基于圖像處理技術對植物葉片面積測量

郝曉峰，于蓉蓉

（西京學院計算機學院，西安 710200）

0 引言

植物的光合作用影響著植物的作物產量，光合作用和植物葉片有關系，葉面積對植物的產物影響較大，葉面積與植物作物是成正比關系，因此測量葉面積對植物作物有非常重要的影響［1］。如何提高速度和準確無誤地測量植物葉面積對農業發展具有重要的意義。在過去的幾年里，已經提出了許多測量方法，如葉面積儀測定法、方格法、剪紙稱質量法。韓殿元等［2］提出用顏色通道相似與自適應閾值分割計算植物葉面積和標準參照物的像素數目，然后通過兩者對比計算植物葉面積。于東玉等［3］提出雙邊濾波和拉普拉斯算子首先對圖形預處理，圖像分割用分水嶺算法，最后用比例法測量出植物葉片面積。

本研究采用相對參考物法［4］，通過CCD 攝像機采集圖像，用加權平均法進行灰度化，用最小差分法進行圖像分割，再通過調節對比度使模糊不清的原始圖像富含大量有用信息，邊緣檢測通過Sobel、Robert、Prewitt 和Canny 算子方法比較選用效果較好的Canny 算子，通過形態學處理對空隙填充，再通過中值濾波處理去除噪音獲取理想圖片，最后通過經典算法像素統計法測量植物葉片的面積［5］。

1 實驗方法

1.1 圖像采集

利用CCD 攝像機對目標進行圖像采集，先將植物葉放在有參照矩陣和白色背景的紙板中；然后將CDD 攝像機鏡頭與植物葉片垂直，并調節CDD 攝像機的參數，保證拍攝的圖像清晰，采集植物葉片的原始圖像，如圖1所示。

圖1 采集的原始圖像

圖像采集完成后，需要對圖像進行灰度變換，灰度變換可以提高圖像的豐富度，突出植物葉片的主要特征，彩色圖像轉化灰度圖像從而降低存儲空間并提高圖像的計算速度。該研究的整體流程如圖2所示。

圖2 整體流程

1.2 預處理

由于CDD 攝像機拍攝的是彩色圖像，彩色圖像存儲空間大，用圖像處理機器計算速度較慢，為了進行下一步處理，需要先將圖像轉換為灰度圖像。灰度變換是圖像增強的一種手段，使圖形動態范圍加大，對比度在色素擴展，圖形更清晰，特征更明顯且灰色圖像存儲空間較小，同時可以提高圖像數據處理速度。在色彩學理論中分為RGB 顏色空間、HSV 顏色空間、HSI 顏色空間，其中RGB 顏色空間通常用于顯示器系統，利用物理學中的三原色彩疊加原理，可以產生各種顏色，因此本次研究選擇RGB 顏色空間。目前灰度化的常用方法是最大值法、平均值法、加權平均值法。本次研究選用的是加權平均法，由于人的視覺系統對RGB 分量的敏感度不同，R、G、B的分量選取比例分別為0.30、0.59、0.11，該比例是較適合人眼視覺，加權平均法的公式為

其中：f(i,j)代表(i,j)處的灰度值，R(i,j)代表彩色圖像的紅色分量、G(i,j)代表彩色圖像的綠色分量、B(i,j)代表彩色圖像的藍色分量。

1.3 圖像分割

圖像預處理后，對植物葉片圖像背景與目標進行分割，圖像分割適用于目標和背景占據不同灰度級范圍的圖像，既可以減少數據量又可以簡化分析和處理［8］，為了突出目標和背景不同灰度級，本次研究使用白色背景板。對植物葉片進行圖像分割時，為分割范圍適用更廣，尤其是室外破壞性質的采摘測量，目前圖像分割常用的辦法有極小點閾值法、最小均方誤差法、雙峰法、最大類間方差法。本研究采用最小均方誤差法。具體步驟如下：令z表示灰度值，p(z)表示灰度值概率密度函數的估計值，則描述圖像中整體灰度變換的混合密度函數是：

其中：μ1和μ2是背景和前景的平均灰度值；σ1和σ2分別是關于均值的均方差；p1（z）與p2（z）表示灰度值概率密度函數的估計值；P1與P2是前景和背景具有參數z的像素概率。如果μ1<μ2，需要定義一個閾值T，小于T的灰度值的像素是背景，大于T的像素是目標。這樣，把目標像素劃錯的概率是：

其中：E1(T)代表前景劃錯的概率；E2(T)代表背景劃錯的概率；E(T)代表總的誤差概率。

為求得誤差最小的閾值可將E(T)對T求導并令導數為零得：

若p1=p2= 0.5，最佳閾值是均值的平均數：

調節對比度可以將灰度化模糊不清甚至無法分辨的原始圖像處理成清晰的富含大量有用信息的圖像，通過調節對比度，可以有效去除圖像中的噪音、增強圖像中的邊緣或其他需要的區域，從而更加容易對圖像中需要的目標進行檢測和測量。調節對比度前后效果分別如圖3和如圖4所示。

圖3 調節對比度之前的圖片

圖4 調節對比度之后的圖片

1.4 邊緣檢測

邊緣是目標區域的一部分，且承載了圖像中大部分語義和含有大量的形狀信息，邊緣也是圖像從彩色圖像轉變成灰色圖像時發生突變的地方，同時也是圖像兩個灰度值相似像素點的集合，邊緣檢測是通過尋找邊緣像素獲取物體的輪廓，輪廓中保存圖像中重要的信息，邊緣檢測的提取基本思想是檢測不同像素點的灰度變化［8］，算子與圖像進行卷積運算，對高頻信號響應應該過零點。因為噪音在圖像中是高頻信號，所以邊緣檢測會對噪音產生呼應。不同算子對不同圖像的噪音敏感度不同，去噪的實際效果不同。對于離散的數字圖像進行圖像處理時，存在一階差分和二階差分邊緣檢測算子。一階邊緣檢測算子有Prewitt 算子、Sobel 算子、Roberts算子等，二階邊緣算子有拉普拉斯算子、高斯-拉普拉斯算子、高斯差分算子等，目前邊緣檢測常用的方法是Roberts 算子、Laplace算子、Sobel 算子、Prewitt 算子、Canny 算子，本次研究通過對比選用效果較好的算子。該五種算子得到的圖像如圖5所示。

圖5 五種算子得到的圖像

通過對比可以明顯看出，Canny算子效果較好，符合實驗要求，本研究選用Canny 邊緣檢測［5］。葉片的邊緣與內部存在許多的縫隙，需要對該結果進行進一步的優化處理，對于植物葉片內部縫隙采用形態學處理，對縫隙進行填充，由于拍攝時有外部因素存在，會在植物葉片圖像中產生噪音，可以通過形態學處理來解決噪音這一問題，它不僅可以獲得清晰的圖像，也可以增強圖像的頻率。針對噪音通過中值濾波消除孤立的噪音點，從而獲取到理想的植物葉片二值化圖像［6］。中值濾波是非線性平滑濾波技術，它最關鍵的地方在于中值兩字，通過排序選擇的一種思想來消除獨立的噪音，第一步是圖像某一個鄰域內的像素值用來排序，再用這一個領域排序獲得的中值來代替需要處理的像素，該像素是這一鄰域內最接近真實值的像素。第二步定義一個長度為L且長度L為奇數的窗口，因為L是奇數的情況下中值濾波器的識別效果較好；反之L為偶數時識別效果較差，所謂L一般等于2N+1，N為正整數，公式為

其中：Med表示中值，Y(i)代表用中值濾波器輸出的像素中值，X(i)代表鄰域中的不同像素值。經過形態學和去噪處理獲得的最終圖像如圖6所示。

圖6 形態學處理后的圖像

1.5 標記與面積計算

通過像素統計計算葉面積［8］。設c1和c2分別表示葉面積和正方形面積。設p1和p2分別表示圖像中植物葉子的像素數和圖像中正方形內的像素數。因此計算葉面積的公式為

其中：p2是已知，p1可以通過統計填充圖像中灰度值為255 的像素點的數量進行獲取，因此可以獲取c1，再通過與傳統測量法獲取真實面積，與基于圖像處理獲得的葉片面積進行相關性分析，結果見表1。

表1 相關性分析

2 結語

本文以植物葉片作為研究對象，基于圖像處理技術對植物葉片幾何數據獲得和面積測量進行研究，提出了一種利用CDD 攝像機和矩陣標本作為參照物來測量植物葉片面積的方法［9］，該方法具有效率高、速度快、勞動量小等優點。整個過程從采集植物葉片開始，到植物葉片處理過程加權平均法的灰度化、Canny算子的邊緣檢測，調節對比度、葉片區域提取以及最后用像素統計法進行面積測量。與實際面積的誤差很小，滿足日常的需求。