基于OpenCV的毛竹圖像處理技術(shù)

徐航煌 張 寧 鄧志鵬 陳學永 胡立華 吳東昇

（福建農(nóng)林大學機電工程學院 福建福州 350002）

基于OpenCV的毛竹圖像處理技術(shù)

徐航煌 張 寧 鄧志鵬 陳學永 胡立華 吳東昇

（福建農(nóng)林大學機電工程學院 福建福州 350002）

文章介紹了一種基于OpenCV的毛竹圖像處理技術(shù)，通過對獲取的高清毛竹圖像進行灰度處理、形態(tài)學去噪、平滑處理以及閾值分割等圖像處理分析，完成對圖像中毛竹與背景圖像的二值化分割。結(jié)果表明：該技術(shù)能夠有效地分割出毛竹與背景圖像，對今后研究將圖像處理技術(shù)應用到毛竹的病蟲害識別中具有重要意義。

OpenCV；毛竹；圖像處理

一、引言

我國對于毛竹的栽培歷史十分悠久，其種植面積也十分廣闊，毛竹不僅是竹類物種中經(jīng)濟效益最高的一種竹種，也是竹類物種中用途最為廣泛的一種竹種[1]。毛竹的用途與人們的日常生活息息相關，不管是在衣、食、住、行，還是在觀、用、飾等方面，都發(fā)揮著至關重要的作用，是無污染綠色寶庫中的一顆璀璨明珠[2]。但每年由于病蟲害的發(fā)生，導致大面積的毛竹林遭受嚴重損害，不僅對毛竹的生長構(gòu)成嚴重的威脅，也給毛竹林基地生產(chǎn)造成非常大的經(jīng)濟損失。目前，傳統(tǒng)的毛竹林病蟲害監(jiān)測及防治方式大部分是通過人工實地考察完成，存在著周期長、人工成本高、實效性低等缺點，導致地面工作人員無法實時監(jiān)測毛竹林病蟲害的實時發(fā)生動態(tài)[3]。目前，將圖像處理技術(shù)應用到毛竹病蟲害識別中的相關研究相對較少，由此本文提出了一種基于OpenCV的毛竹圖像處理技術(shù)，調(diào)用OpenCV中強大的圖像處理函數(shù)庫，對毛竹圖像進行圖像處理分析，完成對圖像中毛竹與背景圖像的二值化分割，為今后將圖像處理技術(shù)應用到毛竹林病蟲害識別中奠定基礎[4]。

二、圖像處理技術(shù)

本研究在Microsoft Visual Studio 2010編程軟件平臺上，結(jié)合OpenCV中提供的強大圖像處理函數(shù)庫，對獲取的高清毛竹圖像進行一系列的圖像處理分析[5]，最后得到毛竹與背景圖像分開的二值圖像，其中毛竹作為目標圖像以白色顯示，其他背景圖像以黑色顯示[6]。整個毛竹圖像處理技術(shù)的工作流程圖如圖1所示。首先，采集毛竹竹葉的高清圖像，然后對采集到的圖像進行灰度處理，其次進行圖像的預處理，主要包括形態(tài)學處理、平滑處理以及閾值分割，最后得到毛竹與背景圖像分開的二值圖像[7]。

圖1 圖像處理技術(shù)工作流程圖

（一）導入圖像以及灰度處理。對圖像進行圖像處理之前，需要先讀取圖像中的相關數(shù)據(jù)。首先，借助OpenCV函數(shù)庫中imread函數(shù)，讀取文件中毛竹高清圖像，然后采用cvtColor函數(shù)對讀入的圖像進行灰度處理，最后借助imshow函數(shù)將原始圖像和灰度圖像顯示出來。代碼如下：

讀取的原始圖像以及轉(zhuǎn)化為灰度圖像如下圖2所示。

圖2 讀取的原始圖像以及轉(zhuǎn)化后的灰度圖像

（二）形態(tài)學去噪。對灰度圖像進行形態(tài)學處理，其目的就是對圖像進行噪聲濾除。形態(tài)學處理的四個基本運算包括：腐蝕、膨脹、開運算、閉運算，主要用途是對圖像數(shù)據(jù)進行簡化，在不改變目標圖形基本形狀特性的基礎上，將與目標圖形不相干的結(jié)構(gòu)去除，適用于解決圖像處理中濾除噪聲、形態(tài)識別以及圖像分割等問題[8]。其中四個基本運算的作用如表一所示：灰度處理過的灰度圖像分別進行四種基本的形態(tài)學運算（腐蝕、膨脹、開運算以及閉運算），運算結(jié)果如圖3所示。代碼如下：

erode(srcGray,erodeImage,element);//腐蝕

dilate(srcGray,dilateImage,element);//膨脹

morphologyEx(srcGray,openImage,MORPH_OPEN,element); //開運算

morphologyEx(srcGray,closeImage,MORPH_CLOSE,element);//閉運算

其中：

srcGray：為輸入的灰度圖像；

erodeImage、dilateImage、openImage、closeImage：分別為經(jīng)過四種基本形態(tài)學處理后的輸出圖像；

erode和dilate：分別為腐蝕和膨脹函數(shù)；

morphologyEx：函數(shù)中開運算和閉運算類型分別用MORPH_OPEN和MORPH_CLOSE表示；

element：表示形態(tài)學運算的內(nèi)核，內(nèi)核的形狀選擇MORPH_RECT，內(nèi)核的尺寸為：5×5。

對比和分析灰度圖像分別經(jīng)過腐蝕、膨脹、開運算和閉運算的處理效果，結(jié)果發(fā)現(xiàn)：開運算在消除細小物體、分離纖細處物體以及平滑較大物體邊界處的作用效果相對較好，其它三種基本運算處理后局部一些纖細的細節(jié)會被處理掉。綜上，本研究采用形態(tài)學基本運算中開運算對圖像進行形態(tài)學去噪，以達到去除毛刺、平滑輪廓以及消除噪聲的效果。

表一 四種基本形態(tài)學運算作用表

圖3 腐蝕、膨脹、開運算以及閉運算

為了更好地得到毛竹圖像的分割效果，本研究中將經(jīng)過

（三）平滑處理。平滑處理也稱模糊處理，主要用來減少圖像上的噪點或者失真，其目的是消除圖像數(shù)字化過程中所混入的噪聲，同時保持圖像原有的邊緣輪廓和線條信息[9]。圖像平滑處理方法主要分為空域法和頻域法兩大類[10]。本研究中主要采用空域法中的兩種最典型的平滑方法：均值濾波（blur函數(shù)）和中值濾波（medianBlur函數(shù)）對圖像進行平滑處理，分析比較上訴兩種平滑方法的平滑效果，確定最佳的平滑處理方法，平滑處理后的效果圖如圖4所示。代碼如下：

blur(openImage,blurImage,Size(3,3),Point(-1,-1));//均值濾波

medianBlur(openImage,medianblurImage,ksize=3);//中值濾波

其中：

blur和medianBlur：分別為均值濾波函數(shù)和中值濾波函數(shù)；

openImage：為經(jīng)過形態(tài)學開運算處理后的圖像；

Size（3,3）：表示3×3的內(nèi)核大小；

Point（-1，-1）：表示錨點在核中心；

blurImage和medianblurImage：分別表示經(jīng)過均值濾波和中值濾波后的輸出圖像；

ksize：表示孔徑的線性尺寸，取ksize=3。

對比分析分別經(jīng)過均值濾波和中值濾波平滑處理后的兩幅平滑處理效果圖，如圖4所示，結(jié)果表明：圖4-a中，圖像經(jīng)過均值濾波處理后，不僅數(shù)字化過程中所混入的噪聲得到了抑制，同時圖像得到了平滑，但圖像的邊緣變得模糊，不適合本研究中的毛竹圖像信息的提取；圖4-b中，中值濾波處理不僅能夠更好地濾除圖像中所混入的椒鹽噪聲，對圖像進行平滑，同時能夠比較完整的保留圖像的邊緣信息。綜上，為了更好地分割提取并保存毛竹原有的圖像信息，本研究中采用處理效果較好的中值濾波對圖像進行平滑處理。

圖4 均值濾波和中值濾波

（四）閾值分割。閾值分割是圖像分割中最常用的方法，閾值的選取是決定圖像分割效果好壞的關鍵技術(shù)，通過選取的閾值將圖像分為目標和背景兩部分[11]。閾值分割方法的原理：首先對灰度圖像中的灰度值進行分級，通過設定好的算法，確定一個合適的閾值能夠?qū)δ繕伺c背景進行分割，然后將圖像中各個像素點的灰度值與選取的閾值進行比較，將圖像中大于閾值的灰度值置為255，小于等于閾值的灰度值置為0，從而對圖像進行二值化分割[12]。

閾值分割算法主要分為全局閾值分割和局域閾值分割，其中全局閾值分割方法主要有最大類間方差法 (Otsu法)、最小誤差法和最大熵法[13]。由于在簡單的背景下，采用最大類間方差法 (Otsu法)對圖像進行二值化分割能夠得到較佳的效果，并且結(jié)合自身的算法自動獲得最佳的分割閾值，減少由于人為選取閾值造成不必要的誤差[14]。綜上，本研究采用最大類間方差法(Otsu法)對毛竹高清圖像進行毛竹與背景圖像的圖像分割。

閾值分割函數(shù)為：

Threshold(src,dst,threshold,max_value,threshold_type);

本研究中Otsu法具體代碼如下：

threshold(medianblurImage,otsuImage,0,255,CV_THRESH_ OTSU);

其中：threshold_type設置為CV_THRESH_OTSU，即采用最大類間方差法（Otsu法）進行毛竹的圖像分割，通過自動選取的最佳分割閾值，將圖像中大于閾值的灰度值置為255，小于等于閾值的灰度值置為0，從而完成對毛竹圖像的二值分割，達到將毛竹與背景圖像分離的效果。經(jīng)過Otsu法閾值分割后的二值化圖像如圖5-a所示。

為了方便后期對提取出來的毛竹圖像進行進一步的圖像處理分析及研究，本研究對完成二值分割圖像進行圖像反轉(zhuǎn)，調(diào)用reverse函數(shù)對圖5-a中的目標與背景顏色進行調(diào)換，圖像反轉(zhuǎn)后的圖像如圖5-b所示。具體調(diào)用函數(shù)代碼如下：

Matreverse(MatsrcImage)

{MatdstImage=srcImage〈threshold;

return dstImage;}

其中threshold的取值范圍為0～255以內(nèi)的任意數(shù)，這里去threshold=150。

圖5 Otsu法二值圖像及圖像反轉(zhuǎn)后二值圖像

三、總結(jié)

本文對獲取的高清毛竹圖像利用OpenCV中強大的圖像處理函數(shù)庫，首先對圖像進行灰度處理，得到灰度圖像，然后對灰度圖像進行預處理，包括形態(tài)學開運算以及中值處理，而后采用最大類間方差法(Otsu法)對預處理后的圖像進行二值分割，完成了對毛竹和背景圖像的分割，得到了比較理想的二值圖像，對接下來研究借助圖像處理技術(shù)識別毛竹病蟲害打下良好的基礎。但由于拍攝角度等外界原因，導致在進行圖像處理分析時，處理陰影部分區(qū)域時會存在誤區(qū)，影響毛竹圖像的分割精度，需要對其進行進一步的研究和改善。

[1]胡健.毛竹種子繁殖與豐產(chǎn)技術(shù)研究[D].中南林業(yè)科技大學,2013.

[2]程平,彭九生,黎美蓮,等.毛竹突變體種質(zhì)資源及其保護發(fā)展對策[J].科學時代,2006(11).

[3]余林.皖南毛竹林密度效應研究[D].中國林業(yè)科學研究院,2011.

[4]王維楓.山杏常見葉部病蟲害圖像識別技術(shù)研究[D].中國林業(yè)科學研究院,2008.

[5]肖文東,馬本學.基于OPenCV哈密瓜紋理特征的提取[J].石河子大學學報（自然科學版）,2011,29(1).

[6]呂洋,馬樹元,龍震海,等.基于Otsu方法的顯微圖像內(nèi)外邊界提取 [G].第二屆全國圖象圖形聯(lián)合學術(shù)會議論文集, 2013:306-309.

[7]牟洪波,高海濤,戚大偉,等.基于圖像處理的木材缺陷的閾值設定研究[J].黑龍江科技信息,2015(19).

[8]王樹文,閆成新.數(shù)學形態(tài)學在圖像處理中的應用[J].計算機工程與應用,2004,40(32).

[9]安寧,林樹忠,劉海華,等.圖像處理方法研究及其應用[J].儀器儀表學報,2006,27(z1).

[10]關雪梅.圖像增強技術(shù)分析研究[J].電腦知識與技術(shù), 2008,4(29).

[11]杜曉晨,劉建平.改進的模糊閾值圖像分割方法[J].光電工程,2005,32(10).

[12]吳一全,孟天亮,吳詩婳.圖像閾值分割方法研究進展20年(1994-2014)[J].數(shù)據(jù)采集與處理,2015,30(1).

[13]黃恢樂,胡躍明,袁鵬.一種改進分水嶺算法在高速高精度貼片機視覺檢測中的應用[J].電子技術(shù)應用,2005,31(7).

[14]王祥科,鄭志強.Otsu多閾值快速分割算法及其在彩色圖像中的應用[J].計算機應用,2006(S1).

[責任編輯 鄭麗娟]

Image Processing Technology of Bamboo Basedon OpenCV

Xu Hanghuang Zhang Ning Deng Zhipeng Chen Xueyong Hu Lihua Wu Dongsheng
(Fujian Agriculture and Forestry University,Fuzhou,Fujian 350002)

In this paper,an image processing technology of bamboo based on OpenCV is introduced.The binocularization of bamboo and background images in image is completed by image processing analysis,such asgrayscale processing,morphological denoising,smoothing and threshold segmentation.The results show that the technology can effectively segment bamboo and background images,and it has a great significance to apply the image processing technology to the identification of pests and diseases of bamboo in the future.

OpenCV;Bamboo;Image Processing

TP751.1

A

2095-0438（2017）09-0144-04

2017-04-20

徐航煌(1992－)，男，福建莆田人，福建農(nóng)林大學機電工程學院2015級碩士研究生，研究方向：先進制造與特種材料制備技術(shù)；陳學永(1970－)，男，福建龍巖人，福建農(nóng)林大學機電工程學院機械系教授，博士，研究方向:機械制造及其自動化。