李秋潔,楊遠(yuǎn)明,袁鵬成,薛玉璽
(南京林業(yè)大學(xué)機(jī)械電子工程學(xué)院,南京 210037)
葉片是農(nóng)作物生產(chǎn)有機(jī)養(yǎng)料及光合作用的主要部分,其大小是衡量作物長(zhǎng)勢(shì)、產(chǎn)量的重要指標(biāo),也是農(nóng)作物病蟲害檢測(cè)與培育管理的主要依據(jù)[1-2],因此,快速、準(zhǔn)確地測(cè)量植物葉面積在現(xiàn)代化農(nóng)業(yè)生產(chǎn)中具有重要意義[3-5]。
傳統(tǒng)葉面積測(cè)定方法有方格法、復(fù)印稱質(zhì)量法、回歸方程法、葉面積儀測(cè)量法等[6]。方格法與復(fù)印稱重法精度較高,但操作復(fù)雜,回歸方程法操作簡(jiǎn)單,但精度不高,葉面積儀成本較高。隨著計(jì)算機(jī)技術(shù)的發(fā)展,基于圖像處理的葉面積測(cè)量的方法得到了迅速的發(fā)展[7-8],廣泛應(yīng)用于水稻[9]、小麥[10]、玉米[11]等農(nóng)作物的葉面積測(cè)量及經(jīng)濟(jì)林的葉面積測(cè)量[12]。近年來,研究者們將葉面積圖像測(cè)量方法與智能手機(jī)結(jié)合[13-14],具有測(cè)量方式靈活、準(zhǔn)確快速、操作簡(jiǎn)單及便于攜帶等優(yōu)點(diǎn)。
從圖像中分割出葉片是葉面積測(cè)定的關(guān)鍵步驟,已有方法主要采取以下兩種手段:1)通過在RGB、YCbCr等顏色空間檢測(cè)綠色像素來提取葉片區(qū)域[11,13-14];2)將圖像灰度化后采用閾值法、分水嶺等圖像分割算法提取葉片區(qū)域[15]。上述方法對(duì)拍攝光照環(huán)境要求較高,不能適用于低光照、不均勻光照等復(fù)雜光照拍攝環(huán)境。
針對(duì)復(fù)雜光照環(huán)境下的圖像葉面積測(cè)量問題,筆者提出一種基于飽和度分割的圖像葉面積測(cè)量方法,在低照度、存在光斑陰影時(shí)能夠穩(wěn)定地提取葉片區(qū)域,同時(shí),通過透視畸變校正實(shí)現(xiàn)一定角度范圍內(nèi)的傾斜拍攝。
試驗(yàn)設(shè)備和材料包括智能手機(jī)、透明玻璃板、透明塑料皮、待測(cè)葉片、綠色正方形標(biāo)準(zhǔn)塊、繪有黑色矩形標(biāo)定框的白色背景紙和平整桌面等。待測(cè)葉片擺放在雙層透明塑料皮中間,并用透明玻璃板壓平,以去除葉片不平整所引起的測(cè)量誤差。
為去除傾斜拍攝引起的圖像變形,首先利用矩形標(biāo)定框?qū)ε臄z圖像進(jìn)行透視畸變校正。假設(shè)單應(yīng)性矩陣為:
(1)
則圖像透視變換方程為:
(2)
式中:(x,y)為校正圖像像素坐標(biāo);(X,Y)為畸變圖像像素坐標(biāo)。
保持圖像尺寸不變,將畸變圖像中矩形標(biāo)定框的4個(gè)頂點(diǎn)與校正圖像4個(gè)頂點(diǎn)一一對(duì)應(yīng),根據(jù)它們的像素坐標(biāo)求取單應(yīng)性矩陣T,然后根據(jù)式(2)求取校正圖像像素值,校正結(jié)果如圖1所示。
圖1 圖像透視畸變校正
為減小后續(xù)圖像分割的噪聲,對(duì)校正圖像進(jìn)行邊緣裁剪,去除殘留矩形標(biāo)定框。
將圖像像素由紅(red,R)、綠(green,G)、藍(lán)(blue,B)顏色空間變換到色調(diào)(hue,H)、飽和度(saturation,S)、亮度(intensity,I)顏色空間,其中,飽和度分量表示顏色的純度,灰度圖像飽和度為0。由于飽和度受光照影響較小,本研究采用飽和度圖像提取葉片和標(biāo)準(zhǔn)塊區(qū)域。RGB顏色空間到HSI顏色空間的變換公式為:
(3)
其中,
(4)
本研究采用閾值法分割飽和度圖像。常用閾值法有大津法和最小誤差法[16],兩者均假設(shè)前景像素和背景像素服從正態(tài)分布,大津法采用一維Fisher判別分析分割圖像,選取最大化前景像素與背景像素的類間方差的分割閾值,而最小誤差法選取最小化錯(cuò)分率的分割閾值。兩種閾值法各有所長(zhǎng)。為適應(yīng)不同種類的葉片,本研究提出一種混合閾值法,分割閾值(T)為大津法和最小誤差法所得閾值的加權(quán)組合:
T=αTo+(1-α)Te
(5)
式中:To為大津法分割閾值;Te為最小誤差法分割閾值;α為權(quán)重,取值范圍(0,1)。
α取值越大,像素點(diǎn)被識(shí)別為背景的概率越大,可采用二分法確定α,先取α=0.5,發(fā)現(xiàn)部分葉片被誤劃分為背景,再取α=0.3,發(fā)現(xiàn)部分背景被劃分為葉片,最終,α=0.4時(shí)能得到較好的分割結(jié)果。室內(nèi)自然光、室內(nèi)節(jié)能燈、暗室閃光燈3種光照條件下亮度圖像和飽和度圖像和分割后的二值圖像見圖2。當(dāng)光照均勻時(shí),兩者均能準(zhǔn)確分割出標(biāo)準(zhǔn)塊區(qū)域和葉片區(qū)域;當(dāng)光照不均勻時(shí),陰影對(duì)亮度圖像有較大干擾,導(dǎo)致錯(cuò)誤的分割結(jié)果,而飽和度圖像幾乎不受光照變化影響,依然能較好地分割出標(biāo)準(zhǔn)塊區(qū)域和葉片區(qū)域。
圖2 基于飽和度分量的圖像分割
為進(jìn)一步去除二值圖像中存在的噪聲,需要進(jìn)行圖像后處理。首先采用連通區(qū)域分析標(biāo)記出二值圖像中的所有連通區(qū)域,將一行中連續(xù)的白色像素序列稱為團(tuán),連通域標(biāo)記過程如下:
1)逐行掃描圖像,記錄當(dāng)前行的團(tuán)起點(diǎn)、終點(diǎn)以及行號(hào)。
2)如果一個(gè)團(tuán)與前一行的所有團(tuán)都沒有重合區(qū)域,則賦予它新的標(biāo)號(hào);如果它與前一行的一個(gè)團(tuán)有重合區(qū)域,則賦予它相連團(tuán)的標(biāo)號(hào);如果它與前一行2個(gè)以上的團(tuán)有重疊區(qū)域,則賦予它相連團(tuán)的最小標(biāo)號(hào),并將相連團(tuán)的標(biāo)號(hào)寫入等價(jià)對(duì),說明它們屬于同一區(qū)域。
3)將等價(jià)對(duì)整理為等價(jià)序列,等價(jià)序列中的團(tuán)是連通的,賦予相同的標(biāo)號(hào)。
4)從1開始,對(duì)等價(jià)序列重新標(biāo)號(hào),連通域標(biāo)記結(jié)束。然后,去除面積較小的連通區(qū)域并填充連通區(qū)域中的孔洞,得到葉片區(qū)域和標(biāo)準(zhǔn)塊區(qū)域。
為區(qū)分葉片區(qū)域和標(biāo)準(zhǔn)塊區(qū)域,計(jì)算連通區(qū)域的面積和周長(zhǎng),提取形狀特征(F):
(6)
式中:A為連通區(qū)域面積;C為連通區(qū)域周長(zhǎng)。F較小的區(qū)域?yàn)闃?biāo)準(zhǔn)塊,F(xiàn)較大的區(qū)域?yàn)槿~片。
統(tǒng)計(jì)葉片區(qū)域像素個(gè)數(shù)與標(biāo)準(zhǔn)塊區(qū)域像素個(gè)數(shù)的比值,求取葉片面積(Al):
(7)
式中:A0為標(biāo)準(zhǔn)塊面積;N0為標(biāo)準(zhǔn)塊區(qū)域像素個(gè)數(shù);Nl為葉片區(qū)域像素個(gè)數(shù)。
實(shí)驗(yàn)采用小米6智能手機(jī)拍攝,圖像尺寸為4 032×3 016,經(jīng)過透視畸變校正、裁剪后圖像尺寸為3 833×2 817。綠色標(biāo)準(zhǔn)塊大小為400 mm×400 mm,白色背景紙選用A4紙,用鉛筆繪制大小240 mm×180 mm的矩形標(biāo)定框。采集完整、健康的葉片進(jìn)行實(shí)驗(yàn),包括女貞、九里香、豆瓣綠、藜、何首烏、韭菜、三葉草、香椿、樟9種植物,葉片信息如表1所示。
表1 葉片信息
選取11號(hào)豆瓣綠葉片測(cè)試拍攝距離對(duì)測(cè)量精度的影響。從葉片正上方垂直拍攝,拍攝距離取20,30,40,50,60,70,80,90,100 cm。圖像分辨率隨拍攝距離的變化曲線見圖3,隨著測(cè)量距離增加,圖像分辨率呈線性下降。
不同距離下的葉片面積見表2,并以20 cm距離的葉片面積為基準(zhǔn)計(jì)算相對(duì)誤差。由表2可以看出,測(cè)量距離較遠(yuǎn)時(shí),圖像分辨率較低,測(cè)量誤差較大,適宜的拍攝距離為20~40 cm,此時(shí)誤差控制在±1.2 mm2內(nèi)。
表2 不同拍攝距離下的葉片面積
選取11號(hào)豆瓣綠葉片測(cè)試拍攝傾角對(duì)測(cè)量精度的影響。拍攝距離取30 cm,拍攝傾角取0°,10°,20°,30°,40°,50°,60°,70°,如圖4所示。不同傾角下的葉片面積見表3,并以0°傾角的葉片面積為基準(zhǔn)計(jì)算相對(duì)誤差??梢钥闯觯瑑A角過大時(shí)圖像嚴(yán)重變形,導(dǎo)致測(cè)量誤差較大,適宜的拍攝傾角為0°~50°,此時(shí)誤差控制在±8.7 mm2內(nèi)。
圖4 不同傾角下的拍攝圖像
表3 不同拍攝傾角下的葉片面積
選取1~10號(hào)葉片進(jìn)行葉面積測(cè)量實(shí)驗(yàn)。拍攝距離取20 cm,每片葉子以45°為間隔進(jìn)行旋轉(zhuǎn),共測(cè)量8次,如圖5所示。每次測(cè)量在室內(nèi)自然光、室內(nèi)節(jié)能燈和暗室閃光燈3種光照條件下重復(fù)進(jìn)行3次。葉面積測(cè)量結(jié)果見表4,可以看出,本方法具有較好的重復(fù)性,8次測(cè)量的最大標(biāo)準(zhǔn)差為12.9 mm2,且與方格法(5 mm×5 mm方格)具有較好的一致性,如圖6所示。
圖5 不同方向的葉片
表4 葉面積測(cè)量結(jié)果
圖6 葉面積測(cè)量的圖像法與方格法
已有圖像葉面積測(cè)量方法通過在RGB、YCbCr等顏色空間檢測(cè)綠色像素來提取葉片區(qū)域,對(duì)拍攝光照環(huán)境要求較高,不能適用于低光照、不均勻光照等復(fù)雜光照拍攝環(huán)境。本研究提出了一種基于飽和度分割的葉面積圖像測(cè)量方法,首先對(duì)圖像進(jìn)行透視畸變校正和裁剪,接著將圖像由RGB顏色空間變換到HSI顏色空間,然后采用混合閾值法從飽和度圖像中提取標(biāo)準(zhǔn)塊和葉片區(qū)域,最后將葉片像素個(gè)數(shù)與標(biāo)準(zhǔn)塊進(jìn)行比對(duì),計(jì)算出葉片面積。實(shí)驗(yàn)結(jié)果表明,飽和度圖像幾乎不受光照變化影響,低光照、不均勻光照等復(fù)雜光照環(huán)境下依然能準(zhǔn)確分割出葉片區(qū)域。不同拍攝距離和拍攝角度下的實(shí)驗(yàn)結(jié)果表明,本研究方法適宜的拍攝距離為20~40 cm,適宜的拍攝傾角為0°~50°,且具有較好的重復(fù)性,在實(shí)驗(yàn)樣本上最大標(biāo)準(zhǔn)差為12.9 mm2,最大相對(duì)標(biāo)準(zhǔn)差為1.33%。