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.