基于植物圖像的活體葉片面積測量方法研究與實現

于東玉 馮天祥 李奕昕 任洪娥

摘 要：針對傳統葉面積測量方法存在需手工操作、效率低、葉面積測量儀價格昂貴、不利于廣泛應用等問題，本文提出一種基于植物圖像的活體葉片面積測量方法。首先利用雙邊濾波、拉普拉斯算子和頂帽變換對采集圖像進行預處理，再通過分水嶺算法對標記過的圖像進行分割得到目標圖像，最后由參照物法得出葉片實際面積。與傳統的方格法進行比較，實驗結果表明，該方法速度快、精度高，具有較高應用價值。

關鍵詞：葉面積;雙邊濾波;拉普拉斯算子;頂帽變換;分水嶺算法文章編號：2095-2163（2019）04-0173-04 中圖分類號：TP39 文獻標志碼：A

0 引 言

葉片是植物進行光合作用的物質基礎，是蒸騰作用的媒介，是合成有機物的主要器官[1]，其面積是衡量植物對光能利用、水循環、生長發育、果實產量的重要因素，也是研究植物生理生化、遺傳育種和作物栽培等方面的關鍵指標[2]。近年來快速、準確地測量葉片面積越來越受到人們的關注。傳統葉面積測量方法有方格法、稱重法和回歸方程法等，這些方法結果穩定，但需要手工操作完成，工作量大，效率低。利用葉面積儀測量速度快，但其價格昂貴，不利于廣泛應用[3-5]。本文針對上述方法存在的問題，提出一種基于植物圖像的活體葉片面積測量方法。該方法探尋一種簡單、高效、準確的植物葉片面積測量方法。

1 植物葉片面積測量方法

1.1 圖像采集

制作一個已知面積標定物和一塊白色背景板，將標定物固定在白色背景板上，利用數碼相機對植物葉片進行拍照，如圖1所示。拍攝時盡量保持白板和葉片在同一平面，拍攝角度盡量垂直白板。

1.2 圖像預處理

1.2.1 雙邊濾波去噪

在圖像獲取、傳輸和存儲的過程中常常會受到各種噪聲的干擾和影響而使圖像降質，為了使圖像更加清晰，必須對噪聲進行去除。雙邊濾波是一種非線性濾波方法，結合圖像的空間鄰近度和像素值相似度進行折中處理，同時考慮空域信息和灰度相似性，利用強度的變化保存邊緣信息[6]。本文采用雙邊濾波法，有效地消除了噪聲，同時保持了葉片圖像的邊緣信息。

1.2.2 拉普拉斯算子銳化和頂帽處理

圖像銳化使圖像灰度值反差增強，突出圖像邊緣輪廓，使圖像更加清晰。本文選擇拉普拉斯算子對圖像進行變換，產生描述灰度突變的圖像，其拉普拉斯算子差分形式如下：

再利用該算子與原始圖像進行卷積運算產生銳化圖像。產生的拉普拉斯銳化圖像如下：

其中，f（x，y）為變換前圖像在（x，y）處的像素值，g（x，y）為變換后圖像在（x，y）處的像素值。

由于圖像采集過程中會受到外界光照不均勻的影響，本文使用頂帽運算對圖像處理，頂帽運算是原圖像減去其開運算圖像，可以突出原圖像輪廓周圍更明亮區域。

1.2.3 圖像灰度化

數碼相機采集的葉片圖像是彩色圖像，彩色圖像中每個像素點都由R、G、B 3個通道構成，灰度化是使彩色的R、G、B分量值相等的過程[7]。本文采用加權平均值法對圖像進行灰度化處理，R、G、B 3個分量加權系數分別取0.30、0.59、0.11。加權平均值法的計算公式如下：

1.3 分水嶺算法分割

圖像分割是把圖像劃分成互不相交的區域的過程，主要有基于閾值的分割方法、基于區域的分割方法、基于邊緣的分割方法等[8-9]。本文選擇基于區域的分水嶺方法，將圖像看成一個地面高低起伏的地形圖，分割過程近似成自下而上的浸沒過程，如圖2所示。從谷底開始注水，當水浸沒集水盆直到與來自相鄰集水盆的水交界的地方，建立起一個大壩，這個大壩就是分水嶺[10]。

同時在2個集水盆集合中的像素點構成的集合，即為分水嶺。

1.4 輪廓提取

輪廓提取是后期葉片圖像特征分析的基礎，對研究植物葉片具有重要作用。本文調用OpenCV庫的findContours函數檢測葉片和標定物圖像的外圍輪廓，再調用OpenCV庫的drawContours函數繪制圖像輪廓，結果如圖3所示。

1.5 特征提取

為測出葉片面積，調用OpenCV庫的contourArea函數分別統計葉片和標定物的像素點個數，由像素點個數比值、標定物實際面積計算出葉片實際面積，計算公式如下：

2 系統實現與實驗結果分析

2.1 活體葉片面積測量系統

本系統在Visual Studio 2017集成開發環境下進行開發，使用OpenCV3.4.2庫提供的函數。系統主要由預處理、圖像分割、輪廓提取、特征提取4大程序塊構成。預處理程序塊通過去噪、銳化、形態學處理、灰度化提升原始圖像的清晰度;圖像分割程序塊采用分水嶺算法將圖像的葉片和標定物與背景分割開;輪廓提取程序塊繪制圖像分割后的葉片和標定物輪廓;特征提取程序塊通過統計葉片和標定物像素個數，由標定物實際面積得出葉片實際面積，系統流程如圖4所示。

2.2 修正系數

圖像采集時會受到多種因素影響，如：光照不均勻、葉片彎曲、拍攝角度等，這些因素使圖像采集不精確，從而導致本方法求算的葉片面積與實際面積有差距。由此，引入葉片的修正系數，計算公式如下：

本文以綠蘿為研究對象，取30片活體綠蘿葉片，分別用方格法和本系統測出其面積，通過回歸分析建立方格法葉片面積與本系統葉片面積之間的回歸方程，確定葉片的修正系數。分析結果如圖5所示。

圖中橫坐標是本系統測量面積，縱坐標是方格法測量面積。由圖得到修正系數為1.267，且R2=0.989，接近1，此模型對數據擬合效果較好，因此在本系統中采用K=1.267進行計算。

2.3 測量方法對比分析

為進一步驗證系統的測量精度，分別選取無破損、大小不同的葉片共30片，分別采集葉片圖像并編號排序。通過采用修正系數的本系統得到的葉片面積，與方格法測定結果比較，驗證本系統的可行性與實用性，結果如圖6所示。

圖中橫坐標為系統所測面積乘以修正系數后面積，縱坐標為方格法測量面積。結果顯示，修正后系統得到的葉面積與方格法得到的葉面積具有較好的一致性，計算值與測定值之間的決定系數R2在0.9以上。計算值與測定值之間的誤差統計，見表1。

若定義相對誤差絕對值小于10%為合格，則綠蘿葉面積計算結果的合格率均在90%以上，因此本系統可以更方便、準確地測定植物葉片面積 。

3 結束語

本文提出了一種基于植物圖像的活體葉片面積測量方法，采用雙邊濾波去噪、拉普拉斯算子銳化、頂帽運算、灰度化、分水嶺算法分割、輪廓提取和特征提取等一系列操作，并開發出一個測量系統，成功地測量出葉片實際面積。同時，為排除外界因素影響，引入修正系數，通過與方格法測量結果對比，結果表明，系統可簡單、準確地測量出植物葉片面積。

參考文獻

[1]孫玉婷，楊紅云，王映龍，等. 基于支持向量機的水稻葉面積測定[J]. 江蘇農業學報，2018， 34（5）：1027-1035.

[2] 韓殿元，黃心淵，付慧. 基于彩色通道相似性圖像分割方法的植物葉面積計算[J]. 農業工程學報，2012， 28（6）：179-183.

[3] 陳濤濤，遲道才，梁茜. 基于矩形框幾何校正的多葉面積測量方法[J]. 農業工程學報，2012， 28（8）：206-213.

[4] 陳玉青，楊瑋，李民贊，等. 基于Android 手機平臺的冬小麥葉面積指數快速測量系統[J]. 農業機械學報，2007， 48：123-128.

[5] 孟祥麗，劉一鳴，劉瑤，等. 基于攝影測量技術的植物葉面積精確測量方法研究[J]. 江西北林學院學報，2019，34（2）：222-226.

[6] 蘆碧波，皇甫珍珍，郭凱，等. 基于雙邊濾波的多尺度分層色調映射算法[J]. 液晶與顯示，2018，33（9）：816-822.

[7] 陳杰. 基于色彩信息的圖像增強研究[J]. 南京郵電大學，2017：81.

[8] 郎春博，賈鶴鳴，邢致愷，等. 基于改進粒子群算法的植物冠層圖像分割[J]. 森林工程，2019，35（1）：47-52.

[9] 王琢，汪雅婷，宋文龍，等. 基于深度學習的葉片圖像分割算法[J]. 森林工程，2019，35（1）：42-46.

[10]覃喬，黃力. 基于帶標記分水嶺的復合絕緣子憎水性圖像提取算[J]. 電子測量技術，2019，42（2）：88-91.

[11]桑艷艷，李昕. 基于改進分水嶺算法的菌落圖像分割[J]. 電子測量技術，2019，42（6）：87-93.