中草藥石楠葉片圖像識別的研究

張寶文，陶 佳，李 亮

（河北農業大學信息科學與技術學院，河北 保定 071000）

目前一些研究借助信息技術和圖像處理來實現對中草藥的鑒別，通過邊緣梯度、小波變換、神經網絡等方法對葉片、脈絡等圖像進行特征提取與分類檢索，取得了一定的效果。但這些研究成果還難以滿足中草藥分類鑒別的全部需求。以石楠葉為研究對象，提取其橫切顯微圖像的顏色特征及紋理特征，引入鄰域點灰度值間的關系對其進行優化改進，提取圖像的紋理特征，最終實現了更加準確的圖像鑒別。本設計可對圖像處理和人工智能技術在中草藥鑒別方面的應用起到一定的推動作用。

1 設計方案

中草藥石楠葉片識別系統主要包括圖像獲取與預處理（預處理包括分割）、目標特征提取、判斷決策等模塊構成，工作流程圖為：圖像獲取→圖像預處理→圖像分割→特征提取→識別決策。為實現中藥石楠葉片的識別，首先對石楠葉片樣本圖像進行預處理，再提取顏色、形狀、紋理等特征；最后，對圖像進行識別判斷。

2 石楠葉片圖像識別系統

2.1 石楠葉片圖像平滑處理

葉片圖像在采集、數字化、傳輸的過程中會受到一定程度的噪聲干擾，而這些噪聲會對圖像質量產生影響。因此，本設計通過圖像平滑消除噪聲，主要采用均值濾波算法和中值濾波算法。頻域圖像去噪聲首先要對石楠葉片的數字圖像進行變換，令其從空域轉換到頻域，在此基礎上對頻域中的相關系數進行處理；最后，對圖像進行反變換，使其從頻域轉換到空域上來，實現降低或消除噪聲的目的。

2.2 石楠葉片圖像的邊緣檢測

針對石楠葉片圖像存在的邊緣特征缺陷，本設計采取邊緣檢測法對葉片圖像進行識別（圖1）。邊緣檢測的實質是采用某種算法提取圖像中的目標與背景的交界線。即對圖像進行灰度邊緣的增強處理，再設立門限，確定邊緣的像素位置。此項研究采用Roberts、Sobel、Prewitt、Laplacican-Gauss和 Canny 等算子[1]。

2.3 圖像分割

由于拍攝條件、其他鄰近植物、光線等因素的影響，部分葉面照片易受噪聲的干擾，需要進行圖像分割。本研究運用閾值分割法，采用迭代法與自定義優化結合的方法計算閾值。具體步驟如下：

圖1 Roberts算法處理以后的圖像Fig.1 The image treated by Roberts algorithm

（1）初值。統計出裂縫圖像的最小灰度值（Tmin）、最大灰度值為（Tmax），計算其平均值（T）：

（2）分割。根據計算出來的T進行圖像分割，得到2個像素的集合，分別為：

（3）均值。計算像素的集合G1和G2的灰度平均值：

（4） 迭代。根據 滋1和 滋2計算新的閾值 T=1/2（滋1+滋2），重復步驟分割-均值-迭代，直到閾值T收斂到某一個范圍為止[2，3]。利用自動閾值法對葉子圖像進行分割，結果如圖2。

圖2 自動閾值法對圖像分割前后對比Fig.2 Comparison of imagae before and after image segmentation by automatic threshold method

2.4 腐蝕

圖像的腐蝕處理的作用是消除物體邊界的像素，可以把小于設定的結構元素的像素消除（圖3）。設A和B分別為二維別的歐氏空間的點集，A是一般的圖像的集合，B是結構元素，用結構元素B對圖像集合A進行膨脹運算，其定義為：

圖3 腐蝕后的前后的對比圖Fig.3 Comparison of imagae before and after corrosion treatment

通過上述公式可知，通過相對于結構元素的所有點的平移輸入圖像，再計算其并集即可得到膨脹處理后的圖像。而腐蝕運算處理通過將輸入的圖像平移了-b（b屬于結構元素），再計算所有的交集即可得到腐蝕處理后的圖像[4，5]。

3 材料與方法

3.1 材料

隨機取3片石楠葉片，用以試驗。

3.2 方法

3.2.1 葉片顏色 采用MATLAB的rgb2hsv函數將RGB顏色圖轉換成HSV色圖。

3.2.2 葉片形狀 對葉片的面積、周長、內切圓半徑和外切圓半徑進行統計，運用MATLAB得到葉片輪廓的形狀參數，加以分析。其中，面積運用MATLAB的regionprops函數統計二值圖像的葉片區域像素數得到；葉片周長（即葉片的輪廓長度）用區域邊緣的相鄰點的距離表示。內切圓的圓心即葉片輪廓圖像的質心，半徑為質心到葉片輪廓的最小的距離，外接圓的圓心即葉片輪廓圖像的質心，半徑為質心到葉片輪廓的最大的距離。

3.2.3 葉片紋理 通過采用邊緣檢測的方法以及圖像分割的方法，對葉片的紋理進行計算。

4 結果與分析

4.1 石楠葉面的顏色特征分析

圖像的顏色呈顯著的穩定性?；陬伾卣鹘⒌膶年P系為點狀的像素，像素值即該元素的顏色值。利用MATLAB的rgb2hsv函數將RGB顏色圖轉換成HSV色圖（圖4）。大多數葉片的顏色是相似的，各種參數的差別比較?。ū?）。

圖4 HSV分量圖Fig.4 HSV component diagram

表1 葉片顏色特征Table 1 The characteristics of leaf color

4.2 石楠葉片形狀特征分析

采用無量綱參數描述形狀特征，運用MATLAB得到葉片輪廓的形狀參數（表2）。不同的石楠葉片的形狀特征存在較大的差異，易于區分。且此方法也可用于區分其他植物。

表2 葉片形狀無量綱特征Table 2 The dimensionless characteristics of leaf shape

4.3 石楠葉片紋理特征參數計算

不同品種的石楠葉片的紋理差異也較大（表3）。也可以用這樣的方法來對不同石楠進行區分。綜合檢驗結果可見，石楠葉片的顏色差距較小，而在形狀和紋理方面有差異，可以用于對不同品種石楠葉片的檢測。

表3 葉片紋理特征Table 3 The characteristics of leaf texture

5 結論

本研究運用基于MATLAB的數字圖像處理的技術對石楠葉面彩色圖像進行特征處理，建立了石楠葉片識別系統，對圖像進行預處理、邊緣檢測、圖像分割，實現了對圖像特征的強化提?。煌ㄟ^對石楠葉面特征值的分析，完成了對中草藥石楠葉片的異常與否的檢測。試驗測試表明，該系統提高了對石楠葉面特征的識別率，對其他中草藥葉片的鑒別具有一定借鑒作用。

參考文獻：

［1］楊 帆.數字圖像處理與分析［M］.北京：北京航空航天大學出版社，2007.

［2］秦襄培，鄭賢中.MATLAB圖像處理寶典［M］.北京：電子工業出版社，2011.

［3］于萬波.基于MATLAB的圖像處理［M］.北京：清華大學出版社，2008.

［4］張志涌.精通MATLAB6.5［M］.北京：北航電子版，2002.

［5］唐常青.數學形態學方法及其應用［M］.北京：科學出版社，1990.

［6］賀 鵬.基于葉片綜合特征的闊葉樹機器識別研究［D］.咸陽：西北農林科技大學，2008.

［7］金飛劍.基于機器視覺的雜草圖像特征提取及識別研究［D］.鎮江：江蘇大學，2007.