jìn)行灰度處理、形態(tài)學(xué)去噪、平滑處理以及閾值分割等圖像處理分析，完成對(duì)圖像中毛竹與背景圖像的二值化分割。結(jié)果表明：該技術(shù)能夠有效地分割出毛竹與背景圖像，對(duì)今后研究將圖像處理技術(shù)應(yīng)用到毛竹的病蟲(chóng)害識(shí)別中具有重要意義。

OpenCV；毛竹；圖像處理

一、引言

我國(guó)對(duì)于毛竹的栽培歷史十分悠久，其種植面積也十分廣闊，毛竹不僅是竹類物種中經(jīng)濟(jì)效益最高的一種竹種，也是竹類物種中用途最為廣泛的一種竹種[1]。毛竹的用途與人們的日常生活息息相關(guān)，不管是在衣、食、住、行，還是在觀、用、飾等方面，都發(fā)揮著至關(guān)重要的作用，是無(wú)污染綠色寶庫(kù)中的一顆璀璨明珠[2]。但每年由于病蟲(chóng)害的發(fā)生，導(dǎo)致大面積的毛竹林遭受嚴(yán)重?fù)p害，不僅對(duì)毛竹的生長(zhǎng)構(gòu)成嚴(yán)重的威脅，也給毛竹林基地生產(chǎn)造成非常大的經(jīng)濟(jì)損失。目前，傳統(tǒng)的毛竹林病蟲(chóng)害監(jiān)測(cè)及防治方式大部分是通過(guò)人工實(shí)地考察完成，存在著周期長(zhǎng)、人工成本高、實(shí)效性低等缺點(diǎn)，導(dǎo)致地面工作人員無(wú)法實(shí)時(shí)監(jiān)測(cè)毛竹林病蟲(chóng)害的實(shí)時(shí)發(fā)生動(dòng)態(tài)[3]。目前，將圖像處理技術(shù)應(yīng)用到毛竹病蟲(chóng)害識(shí)別中的相關(guān)研究相對(duì)較少，由此本文提出了一種基于OpenCV的毛竹圖像處理技術(shù)，調(diào)用OpenCV中強(qiáng)大的圖像處理函數(shù)庫(kù)，對(duì)毛竹圖像進(jìn)行圖像處理分析，完成對(duì)圖像中毛竹與背景圖像的二值化分割，為今后將圖像處理技術(shù)應(yīng)用到毛竹林病蟲(chóng)害識(shí)別中奠定基礎(chǔ)[4]。

二、圖像處理技術(shù)

本研究在Microsoft Visual Studio 2010編程軟件平臺(tái)上，結(jié)合OpenCV中提供的強(qiáng)大圖像處理函數(shù)庫(kù)，對(duì)獲取的高清毛竹圖像進(jìn)行一系列的圖像處理分析[5]，最后得到毛竹與背景圖像分開(kāi)的二值圖像，其中毛竹作為目標(biāo)圖像以白色顯示，其他背景圖像以黑色顯示[6]。整個(gè)毛竹圖像處理技術(shù)的工作流程圖如圖1所示。首先，采集毛竹竹葉的高清圖像，然后對(duì)采集到的圖像進(jìn)行灰度處理，其次進(jìn)行圖像的預(yù)處理，主要包括形態(tài)學(xué)處理、平滑處理以及閾值分割，最后得到毛竹與背景圖像分開(kāi)的二值圖像[7]。

圖1 圖像處理技術(shù)工作流程圖

（一）導(dǎo)入圖像以及灰度處理。對(duì)圖像進(jìn)行圖像處理之前，需要先讀取圖像中的相關(guān)數(shù)據(jù)。首先，借助OpenCV函數(shù)庫(kù)中imread函數(shù)，讀取文件中毛竹高清圖像，然后采用cvtColor函數(shù)對(duì)讀入的圖像進(jìn)行灰度處理，最后借助imshow函數(shù)將原始圖像和灰度圖像顯示出來(lái)。代碼如下：

讀取的原始圖像以及轉(zhuǎn)化為灰度圖像如下圖2所示。

圖2 讀取的原始圖像以及轉(zhuǎn)化后的灰度圖像

（二）形態(tài)學(xué)去噪。對(duì)灰度圖像進(jìn)行形態(tài)學(xué)處理，其目的就是對(duì)圖像進(jìn)行噪聲濾除。形態(tài)學(xué)處理的四個(gè)基本運(yùn)算包括：腐蝕、膨脹、開(kāi)運(yùn)算、閉運(yùn)算，主要用途是對(duì)圖像數(shù)據(jù)進(jìn)行簡(jiǎn)化，在不改變目標(biāo)圖形基本形狀特性的基礎(chǔ)上，將與目標(biāo)圖形不相干的結(jié)構(gòu)去除，適用于解決圖像處理中濾除噪聲、形態(tài)識(shí)別以及圖像分割等問(wèn)題[8]。其中四個(gè)基本運(yùn)算的作用如表一所示：灰度處理過(guò)的灰度圖像分別進(jìn)行四種基本的形態(tài)學(xué)運(yùn)算（腐蝕、膨脹、開(kāi)運(yùn)算以及閉運(yùn)算），運(yùn)算結(jié)果如圖3所示。代碼如下：

erode(srcGray,erodeImage,element);//腐蝕

dilate(srcGray,dilateImage,element);//膨脹

morphologyEx(srcGray,openImage,MORPH_OPEN,element); //開(kāi)運(yùn)算

morphologyEx(srcGray,closeImage,MORPH_CLOSE,element);//閉運(yùn)算

其中：

srcGray：為輸入的灰度圖像；

erodeImage、dilateImage、openImage、closeImage：分別為經(jīng)過(guò)四種基本形態(tài)學(xué)處理后的輸出圖像；

erode和dilate：分別為腐蝕和膨脹函數(shù)；

morphologyEx：函數(shù)中開(kāi)運(yùn)算和閉運(yùn)算類型分別用MORPH_OPEN和MORPH_CLOSE表示；

element：表示形態(tài)學(xué)運(yùn)算的內(nèi)核，內(nèi)核的形狀選擇MORPH_RECT，內(nèi)核的尺寸為：5×5。

對(duì)比和分析灰度圖像分別經(jīng)過(guò)腐蝕、膨脹、開(kāi)運(yùn)算和閉運(yùn)算的處理效果，結(jié)果發(fā)現(xiàn)：開(kāi)運(yùn)算在消除細(xì)小物體、分離纖細(xì)處物體以及平滑較大物體邊界處的作用效果相對(duì)較好，其它三種基本運(yùn)算處理后局部一些纖細(xì)的細(xì)節(jié)會(huì)被處理掉。綜上，本研究采用形態(tài)學(xué)基本運(yùn)算中開(kāi)運(yùn)算對(duì)圖像進(jìn)行形態(tài)學(xué)去噪，以達(dá)到去除毛刺、平滑輪廓以及消除噪聲的效果。

表一 四種基本形態(tài)學(xué)運(yùn)算作用表

圖3 腐蝕、膨脹、開(kāi)運(yùn)算以及閉運(yùn)算

為了更好地得到毛竹圖像的分割效果，本研究中將經(jīng)過(guò)

（三）平滑處理。平滑處理也稱模糊處理，主要用來(lái)減少圖像上的噪點(diǎn)或者失真，其目的是消除圖像數(shù)字化過(guò)程中所混入的噪聲，同時(shí)保持圖像原有的邊緣輪廓和線條信息[9]。圖像平滑處理方法主要分為空域法和頻域法兩大類[10]。本研究中主要采用空域法中的兩種最典型的平滑方法：均值濾波（blur函數(shù)）和中值濾波（medianBlur函數(shù)）對(duì)圖像進(jìn)行平滑處理，分析比較上訴兩種平滑方法的平滑效果，確定最佳的平滑處理方法，平滑處理后的效果圖如圖4所示。代碼如下：

blur(openImage,blurImage,Size(3,3),Point(-1,-1));//均值濾波

medianBlur(openImage,medianblurImage,ksize=3);//中值濾波

其中：

blur和medianBlur：分別為均值濾波函數(shù)和中值濾波函數(shù)；

openImage：為經(jīng)過(guò)形態(tài)學(xué)開(kāi)運(yùn)算處理后的圖像；

Size（3,3）：表示3×3的內(nèi)核大??；

Point（-1，-1）：表示錨點(diǎn)在核中心；

blurImage和medianblurImage：分別表示經(jīng)過(guò)均值濾波和中值濾波后的輸出圖像；

ksize：表示孔徑的線性尺寸，取ksize=3。

對(duì)比分析分別經(jīng)過(guò)均值濾波和中值濾波平滑處理后的兩幅平滑處理效果圖，如圖4所示，結(jié)果表明：圖4-a中，圖像經(jīng)過(guò)均值濾波處理后，不僅數(shù)字化過(guò)程中所混入的噪聲得到了抑制，同時(shí)圖像得到了平滑，但圖像的邊緣變得模糊，不適合本研究中的毛竹圖像信息的提取；圖4-b中，中值濾波處理不僅能夠更好地濾除圖像中所混入的椒鹽噪聲，對(duì)圖像進(jìn)行平滑，同時(shí)能夠比較完整的保留圖像的邊緣信息。綜上，為了更好地分割提取并保存毛竹原有的圖像信息，本研究中采用處理效果較好的中值濾波對(duì)圖像進(jìn)行平滑處理。

圖4 均值濾波和中值濾波

（四）閾值分割。閾值分割是圖像分割中最常用的方法，閾值的選取是決定圖像分割效果好壞的關(guān)鍵技術(shù)，通過(guò)選取的閾值將圖像分為目標(biāo)和背景兩部分[11]。閾值分割方法的原理：首先對(duì)灰度圖像中的灰度值進(jìn)行分級(jí)，通過(guò)設(shè)定好的算法，確定一個(gè)合適的閾值能夠?qū)δ繕?biāo)與背景進(jìn)行分割，然后將圖像中各個(gè)像素點(diǎn)的灰度值與選取的閾值進(jìn)行比較，將圖像中大于閾值的灰度值置為255，小于等于閾值的灰度值置為0，從而對(duì)圖像進(jìn)行二值化分割[12]。

閾值分割算法主要分為全局閾值分割和局域閾值分割，其中全局閾值分割方法主要有最大類間方差法 (Otsu法)、最小誤差法和最大熵法[13]。由于在簡(jiǎn)單的背景下，采用最大類間方差法 (Otsu法)對(duì)圖像進(jìn)行二值化分割能夠得到較佳的效果，并且結(jié)合自身的算法自動(dòng)獲得最佳的分割閾值，減少由于人為選取閾值造成不必要的誤差[14]。綜上，本研究采用最大類間方差法(Otsu法)對(duì)毛竹高清圖像進(jìn)行毛竹與背景圖像的圖像分割。

閾值分割函數(shù)為：

Threshold(src,dst,threshold,max_value,threshold_type);

本研究中Otsu法具體代碼如下：

threshold(medianblurImage,otsuImage,0,255,CV_THRESH_ OTSU);

其中：threshold_type設(shè)置為CV_THRESH_OTSU，即采用最大類間方差法（Otsu法）進(jìn)行毛竹的圖像分割，通過(guò)自動(dòng)選取的最佳分割閾值，將圖像中大于閾值的灰度值置為255，小于等于閾值的灰度值置為0，從而完成對(duì)毛竹圖像的二值分割，達(dá)到將毛竹與背景圖像分離的效果。經(jīng)過(guò)Otsu法閾值分割后的二值化圖像如圖5-a所示。

為了方便后期對(duì)提取出來(lái)的毛竹圖像進(jìn)行進(jìn)一步的圖像處理分析及研究，本研究對(duì)完成二值分割圖像進(jìn)行圖像反轉(zhuǎn)，調(diào)用reverse函數(shù)對(duì)圖5-a中的目標(biāo)與背景顏色進(jìn)行調(diào)換，圖像反轉(zhuǎn)后的圖像如圖5-b所示。具體調(diào)用函數(shù)代碼如下：

Matreverse(MatsrcImage)

{MatdstImage=srcImage〈threshold;

return dstImage;}

其中threshold的取值范圍為0～255以內(nèi)的任意數(shù)，這里去threshold=150。

圖5 Otsu法二值圖像及圖像反轉(zhuǎn)后二值圖像

三、總結(jié)

本文對(duì)獲取的高清毛竹圖像利用OpenCV中強(qiáng)大的圖像處理函數(shù)庫(kù)，首先對(duì)圖像進(jìn)行灰度處理，得到灰度圖像，然后對(duì)灰度圖像進(jìn)行預(yù)處理，包括形態(tài)學(xué)開(kāi)運(yùn)算以及中值處理，而后采用最大類間方差法(Otsu法)對(duì)預(yù)處理后的圖像進(jìn)行二值分割，完成了對(duì)毛竹和背景圖像的分割，得到了比較理想的二值圖像，對(duì)接下來(lái)研究借助圖像處理技術(shù)識(shí)別毛竹病蟲(chóng)害打下良好的基礎(chǔ)。但由于拍攝角度等外界原因，導(dǎo)致在進(jìn)行圖像處理分析時(shí)，處理陰影部分區(qū)域時(shí)會(huì)存在誤區(qū)，影響毛竹圖像的分割精度，需要對(duì)其進(jìn)行進(jìn)一步的研究和改善。

[1]胡健.毛竹種子繁殖與豐產(chǎn)技術(shù)研究[D].中南林業(yè)科技大學(xué),2013.

[2]程平,彭九生,黎美蓮,等.毛竹突變體種質(zhì)資源及其保護(hù)發(fā)展對(duì)策[J].科學(xué)時(shí)代,2006(11).

[3]余林.皖南毛竹林密度效應(yīng)研究[D].中國(guó)林業(yè)科學(xué)研究院,2011.

[4]王維楓.山杏常見(jiàn)葉部病蟲(chóng)害圖像識(shí)別技術(shù)研究[D].中國(guó)林業(yè)科學(xué)研究院,2008.

[5]肖文東,馬本學(xué).基于OPenCV哈密瓜紋理特征的提取[J].石河子大學(xué)學(xué)報(bào)（自然科學(xué)版）,2011,29(1).

[6]呂洋,馬樹(shù)元,龍震海,等.基于Otsu方法的顯微圖像內(nèi)外邊界提取 [G].第二屆全國(guó)圖象圖形聯(lián)合學(xué)術(shù)會(huì)議論文集, 2013:306-309.

[7]牟洪波,高海濤,戚大偉,等.基于圖像處理的木材缺陷的閾值設(shè)定研究[J].黑龍江科技信息,2015(19).

[8]王樹(shù)文,閆成新.數(shù)學(xué)形態(tài)學(xué)在圖像處理中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用,2004,40(32).

[9]安寧,林樹(shù)忠,劉海華,等.圖像處理方法研究及其應(yīng)用[J].儀器儀表學(xué)報(bào),2006,27(z1).

[10]關(guān)雪梅.圖像增強(qiáng)技術(shù)分析研究[J].電腦知識(shí)與技術(shù), 2008,4(29).

[11]杜曉晨,劉建平.改進(jìn)的模糊閾值圖像分割方法[J].光電工程,2005,32(10).

[12]吳一全,孟天亮,吳詩(shī)婳.圖像閾值分割方法研究進(jìn)展20年(1994-2014)[J].數(shù)據(jù)采集與處理,2015,30(1).

[13]黃恢樂(lè),胡躍明,袁鵬.一種改進(jìn)分水嶺算法在高速高精度貼片機(jī)視覺(jué)檢測(cè)中的應(yīng)用[J].電子技術(shù)應(yīng)用,2005,31(7).

[14]王祥科,鄭志強(qiáng).Otsu多閾值快速分割算法及其在彩色圖像中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用,2006(S1).

[責(zé)任編輯 鄭麗娟]

Image Processing Technology of Bamboo Basedon OpenCV

Xu Hanghuang Zhang Ning Deng Zhipeng Chen Xueyong Hu Lihua Wu Dongsheng
(Fujian Agriculture and Forestry University,Fuzhou,Fujian 350002)

In this paper,an image processing technology of bamboo based on OpenCV is introduced.The binocularization of bamboo and background images in image is completed by image processing analysis,such asgrayscale processing,morphological denoising,smoothing and threshold segmentation.The results show that the technology can effectively segment bamboo and background images,and it has a great significance to apply the image processing technology to the identification of pests and diseases of bamboo in the future.

OpenCV;Bamboo;Image Processing

TP751.1

A

2095-0438（2017）09-0144-04

2017-04-20

徐航煌(1992－)，男，福建莆田人，福建農(nóng)林大學(xué)機(jī)電工程學(xué)院2015級(jí)碩士研究生，研究方向：先進(jìn)制造與特種材料制備技術(shù)；陳學(xué)永(1970－)，男，福建龍巖人，福建農(nóng)林大學(xué)機(jī)電工程學(xué)院機(jī)械系教授，博士，研究方向:機(jī)械制造及其自動(dòng)化。