紅掌細菌性葉枯病的圖像分割方法

張 航，李 聃，李乃祥，胡子娟，王傳奇

（1.天津農學院計算機與信息工程學院，天津 300384；2.天津大學計算機科學與技術學院，天津 300072；3.天津城建大學計算機與信息工程學院，天津 300384）

紅掌細菌性葉枯病的圖像分割方法

張 航1，李 聃2，李乃祥1，胡子娟3，王傳奇1

（1.天津農學院計算機與信息工程學院，天津 300384；2.天津大學計算機科學與技術學院，天津 300072；3.天津城建大學計算機與信息工程學院，天津 300384）

針對紅掌病害機器識別的需要，提出一種基于超紅特征灰度化的紅掌細菌性葉枯病圖像的分割方法.首先對病害圖像使用2R-G-B算法進行灰度化處理，將非綠色部分從綠色部分中分離出來；然后采用3×3的中值濾波技術對此灰度圖像進行預處理和增強，以去除噪聲影響；分別采用大津法、迭代法、改進迭代法對病害圖像進行分割.將該方法所得結果與加權平均法灰度化和均值法灰度化后的結果進行了對比.結果表明:本研究方法可以將病害區域有效分割，且病害部位輪廓清晰，具有較好的分割效果.

紅掌；細菌性葉枯病；圖像分割；2R-G-B；中值濾波；閾值分割；改進迭代法

紅掌又名火鶴花、燈臺花、花燭、安祖花，隸屬天南星科花燭屬，原產于危地馬拉、尼加拉瓜、委內瑞拉、哥倫比亞和秘魯等中、南美洲的熱帶高海拔地區，是一種多年生草本植物.紅掌花苞直立生長，花姿奇異美麗，革質而富有光澤，呈現卵心形，每朵花壽命長達一個多月，因應用范圍廣、經濟價值高，成為全球發展較快、需求量較大的高檔熱帶切花和盆栽花卉[1-2].自20世紀70年代后期，中國開始引種、栽培紅掌，此后生產規模迅速發展，目前廣東、云南和海南等省已形成較大面積的切花栽培規模[3].然而，栽培過程中由細菌和真菌引起的病害已成為制約紅掌產業發展的重要因素，給生產者造成巨大損失.細菌性葉枯病是細菌性病害中對紅掌影響最大的一種病害，植株一旦染病，就無法治愈，只能做好隔離措施，同時用密封塑料袋將被感染的植株包好后移出溫室，以防交叉感染，相鄰的植株及栽培基質必須一同清理掉[4].因此，預防、

發現細菌性葉枯病成為制約紅掌產業發展的關鍵環節.

植物病害分割與自動識別是當前一個熱門的研究領域，圖像處理技術已經開始用于黃瓜霜霉病的病斑提取[5]、水稻葉鞘腐敗病圖像分割[6]、棉花病葉害螨圖像分割[7]、玉米病害圖像特征優化與識別[8]、甘蔗苗期赤腐病和環斑病圖像分割[9]、小麥病害圖像識別及形狀特征提取[10]、玉米生長期葉部病害圖像識別預處理[11]、植物葉片病斑區域邊緣提取[12]等研究中.本研究利用圖像處理技術對紅掌的細菌性病害進行分析研究，以期做到早發現、早處理，為紅掌種植業者減少經濟損失.

1 材料與方法

1.1 病害圖像獲取

以溫室大棚中栽培的紅掌葉片病害為主要研究對象，選取感染細菌性葉枯病的紅掌葉片圖像若干張.為消除復雜背景的影響，使用Photoshop圖像處理軟件將葉片區域外的背景部分去除，得到只有病害葉片區域的圖像，見圖1.

圖1 感染細菌性葉枯病的紅掌葉片圖像Fig.1 Images of anthurium leaves infected by bacterial blight

1.2 圖像灰度化

為提高圖像處理效率，需將彩色圖像轉換為灰度圖像.加權平均法是一種常用的植物病害圖像的灰度轉換方法[5-6]，但經實驗發現此法得到的灰度圖像分割效果不好，因此需要尋找其他灰度轉換方法.

觀察感染細菌性葉枯病的紅掌葉片圖像（圖1），可以發現:正常區域的葉片顏色為綠色，而病害區域的中間呈棕色，邊緣呈黃色.因此考慮利用顏色特征將非綠色部分從綠色部分中分離.目前比較常用的分離綠色與非綠色的圖像處理技術包括2G-R-B、2R-GB、1.4R-G-B和G/(R+B)等[7，13-15]，其主要原理是使用顏色特征因子的不同組合對圖像進行灰度化處理，突出有用部分的信息.通過對比發現，2R-G-B（超紅特征灰度化）算法最適合于本研究的圖像灰度化處理，其計算公式為

其中：EXR（i，j）為圖像處理后像素點（i，j）處的灰度值；R（i，j）對應圖像紅色分量的灰度值；G（i，j）對應圖像綠色分量的灰度值；B（i，j）對應圖像藍色分量的灰度值.

1.3 圖像增強

由于圖像采集過程中易受光照、灰塵以及拍攝設備等因素的影響，采集到的圖像或多或少存在一些噪聲，需要進行圖像增強操作以去除噪聲，提高圖像質量.中值濾波器是一種非線性的濾波器，可用于濾除噪聲，加強有用的信息.雖然會造成一定程度上的細節損失[8]，但中值濾波器在克服了線性濾波器圖像細節模糊問題的同時，能夠較好地保留圖像的邊緣特性.其基本思想是把局部區域的像素按灰度等級進行排序，取該鄰域中的灰度中值作為當前像素的灰度值，具體步驟[16]為：

（1）使濾波模板在圖像中漫游，并將模板中心與圖中某個像素位置重合；

（2）讀取模板中各對應像素的灰度值；

（3）將灰度值從小到大排成一列；

（4）取該列數據的中間數據值，并將其賦給對應模板中心位置的像素.

本研究選用3×3的中值濾波器，同時，本研究采用自適應的中值濾波算法對紅掌葉片病害圖像進行平滑處理，以突出圖像中的病害信息，提高圖像的濾波效果.

1.4 圖像分割

對于植物病害，病害分割是植物病害圖像處理的基礎，也是實現病害自動檢測和識別的前提[17].目前常用的圖像分割方法有閾值分割法、邊緣檢測法和區域分割法等[18]，其中閾值分割法包括大津法、迭代法、最小誤差法、最大熵法等.

大津法[19]（OTSU法，最大類間方差法）是一種自適應閾值方法.大津法的基本原理是假設當前閾值t將圖像分為了目標區A和背景區B兩部分，其中A的灰度范圍是[0，t]，B的灰度范圍是[t+1，L-1]，目標區A和背景區B所占的比例分別為pA（t）和pB（t），灰度均值分別為μA（t）和μB（t），則目標區與背景區的類間方差定義為

以區間[0，L-1]內的值作為分割閾值，依次計算類間方差，其中類間方差最大對應的灰度級即為最優分割閾值T，可由式（3）計算得到

迭代法也是一種自動選取閾值的方法，其基本思想是首先選擇一個閾值作為初始值，將圖像分割為目標和背景，然后再通過對圖像的多次計算不斷對閾值進行改進，直到閾值不再變化.其步驟如下：

（1）求出圖像的最大灰度值Gmax和最小灰度值Gmin；

（2）令初始閾值T=（Gmax+Gmin）/2；

（3）根據閾值T將圖像分割為目標和背景，并計算兩者的平均灰度值GO、GB；

（4）計算新閾值T=（GO+GB）/2；

（5）重復步驟（3）和（4），直至閾值T不再變化.

為了提高分割性能，本研究對迭代法計算公式的系數進行了改進.

本研究所涉及的算法均在Matlab R2012b環境下實現，所有程序均在CPU為雙核3.10GHz、內存4.0 GB的計算機環境下運行，圖像分割的具體操作流程如圖2所示.

圖2 病害圖像分割流程Fig.2 Schematic of image segmentation for bacterial blight

2 結果與討論

分別提取原始圖像的R、G和B分量圖像，使用2R-G-B算法對原始圖像進行灰度化處理，結果見圖3.圖3結果表明，超紅特征灰度化較好地提取了原始圖像中的非綠色病害部分，綠色的葉片部分與背景部分一起被設置成黑色或接近于黑色，主要有用信息得到增強，病害區域與正常葉片區域的區分非常明顯.

圖3 超紅特征灰度化后的圖像Fig.3 Gray images of excess red feature

采用中值濾波器對灰度圖像（圖3）進行處理，圖像采樣窗口為3×3區域，處理后的圖像見圖4.由圖4可以看出，中值濾波后的圖像較好地保留了邊緣信息和紋理特征，去掉了一些噪聲信息.但進一步分析可以發現，圖像在得到增強的同時，仍然丟失了一些細節信息，需要在后續工作中進一步完善.總體而言，中值濾波處理的效果良好，滿足后續圖像處理的需要.

圖4 中值濾波后的效果圖Fig.4 Images after median filter processing

圖5（a）和圖5（b）是原始圖像經過灰度化、中值濾波后，分別應用大津法和迭代法進行分割后的結果.

圖5 閾值分割后效果圖Fig.5 Images after threshold segmentation

由分割結果可以看出，2種方法都能夠較為準確地將病害區域分割出來，但是仍有部分區域分割不完整.因此，本研究對迭代法進行了改進，將其閾值計算參數由原來的1/2調整為1/3，分割結果見圖5（c），可以看到分割效果得到了明顯提升，病害部位輪廓更完整，分割結果優于大津法和迭代法.

為與本研究方法進行對比，將原始圖像分別進行加權平均法灰度化（R*0.3+G*0.59+B*0.11）和均值法灰度化（（R+G+B）/3）操作，并使用改進的迭代法對灰度圖進行分割，結果見圖6，可以看到病害區域基本沒有分割出來，效果非常不理想.因此，對原始圖像進行超紅特征灰度化處理是有必要的，有利于病害區域的識別.

圖6 加權平均法灰度化和均值法灰度化后的分割結果圖Fig.6 Segmentation results of grayscale images converted by weighted average method and average method

3 結論

本研究針對紅掌種植過程中可能出現的病害情況，提出一種基于超紅特征灰度化的紅掌細菌性葉枯病圖像的分割方法，依次使用2R-G-B算法、3×3的中值濾波技術和自適應閾值分割法（大津法、迭代法、改進迭代法）對圖像進行灰度轉換、預處理和病害圖像分割，所得圖像中病害部位輪廓清晰，說明本研究方法對病害區域進行了有效分割，具有較好的分割效果，為下一步的特征提取奠定了基礎，也可為復雜背景下的病害分割提供參考.

[1]劉清麗，趙培軍.紅掌缺素癥狀研究[J].黑龍江農業科學，2009（1）：70-72. LIU Q L，ZHAO P J.Study on nutrient deficiency of anthurium scherzerianum[J].Heilongjiang Agricultural Sciences，2009（1）：70-72（in Chinese）.

[2]李桂祥，王瑋瑋，仲秀娟，等.紅掌病蟲害發生及其綜合防治技術[J].上海農業科技，2010（5）：123-124. LI G X，WANG W W，ZHONG X J，et al.Integrated control technology for the happening of anthurium diseases[J].Shanghai Agricultural Science and Technology，2010（5）：123-124（in Chinese）.

[3]劉福秀，林明光，潘英文，等.紅掌花葉病病原鑒定及檢測方法的建立[J].廣西農業科學，2010，41（12）：1296-1298. LIU F X，LIN M G，PAN Y W，et al.Development of a RT-PCR based method for identification of anthurium andraeanum mosasic virus pathogen[J].Guangxi Agricultural Sciences，2010，41（12）：1296-1298（in Chinese）.

[4]姚蓉.行家談溫室紅掌的病害防治[N].中國花卉報，2009-03-07001. YAO R.Experts talking about diseases control of anthurium in greenhouse[N].China Flower，2009-03-07001（in Chinese）.

[5]趙聰慧，張靜，王雙喜.黃瓜霜霉病圖像預處理方法研究[J].農機化研究，2010，32（1）：60-63. ZHAO C H，ZHANG J，WANG S X.Research on image preprocessing methods for cucumber downy mildew[J].Journal of Agricultural Mechanization Research，2010，32（1）：60-63（in Chinese）.

[6]路陽，關海鷗，趙斌，等.水稻病害圖像預處理及其特征提取方法研究[J].農機化研究，2011，33（8）：27-30. LU Y，GUAN H O，ZHAO B，et al.Study on the method of image preprocessing and feature extraction for rice diseases[J].Journal of Agricultural Mechanization Research，2011，33（8）：27-30（in Chinese）.

[7]刁智華，王歡，宋寅卯，等.復雜背景下棉花病葉害螨圖像分割方法[J].農業工程學報，2013，29（5）：147-152. DIAO Z H，WANG H，SONG Y M，et al.Segmentation method for cotton mite disease image under complex background[J].Transactions of the Chinese Society of Agricultural Engineering，2013，29（5）：147-152（in Chinese）.

[8]唐朝霞，張粵.基于遺傳算法的玉米病害圖像特征優化與識別[J].安徽農業大學學報，2013，40（2）：336-341. TANG Z X，ZHANG Y.Optimization and recognition of maize disease image features based on genetic algorithms[J].Journal of Anhui Agricultural University，2013，40（2）：336-341（in Chinese）.

[9]趙進輝，羅錫文，周志艷.基于顏色與形狀特征的甘蔗病害圖像分割方法[J].農業機械學報，2008，39（9）：100-103，133. ZHAO J H，LUO X W，ZHOU Z Y.Image segmentation method for sugarcane diseases based on color and shape features[J].Transactions of theChineseSocietyforAgriculturalMachinery，2008，39（9）：100-103，133（in Chinese）.

[10]邵慶，張楠，路陽.小麥病害圖像識別處理及形狀特征提取研究[J].農機化研究，2013，35（8）：35-37，42. SHAO Q，ZHANG N，LU Y.Study on the image recognition processing and shape feature extraction of wheat diseases[J].Journal of AgriculturalMechanizationResearch，2013，35（8）：35-37，42（inChinese）.

[11]劉麗娟，劉仲鵬，程芳.玉米生長期葉部病害圖像識別預處理研究[J].河南農業科學，2013，42（10）：91-94.

LIU L J，LIU Z P，CHENG F.Image preprocessing of maize leaf diseases at growth period[J].Journal of Henan Agricultural Sciences，2013，42（10）：91-94（in Chinese）.

[12]夏永泉，曾莎，李耀斌.一種改進的植物葉片病斑區域邊緣提取技術[J].鄭州輕工業學院學報：自然科學版，2015，30（1）：67-70. XIA Y Q，ZENG S，LI Y W.An improved edge extraction technology of the plant leaf disease region[J].Journal of Zhengzhou University of Light Industry：Natural Science，2015，30（1）：67-70（in Chinese）.

[13]ARRIBAS J I，SáNCHEZ-F G V，RUIZ-R G，et al.Leaf classification in sunflower crops by computer vision and neural networks[J].Computers and Electronics in Agriculture，2011，78（1）：9-18.

[14]BAUM T，NAVARRO-Q A，KNOGGE W，et al.HyphArea-Automated analysisofspatiotemporalfungalpatterns[J].Journalof Plant Physiology，2011，168（1）：72-78.

[15]CAMARGO A，SMITH J S.An image-processing based algorithm to automatically identify plant disease visual symptoms[J].Biosystems Engineering，2009，102（1）：9-21.

[16]王香菊.基于中值濾波和小波變換的圖像去噪方法研究[D].西安科技大學，2008. WANG X J.The algorithm research of image denoising based on median filter and wavelet transform[D].Xi`an University of Science and Technology，2008（in Chinese）.

[17]田有文，李成華.基于統計模式識別的植物病害彩色圖像分割方法[J].沈陽農業大學學報，2003，34（4）：301-304. TIAN Y W，LI C H.Recognition of maize disease based on texture feature and support vector machine[J].Journal of Shenyang Agricultural University，2003，34（4）：301-304（in Chinese）.

[18]GONZALEZ R C，WOODS R E，EDDINS S L.數字圖像處理（MATLAB版）[M].阮秋琦譯.北京：電子工業出版社，2001：129-151. GONZALEZ R C，WOODS R E，EDDINS S L.Digital Image Processing using MATLAB[M].RUAN Q Q Trans.Beijing：Publishing House of Electronics Industry，2001：129-151（in Chinese）.

[19]NOBUYUKIO.Athresholdselectionmethodfromgray-levelhistograms[J]. IEEE Transactions on Systems，Man and Cybernetics，1979，9（1）：62-66.

（責任編校 馬新光）

定理的證明 考慮Adams譜序列，其E2項為，其微分為dr：由引理1可知

設（b1）2g1為（b1）2g1∈在映射

在Adams譜序列中是永久循環.

參考文獻：

[1]ADAMS J.Stable Homotopy and Generalised Homology[M].Chicago: University of Chicago Press，1974.

[2]LIULEVICIUS A.The factorizations of cyclic reduced powers by secondary cohomology operations[J].Mem Amer Math Soc，1962，42：1-112.

[3]白建俠.（i1i0）*（b21k0）及（i1i0）*（b31k0）在π*V（1）中的收斂性[J].數學年刊，2009，30（3）：377-390. BAIJ X.The convergence of（i1i0）*（b21k0）and（i1i0）*（b31k0）in π*V（1）[J]. Ann of Math，2009，30（3）：377-390（in Chinese）.

[4]白建俠.（i2i1i0）*（b1l1）在π*V（2）中的收斂性[J].南開大學學報：自然科學版，2010，43（1）：1-4. BAI J X.The convergence of（i2i1i0）*（b1l1）in π*V（2）[J].Acta Scientiarum Naturalium Universitatis Nankaiensis，2010，43（1）:1-4（in Chinese）.

[5]馮麗麗，王玉玉.l1g0的收斂性 [J].河北師范大學學報：自然科學版，2014，4（38）：348-351. FENG L L，WANG Y Y.The convergence ofl1g0[J].Journal of Heibei Normal University：Natural Science Edition，2014，4（38）：348-351（in Chinese）.

[6]ADAMS J.On the groups J（x）[J].Topology，1966，5（1）：21-71.

[7]SMITH L.On realizing complex cobordism modules[J].Amer J Math，1970，92（4）：793-856.

[8]TODA H.On spectra realizing exterior part of the Steenrod algebra[J]. Topology，1971，10（2）：53-65.

[9]MAY J P.The cohomology of restricted Lie algebras and Hopf algebra [J].Journal of Algebra，1964，3：123-146.

[10]王健波，肖建明.h0b31在π*V（1）中的收斂性[J].南開大學學報：自然科學版，2006，39（1）：43-48. WANGJB，XIAO J M.The convergence of h0b31in π*V（1）[J].Acta Scientiarum Naturalium Universitatis Nankaiensis，2006，39（1）：43-48（in Chinese）.

（責任編校 馬新光）

Image segmentation methods for bacterial blight of anthurium

ZHANG Hang1，LI Dan2，LI Naixiang1，HU Zijuan3，WANG Chuanqi1
（1.School of Computer and Information Engineering，Tianjin Agricultural University，Tianjin 300384，China；2.School of Computer Science and Technology，Tianjin University，Tianjin 300072，China；3.School of Computer and Information Engineering，Tianjin Chenjian University，Tianjin 300384，China）

Focusing on the requirements of machine recognition of anthurium's disease，an image segmentation method for bacterial blight of anthurium was proposed.Firstly，the blight images of anthurium were extracted using 2R-G-B algorithm to obtain grayscale images and the non-green parts were separated from the green parts.Secondly，median filtering with a 3×3 window was adopted to preprocess and enhance the grayscale images and perform image de-noising and then the processed images were segmented using the OTSU method，iterative algorithm and the improved iterative algorithm.The results of the proposed method were compared with the results of the weighted average grayscale method and the average grayscale method.The results showed that the proposed method could segment the disease area effectively with a clear contour and had a good segmentation effect.

anthurium；bacterial blight；image segmentation；2R-G-B；median filtering；threshold segmentation；improved iterative algorithm

TP391.41

A

1671-1114（2016）05-0023-05

2015-11-17

天津市科技特派員項目（14JCTPJC00523）.

張 航（1981—），男，碩士研究生.

李 聃（1986—），女，博士研究生，主要從事傳感定位及模式識別技術方面的研究.