圖像處理技術下的植物葉片分割方法

蘇州大學機電工程學院 田 霞 鄒霄貝 丁浩淇

植物葉片分割就是把植物圖像分為植物部分和背景部分，它可以迅速且有效地將圖像背景分離出來。本文針對植物與背景的不同特點，研究了更優良的彩色圖像灰度化方法，對比不同的植物葉片分割方法并創造性的提出了適用范圍更廣、處理效果更好的二維OTSU算法，為后續處理奠定了良好基礎。

近年來，中國智慧農業行業發展十分迅速，市場規模不斷擴大。中國智慧農業的市場規模有望由2015年的137.42億美元增長至267.61億美元，年復合增長率達14.3%。農業智能化必須準確監測種植物生長的環境因子，并根據種植物的實際生長狀況對環境因子進行及時的協同精準調節，才能實現高產、高效和高品質。目前對種植物生長狀況的識別主要依賴于人工，針對此問題本研究在國內外智慧農業技術的基礎上，采用圖片識別和圖像處理技術將綠色植物的葉片從環境背景中分離出來，運用到田間雜草的清除、辨別植物是否有病蟲害等問題上，加速推動智慧農業的產業化發展。

1 圖像預處理

圖像預處理就是將彩色圖像轉化為更易操作的灰度化圖像，常用的灰度化方法有RGB模型灰度化以及HSV模型灰度化。RGB顏色模型即傳統意義上的紅綠藍模型，由于背景和葉片的RGB均值關系不同，通過采用不同的灰度化比例進行葉片分割，圖1所示即為不同灰度化比例下的圖像頻率特征。

圖1 RGB模型灰度化直方圖對比

HSV顏色模型是一種更符合人眼觀察特征的顏色空間，H代表色調（hue）、S代表飽和度（saturation）、V代表亮度（value）。對比之下，HSV顏色模型比RGB顏色模型更接近于人們對彩色圖像的感知，而且H、S、V三分量之間相互獨立，更適用于葉片分割的圖像預處理。

為了更好的進行灰度化處理，我們將RGB顏色模型轉化成HSV顏色模型，轉化公式如下：

當飽和度S、亮度V滿足下列關系(2)時，以色調H為檢測條件，最容易分割綠色，這時H的取值范圍時90>T>30。采用H分割就可以實現植物葉片的提取。

2 葉片分割算法

目前較為經典的葉片分割方法有很多種，最為高速簡單的就是定閾值法，即對所要處理的圖像f(x,y)依像素逐次掃描，將結果和閾值T對比，高于閾值則標記為背景，低于閾值則標記為植物葉片（如下式）。但是僅適用于葉片圖像有固定閾值的情況，局限性較大。

雙峰法即依據直方圖尋找直方圖兩峰間的最低點作為閾值，當直方圖有多個峰時，則把主要峰的最低點作為閾值，雙峰法較定閾值法更為靈活，但是只有在直方圖有明顯雙峰時該方法才有良好分割效果。迭代法是基于不斷逼近的思想，根據灰度值的分布規律，逐次迭代尋找最佳閾值的方法，美中不足的時運算量過于龐大，耗費時間較長，其流程圖如圖2所示。

圖2 迭代法流程圖

OTSU算法，即最大類間方差法又名大津法，是日本學者大津提出的，被認為是圖像分割中選取閾值的最佳算法，計算簡單并且不受對比度和圖像亮度的影響。OTSU算法按灰度值的分布規律將圖像分為背景和植物葉片兩部分，使得背景和植物葉片的方差值最大的灰度值即為最佳分割閾值。設圖像灰度級別為L，OTSU算法計算得出的最佳閾值為：

式中t為最佳分割閾值；w0為背景所占比例；u0為背景均值；w1為目標所占比例；u1為目標均值；u為整幅圖的均值。

OTSU算法本質上是對像素點灰度值的計算，所以還需遍歷所有灰度級才可以求出最優閾值，計算量大，另一方面當存在灰度分布有交叉重疊情況或噪聲擾動時分割效果較差，難以滿足需求。本研究采用二維OTSU算法進行葉片分割。

二維OTSU法閾值的確定是在OTSU算法的基礎上，將臨近區域的平均灰度值考慮進來之后的計算，可以有效降低噪聲擾動的影響。設圖像灰度級別為L級，該點自身的灰度值和周圍像素點的平均灰度值組成一個二元數組(i,j)。G(i,j)為(i,j)出現次數，P(i,j)為出現概率，即有P(i,j)=G(i,j)/N，將圖像分為背景和目標2個部分，用A0和A1表示。設分割閾值為(s,t)，所以A0和A1的概率為：

A0的均值為：

A1的均值為：

把u0和u1置于一個二維直方圖中：

創建一個離散度矩陣如下：

利用Matlab將已知矢量代入運算，類似于OTSU法，最佳閾值(s',t')滿足如下關系：

圖3 原始圖

圖4 定閾值法

圖5 雙峰法

圖6 迭代法

圖7 OTSU法

圖8 二維OTSU法

3 實驗結果與分析

選取一張經過HSV模型處理后的灰度化圖像作為原始對照，采取5種不同方法分別處理后得到的結果如圖3～圖8所示。

對比可以看出，定閾值法處理后的圖像背景雜質較多。雙峰法處理效果良好，但主要依靠于閾值的選取，當圖像沒有明顯雙峰的時候，處理效果不理想。迭代處理結果較好，能夠分割出植物葉片與背景部分，但是整體斑點多，且耗費時間長。OTSU法較優，但背景中斑點較多，不利于后續實驗。二維OTSU法分割效果最好，與其他方法相比，去除了葉片表面及背景中區域較小的斑點部分，有利于后續處理。

結論：經過一系列研究表明，可以采取HSV模型進行灰度化之后進行葉片分割操作，不同葉片分割方法有不同的適用范圍以及優缺點，使用時要對比環境與噪聲影響，選取不同的分割方法，其中最優的是二維OTSU方法，將像素點領域的平均像素值考慮進來提高了分割效果，解決了因光照、噪聲干擾等引起的圖像失真問題，且運行時間尚可接受，實現了較好的分割效果，為后續對葉片的處理奠定了基礎。