（计算机应用技术专业论文）植物叶片图像分析方法的研究与实现.pdf

硕士论文植物叶片图像分析方法的研究与实现 摘要 农业是我国国民经济的基础。提高农业生产效率和自动化程度是实现农业自动化的 根本途径。随着数字图像处理技术的发展和计算机处理速度的迅速提高，数字图像处理 技术己在许多领域得到广泛地应用。利用飞速发展的图像处理技术改造传统农业，提高 农业生产的科技含量，用现代科技知识武装传统农业，已是越来越多农业工作者的共识。 本文选取植物叶片为研究对象，运用数字图像处理技术进行分析，提取叶片形状参数， 以便分析作物生长情况，指导农业生产。 通过对叶片图像的分析，提出了叶片图像预处理、叶片轮廓提取和叶片参数计算的 方法，并对相关的图像处理技术作了研究。 在图像预处理阶段，针对叶片图像特点，对现有的图像增强方法进行研究和分析， 采用了处理速度较快、平滑效果好的的门限递推中值滤波对图像进行平滑处理。通过阈 值化处理取得叶片二值图像，并利用图像形态学处理进一步改善了图像质量。 在叶片分析阶段，研究了已有算法，并结合连通区域标记，对轮廓跟踪算法进行了 改进。改进的算法在区域标记的基础上对叶片轮廓进行跟踪，减少跟踪过程中扫描图像 的次数，提高跟踪的速度，并且能够准确地提取叶片图像的外轮廓。 根据区域标记和轮廓跟踪的结果，提出了叶片参数获取的方法，并对获取的参数进 行的对比分析，结果表明本文所采用的参数提取方法达到系统对精度的要求，是有效可 行的。选择了几个参数作为特征参数，对叶形进行了简单的分类识别。综合采用上述方 法，本文设计实现了一个植物叶片分析系统。 关键字：图像处理，中值滤波，区域标记，轮廓跟踪，叶片参数提取 硕士论文植物叶片图像分析方法的研究与实现 a b s t r a c t a g r i c u l t u r ei st h ef o u n d a t i o no fo u rn a t i o n a le c o n o m y , a n dt h ei m p r o v e m e n ti nt h e e f f i c i e n c yo fa g r i c u l t u r a lp r o d u c t i o na n dt h ee x t e n to fa g r i c u l t u r a la u t o m a t i o na l et h eb a s e so f m o d e ma g r i c u l t u r e t r a n s f o r m i n gt r a d i t i o na g r i c u l t u r eu s i n gt h er a p i dd e v e l o p m e n tt h ei m a g e p r o c e s s i n gt e c h n o l o g y , e n h a n c i n g t h et e c h n o l o g yc o n t e n ti nt h e a g r i c u l t u r a lp r o d u c t i o n ， a r m i n gt h et r a d i t i o n a la g r i c u l t u r ew i t ht h em o d e ms c i e n c ea n dt e c h n o l o g yk n o w l e d g e ，a l r e a d y w a st h em o r ea n dm o r ea g r i c u l t u r a lw o r k e r s m u t u a lr e c o g n i t i o n t h i sp a p e rm a k e sa s t u d yo n p l a n tl e a f , a n a l y z et h ei m a g eo f l e a f u s i n gt h ed i g i t a li m a g ep r o c e s s i n gt e c h n o l o g y , o b t a i nl e a f s h a p ep a r a m e t e r , w h i c hw ec a nu s et oa n a l y z ec r o p s g r o w t hs i t u a t i o na n di n s t r u c ta g r i c u l t u r a l p r o d u c t i o n t h i sp a p e rp r o p o s e st h em e t h o d so f p r e p r o c e s s i n g ，f o l l o w i n gt h ec o n t o u ro f t h el e a f a n d c o m p u t a t i o no f t h el e a fp a r a m e t e r s ，a n dh a sd o n et h et h o r o u l 曲r e s e a r c ht ot h er e l a t e di m a g e p r o c e s s i n gt e c h n o l o g y 。 i nt h ei m a g ep r e p r o e e s s i n gs t a g e ，s t u d y i n go nt h ee x i s t i n gi m a g ee n h a n c e m e n ta l g o r i t h m s ， w eu s et h r e s h o l d - r e c u r s i v em e d i a nf i l t e rt os m o o t ht h ei m a g e t h ef i l t e rn o to n l yr e d u c e st i m e o fc o m p u t i n g ，b u ta l s og e t so b v i o u sb e t t e rr e s u l t s t h e nw ea d o p tt h r e s h o l dp r o c e s s i n gt o s e g m e n tl e a fi m a g e ，a n di m p r o v et h eq u a l i t yo ft h eb i n a r yi m a g ew i t hm a t h e m a t i c a l m o r p h o l o g ym e t h o d i nt h i sp a p e r , w ep r o p o s ea l li m p r o v e da l g o r i t h mo ff o l l o w i n gc o n t o u rb a s e do n c o n n e c t e dc o m p o n e n tl a b e l i n g ，w h i c hc a l lr e d u c et h et i m e so fs c a n n i n gi m a g ea n da c c u r a t e l y o b t a i no u t s i d ec o n t o u ro f t h el e a f o nt h eb a s e so ft h er e s u l to fc o n t o u rf o l l o w i n ga n dc o n n e c t e dc o m p o n e n tl a b e l i n g ，w e b r i n go ns o m em e t h o d st og e tp a r a m e t e r so ft h el e a f t h ee x p e r i m e n tp r o v e st h a tt h e s e m e t h o d sa r ee f f e c t i v e c h o s i n gs e v e r a lp a r a m e t e r sa st h ec h a r a c t e r i s t i cp a r a m e t e r , w ec a r r yo n t h es i m p l ec l a s s d i f i e dr e c o g n i t i o no fl e a f - s h a p e t h i sp a p e rd e s i g n sa n dr e a l i z e sa l la n a l y s i s s y s t e mo f p l a n tl e a f k e y w o r d s ：i m a g ep r o c e s s i n g ，m e d i a nf i l t e r i n g ，c o n n e c t e dc o m p o n e n t l a b e l i n g ，c o n t o u rf o l l o w i n g , o b t a i n i n gp a r a m e t e ro f l e a f 声明 本学位论文是我在导师的指导下取得的研究成果，尽我所知，在 本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发 表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学 历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均 已在论文中作了明确的说明。 研究生签名：董! 至查 叼年占月净 学位论文使用授权声明 南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅 或上网公布本学位论文的全部或部分内容，可以向有关部门或机构送 交并授权其保存、借阅或上阿公布本学位论文的全部或部分内容。对 于保密论文，按保密的有关规定和程序处理。 研究生签名：萄岛栖研究生签名：塑璺型避 力年钿枷 硕士论文植物叶片图像分析方法的研究与实现 1 绪论 1 1 问题的提出 目前，精细农业已成为国内外农业方面的前沿性研究领域之一，开展精细农业实践， 可以合理利用资源、提高作物产量、降低生产成本、保护环境和提高农产品竞争力等。 而精细农业的研究要基于农作物的基础数据，其中有关农作物生长情况的许多信息的获 取都与作物的叶片面积的计算和叶片形状特征的获取有关。 叶片是植物重要的光合器官，也是植物进行蒸腾的主要途径。研究植物叶片的各种 参数对植物的生长发育、作物产量以及栽培管理等都具有十分重要的意义。建立方便、 快速、准确的植物叶片分析方法，对于调整群体结构、充分利用光热资源，从而指导作 物栽培密度及合理施肥以获得作物高产有重要的意义。 叶面积作为标定植物生长发育、长势、遗传特性等生理生化反应过程的主要参数， 广泛应用于农业科研服务和生产中。在农业气象试验、研究和常规业务观测中，叶面积 是衡量作物长势、生长动态的主要指标，可为农业气象情报服务提供有效、科学、适用 的数据。传统测量叶面积的方法主要有方格法、称重法、求积仪法、光电法以及调整系 数法等等，这些方法在过去的研究中发挥过巨大的作用。但这些方法都分别存在着测定 手续繁锁、工作量大、受仪器条件限制、误差大等缺点。专业性的叶面积仪虽然克服了 部分确点，但是价格昂贵。 植物的叶片形状是传统识别植物的重要和常用形态特征，是认识和识别植物的基础 和出发点。和繁殖器官比较，叶片具有诸多优点，常作为识别特征和人们认识植物的主 要参照器官。对于研究物种的形态变异和分化，叶形是一个非常好的指标。传统的叶片 形状分析方法大部分是以手工测量为基础，效率低下，同时由于叶片形状的不规则，肉 眼观测造成的误差也较大。植物叶片是一个二维的平面系统，相对而言，更容易进行图 像的处理和加工。 随着近些年来计算机技术的不断发展，数字图像处理技术不断成熟和完善，因此可 以考虑使用图像处理技术辅助以计算机图像获取设备实现对植物叶片的快速分析。 1 2 国内外研究现状 叶面积是一项重要的作物生长参数，利用该参数可计算作物的用水量、蒸腾作用及 产量等，也可分析植物的生长状况，并且建立植物生长模型。以往的叶面积测量方法往 往费时费力且精度不高。 l 硕士论文 植物叶片图像分析方法的研究与实现 传统叶面积测定主要有以下几种方法： ( 1 ) 九宫格法：主要是采用坐标纸描绘叶片，并计算叶片的覆盖面积，方法简单，目 前应用较广，但其缺点是耗时多、操作烦琐，精度不高。 ( 2 ) 系数法：利用九宫格法测量一定数量( l ) 宽( w ) ，以公式r = ( lx w y s 计算系数 r 。在以后的测量中同种叶片只需测得叶片的长宽乘系数便可。这种方法是利用平均原 理，所得的结果误差比较大。 ( 3 ) 称重法：借助于分析天平，先称出单位面积内的叶片质量，再计算叶片的密度指 数，则可利用叶片的质量来计算面积。在使用称重法时，由于分析天平属非常规仪器， 而且在使用过程中技术环节较多，又因为叶片薄厚不均，密度不同，所以误差也较大。 ( 4 ) 叶面积仪：专业的叶面积测定设备，其主要特点是操作简单、准确、快速，但价 格昂贵，维修不便。 目前，在农业领域图形图像技术的应用还处于起步阶段，一般是利用图像处理的现 成技术，在国际和国内，比较重要的工作介绍如下。 国外方面 1 9 8 5 年，c l a r k e 等在用叶片数字图像测量叶面积方面进行了研究，将叶片从植株上 分离后，再对其进行拍照并将照片输入计算机，通过图像处理进行测量p 】。 1 9 8 7 年，m e y e r 等人利用相互垂直的两个相机获取作物图像的二维信息，利用由两个 二维图像构造三维图像的坐标变换方程，对图像处理获取的特征点变换到三维坐标空间 中。这样，在三维空间中就可以求取作物节点间距、时柄长度、茎秆直径、叶片倾斜角 等；对于叶片面积的测量采用三角形逼近的方法，即把叶片与叶柄相连的一端为顶点， 向叶片轮廓作射线将叶片进行细分，相邻两条射线与叶片边缘有两个交点，利用此三点 可在三维空间中求取其对应三角形的面积，将所求得的所有三角形的面积相加即为所求 叶片的近似面积。此外文献中还利用土壤与植物图像对比度的差异作为土壤干湿的判断 依据。但对光源不均、叶片重叠并未给出很好的分割方法，对于植物图像与土壤的分离， 黑白图像并不能完全区分作物和土壤，若采用光谱图像则成本较高口】。 1 9 9 0 年，m c d o n a l d t 等人将数学形态学应用于谷粒大小分布检测、叶片形状识别和 牛肉纹理分析，实验表明形态学变换可以把图像变换为易于理解的图像，利用几个简单 的形态学算子就可以实现复杂的图像处理过程。而且，形态操作具有并行处理、易于实 现、实时性好等特点，因此数学形态学在农业工程领域必将会有广泛的应用。 1 9 9 1 年，f r a n z e 等人将曲率用于完全可见和部份可见的叶片的边界描述。对于完全 可见的叶片，将实测的曲率函数和模型相匹配即可对叶片进行辨识；对于部份可见的叶 2 硕士论文植物叶片图像分析方法的研究与实现 片，利用傅立叶一梅林( f o u r i e r m e l l i n ) 相关性变换对曲率函数进行重建后再与模型进行 匹配。当叶片与茎杆的旋转角度超过3 0 。时，模型要进行相应角度的旋转i s 】。 1 9 9 3 年，h u m p h r i e s s 等人将作物的彩色信息和几何特征相结合用于对叶片、茎秆、 主茎、嫩芽等各个部分的识别。先利用图像跟踪算法把植株分成具有相似几何特征的各 个部分，然后再结合色彩信息利用贝叶斯分类器对其进行分类。与单纯的色彩贝叶斯分 类方法相比较，利用该方法对1 2 6 株天竺葵的叶片、茎秆、主茎进行辨识，识别精度分别 由8 5 、2 1 和7 4 提高到9 7 、9 5 和9 3 。 1 9 9 3 年，g u y e r d e 等人建立了用于叶片形状分析和作物识别的机器智能视觉系统。 该系统提取了1 7 个定量描述叶片形状的低层视觉特征，并根据规则用它们构建了1 3 个高 级特征对作物进行分类。利用该系统对8 种不同作物的4 0 幅图像进行识别的准确率为6 9 ， 显示了其在人眼视觉与机器视觉之间构建作物形状解释桥梁的潜在优势1 3 l 。 1 9 9 5 年，荷兰w a g e n i n g e n 大学的v a n h e n t e n e j 等人研究了植物叶冠相对覆盖率与植 物干重之间的关系，建立了3 种数学模型，并且利用图像处理技术和有损测量对莴苣作对 比实验，利用线性回归方法得到一个最优的模型。实验证实植物的叶面积与植物干重之 间的确存在线性关系，图像处理方法误差只有5 。这一研究结果为图像处理方法测量叶 面积，预测植物干湿重提供了理论依据【3 j 。 国内方面 1 9 9 5 年，宁素俭等研究了利用链码描述作物、果实等轮廓的周长、宽度、长度、面 积、惯性矩等形状特征参数的方法，并结合实例给出编程方法p 】。 1 9 9 6 年，张全法，冯绚等利用以c c d 为图像传感器的数字化图像采集设备，将植物 叶片的图像输人到计算机中进行处理，得到叶片所对应的像元数通过测量已知面积的物 体( 标准物体) ，可以实现对系统的标定，得到一个比例系数，即每个像元所对应的实际 面积将叶片所对应的像元数乘以该比例系数即得其面积【9 】。 1 9 9 8 年，杨劲峰，陈清等采用平台扫描仪获取叶片的数字图像，建立运用数字图像 处理技术测定蔬菜叶面积的方法，同时与目前较常用的交叉网格法，c i d 仪器法，复印称 重法和生产上常用的直尺法进行比较分析，结果表明，图像处理方法与其它方法相比具 有准确，快速，适用范围广，容易普及等优点，适用于科研和生产推广使用，试验还得 出采用直尺法时，油菜和空心菜的叶面积的校正系数分别为0 7 9 2 和0 8 1 8 【8 】。 2 0 0 1 年，纪寿文等利用图像处理测得的投影面积、叶长、叶宽等形状描述参数，对 苗期的玉米和杂草进行识别，确定杂草的分布密度，为精确喷洒除草剂提高依据。但是， 简单地把水平扫描的最大叶片长度定义为最大叶长，把垂直扫描的最大叶片宽度定义为 硕士论文植物叶片图像分析方法的研究与实现 最大叶宽，没有考虑图像中叶片的位置取向，误差较大 6 1 。 2 0 0 2 年，徐贵力，毛罕平，胡永光，提出参考物法，即利用计算机视觉技术分别测 量出已知面积的参考物和被测叶片对应的像素数，从而可知它们的像素数比，也即面积 比，参考物的面积已知，就可求出叶片的面积。利用计算机视觉技术采用参考物法测量 叶片的面积研制了无需采摘叶片测量其面积的活体采样光箱，并进行了光箱参数的优化， 用极值法求得阈值，并对图像进行闽值化，且测量精度和效率都很耐“】。 从前人作的工作可以看出，对于叶片面积的测量一般有可以分为三种方法：像素法、 参考物法和链码法，而对于叶片形状的分析一般是基于链码的。 1 3 课题来源 植物叶片分析系统是太湖流域稻麦系统麦秸处理项目的一部分。该项目为中国科学 院南京土壤所与国际水稻研究所( i r r i ) 合作项目，该项目中需要测量叶片的基础数据， 以便进一步监测作物生长状况。 叶片分析系统主要是对叶片的外观形状进行分析，利用图像处理技术计算其面积， 几何形状参数，并对部分叶片形状进行识别等，以便进行进一步的研究。 1 4 本文研究内容 本课题主要是对于植物叶片图像进行处理，获得各种参数，如面积、周长、长度宽 度和其他几何参数等，并对部分叶形进行识别。所以本文的主要研究内容如下： 1 叶片图像的获取：图像获取就是图像的数字化过程，即将图像采集到计算机中的 过程。要对图像进行处理和分析，首先要将图像读入到计算机中。 2 叶片图像预处理：由于图像获取过程中各种因素的影响，所获得的图像效果不可 能尽如人意。需要首先进行各种处理，才能用于图像分析。主要包括图像的平滑处理， 去除图像的噪声，增强视觉效果，对以有的图像平滑算法进行分析，采用将门限中值滤 波与递推中值滤波相结合的门限递推中值滤波算法，提高了滤波的速度，改善了滤波的 效果；研究图像阈值化方法，针对本课题中图像特征，采用合适的方法进行图像二值化； 对二值图像进行形态学处理，改善图像内部和边缘质量。 3 目标提取：对二值图像进行连通区域标记，消除灰尘区域。研究了轮廓提取的几 种算法，结合连通区域标记提出一种新的轮廓跟踪算法，利用该算法可以减少轮廓跟踪 时图像扫描的次数。 4 叶片参数提取：根据连通区域标记的结果和叶片轮廓链码，计算叶片面积和周长， 硕士论文植物叶片图像分析方法的研究与实现 采用最小外接矩形的方法，获取叶片的长度和宽度。在这些基本参数的基础上，计算叶 片其他参数，如长宽比，矩形度、圆形度和形状复杂度等。选取几种特征参数，对叶片 形状进行分类识别，获得较高的准确率。 1 5 本文结构 本课题的重点是研究数字图像处理技术在叶片分析系统中的算法以及实现等一系列 问题，关键是如何编程实现。本论文共分五个章节： 第1 章：介绍本课题的来源、主要研究内容、国内外研究现状及论文各部分内容的 组织架构。 第2 章：介绍叶片图像的获取。对硬件系统作简单说明。介绍t w a i n 规范和通过扫 描仪获取叶片图像的方法及其实现。 第3 章：叶片图像预处理模块的设计思路及实现。对多种图像预处理的方法进行研 究和比较，设计最适于本课题的方法对叶片图像进行处理。 第4 章：叶片图像的分析及参数的获取。研究叶片轮廓提取方法，提取叶片参数， 并验证参数提取的精度。研究利用几种特征参数对叶片形状进行分类识别。 第5 章：系统实现，主要介绍各个主要功能模块的实现，对几个主要算法给出算法 流程图。 最后在结论部分总结论文的研究工作，并给出进一步的研究方向。 硕士论文 植物叶片图像分析方法的研究与实现 2 叶片图像的采集 要进行叶片图像处理，首先需进行图像采集，获得叶片图像。 由于计算机只能处理数字图像，而自然界提供的图像却是其它形式的，所以图像采 集在整个图像处理系统中具有很重要的作用。它负责将现实中的物体图像通过输入设备 采集下来，并进行一系列的处理，将图像的模拟信号转换成数字信号，最终输入计算机 并在输出设备中显示出来。 2 1 硬件条件 植物叶片图像处理的硬件组成包括扫描仪和普通p c 机，扫描仪完成图像采集和数 字化工作，p c 机负责图像的显示和处理。如图2 1 1 所示： 接铷时j 辛挥本扫描仪谤雾枫 图2 1 1 系统硬件组成示意图 植物叶片样本经过扫描仪扫描，以“位b m p 彩色图像文件格式存入计算机，然后 由图像处理软件读取b m p 文件，之后通过处理，输出处理结果。 扫描仪可以直接把图形( 工程图纸) 和图像( 如照片、广告画) 等扫描输入到计算 机中，以像素信息进行存储。扫描仪是由光结构、控制电缆、感测器传动机结构以及软 件技术组合而成的产品。扫描图像过程就是扫描光源通过待扫描材料，再经一组镜面反 射到c c d ( 电荷耦合器件) ，由c c d 转换产生图像数据，然后，传输给计算机主机，最 后，经过适当的软件处理，以图像数据文件的形式存储或使用。图像扫描的基本流程如 图2 1 2 所示： 6 硕士论文 植物叶片图像分析方法的研究与实现 j “ 褥 邋 毅! 文”d ，籀稼 棒 籍 。接 文 _ j 。擞一 妇 件 h ；， 。_ ， 。 ， “ 。 “ 图2 1 | 2 扫描仪工作流程示意图 作为图像处理系统的输入设备，扫描仪由于价格比较低廉，操作方便，越来越受到 人们的亲睐。本课题中涉及的图像处理系统采用的输入设备就是扫描仪，设置分辨率为 3 0 0 d p i ，颜色为2 4 位彩色。 计算机是整个图像处理系统分析、处理的中心。无论是摄像机还是扫描仪均需与计 算机相连，而且希望计算机具有较高的运算速度，在大型图像处理系统中甚至采用并行 处理技术来提高系统的计算速度。在本课题中，鉴于运算量并不十分巨大，采用普通的 个人计算机( p c ) 即可 2 2 利用t w a i n 连接扫描仪 计算机是通过t w a i n 来连接扫描仪获取叶片图像的。通常使用扫描仪扫描一张图片 时，都会先打开图像处理软件，然后再利用t w a i n 标准扫描界面来驱动扫描仪本身的扫描 接口，接着就可以进行扫描。 2 2 1t w a i n 规范 t w a i n ( t e c h n o l o g yw i t h o u ta ni n t e r e s t i n gn a m e ) 是由t w a i n 工作组开发的图像输 入设备和图像处理软件之间的一种通信协议标准【13 1 ，是能与扫描仪及其相关图像获取设 备进行通信的设备无关a p i 。它消除了依赖于硬件的不稳定性。当遵循该标准时，用户不 必考虑具体图像输入设备的物理特性，就可以方便快捷地开发出图像输入程序，能够直 接从各类支持t w a i n 标准的图像输入设备上获取图像数据。目前市场上的绝大多数扫描仪 都采用了t w a i n 标准。t w a i n 标准所定义的函数都封装在动态连接库t w a i n 3 2 d l l 中，结构 和宏则定义在t w a i n h 中。 t w a i n 由三部分组成【1 2 1 ：应用软件、数据源管理软件和数据源软件。应用软件使用 t w a i n 协议通过数据源管理器和图像设备之间进行数据交换，获取某种格式的图像文件进 7 硕士论文 植物叶片图像分析方法的研究与实现 行处理；数据源管理软件，又称数据源管理器，它管理应用软件和数据源之间的通信， 代码由t w a i n 组织免费提供；数据源软件是一个由图像设备制造商开发的软件，符合t w a i n 协议，用来直接控制图像设备，它除了驱动图像设备外还提供t w a i n 的软件接口，图像数 据由它获取然后传送给数据源管理器。 疲蠲软件致粥鬻警理软箨数据糠软件 融像数据使用者 圄像输 辔设备 图2 2 i 1 应用t w a i n 协议的三个基本要素 应用程序从扫描仪上获取图像是通过数据源管理器完成的，t w a i n 标准将扫描仪从数 据源加载到传输图像划分为如下7 个阶段【1 4 1 ：预备阶段( p r e - s e s s i o n ) ；数据源管理器 已加载( s o u r c em a n a g e rl o a d e d ) ；数据源管理器开启( s o u r c em a n a g e ro p e n ) ；数据 源开启( s o u r c eo p e n ) ；数据源就绪( s o u r c ee n a b l e d ) ；图像传输准备就绪( t r a n s f e r r e a d y ) ；图像传输( t r a n s f e r r i n g ) 。从阶段到阶段是一个图像获取的准备和传输 过程，反之是设备复位和资源释放的过程，如图4 ，2 ，1 2 所示。 阶段到是加载数据源管理器的过程。该过程中应用程序要完成2 个工作，一是加 载动态连接库t w a i n 3 2 d l l , 二是获得该动态连接库的入口。加载动态连接库可以通过 l o a d l i b r a r y ( ) 来完成；而获得动态连接库入口可以通过g e t p r o c a d d r e s s ( ) 来完成。 无论是对数据源管理器的操作，还是对扫描仪硬件设备的操作都通过动态连接库入口进 行。 阶段到是打开数据源管理器过程。该过程是应用程序与数据源管理器建立通道 的过程。应用程序通过一个结构体( 定义在t w a i n h 中) ，利用前面取得的动态连接库入口 传递信息给数据源管理器。数据源管理器将据此建立和应用程序之间的通道，为后续的 工作做好准备。相应的操作参数是d g _ c o n t r o l d a tp a r e n t m s g _ o p e n d s m 。 阶段到是选择扫描仅设备，并开启扫描仪的过程。应用程序首先应该取得缺省 的扫描仪设备，其操作参数是d g _ c o n t r o l d a ti d e n t i t y m s g _ g e t d e f a u l t 。同时，在用 户界面提供选择扫描仪的接口，如果用户不希望使用当前的缺省的扫描仪设备，则可以 硕士论文 植物叶片图像分析方法的研究与实现 自行选择。选择扫描仪的操作参数是d g _ c o n t r o l d a t i d e n t i t y m s g _ u s e r s e l e c t 。确 定硬件设备后，应用程序需要打开该设备( 数据源) ，打开设备的操作参数是d g c o n t r o l d a t _ i d e n t i t y m s go p e n d s 。扫描仪成功地开启后，接下来将根据实际工作的要求对扫 描仪进行一系列的参数设置，其操作参数是d gc o n t r o l d a tc a p a b i l i t y m s g s e t 。 图2 2 i 2 应用程序获取图片的过程示意图 阶段至4 是图像获取设备就绪过程。它是进行图像传输前的最后一个设置，决定 是否显示扫描仪用户界面，相关参数是d g c o n t r o l d a tu s e r i n t e r f a c e m s g - e n a b l e d 。 阶段到是监控扫描仪是否进入传输就绪状态。方法是不断地检查数据源返回的 消息，相关参数是d gc o n t r o l d a t - e v e n t m s gp r o c e s s e v e n t ，接收消息使用结构体 9 硕士论文植物叶片图像分析方法的研究与实现 t w _ e v e n t 变量；根据返回消息的不同，决定下一步操作，一般只需关注m s gx f e r r e a d y ( 传 输就绪) 和m s gc l o s e d s r e q ( 关闭数据源) 即可。 阶段到是获取图像的过程，相关参数是d g _ i m a g e d a t _ i m a g e n a t i v e x f e r m s g _ g e t 。这一过程需要应用程序考虑的工作比较多，如果希望能够输出w i n d 0 w s 可识别 的b 肝图像文件，则需要构造b m p 文件头，然后和获取的图像数据一起存放到文件中。 2 2 2 扫描叶片 本系统利用t w a i n 连接扫描仪进行扫描叶片，获得叶片图像的过程如图2 2 2 1 至 图2 2 2 3 所示： 图2 2 2 1 选择扫描操作 图2 2 2 1 是选择扫描新的叶片图像时所显示的界面，可以有三种选择：显示扫描界 面形式、按照8 5 1 1 ( 英寸) 的固定尺寸扫描和按照8 5 1 4 ( 英寸) 的固定尺寸扫描。 图2 2 2 2 打开扫描界面 l o 硕士论文植物叶片图像分析方法的研究与实现 图2 2 ，2 2 是选择显示扫描界面进行扫描时出现的扫描界面。 图3 2 2 3 扫描完成叶片读入 图2 2 2 3 是扫描完成后应用程序直接读入图片后的结果，之后便可以进行叶片图像 处理和分析。 2 3 b m p 文件格式 ， 通过扫描仪获得的叶片图像是以b m p 文件格式存储到计算机中，要对叶片图像进 行处理必须先将b m p 文件读入应用程序。b m p 文件可描述多达3 2 位彩色的图像。通常 图像是以非压缩方式存储的，但是也可以进行压缩处理，b m p 文件常用的压缩算法是 r l e 。 图2 3 1b m p 文件格式示意图 l l 硕士论文 植物叶片图像分析方法的研究与实现 b m p 格式文件包含b m p 头信息和b m p 图像数据两部分，而b m p 头信息又分为文 件头、信息头和调色板。b m p 格式文件的组成如图2 3 1 所示。 文件头b i t m a p n l 皿a d e r 结构在w i n d o w s h 中定义【1 5 1 ： t y p e d e f s t l a l c t t a g b i t m a p f i l e h e a d e r u i n t b t t y p e ； d w o r db t s i z e ； u i n t b t r e s e r v e d l ； u i n t b f r e s e r v e d 2 ； d w o r db i d f f l 3 i t s ； b i t m a p f i l e h e a d e r ； b t t y p e 是b m p 文件的标志，为固定值“b m ”，程序可以根据它的值来判断文件时 否是一个b m p 文件； b f s i z e 是文件大小，以字节为单位，程序可以根据b f s i z e 的值和文件实际大小的比 较来判断文件是否有损坏： b f r e s e r v e d l 和b f r e s e r v e d 2 是保留字，其值为0 ； b f o 髓b 是图像数据的偏移量，即从头文件开始多少字节后市图像数据的起始位置。 程序根据它来找到图像数据的位置。 信息头b i n 厦a p d 盯o 玎弘d e r 的结构定义为： t y p e d e f s t r u c t t a g b i t m a p i n f o h e a d e r d w o r db i s i z e ；表示b i n 舱p n f o 硼三a d e r 结构的大小，常为2 8 h 。 l o n gb i w i d t h ；，位图图像的宽度，单位为像素。 l o n g b i h e i g h t ；位图图像的高度，单位为像素。 w o r db i p l a n e s ；表示最终观察位图图像的目标显示设备的位数，通常不起 作用，但却是m i c r o s o f t 所需要的。 w o r db i b i t c o u n t ；定义了每像素颜色的位数，它可以为l 、4 、8 或2 4 ，在 w i n d o w s 2 0 0 0 中还支持3 2 位色，增加一个透明度字节。 d w o r db i c o m p r e s s i o n ；标识位图是否压缩，值为b ir g b 时非压缩。 d w o r db i s i z e l m a g e ；图像大小的字节数。 l o n gb i x p e l s p e r m e t e r ；图像x 方向的分辨率。 l o n g b i y p e l s p e r m e t e r ；图像y 方向的分辨率。 d w o r db i c l r u s e d ；图像所使用的颜色数，如果不用置为0 ，表示所有的颜 硕士论文 植物叶片图像分析方法的研究与实现 色都用到，如果位图被压缩，则必须置为0 。 d w o r db i c l r i m p o r t a n t ；图像中主要的颜色数，通常置为0 。 b i t m a p i n f o h e a d e r ； b m p 图像文件信息头基本上包含图像所有重要的信息，包括宽度、高度、每像素的 位数。b i s i z e l m a g e 可以根据别的信息算出来。简单的方法是文件大小( b f s i z e ) 减去图 像数据的起始地址( b f o f l b i t s ) 。还有一种方法就是由图像的高度和宽度来计算，但要注 意的是，b m p 文件格式中规定每行的字节数必须是4 的整数倍，不是4 的整数倍的就要 补0 补齐到4 的整数倍，所以，正确的算法是： b i s i z e i m a g e ；( b i w i d t h + b i b i t c o u n t + 3 1 、3 2 + 4 b i h e i g h t 调色板r g b q u a d 的数据结构定义为1 1 5 ： t y p e d e f s t r u c t t a g r g b q u a d b y t er g b b l u e ；颜色的蓝色分量 b 丫r e r g b g r e e m 绿色分量 b y t er g b r e d ；红色分量 b y t er g b r e s e r v e d ；保留，值为0 ) r g b q u a d ； 。 调色板只有在小于2 4 位色的位图中才有。r g b q u a d 数据结构是b m p 所包含的颜 色表，在位图中有多少颜色，就有多少r g b q u a d 数据结构项，如果b i c l r u s e d 的值大 于0 ，则b i c l r u s e d 值就是r g b q u a d 元素的数目。 b m p 文件中位图的图像数据是以连续行的形式存储的，并且是以相反的顺序存储 的，即文件读出的第一行是图像的最后一行。图像数据是从左下角到右上角顺序排列的。 我们在用很多a p i 函数处理b m p 文件时并不需要关心像素的顺序，只有在自己对图像 的数据作处理时会用到。值得注意的是2 4 位彩色图像中，三个字节按顺序分别为蓝、 绿、红，和一般采用的r g b 即红绿蓝相反。 2 4 小结 本章主要阐述了利用扫描仪采集叶片图像的原理。 首先，介绍了本系统叶片图像采集的硬件条件以及扫描仪的工作原理。之后介绍图 像输入设备和图像处理软件之间的通信协议标准t w a i n ，对t w a i n 的组成和通过t w a i n 获取图像的对话过程作了详细的说明，并且给出了本系统通过扫描仪获取叶片图像的试 验结果。最后对b m p 文件格式作了简单的介绍。 硕士论文 植物叶片图像分析方法的研究与实现 3 叶片图像预处理 3 1 直方图 在数字图像处理中，一种最简单和最有用的工具是灰度直方图( h i s t o g r a m ) 4 1 。简 单的说，灰度级的直方图就是反应一幅图像中的灰度级域出现这种灰度的概率之间的关 系的图形。 设变量r 代表图像中像素灰度级。在图像中，像素的灰度级可作归一化处理，这样， ，的值将限定在下述范围之内： 0 r l 在灰度级中，= 0 代表黑，= 1 代表白。对于一幅给定的图像来说，每一个像素取 得【o ，1 】区间内的灰度级是随机的，也就是说r 是一个随机变量。假定对每一瞬间它们是 连续的随机变量，那么，就可以用概率密度函数p ，( ，) 来表示原始图像的灰度分布。如 果用直角坐标系的横轴代表灰度级，用纵轴代表灰度级的概率密度函数砟( r 1 ，这样就 可以针对一幅图像在这个坐标系中作一曲线来，在概率论中就是分布密度曲线，如图 3 1 1 所示。 只p只p ) d ( a )( b ) 图31 1 图像灰度分布概率密度函数 从灰度密度分布函数可以看出一幅图像的灰度分布特性。例如，从图3 1 1 的( a ) 和( b ) 两个灰度密度分布函数可以看出，( a ) 的大多数像素灰度值取在较暗的区域，这 幅图像肯定较暗，( b ) 图像的像素灰度值集中在亮区，因此，图像( b ) 的偏亮。两幅图 像的质量均不理想。 为了有利于数字图像处理，引入离散形式。在离散形式下，用气代表离散灰度级， 用只“) 代表b ( ，) ，并且有下式成立嘲： 硕士论文植物叶片图像分析方法的研究与实现 只( 咯) = 鲁o l ( 3 1 1 ) k = o ，i ，2 ，z - 1 式中唯为图像中出现珞这种灰度的像素数，聍是图像中像素总数，而生就是概率论中所 说的频数。在直角坐标系中作出与只( r ) 的关系图形，这个图就是篁方图。如图3 1 2 所示： 神l 趵k 图3 1 2 灰度级的直方图 直方图的性质【刀： 1 ) 直方图没有位置信息。图像各像素的灰度值是具有二维位置信息的，直方图只统 计某一灰度值的像素有多少，而对那些具有同一灰度的像素在图像中占据什么位置则一 无所知。 2 ) 直方图是总体灰度概念。 3 ) 直方图可叠加性。若一幅图像分为四个区，则每个区都可分别作直方图，而原图 像的总直方图为各分区直方图之和，各区的形状、大小可随意选择。 3 2 叶片图像灰度化 众所周知，人眼所感知的色彩是由通常称为三原色的红o u 、绿( g ) 、蓝) 3 种颜色 混合而成。在r g b 彩色模型中，所表示的图像由3 个图像分量组成，每个分量图像都是 其原色图像。 r g b 模型可以建立在笛卡尔坐标系统里，其中三个轴分别为r ，g ，b ，如图3 2 1 1 所示。r g b 模型的空间是个正方体，原点对应黑色，离原点最远的顶点对应白色。在这 个模型中，从黑到白的灰度值分布在从原点到最远顶点间的连线上，而立方体内其余各 1 5 硕士论文植物叶片图像分析方法的研究与实现 点对应不同的颜色，可用从原点到该点的矢量表示。 图3 2 1 1r g b 彩色立方体示意图 在r g b 空间，用以表示每一个像素的比特数叫做像素深度。r g b 图像中，每一幅红、 绿、蓝图像都是一幅8 比特图像，在这种条件下，每一个r g b 彩色像素【( r ，g ，b ) 】 值3 个一组称为2 4 比特深度。全彩色图像常用来定义2 4 比特的彩色图像。 一幅全彩色图像可以分别对r 、g 、b 三个分量做出直方图。 图3 2 1 叶片图像 对图3 2 1 中的叶片图像分别作r 、g 、b - - - 个分量的直方图结果如图3 2 2 所示。 1 6 硕士论文植物叶片图像分析方法的研究与实现 ( a ) 图像r 分量直方图( b ) 图像g 分量直方图 ( c ) 图像b 分量直方图 图3 2 2 图像r 、g 、b 各分量上的直方图 对于r g b 空间中的一点( r ，g ，b ) ，计算原点至该点向量在对角线上的投影即可得到 该颜色的灰度值。假设r ，g ，b 分量都用8 位来表示，取值范围是【o ，z 5 5 ，则灰度值 可以用下面的公式得到： r 一辫 ( 3 2 1 ) 经过矢量运算，公式( 3 2 1 ) 可简化为：