吳天冬　戚澍

摘要：? 在桉樹短輪伐期工業(yè)用材林的伐區(qū)調(diào)查時，往往要估算整個采伐小班的林木株數(shù)。為了實現(xiàn)快速林木株數(shù)統(tǒng)計，提出一種基于無人機航拍影像與OpenCV圖像識別計數(shù)的處理方法，對航拍的林地影像進行灰度轉(zhuǎn)化、二值化、形態(tài)學處理、連通區(qū)域分割計算等處理。最后基于二值圖片，標記每株樹木影像的質(zhì)心編號，從而實現(xiàn)圖像范圍內(nèi)的林木株數(shù)統(tǒng)計。結(jié)果表明，該方法可將每株樹冠有效分離出來，成功解決了計數(shù)目標粘連現(xiàn)象對后續(xù)分析、測量產(chǎn)生干擾的問題，算法基于Python+OpenCV平臺，語言簡便易行。經(jīng)測試，識別準確率可達99%，是一種有效的林木株數(shù)計數(shù)方法。

關(guān)鍵詞：? OpenCV;? 桉樹人工林;? 圖像處理;? 樹木計數(shù)

中圖分類號：? ?S 792. 39? ? ? ? ? ? ? ?文獻標識碼：? ?A? ? ? ? ? ? ? ? 文章編號：1001 - 9499（2020）05 - 0037 - 02

伐區(qū)調(diào)查中常用的方法為布設(shè)標準地樣點，再圍繞樣點范圍內(nèi)開展標準地調(diào)查工作，最后核算材積小班內(nèi)樣點林木株數(shù)、胸徑、樹高，得出樣地內(nèi)的林木蓄積量，結(jié)合伐區(qū)面積勾繪，折算小班出材量。

伐區(qū)調(diào)查中，樣地布設(shè)往往存在抽樣不均勻、樣地布設(shè)面積不準確、小班內(nèi)林窗空地無法計算排除等問題，從而導致整個小班林木株數(shù)偏高或偏低，進而影響伐區(qū)調(diào)查的準確度和精度。無人機航拍在伐區(qū)調(diào)查中可規(guī)劃航線后拍攝航拍圖像，后期加工為正射影像圖和三維影像圖，對小班面積核準和伐區(qū)作業(yè)設(shè)計起到輔助作用。目前，基于航拍正射影像開展桉樹人工林林木株數(shù)的統(tǒng)計尚未有相關(guān)研究報道，鑒于此，本文基于圖像識別常用的分水嶺算法，通過對航拍林地的正射影像圖進行圖像識別，實現(xiàn)了一種快速的林木株數(shù)統(tǒng)計方法，從而為伐區(qū)調(diào)查中的蓄積量估算等提供更為準確的方式，也為無人機數(shù)據(jù)在數(shù)字林業(yè)中的應(yīng)用提出了可行的方向。

1 航拍影像預處理

選取經(jīng)軟件處理后的航拍正射影像圖，截取部分小班內(nèi)的林木圖像作為研究對象（圖1）。原始航拍圖像拍攝于廣西梧州岑溪市，采用大疆精靈3se航拍器于2018年8月20日拍攝，機身攜帶數(shù)碼相機型號為FC300SE，等效焦距20 mm，曝光參數(shù)為光圈f2.8，ISO速度100，曝光時間1/250 s，圖片拍攝位置信息為：110.95539794E;22.89956153N;海拔710 m。選用Python+OpenCV作為工具，采用分水嶺算法，進行林木株數(shù)統(tǒng)計。

1. 1 灰度圖轉(zhuǎn)化

考慮到桉樹樹冠圖像顏色單調(diào)，為便于處理，首先刪去圖像的色度和飽和度信息，僅保留亮度信息，將測試圖片轉(zhuǎn)化為灰度圖，再采用OTSU算法將圖像二值化，將圖像前景背景分離。

1. 2 圖像形態(tài)學操作

由于圖片中樹冠影像粘連程度不一，運用“開運算”進一步分離圖像邊緣。設(shè)置一個5×5的卷積核，先進行圖像開運算，去除圖像中的噪聲和孔洞，再進行腐蝕操作，減小前景物體，初步分離前景中的粘連物體，去除噪聲并且消除二值化帶來的孔洞。

1. 3 分水嶺算法

采用分水嶺算法進一步分離前景中的物體，通過距離變換來得到每個非零像素點與其最近的零像素點之間的距離，輸出為距離，根據(jù)距離變換得到的結(jié)果，再次進行二值化操作，閾值為距離變換得到的距離，從而縮小前景物體。

1. 4 根據(jù)二值化圖勾畫輪廓

首先轉(zhuǎn)化數(shù)據(jù)類型，連通域函數(shù)接收8位單通道二值圖像，再使用連通域函數(shù)，label與原圖大小一致，對應(yīng)為當前像素為第幾個輪廓;stats對應(yīng)輪廓信息，每行有5個值，分別為x、y、width、height、area;centroids對應(yīng)每個連通區(qū)域的質(zhì)心點。

2 林木株數(shù)計算

將質(zhì)心點作為圓心，勾畫實心圓，標記對應(yīng)質(zhì)心點的編號并計數(shù)，并輸出計數(shù)統(tǒng)計結(jié)果。

3 實驗結(jié)果

本文憑借OpenCV使用分水嶺算法，采用自適應(yīng)閾值的方法進行圖像分割，從表1可以看出，與目視統(tǒng)計人工計數(shù)的方法相比，該算法的計數(shù)結(jié)果是準確的，準確度高達99%。

4 結(jié) 論

本文基于Python+OpenCV，提出了一種林木株數(shù)自動計數(shù)算法，該方法可以對桉樹人工林的航拍圖像進行灰度轉(zhuǎn)化、二值化等預處理，通過分水嶺算法分離粘連物體，實現(xiàn)對每株樹木的樹冠進行提取，進而實現(xiàn)對小班內(nèi)林木株數(shù)的自動化計數(shù)。與人工目視統(tǒng)計相比，該方法的統(tǒng)計結(jié)果誤差在1%以內(nèi)，完全滿足實際使用需要。結(jié)果表明，本方法適用于林業(yè)領(lǐng)域?qū)﹁駱淙斯ど唐妨址^(qū)中的林木株數(shù)統(tǒng)計，簡便可行，是一種有效的計數(shù)方法。

參考文獻

[1] 戴建國，? 薛金利，? 趙慶展，等.? 利用無人機可見光遙感影像提取棉花苗情信息[J].? 農(nóng)業(yè)工程學報，? 2020，? 36（4）：? 63 - 71.

[2] 荊偉斌，? 胡海棠，? 程成，? 等.? 基于深度學習的地面蘋果識別與計數(shù)[J].? 江蘇農(nóng)業(yè)科學，? 2020，? 48（5）：? 210 - 219.

[3] 張黎黎，? 王軍民，? 陳璨.? 基于 OpenCV距離變換的物體計數(shù)系統(tǒng)研究[J].? 電子測量技術(shù)，? 2019，? 42（21）：? 97 - 100.

[4] 潘佚，? 吳思宇，? 邱蕾.? 基于數(shù)學形態(tài)學的紅細胞計數(shù)算法[J]. 南華大學學報（自然科學版），? 2017，? 31（2）：? 51 - 55.

[5] 齊帥.? 基于計算機視覺的粘連類圓圖像分割與統(tǒng)計算法研究[D].? 南昌：? 南昌大學，? 2014.

第1作者簡介：? 吳天冬（1989-），? 男，? 助理工程師，? 研究方向為數(shù)字林業(yè)。

收稿日期： 2020 - 05 -? 20

（責任編輯：? ?張亞楠）