基于農業圖像處理的雜草分割

王佳玉 劉立群 常琴 楊婷婷 李亦寧

摘要：雜草會同農作物爭奪土壤養分與生長空間，妨礙田間通風，遮擋陽光照射，從而影響作物產量與質量。針對傳統人工除草費時費力，化學除草藥劑使用不當造成環境污染，對牲畜以及人的健康產生危害的問題，為正確使用除草藥劑劑量，對田間雜草進行定點除草，采用無人機等攝影設備對農田雜草圖像進行采集，研究基于MATLAB的農作物圖像處理雜草分割判定辦法，并以此開發雜草分割系統。該系統通過圖像處理技術，利用綠色植物與周邊環境的不同分離植物與環境，并將所得圖像進行進一步的分割與降噪，得到最終的只剩雜草的圖像，為除草機器智能化奠定基礎。實驗表明，通過MATLAB圖像處理技術，可以獲得清晰的雜草圖像，并正確判定其位置。

關鍵詞：雜草分割;灰度化;閾值分割;智能化

中圖分類號：TP391? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）17-0017-04

開放科學（資源服務）標識碼（OSID）：

Weed Segmentation Based on Agricultural Image Processing

WANG Jia-yu， LIU Li-qun， CHANG Qin， YANG Ting-ting， LI Yi-ning

（College of Information Science and Technology， Gansu Agricultural University， Lanzhou 730070， China）

Abstract： Weeds compete with crops for soil nutrients and growth space， hinder field ventilation and block sunlight， thus affecting crop yield and quality. In view of the traditional artificial weeding laborious， chemical weeding agents use undeserved cause environmental pollution， for livestock， cause harm people's health problems， for proper use of weeding drug dose， to fixed-point weeding weeds in the field， the drones and other photographic equipment for farmland weed image acquisition， crops research based on MATLAB image processing weeds determine segmentation method， and development of weeds segmentation system. Through the image processing technology， the system makes use of the green plants and the surrounding environment to separate the plants and the environment， and further segmentation and noise reduction of the obtained image， to get the final image of only weeds， which lays the foundation for the intelligent weeding machine. The experiment shows that through MATLAB image processing technology， we can get clear weed image and determine its position correctly.

Key words： weed segmentation; gray; threshold segmentation; intelligent

1 背景

中國自古就是一個農業國家，伴隨著水稻、小麥等糧食的栽培，田間雜草的生長也成了一大難題，而如何去除雜草也成了種植農作物不可忽視的問題。從如今來看，人們經常采用的除草方式大致可分為三種：一是人工除草;二是機械除草;三是化學除草[1]。然而人工除草需要種植者長時間在田間勞作，不僅耗時費力而且效率不高?；瘜W除草比起人工除草雖然可以節省勞動力，節約大量的時間，提高農作物的生產效率;但它的弊端也是很明顯的，有以下幾點：有時候會引起藥害，對人、牲畜的健康產生影響，甚至會污染環境，破壞生態平衡[2]。近幾年，由于農業現代化的不斷發展，智能化機械的身影逐漸出現在大眾面前，一部分種植者在農作物的種植到成熟的整個過程中，都會用到與其相關的智能化機械產品，通過借助數字圖像技術對雜草進行識別和研究[3]，可以使除草藥劑定量地噴灑到田間的同時使得環境污染得到遏制，針對如何快速有效地識別作物與雜草[2]，更好地在減輕種植者的負擔的同時防止環境污染，并提高除草效率的問題，我們開發設計了基于農業圖像處理的雜草分割系統，該系統利用無人機對田間雜草進行圖像采集，然后通過MATLAB圖像處理技術對圖像進行分割、識別，從而得到了清晰的雜草圖像。本課題可以快速且高效地得到雜草圖像處理結果，大大提高除草效率，這對農業智能化的發展具有重要意義。

2 系統原理

基于農業數字圖像處理的雜草分割系統是以雜草為研究對象，利用MATLAB數字圖像處理技術對所采集的農作物雜草圖像進行處理，以實現對雜草的分割與識別，為除草機械自動化提供理論支持。其處理步驟可分為圖像采集、圖像分割、圖像識別三大步驟如圖1所示。

首先我們利用無人機或攝像機等攝影設備拍攝采集田間農作物與雜草的圖像，并由人工進行簡單篩查，以此刪除拍攝過程中因設備不穩定等原因產生的模糊不清，無法看到農作物與雜草的圖像，將篩選過后的圖像上傳至系統文件相應位置，利用MATLAB圖像處理技術，對所采集的圖像進行預處理，使彩色圖像轉變為灰色圖像，減少圖像中所包含的信息內容，其次利用閾值分割法對雜草邊緣進行分割，進一步得到清晰的農作物雜草圖像，此時圖像中的綠色植物已與自然環境完全分離，然后利用區域生長法，通過像素點的連接，使農作物于雜草分離，通過形態學濾波法濾除雜質凸顯雜草區域，從而得到清晰的雜草圖像，以此進行雜草的識別定位，從而為除草自動化提供基礎。

3 系統的總體設計與實現

基于農業圖像處理的雜草分割系統的總體設計與實現思路如圖2 所示。該系統包括圖像預處理、二值化、閾值分割、形態學濾波等功能。

3.1 圖像預處理

圖像預處理的目的是為了消除圖像中無用的信息，恢復有效的真實信息，增強有關真實有效信息的可檢測性、最大限度地使數據簡化，從而改進圖像分割、匹配和識別的可靠性[4]。

圖像灰度化是將彩色的圖像變為灰白色圖片，其中的原理是把圖片上的像素點的灰度值進行變化，從而使圖片成為灰白色。我們可以在程序中讀入一個彩色圖像，然后將這個圖像灰度化，最后用編程語言將圖像進行處理。在我們的項目中，圖像預處理運用在將雜草和雜草周圍的土壤分割出來，由于彩色圖像中包括了太多元素，很難將雜草和土壤精確地分割出來，而圖像預處理可以先將彩色的圖像灰度化，以便在后期的圖像分割中更容易地將雜草和土壤分割出來。

當圖像灰度化之后，在這里我們就可以利用二值化處理，將圖像中的大于預先設定的灰度值的像素點轉變為黑色，并將小于預先設定的灰度值的灰度像素點轉變為白色，將灰白圖像進一步轉變為黑白圖像，得到更加分明的雜草圖像，以便于更好地分割圖像。圖像二值化處理廣泛應用在圖像的分割等方面，在圖像分析、圖像識別上具有重要的意義[5]，本文旨在把雜草圖像經過二值化處理后，雜草圖像變成二值圖像，為后期的圖像處理打下了基礎。

3.2 閾值分割

圖像分割是從圖像處理到圖像分析的關鍵步驟，圖像分割結果的好壞直接影響到對圖像的理解[6]。閾值分割以其簡單、高效的優良性在圖像分割技術中占據重要位置[7]，其基本思想為把圖像分割為不同的區域，劃分圖片所有像素，得到的每個小集合會成為子集，每個子集都會有與之相對應的圖像區域，不同區域有不同的性質，但內部性質一樣。

由于在之前的圖像預處理步驟中，已經將圖像灰度化，圖片會呈現出不同的灰度值，這樣我們就可以用閾值分割法將不同的灰度值分割開來，以此分割雜草和自然環境。然而閾值分割的閾值不能太高，也不能太低，所以我們通過迭代法來求取最佳的閾值選擇，具體步驟有以下六個步驟：1）將圖像中的像素點分為兩部分，得到最小灰度閾值T1和最大灰度閾值T2;2）利用得到的閾值T1與T2，計算閾值平均值Tk的估值;3）將圖像的像素點與Tk比較，并分為區域1和區域2;4）分別計算區域1和區域2的平均灰度值K1、K2;5）根據以上步驟得到新的閾值：TK=1/2（K1+K2）;6）重復除步驟1）以外的所有步驟，直到得到的T值小于定義的參數T的估計值。

3.3 區域生長法

區域生長是圖像分割技術之一。區域生長的基本工作原理是將具有一定相似性的像素集合起來構成一個區域[8]。首先，在每個待分割區域中找到雜草的像素作為起點，然后在將雜草像素與周圍生活環境中的其他植物像素數據進行分析對比，將與雜草相似的像素合并到起始雜草像素所在的區域。最后再將雜草的像素作為標準進行，繼續向周圍環境中的物種像素比較，一直到再沒有滿足條件的像素可以通過包括進來，這樣對于一個區域生長就形成了。區域生長實現的步驟如下：1）在雜草圖像中定位一個雜草像素點，設該像素點為K1;2）以K1為中心像素點，比較K1的8鄰域像素K2，如果K2符合生長準則，則將它們合并到一個范圍中，并將K2入堆棧;3）從堆棧中取出一個像素點，把它當作K1，重復步驟2）[8] ;4）重復步驟1）-3），直到雜草圖像中的每個像素點比較完成后停止。在本文中運用這個方法可以將采集到的雜草圖像樣本進行區域化，以此快速有效識別出圖像中的雜草，識別率提高的同時節約了時間和人工成本。

3.4 形態學濾波

形態學濾波的結果就是用具有一定形態特性的結構元素去衡量和提取圖像中的對應形狀去分析和識別，其基本運算為腐蝕和膨脹。集濾除噪聲的形態學算子和同時完整保留圖像原有信息的優點于一體的形狀濾波器被用在雜草圖像恢復處理中。形態學濾波的優點也顯而易見，在處理雜草圖像的邊緣時，不會被一些因素影響，提取的邊緣使得后續的處理更加順暢。同時，形態學濾波提取的圖像整體上像素清晰，不會出現斷斷續續的情況。田間雜草的識別和處理，一般來說，都是人通過觀察雜草的稀疏程度來判斷噴灑除草劑的量，本文中應用形態學理論分析雜草的特征，采用形態學算法中的技術對圖像進行有效的分離[9]。

4 系統的詳細設計

MATLAB語言計算結果可視化并且擁有功能強大的圖像處理工具箱，所以通過MATLAB進行圖像處理，可以提高雜草識別的效率，是設計雜草分割系統很好的選擇。在這里我們利用imread函數讀取所需處理的圖像，經過圖像預處理、圖像分割、區域生長法，形態學濾波四大步驟后，輸出最終圖像，并且可以利用figure函數和imshow函數得到每一步的圖像處理結果，原圖像如圖3所示。

4.1 圖像預處理

圖像預處理流程圖如圖4所示，圖像預處理結果圖如圖5所示。

4.2 閾值分割

閾值分割流程圖如圖6所示，閾值分割結果圖如圖7所示。

4.3 區域生長法

區域生長法流程圖如圖8所示，區域生長法結果圖如圖9所示。

4.4 形態學濾波

形態學濾波流程圖如圖10所示，形態學濾波結果圖如圖11所示。

5 結束語

通過對農業圖像處理的研究與設計，從圖像的預處理著手，對圖像進行閾值分割、區域生長法、形態學濾波等一系列的處理，最終得到雜草分割圖像，使得在減輕農作物種植者除草負擔的同時減輕了環境污染，并提高了除草效率的問題，對未來除草機器自動化、智能化提供了理論基礎。

參考文獻：

[1] 吳國瑞.基于圖像處理的雜草種類識別技術研究[D].楊凌：西北農林科技大學，2009.

[2] 張有春.基于卷積神經網絡的雜草快速識別研究[J].安徽農業科學，2019，47（14）：242-244.

[3] 耿蕊，于曉敏，遲立穎.基于MATLAB圖像處理的農業雜草種類識別研究[J].信息通信，2018（7）：62-63.

[4] CSDN 圖像處理之預處理方法[EB/OL].（2018-08-28）[2020-06-24].https：//blog.csdn.net//joaming/article/details/82146604.

[5] 王樹文，張長利，房俊龍.基于計算機視覺的田間雜草識別研究[C]//農業工程科技創新與建設現代農業——2005年中國農業工程學會學術年會論文集第三分冊.2005：394-398.

[6] 鄭三婷.淺談MATLAB仿真在數字圖像處理課程中的應用[J].電子制作，2020（8）：62-63.

[7] 顏世利.灰度圖像閾值分割的自適應濾波和快速算法研究[D].桂林：桂林理工大學，2018.

[8] CSDN OpenCV-區域生長算法[EB/OL].（2015-11-27）[2020-07-20].https：//blog.csdn.net/Robin__Chou/article/details/5007 1313.

[9] 李昌盛，王亞娟，黃啟俊，等.基于FPGA的人臉檢測系統設計[J].電子技術應用，2011，37（10）：13-16.

【通聯編輯：謝媛媛】