基于數字圖像處理技術的滁菊花盤和花蕊面積的計算方法

摘 要：【目的】通過數字圖像處理技術來計算滁菊花盤和花蕊的面積，為滁菊分級劃分提供依據?！痉椒ā渴紫葘Σ杉降某請D像進行藍色通道灰度化處理；其次進行圖像分割，對分割后的圖像進行形態學處理，從而去除孔洞；最后分別用區域生長算法、差值運算分離出參考裝置區域、滁菊花盤區域和花蕊區域，并統計各區域像素點的個數。由于參考裝置的面積已知，根據比例關系可計算出滁菊花盤面積和花蕊面積。【結果】采用該方法計算出的滁菊花盤和花蕊面積準確，效率高?！窘Y論】該方法解決了人工計算滁菊花盤和花蕊面積存在的數據不可靠問題，具有重要的現實意義。

關鍵詞：滁菊；花盤；花蕊；面積

中圖分類號：TP391.41" " "文獻標志碼：A" " 文章編號：1003-5168（2023）13-0022-05

DOI：10.19968/j.cnki.hnkj.1003-5168.2023.13.004

The Calculation Method of Flower Disk and Flower Core of Chuzhou Chrysanthemum Based on Digital Image Processing Technology

DING Haitao WU Bin LI Lanlan GONG Qiang

（School of Information Engineering，Chuzhou Polytechnic，Chuzhou 239000，China）

Abstract： [Purposes] The aim was to calculate the area of flower disc and stamen of Chuzhou Chrysanthemum morifolium by digital image processing technology， so as to provide basis for classification of Chuzhou Chrysanthemum morifolium. [Methods] Firstly， the collected Chuzhou chrysanthemum images were grayed by blue channel. Secondly， image segmentation is performed， and morphological processing is performed on the segmented image to remove holes. Finally， the reference device area， Chuzhou chrysanthemum disk area and stamen area were separated by region growing algorithm and difference operation respectively， and the number of pixels in each area was counted. Since the area of the reference device is known， the area of the flower disc and the area of the stamen can be calculated according to the proportional relationship.[Findings] The area of flower disc and stamen of Chuzhou Chrysanthemum calculated by this method was accurate and efficient. [Conclusions] This method solves the problem of unreliable data in manual calculation of the area of flower discs and stamens of Chuzhou Chrysanthemum morifolium， and has important practical significance.

Keywords： Chuzhou Chrysanthemum; flower disc; flower core;area

0 引言

滁菊是安徽省滁州市特產，同時滁菊也是中國國家地理標志產品，其藥用價值極高，具有疏風、清熱、明目、解毒等功效，種植范圍也十分廣泛。目前，國內對滁菊的研究主要集中在滁菊的化學成分、栽培技術、制茶工藝、藥用價值、食用價值等領域，如賈雨朦等［1］對滁菊酚類、多糖、類胡蘿卜素提取物抗氧化能力及含量進行研究，結果表明：滁菊的總酚和黃酮含量較高，要高于大洋菊等菊花，多糖和類胡蘿卜素含量較低；詹歌等［2］將HACCP體系引入到滁菊的熱泵干制工藝中，提高滁菊茶品質，助力滁州市地方經濟發展；于云霞［3］從篩選優質滁菊種苗開始，通過設定不同定植期、不同定植密度、不同摘心和抹芽方案，種植出富硒滁菊，運用生物炭來提高滁菊抗澇能力，為生產出高產優質的滁菊提供理論依據；翟果等［4］對觀賞菊識別進行研究，通過數字圖像處理技術對菊花品種進行識別，正確識別率在92%以上。滁菊具有很高的藥用價值和經濟價值，如何選育出花盤、花蕊較大的品種，對增加滁菊的產量具有重要意義。針對上述問題，本研究通過數字圖像處理技術對滁菊花盤區域和花蕊區域進行有效分離，并準確計算出對應區域的面積，對滁菊花形級別劃分具有重要意義，可為農業專家選育滁菊新品種提供參考。

1 計算方法

1.1 藍色通道圖像提取

在RGB模型［5］中，每一種基色都有256個亮度等級，分別提取各通道圖像，并對其進行比較。由于采集到的滁菊圖像為全彩色圖像，圖像處理起來比較慢，通過分析滁菊圖像的特點，對滁菊圖像進行灰度化處理。滁菊圖像包括花盤和花蕊，花盤為玉白色，花蕊為金黃色。對采集到的彩色滁菊圖像直接進行灰度化處理，發現花蕊、花盤區域的灰度值差距不大，繼續對其進行圖像分割產生的效果不好。通過對圖像處理效果的對比，選取藍色通道圖像，并進行灰度化處理，此時花蕊、花盤區域差別最大。

1.2 最大類間方差法

最大類間方差法（OSTU）［6］通過選取初始閾值來把圖像分為兩組，計算圖像的組間方差和組內方差，二者比值越大，分割效果越好。通過遍歷灰度像素值來計算組間方差和組內方差的比值，最大比值對應的閾值即為分割閾值。假定圖像[f（x，y）]的灰度區間為[[0，L-1]]，選擇一閾值將圖像像元分為兩組。先分別計算兩組像元的像元數、灰度均值、均方差及圖像總像元數、灰度均值，再計算組內方差和組間方差。組內方差越小，組內像素越相似；組間方差越大，兩組的差別越大；組間方差與組內方差的比值越大，分割效果越好。通過改變初始閾值的取值，比值最大的分組所對應的閾值即為最終分割閾值。

1.3 形態學處理

1.3.1 灰度腐蝕運算。

1.3.2 灰度膨脹運算。

灰度膨脹運算是逐點計算的，即逐點計算遍歷到的點的局部范圍內各點與結構元中對應元素點灰度值的和，選取最大的和值作為該點的膨脹結果值。經膨脹運算后，邊緣部分灰度值較大的點，其灰度值會有所增加，圖像邊緣會向灰度值較低的區域擴充。若輸入圖像含有較暗的細節部分，且其面積或寬度比結構元素小很多，很容易因膨脹而被消除掉。

1.3.3 灰度開運算。灰度形態學中的開運算和二值圖像形態學處理類似，用結構元素b對灰度圖像f進行開運算，即先對灰度圖像進行腐蝕運算，再對其進行膨脹運算，具體表示見式（3）。

1.3.4 灰度閉運算。灰度形態學中的閉運算和二值圖像的形態學處理類似，用結構元素b對灰度圖像f進行開運算，即先對灰度圖像進行膨脹運算，再對其進行腐蝕運算，具體表示見式（4）。

1.4 區域生長

1.5 參考裝置

2 試驗結果與分析

在VC++6.0軟件中通過編程實現對圖像的處理，所用的PC機配置為3.6 GHz CPU、8 G內存。試驗中所用到的圖像是通過固定相機拍攝得到的，攝像頭與滁菊的間距為10～20 cm，圖像采集臺的背景為黑色，采集臺上參考裝置為白色圓形裝置，直徑為8 cm。處理滁菊圖像大小為460 px×495 px。將采集到的圖像進行藍色通道灰度化處理，結果如圖1所示，圖1中大圓為參考裝置。由圖1可以看出，花蕊區域幾乎為黑色，灰度值很小，花盤區域和參考裝置區域為灰白色，像素點灰度值高，故各區域的特征明顯，灰度值相差較大，有利于對圖像進行分割處理。

利用最大類間方差法對圖1進行處理，得到的結果如圖2所示。圖2為二值化后的圖像，參考裝置區域和花盤區域的像素點值為255，采集臺背景區域和花蕊區域圖像的像素值為0，且滁菊花盤、滁菊花蕊、參考裝置的形狀保存完好，分割效果良好，但存在少量的小孔洞，要進一步處理。

由于形態學開運算和閉運算不會改變圖像的基本位置和形狀大小。根據分割后圖像的具體特征，發現圖像中白色花盤區域存在一些像素值為0的黑點，故選取閉運算對圖2進行處理，處理后的圖像如圖3所示。由圖3可知，小的黑點已被去除，且參考裝置區域、花盤區域、花蕊區域保存完好。

閉運算處理后的圖像各區域特征明顯，根據區域生長算法和差值運算來提取各區域圖像。從圖像起始點開始進行區域生長，區域生長種子點的像素值為0，第一次區域生長后的結果如圖4所示，圖4中花蕊區域已被去除。采取基于結構元的區域生長算法，選取十字形結構元對圖4進行第二次區域生長，其中N=80，區域生長后的結果如圖5所示。從圖5可以看出，圖像僅剩參考裝置，滁菊花盤區域和花蕊區域均被去除，使用像素值統計計算法對圖5中像素點為255的像素數[N參考]進行計算，結果為46 499。

對圖4和圖5進行差值運算，得到只含有花盤區域的圖像，結果如圖6所示。同樣的，可根據像素值統計計算法對圖6中像素點為255的像素數進行計算，結果為15 456。對圖4與圖3進行差值運算，得到只含有花蕊區域的圖像，結果如圖7所示。根據像素值統計計算法對圖7中像素點為255的像素數，結果為2 101。

3 結語

通過對藍色通道的滁菊灰度圖像進行分割處理，經形態學閉運算處理，再經區域生長算法、差值運算得到參考裝置區域、花盤區域、花蕊區域，統計各區域有效像素點個數。由于參考區域的面積已知，根據比例計算出花盤區域和花蕊區域的面積。該方法解決了以往人工測量法計算滁菊花盤面積和花蕊面積帶來的數據不可靠問題，通過試驗證明該方法有效，且優勢明顯、數據準確，是滁菊分級劃分、農業專家選育優良滁菊品種的重要依據。

參考文獻：

［1］賈雨朦，陳芹芹，畢金峰，等.滁菊的功能成分及其體外抗氧化活性［J］.食品科學，2019（23）：66-72.

［2］詹歌，賈小麗，龍門，等.HACCP體系在滁菊熱泵干制工藝中的應用［J］.滁州學院學報，2020（2）：12-17.

［3］于云霞.不同栽培措施對滁菊產量和品質的影響［D］.南京：南京農業大學，2017.

［4］翟果，李志敏，路文超，等.基于圖像處理技術的觀賞菊品種識別方法研究［J］.中國農機化學報，2016（2）：105-110，115.

［5］韓磊，曲中水.一種RGB模型彩色圖像增強方法［J］.哈爾濱理工大學學報. 2014（6）：59-64.

［6］吳東洋，業寧，徐波，等.基于Ostu算法的木材缺陷圖像分割［J］.計算機與數字工程，2012（10）：116-118.

［7］戴青云，余英林.數學形態學在圖象處理中的應用進展［J］.控制理論與應用，2001（4）：478-482.

［8］王芳，錢煒，李文超.基于數學形態學的圖像邊緣提取方法［J］.機械工程與自動化，2015（1）：46-48.

［9］陳忠，趙忠明.基于區域生長的多尺度遙感圖像分割算法［J］.計算機工程與應用，2005（35）：7-9.

［10］王培珍，丁海濤，劉純利，等.基于結構元的煤顯微圖像輪廓提取算法［J］.煤炭學報，2014（S1）：285-288.