郝曉峰，于蓉蓉

（西京學(xué)院計(jì)算機(jī)學(xué)院，西安 710200）

0 引言

植物的光合作用影響著植物的作物產(chǎn)量，光合作用和植物葉片有關(guān)系，葉面積對(duì)植物的產(chǎn)物影響較大，葉面積與植物作物是成正比關(guān)系，因此測(cè)量葉面積對(duì)植物作物有非常重要的影響［1］。如何提高速度和準(zhǔn)確無(wú)誤地測(cè)量植物葉面積對(duì)農(nóng)業(yè)發(fā)展具有重要的意義。在過(guò)去的幾年里，已經(jīng)提出了許多測(cè)量方法，如葉面積儀測(cè)定法、方格法、剪紙稱質(zhì)量法。韓殿元等［2］提出用顏色通道相似與自適應(yīng)閾值分割計(jì)算植物葉面積和標(biāo)準(zhǔn)參照物的像素?cái)?shù)目，然后通過(guò)兩者對(duì)比計(jì)算植物葉面積。于東玉等［3］提出雙邊濾波和拉普拉斯算子首先對(duì)圖形預(yù)處理，圖像分割用分水嶺算法，最后用比例法測(cè)量出植物葉片面積。

本研究采用相對(duì)參考物法［4］，通過(guò)CCD 攝像機(jī)采集圖像，用加權(quán)平均法進(jìn)行灰度化，用最小差分法進(jìn)行圖像分割，再通過(guò)調(diào)節(jié)對(duì)比度使模糊不清的原始圖像富含大量有用信息，邊緣檢測(cè)通過(guò)Sobel、Robert、Prewitt 和Canny 算子方法比較選用效果較好的Canny 算子，通過(guò)形態(tài)學(xué)處理對(duì)空隙填充，再通過(guò)中值濾波處理去除噪音獲取理想圖片，最后通過(guò)經(jīng)典算法像素統(tǒng)計(jì)法測(cè)量植物葉片的面積［5］。

1 實(shí)驗(yàn)方法

1.1 圖像采集

利用CCD 攝像機(jī)對(duì)目標(biāo)進(jìn)行圖像采集，先將植物葉放在有參照矩陣和白色背景的紙板中；然后將CDD 攝像機(jī)鏡頭與植物葉片垂直，并調(diào)節(jié)CDD 攝像機(jī)的參數(shù)，保證拍攝的圖像清晰，采集植物葉片的原始圖像，如圖1所示。

圖1 采集的原始圖像

圖像采集完成后，需要對(duì)圖像進(jìn)行灰度變換，灰度變換可以提高圖像的豐富度，突出植物葉片的主要特征，彩色圖像轉(zhuǎn)化灰度圖像從而降低存儲(chǔ)空間并提高圖像的計(jì)算速度。該研究的整體流程如圖2所示。

圖2 整體流程

1.2 預(yù)處理

由于CDD 攝像機(jī)拍攝的是彩色圖像，彩色圖像存儲(chǔ)空間大，用圖像處理機(jī)器計(jì)算速度較慢，為了進(jìn)行下一步處理，需要先將圖像轉(zhuǎn)換為灰度圖像。灰度變換是圖像增強(qiáng)的一種手段，使圖形動(dòng)態(tài)范圍加大，對(duì)比度在色素?cái)U(kuò)展，圖形更清晰，特征更明顯且灰色圖像存儲(chǔ)空間較小，同時(shí)可以提高圖像數(shù)據(jù)處理速度。在色彩學(xué)理論中分為RGB 顏色空間、HSV 顏色空間、HSI 顏色空間，其中RGB 顏色空間通常用于顯示器系統(tǒng)，利用物理學(xué)中的三原色彩疊加原理，可以產(chǎn)生各種顏色，因此本次研究選擇RGB 顏色空間。目前灰度化的常用方法是最大值法、平均值法、加權(quán)平均值法。本次研究選用的是加權(quán)平均法，由于人的視覺(jué)系統(tǒng)對(duì)RGB 分量的敏感度不同，R、G、B的分量選取比例分別為0.30、0.59、0.11，該比例是較適合人眼視覺(jué)，加權(quán)平均法的公式為

其中：f(i,j)代表(i,j)處的灰度值，R(i,j)代表彩色圖像的紅色分量、G(i,j)代表彩色圖像的綠色分量、B(i,j)代表彩色圖像的藍(lán)色分量。

1.3 圖像分割

圖像預(yù)處理后，對(duì)植物葉片圖像背景與目標(biāo)進(jìn)行分割，圖像分割適用于目標(biāo)和背景占據(jù)不同灰度級(jí)范圍的圖像，既可以減少數(shù)據(jù)量又可以簡(jiǎn)化分析和處理［8］，為了突出目標(biāo)和背景不同灰度級(jí)，本次研究使用白色背景板。對(duì)植物葉片進(jìn)行圖像分割時(shí)，為分割范圍適用更廣，尤其是室外破壞性質(zhì)的采摘測(cè)量，目前圖像分割常用的辦法有極小點(diǎn)閾值法、最小均方誤差法、雙峰法、最大類間方差法。本研究采用最小均方誤差法。具體步驟如下：令z表示灰度值，p(z)表示灰度值概率密度函數(shù)的估計(jì)值，則描述圖像中整體灰度變換的混合密度函數(shù)是：

其中：μ1和μ2是背景和前景的平均灰度值；σ1和σ2分別是關(guān)于均值的均方差；p1（z）與p2（z）表示灰度值概率密度函數(shù)的估計(jì)值；P1與P2是前景和背景具有參數(shù)z的像素概率。如果μ1<μ2，需要定義一個(gè)閾值T，小于T的灰度值的像素是背景，大于T的像素是目標(biāo)。這樣，把目標(biāo)像素劃錯(cuò)的概率是：

其中：E1(T)代表前景劃錯(cuò)的概率；E2(T)代表背景劃錯(cuò)的概率；E(T)代表總的誤差概率。

為求得誤差最小的閾值可將E(T)對(duì)T求導(dǎo)并令導(dǎo)數(shù)為零得：

若p1=p2= 0.5，最佳閾值是均值的平均數(shù)：

調(diào)節(jié)對(duì)比度可以將灰度化模糊不清甚至無(wú)法分辨的原始圖像處理成清晰的富含大量有用信息的圖像，通過(guò)調(diào)節(jié)對(duì)比度，可以有效去除圖像中的噪音、增強(qiáng)圖像中的邊緣或其他需要的區(qū)域，從而更加容易對(duì)圖像中需要的目標(biāo)進(jìn)行檢測(cè)和測(cè)量。調(diào)節(jié)對(duì)比度前后效果分別如圖3和如圖4所示。

圖3 調(diào)節(jié)對(duì)比度之前的圖片

圖4 調(diào)節(jié)對(duì)比度之后的圖片

1.4 邊緣檢測(cè)

邊緣是目標(biāo)區(qū)域的一部分，且承載了圖像中大部分語(yǔ)義和含有大量的形狀信息，邊緣也是圖像從彩色圖像轉(zhuǎn)變成灰色圖像時(shí)發(fā)生突變的地方，同時(shí)也是圖像兩個(gè)灰度值相似像素點(diǎn)的集合，邊緣檢測(cè)是通過(guò)尋找邊緣像素獲取物體的輪廓，輪廓中保存圖像中重要的信息，邊緣檢測(cè)的提取基本思想是檢測(cè)不同像素點(diǎn)的灰度變化［8］，算子與圖像進(jìn)行卷積運(yùn)算，對(duì)高頻信號(hào)響應(yīng)應(yīng)該過(guò)零點(diǎn)。因?yàn)樵胍粼趫D像中是高頻信號(hào)，所以邊緣檢測(cè)會(huì)對(duì)噪音產(chǎn)生呼應(yīng)。不同算子對(duì)不同圖像的噪音敏感度不同，去噪的實(shí)際效果不同。對(duì)于離散的數(shù)字圖像進(jìn)行圖像處理時(shí)，存在一階差分和二階差分邊緣檢測(cè)算子。一階邊緣檢測(cè)算子有Prewitt 算子、Sobel 算子、Roberts算子等，二階邊緣算子有拉普拉斯算子、高斯-拉普拉斯算子、高斯差分算子等，目前邊緣檢測(cè)常用的方法是Roberts 算子、Laplace算子、Sobel 算子、Prewitt 算子、Canny 算子，本次研究通過(guò)對(duì)比選用效果較好的算子。該五種算子得到的圖像如圖5所示。

圖5 五種算子得到的圖像

通過(guò)對(duì)比可以明顯看出，Canny算子效果較好，符合實(shí)驗(yàn)要求，本研究選用Canny 邊緣檢測(cè)［5］。葉片的邊緣與內(nèi)部存在許多的縫隙，需要對(duì)該結(jié)果進(jìn)行進(jìn)一步的優(yōu)化處理，對(duì)于植物葉片內(nèi)部縫隙采用形態(tài)學(xué)處理，對(duì)縫隙進(jìn)行填充，由于拍攝時(shí)有外部因素存在，會(huì)在植物葉片圖像中產(chǎn)生噪音，可以通過(guò)形態(tài)學(xué)處理來(lái)解決噪音這一問(wèn)題，它不僅可以獲得清晰的圖像，也可以增強(qiáng)圖像的頻率。針對(duì)噪音通過(guò)中值濾波消除孤立的噪音點(diǎn)，從而獲取到理想的植物葉片二值化圖像［6］。中值濾波是非線性平滑濾波技術(shù)，它最關(guān)鍵的地方在于中值兩字，通過(guò)排序選擇的一種思想來(lái)消除獨(dú)立的噪音，第一步是圖像某一個(gè)鄰域內(nèi)的像素值用來(lái)排序，再用這一個(gè)領(lǐng)域排序獲得的中值來(lái)代替需要處理的像素，該像素是這一鄰域內(nèi)最接近真實(shí)值的像素。第二步定義一個(gè)長(zhǎng)度為L(zhǎng)且長(zhǎng)度L為奇數(shù)的窗口，因?yàn)長(zhǎng)是奇數(shù)的情況下中值濾波器的識(shí)別效果較好；反之L為偶數(shù)時(shí)識(shí)別效果較差，所謂L一般等于2N+1，N為正整數(shù)，公式為

其中：Med表示中值，Y(i)代表用中值濾波器輸出的像素中值，X(i)代表鄰域中的不同像素值。經(jīng)過(guò)形態(tài)學(xué)和去噪處理獲得的最終圖像如圖6所示。

圖6 形態(tài)學(xué)處理后的圖像

1.5 標(biāo)記與面積計(jì)算

通過(guò)像素統(tǒng)計(jì)計(jì)算葉面積［8］。設(shè)c1和c2分別表示葉面積和正方形面積。設(shè)p1和p2分別表示圖像中植物葉子的像素?cái)?shù)和圖像中正方形內(nèi)的像素?cái)?shù)。因此計(jì)算葉面積的公式為

其中：p2是已知，p1可以通過(guò)統(tǒng)計(jì)填充圖像中灰度值為255 的像素點(diǎn)的數(shù)量進(jìn)行獲取，因此可以獲取c1，再通過(guò)與傳統(tǒng)測(cè)量法獲取真實(shí)面積，與基于圖像處理獲得的葉片面積進(jìn)行相關(guān)性分析，結(jié)果見(jiàn)表1。

表1 相關(guān)性分析

2 結(jié)語(yǔ)

本文以植物葉片作為研究對(duì)象，基于圖像處理技術(shù)對(duì)植物葉片幾何數(shù)據(jù)獲得和面積測(cè)量進(jìn)行研究，提出了一種利用CDD 攝像機(jī)和矩陣標(biāo)本作為參照物來(lái)測(cè)量植物葉片面積的方法［9］，該方法具有效率高、速度快、勞動(dòng)量小等優(yōu)點(diǎn)。整個(gè)過(guò)程從采集植物葉片開(kāi)始，到植物葉片處理過(guò)程加權(quán)平均法的灰度化、Canny算子的邊緣檢測(cè)，調(diào)節(jié)對(duì)比度、葉片區(qū)域提取以及最后用像素統(tǒng)計(jì)法進(jìn)行面積測(cè)量。與實(shí)際面積的誤差很小，滿足日常的需求。