鄭州輕工業(yè)學(xué)院計(jì)算機(jī)與通信工程學(xué)院 符運(yùn)陽 郭勝娜 王 兵 王光光

基于LAB顏色空間的植物病變區(qū)域提取

鄭州輕工業(yè)學(xué)院計(jì)算機(jī)與通信工程學(xué)院 符運(yùn)陽 郭勝娜 王 兵 王光光

為了有效準(zhǔn)確的提取出植物病害區(qū)域圖像，利用了植物病變區(qū)域的褪綠現(xiàn)象，提出了1種基于LAB顏色空間的植物葉片病斑提取方法。將原始圖像由紅綠藍(lán)（RGB）顏色空間轉(zhuǎn)換到LAB顏色空間，提取A分量作為參考，并結(jié)合K-means算法進(jìn)行聚類分割。結(jié)果表明，基于LAB顏色空間的植物葉片病害區(qū)域提取方法是可行的。

褪綠；LAB；K-means算法；病害區(qū)域

0 引言

中國作為農(nóng)業(yè)大國應(yīng)該重視植物病害的防治，越早發(fā)現(xiàn)植物病害并準(zhǔn)確確定植物病害的種類，越能大幅度減少經(jīng)濟(jì)作物的損失。將數(shù)字圖像處理和分析技術(shù)應(yīng)用到這方面已經(jīng)成為了主流，而計(jì)算機(jī)技術(shù)的快速發(fā)展也為這方面的應(yīng)用提供了便捷。圖像分割作為識別技術(shù)的前提和關(guān)鍵，起著十分重要的作用，其分割結(jié)果的優(yōu)劣直接影響著后續(xù)過程。劉瓊[1]等針對農(nóng)田非結(jié)構(gòu)性環(huán)境的特點(diǎn)，基于Lab和YUV顏色空間的農(nóng)田彩色圖像進(jìn)行了分割，對農(nóng)田圖像進(jìn)行了有效的分割。陳麗雪[2]等利用Lab顏色空間感知上的均勻性，實(shí)現(xiàn)了基于顏色特征的圖像檢索。董偉[3]等利用Lab顏色分布均勻，彌補(bǔ)了RGB顏色空間的不足，對圖像去霧處理有了較大的改善，并取得了較為理想的效果。閆懷平[4]等用自適應(yīng)二值化閾值對LAB顏色空間的B分量進(jìn)行了處理，凸顯了車牌區(qū)域，再用投影法準(zhǔn)確定位出車牌位置。上述方法都是基于LAB顏色空間進(jìn)行了圖像分割，并達(dá)到了比較不錯(cuò)的效果。

基于以上背景，利用植物病害區(qū)域發(fā)生的褪綠現(xiàn)象，即顏色差異為主要依據(jù)，提出了一種有效可行的植物葉片病斑分割方法。在Lab顏色空間中，提取目標(biāo)的a分量，利用顏色分布均勻的特點(diǎn)，并結(jié)合k-means聚類方法，將健康區(qū)域和植物葉片病斑區(qū)域分割開來。

1 顏色空間轉(zhuǎn)換

絕大部分的彩色圖像是基于RGB顏色三基色模型，但RGB空間中三個(gè)分量之間存在很強(qiáng)的相關(guān)性[5]，因而不適于直接用于基于三個(gè)分量獨(dú)立運(yùn)算的圖像分割。但利用各種變換，可以由RGB空間推到出其他顏色空間[6],其中HSI[7]空間是從色調(diào)、亮度和飽和度三方面描述圖像，比較至關(guān)且符合人的視覺特性。LAB色彩空間是目前最均勻的顏色空間，它與設(shè)備無關(guān)，適用于接近自然光照的場合。

CIE LAB顏色空間是由國際照明委員（International Commission on Illumination,CIE）于1976制定的一種色彩模式，旨在為了更好地提高顏色辨別效果，建立客觀人機(jī)通用的評價(jià)標(biāo)準(zhǔn)。它是目前色域最寬的色彩空間，包括人眼所能看到的所有顏色，其每一組色值對應(yīng)一種確定的與設(shè)備無關(guān)的色彩。這種用數(shù)學(xué)理論量化的色彩空間使不同設(shè)備的色彩能夠相互比較、模擬和匹配。Lab顏色空間下各分量如圖1所示：

圖1 Lab顏色空間下圖像各分量

它用三個(gè)基本坐標(biāo)L* a* b*，L*表示顏色的亮度。后文省略*，簡寫成Lab。Lab中L表示明度，a、b均表示顏色，這就表明在Lab中明度和顏色是分開的，L通道沒有顏色，a和b通道只有顏色。L、a、b分別取值為0-100（純黑-純白）、-127-128（洋紅-綠）、-127-128（黃-藍(lán)）。正、負(fù)分別為暖色、冷色。紅綠分量a可以作為評價(jià)顏色最重要的指標(biāo)之一[8]，它能很好的反應(yīng)植物病害葉片褪綠的顏色狀態(tài)。它雖然有顏色均勻性的特點(diǎn)，但是它不能像XYZ色彩空間一樣，幾乎能包含人類能夠感覺到的所有顏色，所以需要先將RGB色彩空間轉(zhuǎn)換到XYZ空間，如式(1)所示，然后在由XYZ轉(zhuǎn)換到Lab色彩空間如式(2)所示[9]。

其中：

2 K均值聚類植物病害區(qū)域分割算法

K均值聚類算法是Mac Queen在1967年提出的一種局域劃分的無監(jiān)督實(shí)時(shí)聚類算法，是一種以誤差平方和做為聚類準(zhǔn)則函數(shù)，以默認(rèn)歐式距離作為相似度測量的自適應(yīng)搜索算法[10]。在本研究中使用數(shù)碼照相機(jī)等光學(xué)設(shè)備直接獲得數(shù)字圖像，對圖像裁剪獲得原始圖像的子圖像。將子圖像從RGB空間轉(zhuǎn)換到LAB空間，之后運(yùn)用5×5的矩陣窗口對目標(biāo)進(jìn)行中值濾波去噪，消除噪聲或減弱對葉片病斑提取的影響。然后運(yùn)用K均值算法對圖像進(jìn)行分割，僅僅根據(jù)圖像的顏色信息，將顏色相近的像素點(diǎn)劃分到同一簇去，將目標(biāo)和背景劃分為兩類，就可以有比較好的分割效果。

K均值（K-means）聚類算法[11]是目前應(yīng)用較為廣泛的聚類分析方法之一。該算法具有快速、至關(guān)、易于實(shí)現(xiàn)的優(yōu)點(diǎn)。K均值（K-means）聚類算法的基本流程如下：

(1)隨機(jī)指派K個(gè)數(shù)據(jù)點(diǎn)作為算法的初始聚類中心點(diǎn),即初始類簇中心點(diǎn)。

(2)計(jì)算數(shù)據(jù)集中所有數(shù)據(jù)點(diǎn)與初始聚類中心的相似度，把各個(gè)點(diǎn)劃分到與其最相似的中心點(diǎn)所屬類簇。

(3)當(dāng)獲得K個(gè)新的質(zhì)心時(shí)，需要重新將數(shù)據(jù)集中的點(diǎn)與距它最近的新質(zhì)心相綁定并進(jìn)行循環(huán)迭代，直至準(zhǔn)則函數(shù)收斂使平方誤差函數(shù)值最小如式(3)。

3 實(shí)驗(yàn)結(jié)果分析

在matlab2016a，win7操作系統(tǒng)，cpu3.2GHz，內(nèi)存4GB的實(shí)驗(yàn)條件下，分別用基于HSI顏色空間最優(yōu)閾值算法[13]、迭代法[14]和本研究算法對植物葉片病斑分割，分割結(jié)果如圖2所示。

圖2 植物葉片病斑分割結(jié)果

在病斑區(qū)域具有復(fù)雜紋理，顏色復(fù)雜等特點(diǎn)時(shí)，基于HSI顏色空間的最優(yōu)閾值分割算法不能有效地將病害區(qū)域提取出來，會連同不必要的復(fù)雜紋理也分割出來，影響分割的準(zhǔn)確度。迭代法運(yùn)算速度雖快，但和閾值法有同樣的缺點(diǎn)，當(dāng)紋理復(fù)雜，光照不均勻時(shí)，分割效果會將紋理和陰影區(qū)域同時(shí)分割出來，降低了分割的準(zhǔn)確率，因此對于植物葉片病斑區(qū)域的提取效果也不理想。本研究算法針對顏色塊進(jìn)行聚類，對復(fù)雜紋理等不利影響不敏感，可以得到較好的分割效果。

在運(yùn)行時(shí)間上也有一定的提高。算法處理時(shí)間如表1所示。

表1 各分割算法運(yùn)行時(shí)間比較

三種算法的運(yùn)行時(shí)間雖然相差不大，但本文研究算法針對植物葉片病害區(qū)域的提取具有較高的準(zhǔn)確率，另外兩種算法在計(jì)算復(fù)雜紋理的圖片時(shí)，反而喪失了計(jì)算速度的優(yōu)勢。且本文分割算法具有一定的普適性，可以有效的分割出小麥葉銹病、桿銹病和黃光霜霉病和蔓枯病的葉片病害區(qū)域，具有一定的推廣價(jià)值。

4 結(jié)論

本研究提出了一種在LAB顏色空間中進(jìn)行植物葉片病害區(qū)域的提取方法，利用了ab分量包含全部顏色信息，并主要用a分量（即病變區(qū)域褪綠現(xiàn)象），在結(jié)合K-means聚類方法，將健康區(qū)域和病害區(qū)域聚類為2類，實(shí)現(xiàn)了較為精準(zhǔn)的圖像分割。在與其他經(jīng)典的分割算法來進(jìn)行比較，發(fā)現(xiàn)本研究算法不僅精度較高，而且處理時(shí)間較快，對復(fù)雜紋理，顏色信息復(fù)雜等特征的病斑圖像也能提供較好的分割結(jié)果。對于植物病害也具有一定的普適性，不但可以識別小麥病害，也可以提取黃瓜等病害區(qū)域。但也存在不足，在光照不均勻的情況下，會出現(xiàn)誤分割，會在進(jìn)一步的研究中繼續(xù)進(jìn)行改善。

[1]劉瓊,史諾．基于Lab和YUV顏色空間的農(nóng)田圖像分割[J]．理論與方法,2015,34(4)：39-41．

[2]陳麗雪,陳昭炯．基于Lab空間的圖像檢索算法[J]．計(jì)算機(jī)工程,2008,34(13)：224-226．

[3]董偉,張靜,王建新．基于Lab色彩空間的圖像去霧算法[J]．福建電腦,2015,12：84-86．

[4]閆懷平,王慶喜．基于Lab顏色空間的車牌定位方法[J]．電子世界,2012,10：107．

[5]龐曉敏,閔子建,闞江明．基于HSI和LAB顏色空間的彩色圖像分割[J]．廣西大學(xué)學(xué)報(bào)：自然科學(xué)版,2011,36(6)：976-980．

[6]李春麗．結(jié)合空間信息的模糊C均值聚類的圖像分割算法[J]．遼寧石油化工大學(xué)學(xué)報(bào),30(4)：51-53．

[7]閆春來．彩色圖像分割算法的研究[D]．成都：電子科技大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院,2008：10-11．

[8]楊新．圖像偏微分方程的原理與應(yīng)用[M]．上海：上海交通大學(xué)出版社,2003．

[9]章三妹．基于聚類和區(qū)域生長的彩色圖像分割方法[D]．成都：成都理工大學(xué)信息科學(xué)與技術(shù)學(xué)院,2008：15-16．

[10]徐黎明,呂繼東．基于同態(tài)濾波和K均值聚類算法的楊梅圖像分割[J]．農(nóng)業(yè)工程學(xué)報(bào),2015,31(14)：202-208．

[11]左進(jìn),陳澤茂．基于改進(jìn)K均值聚類的異常檢測算法[J]．計(jì)算機(jī)科學(xué),2016,43(8)：258-261．

[12]張強(qiáng),王正林．精通MATLAB圖像處理[M]．北京：電子工業(yè)出版社,2008：272-279．

[13]李中健,杜娟,郭璐．將Otsu用于多閾值彩色圖像分割的方法及優(yōu)化[J]．計(jì)算機(jī)工程與應(yīng)用,2010,46(11)：176-178．

[14]李景福,趙進(jìn)輝．基于閾值的彩色農(nóng)業(yè)圖像分割方法研究[J]．安徽農(nóng)業(yè)科學(xué),2007,35(28)：8869-8870．

Extraction of Plant Leaflesions Based on LAB Color Space

Fu YunYang，Guo ShengNa，Wang Bing，Wang GuangGuang
（Zhengzhou University oflight Industry，Henan，ZhengZhou，450000）

Chlorotic；Lab；K-means algorithm；Disease area.

Abstrat：In order to extract the image of the plant disease area ef f ectively and accurately, a kind of plant leaflesion extraction method based on Lab color space was proposed by using the chlorosis phenomenon in the plant lesion area. The original image is converted from the red, green and blue(RGB) color space to the Lab color space, the A component is extracted as a reference, and the K-means algorithm is used to cluster the segmentation. The results show that the method of regional extraction of plant leaf disease based on Lab color space is feasible.

國家自然科學(xué)基金項(xiàng)目（61501406）；河南省高等學(xué)校重點(diǎn)項(xiàng)目計(jì)劃（15A510015）支持。

符運(yùn)陽（1991—），男，河南信陽人，鄭州輕工業(yè)學(xué)院碩士研究生，主要研究方向?yàn)楣饩W(wǎng)絡(luò)技術(shù)。

郭勝娜（1992—），女，河南商丘人，鄭州輕工業(yè)學(xué)院碩士研究生，主要研究方向?yàn)樯漕l識別、圖像處理。