張震 肖冰冰
摘 要:針對(duì)目前人工螞蟻計(jì)數(shù)的困難性,本文選擇圖像處理的方法實(shí)現(xiàn)螞蟻圖像的自動(dòng)計(jì)數(shù)。首先對(duì)所采集到的圖像進(jìn)行圖像灰度化、圖像銳化、圖像二值化、形態(tài)學(xué)處理等一系列預(yù)處理,達(dá)到減少圖像復(fù)雜度,以及圖像優(yōu)化的目的,為最后的圖像準(zhǔn)確計(jì)數(shù)奠定基礎(chǔ);在圖像計(jì)數(shù)時(shí)采用連通域標(biāo)記的方法對(duì)處理后的圖像進(jìn)行標(biāo)記和計(jì)數(shù),并將結(jié)果顯示在對(duì)話框內(nèi)。結(jié)果表明該方法計(jì)數(shù)準(zhǔn)確率較高,具有良好的效果。
關(guān)鍵詞:圖像灰度化;形態(tài)學(xué)處理;連通域標(biāo)記
中圖分類號(hào):TP751 文獻(xiàn)標(biāo)識(shí)碼:A
文章編號(hào):2096-1472(2018)-07-01-03
1 引言(Introduction)
隨著城市化的快速推進(jìn),越來(lái)越多的螞蟻棲息地被人類占有,使許多螞蟻不得不進(jìn)入室內(nèi)與人相伴而產(chǎn)生危害。螞蟻密度過(guò)大時(shí),它們會(huì)破壞房屋建筑、叮咬,以及襲擊人類,對(duì)人們的生活和安全產(chǎn)生很嚴(yán)重的影響。
圖像處理是21世紀(jì)的一門新興學(xué)科,目前主要的技術(shù)有傳統(tǒng)的圖像處理技術(shù)及圖像分析和理解的智能處理技術(shù)。傳統(tǒng)的圖像處理包括圖像的基本運(yùn)算、圖像變換、圖像的邊緣檢測(cè)、圖像重建等。圖像分析和理解的智能處理包括圖像特征分析、圖像識(shí)別、基于內(nèi)容的圖像檢索和圖像數(shù)字水印等[1]。
對(duì)螞蟻的數(shù)量進(jìn)行計(jì)數(shù)固然重要,但實(shí)現(xiàn)卻是相當(dāng)困難的。主要原因有兩個(gè):一是螞蟻的體型問(wèn)題;二是螞蟻群居的生活習(xí)性問(wèn)題。本文研究的主要目的就是解決這兩大問(wèn)題,能夠準(zhǔn)確且方便的對(duì)螞蟻的數(shù)量進(jìn)行統(tǒng)計(jì)。本文利用圖像處理的方法對(duì)圖片進(jìn)行處理,以便于解決以上難題。
2 軟件平臺(tái)介紹(Introduction of software platform)
在計(jì)算機(jī)快速發(fā)展的浪潮下,與之相關(guān)的語(yǔ)言也越來(lái)越多,目前市面上比較流行的進(jìn)行圖像處理的語(yǔ)言主要有MATLAB、C++、Python。MATLAB的編程語(yǔ)言簡(jiǎn)潔實(shí)用,它擁有良好的編程界面,編程的效率高。因此,本文選擇MATLAB對(duì)圖像進(jìn)行處理。
3 圖像預(yù)處理(Image preprocessing)
3.1 圖像處理流程圖
圖像處理流程圖如圖1所示。
3.2 圖像灰度化
由于采集到的圖像一般為彩色圖像,因此先將其轉(zhuǎn)化為灰度圖像以減少計(jì)算的復(fù)雜度[2]。在灰度化處理過(guò)程中所使用的方法是加權(quán)平均值法?;叶然幚碇暗膱D像和灰度化處理之后的圖像分別如圖2和圖3所示。
3.3 圖像平滑
我們采集到的圖像往往會(huì)存在噪聲,這主要是由于兩個(gè)方面導(dǎo)致的:一方面是由于圖像在獲取、傳輸和記錄時(shí),成像設(shè)備和記錄儀器的精密度差;另一方面是由于自然界的客觀原因造成的,例如目標(biāo)圖像和背景顏色相近等。圖像平滑主要有四種方法,分別是鄰域平均法、低通濾波法、多圖像平均法和中值濾波法。本文選擇中值濾波法[3],其處理結(jié)果如圖4所示。
3.4 圖像銳化
經(jīng)過(guò)圖像平滑處理后的圖像會(huì)變的不清晰,為了解決這種狀況,本文采用圖像銳化的方法,消除噪聲處理后產(chǎn)生的模糊現(xiàn)象,增強(qiáng)圖像的清晰度。本文中選擇laplace算子[4]對(duì)圖像進(jìn)行銳化,銳化結(jié)果如圖5所示。
3.5 圖像二值化
在數(shù)字圖像處理中,二值圖像占有非常重要的地位。圖像的二值化有利于圖像的進(jìn)一步處理,使圖像變得簡(jiǎn)單,而且數(shù)據(jù)量減少,能突顯出感興趣的目標(biāo)的輪廓。圖像二值化主要有迭代法、最大類間方差法和最大熵法三種方法[5]。在此,采用最大類間方差法對(duì)圖像進(jìn)行處理,處理結(jié)果如圖6所示。
3.6 形態(tài)學(xué)處理
與圖像銳化及圖像平滑等方法相比,數(shù)學(xué)形態(tài)學(xué)方法具有不可替代的優(yōu)點(diǎn),它使圖像更加簡(jiǎn)單,去除非目標(biāo)部分,同時(shí)目標(biāo)圖像的形狀和大小不會(huì)發(fā)生明顯變化。更重要的是,該算法可以同時(shí)完成兩個(gè)操作,它可以很好的去除圖像中的噪聲而不會(huì)破壞到有用的圖像信息,而且對(duì)于邊緣的處理效果也比較平滑[6]。本文依次對(duì)圖像進(jìn)行腐蝕、膨脹、開閉運(yùn)算的操作,處理結(jié)果如圖7所示。
4 圖像計(jì)數(shù)(Image count)
4.1 二值圖像取反
由于在接下來(lái)所使用的標(biāo)記函數(shù)是對(duì)圖像中的白色區(qū)域進(jìn)行處理,因此,對(duì)二值圖像進(jìn)行取反處理,即黑變白、白變黑的處理。取反后的圖像如圖8所示。
4.2 連通域標(biāo)記
二值圖像分析最重要的方法就是連通區(qū)域標(biāo)記[7],它是所有二值圖像分析的基礎(chǔ),它通過(guò)對(duì)二值圖像中白色像素的標(biāo)記,讓每個(gè)單獨(dú)的連通區(qū)域形成一個(gè)被標(biāo)識(shí)的塊,進(jìn)一步的我們就可以獲取這些塊的輪廓、外接矩形、質(zhì)心、不變矩等幾何參數(shù)。
對(duì)連通區(qū)域進(jìn)行標(biāo)記的方法有許多,有些方法可以一次遍歷圖像,有些方法則需要兩次或更多次來(lái)遍歷圖像。本文采用一次遍歷圖像的方法[8],它一次遍歷圖像,并記下每一行(或列)中連續(xù)的團(tuán)和標(biāo)記的等價(jià)對(duì),然后通過(guò)等價(jià)對(duì)對(duì)原來(lái)的圖像進(jìn)行重新標(biāo)記。連通區(qū)域標(biāo)記的結(jié)果如圖9所示。
4.3 計(jì)數(shù)結(jié)果
利用bwlabel函數(shù),完成連通域的標(biāo)記,并實(shí)現(xiàn)圖像的計(jì)數(shù)。為了方便多次計(jì)數(shù),本文設(shè)計(jì)了一個(gè)對(duì)話框,將計(jì)數(shù)結(jié)果以對(duì)話框的形式顯示出來(lái),計(jì)數(shù)結(jié)果如圖10所示。
任何結(jié)論的得到,都需要大量數(shù)據(jù)的支撐,單單一組數(shù)據(jù)是不能說(shuō)明什么問(wèn)題的。因此,本文對(duì)采集到的十組圖片均進(jìn)行了計(jì)數(shù)處理,所有圖像的結(jié)果如表1所示。
將以上結(jié)果進(jìn)行平均處理,得到結(jié)果為96.8541%,對(duì)上述結(jié)果分別觀察,我們可以看到實(shí)驗(yàn)結(jié)果的浮動(dòng)性偏大。這是因?yàn)楫?dāng)背景與目標(biāo)的差別較小時(shí),容易造成誤差,使結(jié)果不理想;當(dāng)背景與目標(biāo)差別較大時(shí),能夠很容易分辨出目標(biāo)圖像,結(jié)果誤差較小。
5 結(jié)論(Conclusion)
通過(guò)對(duì)圖像的灰度化、二值化、形態(tài)學(xué)運(yùn)算等一系列圖像預(yù)處理,并采用連通域標(biāo)記的方法,很好地完成了圖像計(jì)數(shù)的目的,且計(jì)數(shù)結(jié)果準(zhǔn)確度較高,處理方法簡(jiǎn)單,具有很好的應(yīng)用前途。通過(guò)該設(shè)計(jì)能夠?qū)崿F(xiàn)自動(dòng)計(jì)數(shù),有助于改善人工計(jì)數(shù)的耗時(shí)、耗力等缺點(diǎn)。
參考文獻(xiàn)(References)
[1] 姚青,呂軍,楊保軍,等.基于圖像的昆蟲自動(dòng)識(shí)別與計(jì)數(shù)研究進(jìn)展[J].中國(guó)農(nóng)業(yè)科學(xué),2011,44(14):2886-2899.
[2] 阮秋琦.數(shù)字圖像處理學(xué)[M].北京:電子工業(yè)出版社,2007:429-438.
[3] 冼鼎翔.基于圖像的水稻燈誘害蟲識(shí)別技術(shù)的研究[D].浙江理工大學(xué),2015:20-23.
[4] 何新江.嵌入式水稻燈誘害蟲圖像采集與處理系統(tǒng)的研究[D].浙江理工大學(xué),2016:27-29.
[5] Mohammadmehdi Maharlooei,S.Sivarajan,Sreekala G.Bajwa,et al.Detection of soybean aphids in a greenhouse using an image processing technique[J].Computers and Electronics in Agriculture,2017(132):63-70.
[6] 顏丙生,趙俊杰,湯寶平,等.基于圖像處理和光電技術(shù)的儲(chǔ)糧蟲害監(jiān)測(cè)系統(tǒng)研究[J].糧食與油脂,2016,29(10):70-73.
[7] 陳梅香,楊信廷,石寶才,等.害蟲自動(dòng)識(shí)別與計(jì)數(shù)技術(shù)研究進(jìn)展與展望[J].環(huán)境昆蟲學(xué)報(bào),2015,37(01):176-183.
[8] 李文勇.基于機(jī)器視覺的果園性誘害蟲在線識(shí)別與計(jì)數(shù)方法研究[D].中國(guó)農(nóng)業(yè)大學(xué),2015:47-48.
作者簡(jiǎn)介:
張 震(1966-),男,博士,教授.研究領(lǐng)域:信息與通信工程.
肖冰冰(1996-),女,本科生.研究領(lǐng)域:圖像處理.