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。

1 葉面積圖像測(cè)量方法

1.1 試驗(yàn)材料

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。

1.2 圖像透視畸變校正

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。

1.3 圖像分割

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

1.4 葉片區(qū)域提取

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。

1.5 葉面積計(jì)算

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)。

2 結(jié)果與分析

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

2.1 拍攝距離對(duì)葉面積測(cè)量影響

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

2.2 拍攝傾角對(duì)葉面積測(cè)量的影響

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

2.3 葉面積測(cè)量

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

3 結(jié) 論

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%。