基于安卓平臺的作物病害圖像自動分割算法實現

韓雪峰等

摘要：開發(fā)了一種基于安卓平臺的農作物病害圖像自動分割系統(tǒng)，以Java語言為編程語言，采用面向對象的編程模式，利用大津算法生成圖像分割的閾值，根據閾值的大小對病害圖像進行圖像分割，分離出病斑圖像。將開發(fā)的程序在安卓模擬器進行試驗，對患有炭疽病、霜霉病、灰霉病的黃瓜葉部病害進行分割，實驗結果表明基于安卓平臺病害圖像分割可以實現良好的分割效果。

關鍵詞：圖像分割；自動閾值；安卓平臺；黃瓜病害

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2015）22-0112-03

Abstract： Automatic segmentation system of agricultural disease image based on Android platform was developed. Java programming language was selected and object-oriented programming mode was used in our works。We used Otsu algorithm to generate threshold for image segmentation， and segmented disease image with threshold to obtain disease image lesions. We tested our program with Android simulator on Cucumber anthracnose leaf image， Botrytis leaf image and Downy mildew of leaf image， our program can obtain good segmentation results.

Key words： image segmentation； automatic thresholding； android platform； cucumber disease

安卓是一款基于Linux內核、開源的手機操作系統(tǒng)[1]，基于安卓系統(tǒng)的手機在處理器運行速度、內存容量和存儲容量方面與前代手機相比具有很大的提升，是一種功能強大的移動終端，基于安卓系統(tǒng)的農業(yè)領域應用研究已經成為當前的熱門領域?；诎沧科脚_的監(jiān)控系統(tǒng)實時監(jiān)測和顯示種植空間的環(huán)境參數，根據需要對種植空間的溫度、二氧化碳濃度等環(huán)境參數進行調控[2]；基于安卓手機的植物葉片面積快速無損測量系統(tǒng)可以實現多種植物葉片面積的便捷、快速測量[3]；基于安卓系統(tǒng)手機的甜玉米病蟲害智能診斷系統(tǒng)構建了基于安卓手機的、通用人機交互數據庫和應用程序的開發(fā)環(huán)境，實現了甜玉米病蟲害智能診斷功能[4]。

基于安卓系統(tǒng)的農作物病害圖像分割系統(tǒng)，可以利用智能手機的攝像頭對病害圖像進行拍照，然后對病害圖像進行分割，與傳統(tǒng)的利用數碼相機和計算機的農作物病害圖像分割相比，在硬件成本、便攜性、可操作等方面具有傳統(tǒng)方法無可比擬的優(yōu)勢，也為后續(xù)基于安卓手機的農作物病蟲害圖像自動識別系統(tǒng)的開發(fā)做技術上的準備。

1 實現過程

1.2硬件開發(fā)環(huán)境

開發(fā)所用的計算機聯(lián)想G400筆記本電腦，Intel 酷睿i5 3230M CPU，主頻：2.6GHz；內存：DDR3，4GB；硬盤：500GB；顯卡：NVIDIA GeForce GT 720M；位寬：64位。

1.3軟件開發(fā)環(huán)境

系統(tǒng)軟件采用中文版Windows8操作系統(tǒng)，程序設計語言選擇Java，開發(fā)工具選用MyEclipse+Android SDK+ADT模式。MyEcli pse10.6，該版本基于Eclipse 3.7.2開發(fā)，是在Eclipse 基礎上加上自己的插件開發(fā)而成的功能強大的企業(yè)級集成開發(fā)環(huán)境。

Android SDK即安卓軟件開發(fā)工具包。用于為安卓系統(tǒng)下的軟件包、軟件框架、硬件平臺、操作系統(tǒng)等建立應用軟件的開發(fā)工具的集合。

Eclipse ADT 是 Eclipse 平臺下用來開發(fā) Android 應用程序的插件。

1.4安卓平臺圖像分割程序中用到的類

1.5 Java語言下顏色分量的獲取

計算機顯示的彩色采用紅、綠、藍3種顏色相互疊加得到各式各樣的顏色，3種顏色構成了顏色數據。如圖1所示，顏色數據在計算機中以二進制形式表示，在處理過程中，由于二進制數據過于繁瑣，往往把它轉換成16進制進行表示。

在進行圖像處理時，計算機不能對紅、綠、藍三色顏色數據直接進行分析，需要分離出3種不同的顏色分量數據，對分離出的顏色數據進行處理。

其中RGBdata是圖像數據，分離出的數據分布存放在紅色分量數組red、綠色分量數組green和藍色分量數組blue中。

1.6處理流程

在實驗過程中發(fā)現利用大津算法直接處理RGB顏色分量和利用大津算法處理經過轉換后的HSV顏色空間的數據進行分割的效果差別很小，考慮到進行RGB顏色數據到HSV顏色數據的轉換需要額外的計算時間，這將使安卓系統(tǒng)下圖像分割所需要的時間更長，因此直接利用RGB顏色空間中的顏色分量進行圖像分割。在試驗中選用紅色顏色分量red進行圖像自動閾值的產生。處理流程如下所示。

1）打開作物病害圖像文件，獲取圖像的高h和寬w。

2）獲取w×h范圍內每個坐標的像素值。

3）利用2.4節(jié)中的方法從圖像的像素值中分析出紅色分量red，綠色分量green和藍色分量blue。

4）利用2.3節(jié)中所述的大津算法對紅色分量顏色數據進行處理，生成閾值T。

5）利用閾值T對病害圖像顏色數據進行分割，保留顏色值小于閾值T的顏色數據。

6）分割結果顯示。

2 實驗

本文采用在實際自然環(huán)境下拍攝的黃瓜病害圖像進行驗證。分別為：黃瓜炭疽病葉圖像如圖2 所示，黃瓜灰霉病葉圖像如圖4 所示，黃瓜霜霉病葉圖像如圖6所示。本實驗是基于安卓模擬器實現的。在圖2，圖4，圖6中分別點擊“圖像分割”按鈕后，安卓環(huán)境下黃瓜炭疽病葉圖像自動分割的結果如圖3所示，灰霉病害圖像分割結果如圖5所示，霜霉病害圖像分割結果如圖6所示。

3 結論

在安卓平臺下實現了農作物病害圖像自適應分割，運用大津算法生成閾值，根據閾值的大小對病害圖像進行分割。從實驗的結果可以看出，基于安卓平臺完全可以實現作物病害圖像的自動分割。隨著手機處理器運算速度的不斷提高和安卓系統(tǒng)的處理功能的不斷升級，基于安卓的手機完全可以勝任作物病害圖像的自動分割。將本文中實現的病害圖像分割方法與神經網絡、支持向量機或者貝葉斯分類器等分類器方法相結合，可以實現基于智能手機的農作物病害圖像的自動識別，這將在農作物病蟲草害圖像的自動識別和防治的便攜性、實用性和靈活性等方面帶來極大的提高。

參考文獻：

[1] Android（operating_system） [EB/OL]. https：//en.wikipedia.org/wiki/Android_ （operating_system）.

[2] 劉彤，賀宏偉，李堯，等.基于Android平臺的家庭植物工廠智能監(jiān)控系統(tǒng)[J].農機化研究.2015，（4）：197-202.

[3] 郭文川，周超超，韓文霆.基于Android 手機的植物葉片面積快速無損測量系統(tǒng)[J].農業(yè)機械學報.2014， 45（1）：275-280.

[4] 楊林楠，郜魯濤，林爾升，等. 基于 Android 系統(tǒng)手機的甜玉米病蟲害智能診斷系統(tǒng)[J]. 農業(yè)工程學報，2012，28（18）：163-168.

[5] Nobuyuki Otsu.A Threshold Selection Method from Gray-Level Histograms[J].IEEE Transactions On Systems， Man， And Cybernetics. 1979，SMC-9（1）： 62- 66.