郭曉娟，韓建勛，陳笑寒，高國紅，安金梁，楊軍帥，樊琪瑞

（河南科技學(xué)院，信息工程學(xué)院，新鄉(xiāng)453003）

0 引言

運(yùn)用圖像處理和計算機(jī)視覺技術(shù)對小麥圖像的研究一直都是農(nóng)業(yè)信息化領(lǐng)域的一大熱點(diǎn)[1]。因此利用圖像處理技術(shù)，研究如何對小麥生長情況進(jìn)行監(jiān)測進(jìn)行分析顯得極其重要。小麥生長情況，即小麥不同時期的生長狀態(tài)，是小麥生長發(fā)育好壞的直接表現(xiàn)，小麥生長情況會直接影響小麥的產(chǎn)量和品質(zhì)，常用的生物特征量主要包括葉面積指數(shù)、株高、株莖的粗細(xì)、麥穗形態(tài)等外觀特征[2]。而小麥葉片是小麥重要的組成部分，不僅是其能量的主要來源，更是小麥生長、營養(yǎng)狀況的直接體現(xiàn)者。因此如何統(tǒng)計小麥葉片面積對小麥長勢以及產(chǎn)量預(yù)測就至關(guān)重要[3]。

綜上所述，對田間地頭采集的圖像，如何利用圖像處理技術(shù)，快速、準(zhǔn)確地獲取小麥生長狀態(tài)信息，為小麥育種專家提供小麥栽培和產(chǎn)量預(yù)測所需要的數(shù)據(jù)將是十分重要且具有實際的應(yīng)用價值和意義。結(jié)合育種專家的實際情況，針對百農(nóng)系列小麥設(shè)計并開發(fā)一套系統(tǒng)科學(xué)并適合的小麥外表生物特征提取系統(tǒng)是當(dāng)前迫切需要解決的問題。

1 系統(tǒng)設(shè)計與預(yù)處理

本系統(tǒng)旨在為小麥育種專家提供快捷、方便地統(tǒng)計小麥在不同生長時期的長勢特征，設(shè)計并實現(xiàn)了小麥生物特征提取與分析系統(tǒng)。該系統(tǒng)主要包括4個功能：圖像預(yù)處理、小麥旗葉特征分析與估測、小麥植株特征分析與估測、小麥麥穗特征分析與估測。

1.1 系統(tǒng)功能結(jié)構(gòu)

根據(jù)育種專家的實際需求，設(shè)計并實現(xiàn)小麥生物特征提取與分析系統(tǒng)，該系統(tǒng)的功能結(jié)構(gòu)如圖1所示。

圖1系統(tǒng)功能結(jié)構(gòu)

本文主要針對小麥生物特征提取分析系統(tǒng)中的小麥旗葉特征分析與估測模塊進(jìn)行詳細(xì)說明。圖1中的圖像預(yù)處理模塊主要負(fù)責(zé)對圖像進(jìn)行預(yù)處理：灰度化、二值化、銳化、平滑、形態(tài)學(xué)等操作；小麥旗葉特征分析與估測模塊主要負(fù)責(zé)對采集的小麥旗葉圖像進(jìn)行分析，并估測出小麥旗葉周長、面積等特征。下面詳細(xì)介紹小麥旗葉圖像采集和系統(tǒng)所用圖像預(yù)處理算法。

1.2 小麥葉片圖像采集

結(jié)合育種專家的實際需求，圖像的采集設(shè)備可以直接用手機(jī)或數(shù)碼相機(jī)進(jìn)行拍攝，根據(jù)系統(tǒng)不同功能的要求，采集對象和方式也有所不同。

根據(jù)實際需求，分3類情況進(jìn)行圖像采集：①單一背景下有參照物小麥葉片；②單一背景下無參照物的小麥葉片；③大田背景下小麥葉片。每組采用數(shù)碼相機(jī)或手機(jī)俯視拍攝形態(tài)各異的小麥葉片圖像5幅。經(jīng)過大量實驗得知，對于無參照物的圖像進(jìn)行俯視拍攝高度在20 cm時，計算得到像素總數(shù)與實際測量葉片面積最接近。拍攝原始圖像如圖2—圖4所示。

圖2 有參照物

圖4大田背景下

在算法具體實現(xiàn)時，均用上面采集的圖像作為驗證算法有效性的輸入圖像。

1.3 圖像預(yù)處理

圖像預(yù)處理一般常用操作有：彩色圖像灰度化、灰度圖像二值化、圖像平滑、圖像銳化、二值形態(tài)學(xué)處理等操作。下面將系統(tǒng)中用到的預(yù)處理算法介紹如下[4-6]。

（1）彩色圖像灰度化。為方便進(jìn)行圖像處理，通常把彩色圖像轉(zhuǎn)換成灰度圖像，在MATLAB下使用rgb2gray函數(shù)進(jìn)行圖像的灰度化。常用彩色圖像灰度化的公式如下所示：

其中H表示轉(zhuǎn)換后的灰度值，RGB表示原始彩色圖像的色度值。

（2）灰度圖像二值化?；叶葓D像轉(zhuǎn)換為二值圖像，其基本原理把圖像上的像素點(diǎn)的灰度值只取兩個值，兩個值分別呈現(xiàn)出黑白的效果。根據(jù)選取的閾值不同，圖像二值化有3種方法：全局二值化、局部二值化和局部自適應(yīng)二值化。根據(jù)實際需要，系統(tǒng)采用的是全局二值化方法對灰度圖像二值化。

（3）形態(tài)學(xué)處理。形態(tài)學(xué)最常用運(yùn)算是膨脹、腐蝕、開運(yùn)算和閉運(yùn)算。根據(jù)系統(tǒng)具體實現(xiàn)情況，下面分別對膨脹、腐蝕進(jìn)行概要說明。

1）腐蝕。腐蝕操作就是刪除圖像邊界像素，達(dá)到圖像收縮的效果。腐蝕運(yùn)算原理是：對圖像中某一像素點(diǎn)，采用合適的結(jié)構(gòu)元素，并用結(jié)構(gòu)元素的中心點(diǎn)與當(dāng)前像素點(diǎn)重合，得到重合的所有像素最小值的運(yùn)算結(jié)果，最后使用最小像素點(diǎn)替換當(dāng)前的像素點(diǎn)。

2）膨脹。膨脹與腐蝕是一組對應(yīng)的運(yùn)算，膨脹亦是腐蝕的補(bǔ)集。從實現(xiàn)功能角度而言，腐蝕運(yùn)算對圖像起到一定的收縮作用，而膨脹運(yùn)算則與其功能相反，對圖像具有向外擴(kuò)大的效果。本項目會根據(jù)實際功能的需要，進(jìn)行多次的腐蝕或膨脹操作，以方便后期圖像的處理與分析。

（4）圖像平滑。在實際的圖像采集中，不可避免會出現(xiàn)噪聲如干擾噪聲和椒鹽噪聲，噪聲會嚴(yán)重影響邊緣檢測的效果。均值濾波法和中值濾波法是最常用圖像平滑方法。本項目具體實現(xiàn)時采用的是中值濾波方法對圖像進(jìn)行圖像平滑。中值濾波是一種非線性的平滑方法，可以消除多種噪聲，其原理是在像素鄰域前提下，并圖像矩陣中某一像素點(diǎn)灰度值用該點(diǎn)鄰域內(nèi)所有點(diǎn)的像素灰度值排序后的中值來代替。

（5）圖像銳化。圖像銳化的目的是突出圖像主體對象的邊緣信息和細(xì)節(jié)信息。常用邊緣檢測法來突出顯示圖像的邊緣信息，常用的有Roberts算子、Pre?witt算子、Sobel算子、LOG算子和Canny算子等經(jīng)典邊緣檢測算子。

2 小麥旗葉特征分析與估測算法與實現(xiàn)

2.1 算法處理過程

算法處理過程如圖5所示。

圖5小麥旗葉特征估測算法處理過程

從圖5可知，對已經(jīng)采集的3類圖像，進(jìn)行圖像預(yù)處理操作，具體包括：彩色圖像灰度化、灰度圖像二值化、圖像銳化等操作。對得到的二值圖像（黑白圖像）進(jìn)行特征分析與提取，利用相應(yīng)的計算算法分別得到無參照物、有參照物、大田背景下3種情況的小麥旗葉特征估測結(jié)果。

2.2 具體算法分析

（1）對無參照物算法分析。對于無參照物小麥旗葉特征提取及分析方法，從數(shù)字圖像的角度而言，就是統(tǒng)計二值圖像中主體對象（小麥葉片）封閉區(qū)域內(nèi)所包含的像素個數(shù)。具體思想：在二維矩陣中，先統(tǒng)計每行中前景像素的個數(shù)，再累積求取所有行像素個數(shù)總和，即為小麥葉片面積。注意俯視拍攝的高度問題。

（2）有參照物算法分析。對于有參照物小麥旗葉特征提取及分析，在計算小麥葉面積時首先獲得二值圖像的大小，創(chuàng)建兩個一行的零矩陣，長度分別為二值圖像的長和寬，通過雙重循環(huán)，對二值圖像的像素進(jìn)行遍歷，若該像素的值為0，則將零矩陣中對應(yīng)列中的數(shù)值加一，遍歷結(jié)束后通過對兩個零矩陣進(jìn)行循環(huán)，找出其中的最大值，即麥葉的長和寬。之后再對二值圖像中參照物的位置進(jìn)行統(tǒng)計，找出最大值，作為0.5 cm對應(yīng)的像素個數(shù)，用求出的麥葉的長和寬的像素個數(shù)分別除以二倍的參照物的像素個數(shù)，最終得到以厘米為單位的旗葉長和寬，根據(jù)小麥葉面積計算公式：長×寬×0.7，求出對應(yīng)的麥葉面積。

（3）大田背景下。對于大田背景下小麥旗葉特征提取及分析，首先需要對采集的圖像進(jìn)行圖像裁剪，系統(tǒng)所實現(xiàn)圖像裁剪采用的是手工方法，即在系統(tǒng)中導(dǎo)入采集圖像，在顯示原始圖像的實體中，使用鼠標(biāo)直接拖動進(jìn)行目標(biāo)圖像的裁剪。對裁剪的圖像進(jìn)行灰度化、二值化，后面的處理方法與無參照物小麥旗葉特征提取及分析相同。同時需要注意俯視拍攝時的高度問題。

2.3 算法實現(xiàn)與效果

小麥旗葉特征提取與算法具體實現(xiàn)過程如下：

●通過guide設(shè)計一個圖像化界面；

●通過[file path]=uigetfile（'*.bmp;*.jpg;*.png','請選擇一幅圖像'）;獲得原始圖像；

●通過axes（handles.axes1）;imshow（im）;將原圖顯示在左側(cè)的圖像框中；

●通過rgb2gray（）和im2bw（）函數(shù)將原圖轉(zhuǎn)換成灰度圖像和二值圖像；

●分3種情況計算小麥的葉長、葉寬和葉面積。

運(yùn)行效果如圖6—圖8所示。

圖6無參照效果圖

圖7有參照效果圖

圖8 大田背景下效果圖

3 小麥旗葉特征估測結(jié)果分析

小麥旗葉特征測試實驗結(jié)果如表1所示。

由表1可知，有參照物的小麥旗葉特征與實際測量小麥旗葉特征差距最少，相近度達(dá)到91.7%，由于復(fù)雜背景下受到拍攝環(huán)境和后期圖像背景對象的影響，直接導(dǎo)致復(fù)雜背景下系統(tǒng)估測值與實測數(shù)值相差較大。后期將會對具體實現(xiàn)算法進(jìn)行優(yōu)化，以期在復(fù)雜背景下系統(tǒng)測量數(shù)值接近實測數(shù)據(jù)。

表1小麥旗葉測量結(jié)果

4 結(jié)語

經(jīng)過算法的不斷修改、調(diào)試和分析后，已實現(xiàn)對小麥旗葉特征估測功能，在有參照物情況下特征的估測值最接近實測結(jié)果，但在大田背景下估測效果比較差，因此，下一步將會進(jìn)一步改進(jìn)算法，以提高估測準(zhǔn)確率。