（农业电气化与自动化专业论文）基于图像处理的植物叶片几何形态数据获取方法的研究.pdf

摘要 虚拟植物是随着计算机软、硬件技术及信息技术的进步而迅速发展起来的新兴研究领域 它是以计算机为基础，利用虚拟现实技术在计算机上模拟植物在三维空间中的结构发育及生 长过程，具有三维化效果和可视化功能。利用虚拟植物技术可以精确反映现实植物的形态结 构、生长状况及对周围环境的影响，这对作物产量预测、土地生产力评价、资源环境分析、 作物栽培指导、作物生| 夤机理研究、调控作物生长发育及农业科技推广领域都有着十分重要 的意义。 在虚拟植物技术的研究中，植物几何形态数据的获取及测量是一项基础而重要的工作， 只有获得准确的几何形态数据，计算机才能将现实中的植物在虚拟环境下模拟的更真实，这 项技术才更具实用价值。传统的植物几何形态数据测量方法主要用尺测量叶片长度，用量角 器测量植株分枝的方位角和夹角等，这种手工方法由于受人为、自然等因素的影响较多，导 致测量精度差、测量结果不理想，基本上已经淘汰，而现在常用的方法是利用三维数字化仪 来测量，虽然数据精确，测量效果较好，但由于价格较高、操作相对复杂，对其推广使用也 产生了一定影响。 本文将从植物的叶片入手，探讨一种比较理想的无接触的植物叶片几何形态数据获取方 法，首先利用c c d 摄像机、数码照相机等图像采集设备将高清晰植物叶片照片采集到计算机 上，然后通过一系列图像处理技术从照片中提取出植物叶片边缘及叶脉等几何形态特征图像， 再将特征图像矢量化后转换为d x f 矢量图形文件格式，最后用a u t o c a d 等软件读取矢量图形 文y - i ：h r 可获得植物叶片几何形态特征的原始数据。 关键词：虚拟植物：矢量化：d x f 文件格式 v s t u d i e so nm e t h o do fg e t t i n gg e o m e t r i c a ls h a p ed a t a o f v e g e t a ll e a f sb a s e d o n i m a g ep r o c e s s i n g a b s t r a c t v i r t u a lp l a n ti sn e w l yr i s e ns t u d yf i e l dw i t hr a p i dd e v e l o p m e n to fs o f t w a r ea n dh a r d w a r eo f c o m p u t e ra n da d v a n c e m e n ti n f o r m a t i o nt e c h n o l o g y i ti sb a s e do nc o m p u t e za n dc a ns i m u l a t et h e c o u r s eo f d e v e l o p m e n ta n du p g r o w t ho f p l a n t si nt h r e e - d i m e n s i o nb yv i r t u a lr e a l i t y , a n dp o s s e s so f t h r e e - d i m e n s i o n a la n dv i s u a le f f e c t b yv i r t u a lp l a n tt e c h n o l o g y , w ee a na c q u i r ep r e c i s es h a p e s t r u c t u r e ，g r o w t hs t a t e sa n da f f e c tt oe n v i r o n m e n to fr e a lp l a n t s ，w h i c hi ss i g n i f i c a n tf o rd o p i n go u t t h eo u t p u to fc r o p s ，e s t i m a t i n gt h ep r o d u c t i v i t yo fs o i l ，a n a l y z i n gr e s o u r c ea n de n v i r o n m e n t ， c o a c h i n gc r o p sp l a n t i n g ，r e s e a r c h i n go nt h eg r o w t ht h e o r yo fc r o p s ，c o n t r o l i n gc r o p sg r o w t ha n d e x t e n d i n ga g r i c u l t u r a ls c i e n c ea n dt e c h n o l o g y o nt h ef i e l do fv i r t u a lp l a n t ，i ti sb a s a la n di m p o r t a n tt om e a s u r ea n dg e tt h ed a t a so f g e o m e t r i c a ls h a p eo fl e a f s o n l yg e t t i n g p r e c i s eg e o m e t r i c a ls h a p ed a t a s ，c o m p u t ej l a s tc a ns i m u l a t e r e a lp l a n t sm u c hm o r er e a l l ya n dv i r t u a lp l a n tt e c h n o l o g yi sm u c hm o r ea p p l i e d t h et r a d i t i o n a l m e t h o do fm e a s u r i n gg e o m e t r i c a ls h a p ed a t a so fp l a n t si sa r t i f i c i a l ，w h i c hm e a s u r et h el e n g t ho f l e a f sw i t hr u l e ra n dt h er a m u sa z i m u t ha n g l eo fp l a n t sw i t hp r o t r a c t o r b u tt h er e s u l t sb yt h i sw a y a r ei n a c c u r a t ea n dn o tp e r f e c tb e c a u s eo ft h ee f f e c to fa r t i f i c i a la n dn a t u r a lf a c t o r s ，s ot h em e t h o d h a sb e e nw a s h e do u t n o ww ea l w a y su s et h r e e - d i m e n s i o n a ld i g i t a la p p a r a t u st od ot h i s t h o u g ht h e r e s u l t sb yt h i sw a yi sa c c u r a t ea n dp e r f e c t ，i ti sd i f f i c u l tt oe x t e n di t su s a g eb e c a u s eo f t h eh i g hp r i c e a n dt h ec o m p l e xo p e r a t i o n t h i sp a p e rs t a r t sw i t ht h el e a f so fp l a n t sa n ds e a r c hf o ra nm e t h o dw h i c hc a nm e a s u r e g e o m e t r i c a ls h a p ed a t a so fl e a f sp e r f e c t l ya n du n t o u c h e d l y f i r s t l y , w eg e tt h eh i g hc l e a r l yd i g i t a l i m a g eo fl e a f sb yt h ee q u i p m e n ts u c ha sc c dv i d i c o na n dd i g i t a lc a m e r aa n dp u ti t i n t oc o m p u t e r s e c o n d l y , t h ei m a g eo f g e o m e t r i c a ls h a p ec h a r a c t e ro fl e a f sc a nb ee x t r a c t e df r o mt h ew h o l ei m a g e b ya s e r i e so fi m a g ep r o c e s s i n gt e c h n o l o g i e sa n dt r a n s f o r m a ti ti n t od x ff o r m a tw h i c h , i s v e c t o r g r a p h f i n a l l y , w ec a r lg e t t i n gt h eo r i g i n a ld a t a so f g e o m e t r i c a ls h a p eo fl e a f sv i ar e a d i n gt h e v e c t o r g r a p hf i l eb ys o m es o f t w a r es u c ha sa u t o c a d k e y w o r d s ：v i r t u a lp l a n t ；v e c t o r i z a t i o n ；d x ff i l ef o r m a t c a n d i d a t e ：l iy a n f e n g s p e c i a l t y ：a g r i c u l t u r a le l e c t r i z a t i o na n da u t o m a t i z a t i o n s u p e r v i s o r ：m e n gf a n j i a n g 研究生学位论文独创声明和使用授权书 研究生学位论文独创声明和使用授权书 独创声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成 果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发 表或撰写过的研究成果，也不包含未获得 ( 注；地遗直基丝盂墨挂别直明的! 奎拦互窒2 或其他教育机构的学位或证书使 用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 学位论文作者签名 乃茏垮 f 日期：切占年月，z 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，学校有权保留并 向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权 学校可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩 印或扫描等复制手段保存、汇编学位论文。( 保密的学位论文在解密后适用本授权书) 学位论文作者签名 乃磊蜂 日期：加年6 月1 2 日 导师签名：壶锯 日期加f 年占肌日 1 引言 1 1 研究的目的及意义 虚拟植物( v r t u a lp l a n t s ) 就是利用虚拟现实( v i r t u a lr e a l i t y ) 技术，在计算机上精确 地模拟出三维空间里，自然界中的植物生长发育状况及过程，如同科研人员在计算机里开垦 了一块虚拟的试验田，把现实中的植物搬到里面生长。因此，虚拟植物能够精确地反映现实 植物的形态结构极具真实感它可以帮助我们以一个全新的视角来研究植物，应用面非常 厂+ 泛。 研究虚拟植物有着重要的实用价值，植物是自然界中最常见的物体，与我们的日常生活 密切相关，研究虚拟植物主要有两个研究方向：一是单纯的植物外观形态模拟，注重视觉效 果的真实性；一是真实植物生长过程的模拟，注重植物学理论的真实性。相应地，用途也分 为两种；一种的目的在于自然景观的再现，主要应用领域有：教育，用于制作电子出版物、 数字幽。10 馆、植物生长教育软件以及儿童启蒙软件等；商业，用于在网上展示产品、与客户 交互等电子商务方向、广告的创意制作；计算机辅助设计，用于园林规划和生活区设计、城 图卜1s p e e d t r e e 利用虚拟植物技术生成的树林 f i g 1 - 1t h ef o r e s tc r e m e db ys p e e d t m eb a s e do nv i s u a lp l a n t 市规划等。另一种的目的在于植物生长过程的研究，可用于农林业研究，将虚拟植物( 农作物) 生长技术应用于农林业研究具有重要意义：应用虚拟植物( 农作物) 生长技术在虚拟农田环境 系统中进行虚拟试验可部分地替代在现实世界中难以进行或费时、费力、昂贵的试验：虚拟 土壤养分和水分的时空变化，可确定特定地区特定作物的最优水肥条件，从而优化灌溉和施 肥措施，提高化肥和水资源的利用效率，为精确农业技术应用提供指导：通过模拟分析害虫 在作物群体中的藏匿和取食规律，确足最佳的喷药时间和方式，降低成本、减少环境污染， 并为培育降低病虫害的作物形态提供依据( 侯加林，2 0 0 4 ) 。 图1 - 2 虚拟植物在5 年、1 5 年、4 0 年后的生长发育状况 f i g 1 - 2t h es t a t e so f v i r t u a lp l a n td e v e l o p i n ga f t e r5 1 5a n d4 0y e a r s 然而，虚拟植物技术在这些领域中的应用必须要有一个重要的前提，就是实现虚拟植物 的可视化。虚拟植物可视化的实现首先要解决的问题，也是设计、实现可视化的关键是如果 获取植物几何形态的原始数据，只有获得了准确的植物几何形态数据，计算机中所模拟出的 虚拟植物才能更加真实，对其所做的各种实验才更有意义，这项技术才更具实用价值。传统 的植物几何形态数据测量方法主要是手工方法，由于直接用各种工具对植物进行测量，不但 有可能破坏植物，而且受人为、自然等因素的影响也较多，导致测量精度差、测量结果不理 想。现在通常的方法是利用三维数字化仪来测量，虽然数据精确，测量效果较好，但由于价 格较高、操作相对复杂，对其推广使用也产生了一定影响。因此，研究出一种测量结果准确、 无接触、费用低的植物几何形态数据获取方法，对虚拟植物技术今后的发展具有重大意义。 1 2 国内外研究动态 以前，通常进行植物形态结构数据采集都采用手工测量的方法，如用尺测量叶片长度， 用量角器测量植株分枝的方位角和夹角，但这样既费时又费力，测定精度和速度难以满足要 求。 8 0 年代后期，三维数字化仪出现了，它是以计算机为核心，基于声学、光学、磁学等原 理开发的，通过在植物上选定一些能够描述其形态结构的特征点，获取其在三维坐标系中的 坐标值，能方便的计算其倾角及方位角、叶片的几何形状等。可快速、精确地采集物体空间 坐标。 1 9 9 1 年，s i n o q u e t 等人在为测定植物冠层的空间坐标所采用的基于声学原理的三维数字 化仪，其精度为! l o m m 。 近几年来该类型仪器的性能又有大幅度提高，美国g t c o 公司的f r e e p o i n t 三维数字化仪， 2 引言 在测量范围2 4 m 2 4 m 2 4 m 内，其精度达到! l m ，可实现对植物生长过程中形态结构的 连接、精确的监测，确定其规律( 郭炎，2 0 0 1 ) 。 图卜3i m m e r s i o n 公司的m i c r o s c r i b e 三维数字化仪 f i g 1 - 3m i c r o s c r i b et h r e e d i m e n s i o n a ld i g i t a la p p a r a t u so f i m m e r s i o nc o r p o r a t i o n 现在，基于激光、微型雷达技术、层析技术的三维数字化技术也已经出现。层析三维数 字化仪的基本原理是把被测物体用专门的填充剂充满其内外所有细节结构，再用真空和高压 装置把被测物体制作成测量模块：对该测量模块进行逐层切削和扫描测量；对所有的被测断 面进行i 虱像处理，同时精确提取内外轮廓的边缘数据；再通过工作站进行三维c a d 重建被测 融生置舯 图卜4 激光数字化仪原理结构图 f i g 1 - 4 t h e g r a p ho f t h e o r e t i c a la n ds t r u c t u r eo f l a s e r d i g i t a la p p a r a t u s 东北农业大学工学硕士学位论文 物体的实体模型，在三维c a d 实体模型的基础上直接进行激光快速成型或数控加工，制造出 被测物体的复制件、或是放大或缩小的模型，也可进行二次再设计及技术图纸存档。三维激 光数字化是一种全自动非接触几何测量三维测量系统，它基于主动式三角测量原理，通过将 一激光束照射到物体表面上，利用c c d 摄取物体表面上的二维变形线图像，就可以求出相应 的三维坐标，每个测量周期可获取一条扫描线；物体的全轮廓测量式通过l s h 机台上的步进 式三轴直线运动和一轴回转运动辅助实现的。根据测量对象和实际需要，可选择点测量、线 图1 - 5 三维激光数字化仪 f i g 1 - 5t h r e e d i m e n s i o n a ll a s e r d i g i t a la p p a r a t u s 测量、平面扫描、双面扫描、四面扫描、回转扫描等测量方式，其最大测量范围可达6 0 0 m m ( x ) 8 0 0 m m ( y ) 4 0 0 m m ( z ) 3 6 0 度这些方法成熟后，将能实现对植物形态结构的更快速、准确、 非接触性的测量。这些新研究的成熟，将能实现对植物形态结构的更快速、准确、非接触性 的测量。 1 3 主要研究内容 本文的主要研究内容包括： 1 确定研究总体构架 2 分析与本课题有关的图像处理技术 3 确定关键研究方法及其实现 4 研究结果测试 4 研究的基本原理与方法 2 研究的基本原理与方法 2 1 总体设计目标 现阶段设计目标：从植物的叶片入手，利用数字图像处理技术及矢量化技术，将植物叶 片位图图像转换为矢量化的植物叶片几何形态特征图像，为虚拟植物建模提供精确可靠的数 据支持。 在现阶段设计目标完成的基础上的中远期设计目标：以获取植物叶片形态特征数据的方 法为基础，结合三维图像技术，进一步研究植物整体几何形态数据的获取方法，使这项技术 更具有实用价值。 2 2 基本原理与研究方法 本系统以数字图像处理技术为基础，主要由以下三部分构成：图像预处理部分，包括灰 度化、灰度变换及图像的滤波：叶片形态特征提取部分，包括边缘检测、阈值的选取、i 割像 二值化、边缘修补及一些细节处理：特征图像矢量化部分，包括图像跟踪、链表的建立及图 像的矢量化，具体结构如下图所示： 图2 - 1 系统原理结构图 f i g 2 - 1t h eg r a p ho f s y s t e m i ct h e o r e ya n ds t r u c t u r e 2 2 1 图像的预处理 由于拍摄植物照片所用的照相器材的不同，天气、光照、曝光强度的不同，所拍摄物体 照片质量也将不同，有可能出现噪音、毛刺、孤立点、曝光不足等影响图像质量问题，本部 分将运用灰度化、灰度变换、图像滤波等技术来减少这些问题对图像带来的影响，以突出图 像的主体部分。 2 2 2 叶片形态特征的提取 植物叶片几何形态特征的提取是对叶片边缘、叶脉等主要特征的提取，此部分将利用边 缘检测、轮廓跟踪、图像二值化、腐蚀、膨胀等图像处理技术提取叶片的主要特征，使图像 成为只含有完整、光滑的叶片骨架的二值特征图像。 2 2 3 特征图像的矢量化 矢量图像是由一组存储在计算机中，描述点、线、面等大小形状及其位置、维数的指令 组成，通过读取这些指令并将其转换后在屏幕上显示出形状和颜色。矢量图像具有数据描述 准确、放大缩小不失真及所占存储空间小等优点，本部分结合运用了图像处理及矢量化的方 法，完成了叶片特征的位图数据到矢量数据的转换。 2 3 开发环境 硬件开发环境 本系统的硬件开发环境为h p 的w o r k s t a t i o n ) ( w 4 1 0 0 图形工作站，其主要配置为： c p u ：i n t e lp e n t i u m42 4 g 内存：h y2 5 6 md d r 2 6 6 显卡：n v i d i aq u a d r on v s 6 4 m 软件开发环境 本系统软件部分是以m i c r o s o f t 公司的w i n d o w sx ps p 2 系统为操作平台，以m i c r o s o f t 公司的v i s u a lc + + n e t 为开发工具开发的，d x f 文件的识别输入到a u t o d e s k 公司的 a u t o c a d 2 0 0 5 中。 6 设计与实现 3 设计与实现 3 1 图像预处理部分的设计与实现 对于获取的原始图像，由于噪声、光照等环境因素可能导致图像的质量不高，所以需要 进行图像预处理，以提高图像质量，有利于提取我们感兴趣的信息。本系统的图像预处理包 括灰度化、灰度变换及图像滤波等。 3 1 1 图像灰度化 为了能区别各种不同的颜色，可以定义三个基本的区别颜色的特征量：亮度、色调和饱 和度。灰度就是图像的亮度，它与我们视觉的感受和照射到物体光线以及物体表面的反射光 线有关。在看物体时，亮度与物体反射率成正比，反射率是一个与反射光强和入射光强相关 的量，因而亮度是与反射光能量相关的量。如果颜色无彩色变化，颜色的变化就只是亮度的 改变。对于彩色而言，颜色中掺入的白色越多就越明亮，反之越暗淡。色调是指这些由各种 光谱混合而成的颜色中的主要光谱的颜色，饱和度是与色调相关的量，它是指由各种光谱混 合而成的颜色中主要光谱的纯度，也就是说它反映色调的纯度。 灰度图就是把图像上的各点的灰度提取山来组成一个反映各点亮度的图像。由于亮度是 受入射光线影响很小的量，而色度儿乎完全受入射光和物体表面颜色的影响，因此在图像处 理的研究过程中，我们只研究图像的灰度，如果待处理的是彩色图像，应该先将其灰度化后再 进行处理。 本系统的灰度化是通过将颜色的r g b 模式转为y 【j v 模式来实现的。y u v 颜色模式是电视 系统中常_ l _ j 的颜色模式，即电视中所谓的分量( c o m p o n e n t ) 信号。该模式由一个亮度信号y 干两个色著信号u ，v 组成。它是利用了人眼对亮度信号敏感而对色度信号相对不敏感的特点， 将r g b 颜色通过亮度信号转换为一个亮度信号y 和两个色差分量信号u ( r y ) ，v ( b y ) ，即 对色差信号进行了频带压缩，这是以牺牲信号的质量为代价的。y u v 是一类颜色模型y c r c b 的总称，具有相当多的存储格式，其中y 的定义是相同的，色度信息也是组合在c r 与c b 中， 其中c r 代表了光源中的红色分量，c b 代表了光源中的蓝色分量( 图像处理、分析与机器视 觉，2 0 0 3 ) 。r g b 模式转为y u v 模式的计算公式如下： 】， u 矿 0 2 9 9 - 0 1 4 8 0 6 1 5 0 5 8 7 - 0 2 8 9 - 0 5 1 5 0 1 1 4 0 4 3 7 0 1 0 0 尺 g b ( 3 一1 ) 其中，y 就是我们所需要的亮度值，其值为0 2 9 9 r + 0 5 8 7 g + 0 1 1 4 b ，由于灰度图像 中每个像素的r 、g 、b 三个分量的值相同，因此将得到的y 值分别赋给r 、g 、b 后，原彩色 图像既可转换为可以进行处理的灰度图像，转换后的灰度图像如图3 - 1 所示。 3 1 2 灰度变换 图3 - 1 叶片的灰度图像 f i g 3 - lt h el e a f sg r a y - s c a l ei m a g e 图像的灰度变换( g r a y s c a l et r a n s f o r m a t i o n ，g s t ) 处理是图像增强处理技术中一种非 常基本、直接的空域图像处理方法，也是图像数字化软件和图像显示软件的一个重要组成部 分。它主要针对独立的像素点进行变换处理，而无须考虑其他因素，在处理时通过改变原始 图像数据所占据的灰度范围而使其在视觉上能得到良好的改观，并且丝毫不会改变图像像素 点之问的相互空间关系。灰度变换的应用范围非常广泛，既可以通过阈值化处理来辅助图像 分割，也可以在光度学标定中对灰度级进行变换，而且在某些特殊环境下，当原始图像受图 像采集装置的局限而导致大部分的灰度集中于某个狭小的区域时，灰度变换中的灰度拉伸处 理几乎是对其进行预处理的唯一方便有效的手段。 在处理方式上，灰度变换可分为线形灰度度变换和非线形单调灰度变换两大类。前者在 处理时相对简单，主要考虑输出灰度级与输入灰度级之间的线形关系，一种典型的形式如下 所示： d o = ，( d 1 ) = a d l + 6 ( 3 2 ) 而非线形的灰度变换常见的一种是为增加中间部分的灰度级而使两端的灰度级做较小改变， 其典型形式为： d o = c - ( d m x 、+ x ( 3 - 3 ) 其中d m 为最大的灰度级，c 则表征了对中间部分灰度的变换程度。另一种则通过降低位于 两端的灰度级来加强中间部分灰度级的对比度。这类变换形式往往比较复杂，一种基于正弦 函数的变换形式如下： 趾坐祥竺嗑：啦 泞。， o s i n ( c z 兰、 其中【0 ，1 ，取值越大效果越明显( 郎锐，2 0 0 3 ) 。 灰度均衡化是本系统所采用的灰度变换方法，当图像的灰度分布集中于某一区域而导致 图像对比度很弱时，用常规的线形、非线形方式进行处理的效果不是很明显，而灰度均衡化 处理则通过将图像的原始灰度分布均匀散布于整个可能允许的灰度分布空间，以拉大灰度值 之间的动态范围，这在对图像进行比较或分割之前，将图像的灰度分布转化为一致的格式是 有非常有用的。 对于灰度均衡变换，先给定i 蛩像a ，它具有灰度分布h a ( d ) 。图像a 中的灰度级z h 经 由灰度变换函数f ( d ) 后可得到图像b 中的灰度级d 8 ，a 图中的灰度范围d j + d _ 可转换 到b 图中的d s + d s 。显然，在灰度级d b 到d s + d s 之间的输出像素个数与从d a 到 眈+ 肌之间的输入像素个数是相等的，再根据其对应关系可以得出： h a ( d 1 d s = h ( d 1 d a fh b ( d ) d d = h a ( d ) d d ( 3 - 5 ) d 8d a 该式可以说明灰度变换后的h s ( d ) 中d 日到d b + a d s 之间的这块区域，与h a ( d ) 中的d a 到h + d _ 之间的区域具有相同的面积。利用数学上常用的小矩形近似积分的方法来重新 得出可变换形式为： h b ( d ) a d 月= h a ( d ) z x d a ( 3 - 6 ) 并可进一步根据输入灰度分布h a ( d ) 来求得输出灰度分布h s ( d ) ： h a ( d ) = h a ( d ) a d a ：, d b ( 3 - 7 ) 由于是采用小矩形进行的近似，因此d i 一、d 日应非常小，如果对其取极限0 ，则有： h s ( d ) = h a ( d ) d d a d d s = h ( d f ( 伪) d d a ) ( 3 8 ) 由此可以得知，输出灰度分布为两个同一自变量函数的比值。假定经过均衡灰度处理每一灰 度级像素个数为d ，月，其中”为图像的像素总个数，d 。为图像处理后的最大灰度级，则 当上式分子分母同时输出的灰度分布函数将为常数。此时需要满足的条件为： ( d ) ：。牟h ) d u ( 3 _ 9 ) ； 根据灰度统计函数，可用灰度密度分布函数对其做如下推导： 厂( d ) ：l o i _ i ( “) 咖：仉弘：眈d 旧 协：d m p ( d ) ( 3 _ l o ) o n ；”； 出此可见，累计分布函数p ( d ) 即可用于对直方图的均衡化处理。而且累计分布函数具有相 9 东北农业大学工学硕士学位论文 ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! 当好的性质：第一，在 0 ，2 5 5 灰度取值区间内为一单调递增函数，处处存在非负、有限的 斜率：第二，在 o ，2 5 5 的灰度取值空间丙处处非负。前一个特点保证了图像灰度分布在均 衡化处理后仍保持了原有的排列次序，而后一个特点则保证了图像在均衡前后灰度动态范围 的一致性。对于其他的能满足上述两个条件的所有函数，均可用于对图像的均衡化处理。 图3 - 2 灰度变换后的叶片图像 f i g3 - 2t h el e a f si m a g ep r o c e s s e dw i t hg r a y - s c a l et r a n s f o r m a t i o n 3 1 3 图像滤波 滤波根据其处理特点可分为线性滤波和非线性滤波，线性滤波主要依靠转移函数、脉冲 函数或是点扩散函数完成对邻域的滤波：而非线性滤波则多是直接对邻域进行处理。图像中 目标的内部往往变化比较缓和，对应于频率谱的低频部分；而图像中存在的噪声和目标的边 缘由于在很小的区域范围内灰度发生了急剧的变化，在频率谱中对应高段频谱。因此在设计 平滑滤波器时需要采用低通滤波，可以在对大目标进行提取时消除小细：肖和背景噪声的干扰， 而在设计锐化滤波器时为突出边缘就需要采用高通滤波的处理办法。 由于本系统所处理的是植物叶片图像，为了能更好的提取出叶片的主要形态特征，在反 复实验后采用效果比较好的中值滤波对图像进行处理，以消除干扰点及对叶片主要特征影响 较小的细小叶脉。 中值滤波是一种非线性的处理方法，因而中值滤波所对应的滤波器是一种非线性滤波。 中值滤波器是在1 9 7 1 年由j w j u k e y 首先提出的一维信号处理技术中，后来被引入n - - 维信 号处理技术中。中值滤波对滤除脉冲干扰信号和图像的扫描噪声效果很好，而均值滤波和最 小均方滤波两种方法则容易产生更多的细节模糊。中值滤波在运算过程中无需要图像的统计 特性，因此计算很方便。但是由于中值滤波对图像细节易产生模糊，一些细节较多的图像比 如点，线，尖顶点多的图像，不宜采用( 郎锐，2 0 0 3 ) 。 中值滤波采用模板增强的方法，用一个含有奇数个点的模板在图像上移动，将该模板下 像素居中的中值代替基点。根据不同的图像可以选用不同的模板，二维中值滤波的模板可以 是线状、方形、十字形等，在本课题中选用的是3 * 3 的模板。中值滤波的步骤分为以下几步： ( 1 ) 将模板在图像上漫游，并将模板中心与图像的某个像素( 不包括边缘点) 重合 o 设计与实现 ( 2 ) 读取模板下各对应像素的灰度值 ( 3 ) 将这些像素的灰度值从小到大排序 ( 4 ) 找出这些值里排在中间的一个 ( 5 ) 将这个中间值赋给对应模板中心像素。 中值滤波器的主要功能是让与周围像素灰度值的差比较大像素改取与周围像素值接近的 值，从而消除孤立的点由于它不是简单的取均值，因而产生的模糊度比较小。本程序的中 值滤波器由c m y l m a g e ：m i d f i l t e r 0 函数完成，主要过程如下 扫描整幅图像( 不包括边缘点) i f ( y ! = o y ! = b m h e i g h t 一1 x ! = 0 x ! = b m w i d t h 一1 ) i n ti ，j ，t e m p ，m = o ： 将3 * 3 模板中的9 个像素灰度分别赋值给灰度数组n g r a y v a l u e f o r ( j 一1 ：j 2 ：j + 十) f o r ( i = 一1 ：i 2 ：i + + ，m + + ) f t e m p = ( y + j ) * b m w i d t h + ( x + i ) ： n g r a y v a l u e m = p s r c t e m p ： l f o r ( i = o ：i 8 ：i + + ) 对灰度数组的元素进行排序 f o r ( j = o ：j n g r a y v a l u e j + 1 ) t e m p = g r a y v a l u e j ： n g r a y v a l u e j = n g r a y v a l u e j + 1 ： n g r a y v a l u e j + 1 = t e m p ： p d e s y * b m w i d t h + x = n g r a y v a l u e 4 ：将求得的中间灰度值赋给基点 ) 图3 - 3 经中值滤波处理后的叶片图像 f i g 3 - 3t h el e a f si m a g ep r o c e s s e dw i t hm e d i a nf i l t e r i n g 3 2 叶片形态特征提取部分的设计与实现 叶片形态特征的提取就是将叶片的骨架从图像中分离出来的过程，主要采用的是数字图 像处理中的图像分割技术。图像分割注重对图像中的目标进行检测和测量，通过对图像的分 割、目标特征的提取，可将经初步图像处理的图像特征向量提取出来，并将原始的数字图像 转化成为一种有利于目标表达的更抽象、更紧凑的表现形式，从而使高层的图像分析、理解 和识别成为可能。 3 2 1 边缘检测 在图像处理技术中，边缘检测方法可以说是人们研究的比较多的方法，它试图通过检测 包含不同区域的边缘来解决图像分割问题。所谓图像的边缘，就是指图像局部区域灰度变化 最显著的部分，该区域的灰度从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差 较大的灰度值。图像的大部分重要信息都存在于图像的边缘中，主要表现为图像局部特征的 不连续性，是图像中灰度变化比较剧烈的地方，也即通常所说的信号发生奇异变化的地方。 奇异信号沿边缘走向的灰度变化剧烈，通常将边缘划分为阶跃状和屋顶状两种类型。阶跃边 缘中边缘两边的灰度值有明显的变化：而屋顶状边缘中边缘位于灰度增加与减少的交界处。 边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线。图像灰度的变 化情况可以用图像灰度分布的梯度来反映，一阶求导的处理结果足在发生阶跃的地方产生了 一个尖峰脉冲，脉冲方向与阶跃情况有关。由于平缓的区域一阶导数为常数，故而只有在灰 度值发生阶跃的地方( 即边缘处) 出现脉冲，因此可以通过对图像求一阶导数并检测脉冲产生 位置的方法来检测出图像边缘存在。计算机处理的图像均为经过量化的离散的数字信号，在 处理时通常是用差分来代替微分的，一种常用的方法是借助微分算子和图像的小区域卷积来 实现的( v is u a lc + + n e t 数字图像处理实例与解析，2 0 0 3 ) ，即： 矽o x = f ( x ，y ) 一f ( x 一1 ，y ) o f o y = f ( x ，y ) 一f ( x ，y - 1 ) ( 3 1 1 ) 一阶微分是图像边缘和线条检测的最基本方法。图像函数f ( x ，y ) 在点( x ，y ) 的梯度( 即 一阶微分) 是一个具有方向和大小的矢量，即： w ( t y ) = 【 g 】r = 甏+ 苗】7 ( 3 - 1 2 ) c 拼洲 其中g x 、g ，分别代表x 方向、y 方向上的梯度，该矢量的梯度( 幅度) 和方向角分别为 v = m a g ( v f ) = 2 ，嘭p = ( + 嘭) “2 ( 3 - 1 3 ) 1 2 设计与实现 ( x ，y ) = a r e t a n ( g g ) ( 3 - 1 4 ) 根据上述理论，人们提出了多种经典算法，本文对其中的s o b e l 、l a p l a c i a n 及k i r s c h 算子进行了研究，并对实验结果进行了比较。 3 2 1 1l a p la c i a n 算子 拉酱拉斯( l a p l a c i a n ) 算子是一种二阶导数算子。在数学上是如下定义的，对于一连续 函数f ( x ，y ) ，图像中某像素点( z ，y ) 的l a p l a c i a n 值为： v 2 f ( x ，y ) ：a 2 i f ( 丁x , 一y ) + 0 2 i f ( 下x , 一y ) ( 3 1 5 ) 嬲 砂。 拉普拉斯算子是一种无方向性的算子，只需一个卷积核就可以对图像进行检测处理。在 计算图像函数的拉普拉斯值时也是采用模板卷积的方式来进行的，实现拉普拉斯运算的模板 并没有l 刮定的元素值，一般来说只要能保证中心像素的系数是正值、邻近像素的系数为负， 并且全部系数和为零即可认为该卷积核可以完成拉普拉斯运算。在此之所以需要约定系数 和为零，是为了避免出现灰度的偏移。 拉酱拉斯算子是二阶微分算子，利用边缘点处二阶导函数出现零交叉原理检测边缘，它 的优点是各向同性，即具有旋转不变性( 微分学有一个只包含偶次阶导数和取偶次幂的奇次 阶导数的线性组合算子一定是各向同性的) ，定位精度高，不但检测出了绝大部分的边缘，同 时基本上没有出现伪边缘。但它的检测也存在一些缺点，l a p l a c i a n 丢失了一些边缘、有 些边缘不够连续、不能获得边缘方向等信息，并且二阶差分双倍加强了图像中的噪声影响。 现在比较常用的、效果比较好的卷积核主要有以下几种： 1o 1 o - 4o 1o1 101 0 40 10一l 1l 18 11 图3 - 4 几种常用的l a p l a c i a n 模板 f i g3 - 4s e v e r a lr e g u l a rl a p l a c i a nt e m p l e t s 一11一l - 181 - 1 1 1 图3 - 5l a p l a c i a n 算子处理后的叶片图像 f i g 3 5t h el e a f si m a g ep r o c e s s e dw i t hl a p l a c i a no p e r a t o r s 东北农业大学工学硕士学位论文 3 2 1 2k ir s c h 方向算子 k i r s c h 算子是一种常用的边缘检测算子，采用一组模板分别计算在不同方向的差分值， 并取其晟大值最为堆终输出的边缘强度，其对应的方向为边缘方向。k i r s c h 算子是由8 个3 * 3 大小，每两个之间夹角为4 5 度的卷积核构成，具体如下： 55 3o 一33 33 3o 55 5 3 3 3 3 5 355 3o5 333 333 5o一3 553 335 3o5 335 533 503 533 33 3o 一35 55 5o 一33 图3 - 6k i r s c h 算子在8 个方向上的检测模板 f i g 3 - 6t h ed e t e c t i n gt e m p l e t so f k i r s c ho na l le i g h td i r e c t s 图3 7k i r s c h 算子处理后的叶片图像 f i g 3 - 7t h el e a f si m a g ep r o c e s s e dw i t hk i r s c ho p e r a t o r s 3 21 3s o b e i 算子 s o b e l 算子采用的是一种将方向差分运算与局部平均相结合的方法 f ( x ，y ) 为中心的3 * 3 邻域上计算x 和y 方向的偏导数，即： = f ( x + l ，y - 1 ) + 2 f ( x + l ，y ) + f ( x + l ，y + 1 ) - f ( x 一1 ，y - 1 ) + 2 f ( x - 1 ，y ) + ，( x 一1 ，y + 1 ) 】 s y = 【f ( x 一1 ，y + 1 ) + 2 f ( x ，y + 1 ) + ，( x + 1 ，y + 1 ) - f ( x - 1 ，y - 1 ) + 2 f ( x ，y 1 ) + ，( x + 1 ，y 一1 ) 】 实际上，上式应用了f ( x ，y ) 邻域图像强度的加权平均差值。其梯度大小为 1 4 3 5 5 3 3 - 3 该算子是在以 ( 3 1 6 ) 设计与实现 或取平均值 g ( 训) = 厕 g ( x ，y ) = m + i ( 3 一1 7 ) s o b e l 算子很容易在空间上实现，s o b e l 边缘检测器不但产生较好的边缘检测效果，同时， 因为s o b e l 算子引入了局部平均，使其受噪声的影响也比较小。当使用大的领域时，抗噪声 特性会更好，但这样做会增加计算量，并且得到的边缘也较粗。 s o b e l 算子利州像素点上下、左右相邻点的灰度加权算法，根据在边缘点处达到极值这 一现象进行边缘的检测，因此s o b e l 算子对噪声具有平滑作用，提供较为精确的边缘方向信 息，是一种较为常用的边