小麥旗葉表型特征提取算法分析與實現

2021-10-18 08:14:48郭曉娟韓建勛陳笑寒高國紅安金梁楊軍帥樊琪瑞

現代計算機 2021年24期

郭曉娟，韓建勛，陳笑寒，高國紅，安金梁，楊軍帥，樊琪瑞

（河南科技學院，信息工程學院，新鄉453003）

0 引言

運用圖像處理和計算機視覺技術對小麥圖像的研究一直都是農業信息化領域的一大熱點[1]。因此利用圖像處理技術，研究如何對小麥生長情況進行監測進行分析顯得極其重要。小麥生長情況，即小麥不同時期的生長狀態，是小麥生長發育好壞的直接表現，小麥生長情況會直接影響小麥的產量和品質，常用的生物特征量主要包括葉面積指數、株高、株莖的粗細、麥穗形態等外觀特征[2]。而小麥葉片是小麥重要的組成部分，不僅是其能量的主要來源，更是小麥生長、營養狀況的直接體現者。因此如何統計小麥葉片面積對小麥長勢以及產量預測就至關重要[3]。

綜上所述，對田間地頭采集的圖像，如何利用圖像處理技術，快速、準確地獲取小麥生長狀態信息，為小麥育種專家提供小麥栽培和產量預測所需要的數據將是十分重要且具有實際的應用價值和意義。結合育種專家的實際情況，針對百農系列小麥設計并開發一套系統科學并適合的小麥外表生物特征提取系統是當前迫切需要解決的問題。

1 系統設計與預處理

本系統旨在為小麥育種專家提供快捷、方便地統計小麥在不同生長時期的長勢特征，設計并實現了小麥生物特征提取與分析系統。該系統主要包括4個功能：圖像預處理、小麥旗葉特征分析與估測、小麥植株特征分析與估測、小麥麥穗特征分析與估測。

1.1 系統功能結構

根據育種專家的實際需求，設計并實現小麥生物特征提取與分析系統，該系統的功能結構如圖1所示。

圖1系統功能結構

本文主要針對小麥生物特征提取分析系統中的小麥旗葉特征分析與估測模塊進行詳細說明。圖1中的圖像預處理模塊主要負責對圖像進行預處理：灰度化、二值化、銳化、平滑、形態學等操作；小麥旗葉特征分析與估測模塊主要負責對采集的小麥旗葉圖像進行分析，并估測出小麥旗葉周長、面積等特征。下面詳細介紹小麥旗葉圖像采集和系統所用圖像預處理算法。

1.2 小麥葉片圖像采集

結合育種專家的實際需求，圖像的采集設備可以直接用手機或數碼相機進行拍攝，根據系統不同功能的要求，采集對象和方式也有所不同。

根據實際需求，分3類情況進行圖像采集：①單一背景下有參照物小麥葉片；②單一背景下無參照物的小麥葉片；③大田背景下小麥葉片。每組采用數碼相機或手機俯視拍攝形態各異的小麥葉片圖像5幅。經過大量實驗得知，對于無參照物的圖像進行俯視拍攝高度在20 cm時，計算得到像素總數與實際測量葉片面積最接近。拍攝原始圖像如圖2—圖4所示。

圖2 有參照物

圖4大田背景下

在算法具體實現時，均用上面采集的圖像作為驗證算法有效性的輸入圖像。

1.3 圖像預處理

圖像預處理一般常用操作有：彩色圖像灰度化、灰度圖像二值化、圖像平滑、圖像銳化、二值形態學處理等操作。下面將系統中用到的預處理算法介紹如下[4-6]。

（1）彩色圖像灰度化。為方便進行圖像處理，通常把彩色圖像轉換成灰度圖像，在MATLAB下使用rgb2gray函數進行圖像的灰度化。常用彩色圖像灰度化的公式如下所示：

其中H表示轉換后的灰度值，RGB表示原始彩色圖像的色度值。

（2）灰度圖像二值化。灰度圖像轉換為二值圖像，其基本原理把圖像上的像素點的灰度值只取兩個值，兩個值分別呈現出黑白的效果。根據選取的閾值不同，圖像二值化有3種方法：全局二值化、局部二值化和局部自適應二值化。根據實際需要，系統采用的是全局二值化方法對灰度圖像二值化。

（3）形態學處理。形態學最常用運算是膨脹、腐蝕、開運算和閉運算。根據系統具體實現情況，下面分別對膨脹、腐蝕進行概要說明。

1）腐蝕。腐蝕操作就是刪除圖像邊界像素，達到圖像收縮的效果。腐蝕運算原理是：對圖像中某一像素點，采用合適的結構元素，并用結構元素的中心點與當前像素點重合，得到重合的所有像素最小值的運算結果，最后使用最小像素點替換當前的像素點。

2）膨脹。膨脹與腐蝕是一組對應的運算，膨脹亦是腐蝕的補集。從實現功能角度而言，腐蝕運算對圖像起到一定的收縮作用，而膨脹運算則與其功能相反，對圖像具有向外擴大的效果。本項目會根據實際功能的需要，進行多次的腐蝕或膨脹操作，以方便后期圖像的處理與分析。

（4）圖像平滑。在實際的圖像采集中，不可避免會出現噪聲如干擾噪聲和椒鹽噪聲，噪聲會嚴重影響邊緣檢測的效果。均值濾波法和中值濾波法是最常用圖像平滑方法。本項目具體實現時采用的是中值濾波方法對圖像進行圖像平滑。中值濾波是一種非線性的平滑方法，可以消除多種噪聲，其原理是在像素鄰域前提下，并圖像矩陣中某一像素點灰度值用該點鄰域內所有點的像素灰度值排序后的中值來代替。

（5）圖像銳化。圖像銳化的目的是突出圖像主體對象的邊緣信息和細節信息。常用邊緣檢測法來突出顯示圖像的邊緣信息，常用的有Roberts算子、Pre?witt算子、Sobel算子、LOG算子和Canny算子等經典邊緣檢測算子。

2 小麥旗葉特征分析與估測算法與實現

2.1 算法處理過程

算法處理過程如圖5所示。

圖5小麥旗葉特征估測算法處理過程

從圖5可知，對已經采集的3類圖像，進行圖像預處理操作，具體包括：彩色圖像灰度化、灰度圖像二值化、圖像銳化等操作。對得到的二值圖像（黑白圖像）進行特征分析與提取，利用相應的計算算法分別得到無參照物、有參照物、大田背景下3種情況的小麥旗葉特征估測結果。

2.2 具體算法分析

（1）對無參照物算法分析。對于無參照物小麥旗葉特征提取及分析方法，從數字圖像的角度而言，就是統計二值圖像中主體對象（小麥葉片）封閉區域內所包含的像素個數。具體思想：在二維矩陣中，先統計每行中前景像素的個數，再累積求取所有行像素個數總和，即為小麥葉片面積。注意俯視拍攝的高度問題。

（2）有參照物算法分析。對于有參照物小麥旗葉特征提取及分析，在計算小麥葉面積時首先獲得二值圖像的大小，創建兩個一行的零矩陣，長度分別為二值圖像的長和寬，通過雙重循環，對二值圖像的像素進行遍歷，若該像素的值為0，則將零矩陣中對應列中的數值加一，遍歷結束后通過對兩個零矩陣進行循環，找出其中的最大值，即麥葉的長和寬。之后再對二值圖像中參照物的位置進行統計，找出最大值，作為0.5 cm對應的像素個數，用求出的麥葉的長和寬的像素個數分別除以二倍的參照物的像素個數，最終得到以厘米為單位的旗葉長和寬，根據小麥葉面積計算公式：長×寬×0.7，求出對應的麥葉面積。

（3）大田背景下。對于大田背景下小麥旗葉特征提取及分析，首先需要對采集的圖像進行圖像裁剪，系統所實現圖像裁剪采用的是手工方法，即在系統中導入采集圖像，在顯示原始圖像的實體中，使用鼠標直接拖動進行目標圖像的裁剪。對裁剪的圖像進行灰度化、二值化，后面的處理方法與無參照物小麥旗葉特征提取及分析相同。同時需要注意俯視拍攝時的高度問題。