基于潮濕土壤的雜草圖像分割方法

王偉定　寧正高　王藝勝

摘要：雜草圖像分割是雜草識別中重要的步驟，光照是分割誤差的重要影響因素。因此，根據潮濕土壤受光照影響小，提出了一種基于潮濕土壤的雜草圖像分割方法。首先，用水將土壤做潮濕處理，然后采集雜草圖像，再用閾值分割的方法進行分割。試驗結果表明在潮濕土壤下獲取圖像的分割誤差顯著低于干燥土壤，有助于雜草識別的研究。

關鍵詞：潮濕土壤；雜草；圖像分割

在諸多雜草防除方法中，由于化學除草的高效性，已成為除草的主要方式。對雜草圖像利用超綠特征進行灰度化，再進行分割，由于植物多為綠色，與背景存在顏色差別，所以背景分割中多利用顏色特征進行處理。

1 田間雜草圖像及其特征

田間雜草圖像的特點是植株一般呈綠色。圖像可以采用二維函數f（x，y）表示出來。（x，y）表示的是二維空間坐標中的某個點的位置坐標。f（x，y）表示的是圖像在點f（x，y）處的某種屬性，即表示灰度值?；叶葓D像f（x，y）的取值范圍在0-255之間。但是f（x，y）的取值只有0和1兩種可能，即f（x，y）=0 表示該點處為白色， f（x，y）=1 表示該點處為黑色。

2 雜草圖像分割

2.1 圖像的灰度化處理

圖像由無數的像素點組成而得，每一個像素點對應區(qū)域對象的顏色，顏色空間是R、G、B （ 紅、綠、藍 ）。在RGB圖像中，每一個RGB彩色像素由 R 、G 、B三個值表示，通過各種顏色特征將各個像素點的顏色轉化為一定的灰度級后作為灰度圖像進行分割。雜草圖像分割的超綠特征，表示為2G-R-B，利用超綠特征對在同一雜草下干燥、潮濕土壤背景的圖片進行灰度處理，對干燥、潮濕的土壤背景圖像進行人工處理后的新圖像作為標準圖，再將標準圖用超綠特征對圖像進行灰度化處理，如圖（1）所示。

2.2 圖像的二值化處理

雜草圖像的二值化處理就是把圖像分割為前景和背景，用0、1值分別表示背景和前景。由于最大類間方差自動取閾法穩(wěn)定性好、成功率高等特點，所以分別對干燥、潮濕土壤背景和人工圖的灰度圖利用最大類間方差法自動選取合適閾值，再分別進行二值化，生成二值圖，如下圖（2）所示。

3 試驗結果分析與討論

3.1 試驗結果與分析

對10組干燥、潮濕土壤背景的雜草圖像進行灰度化處理，得到了灰度圖，將兩幅灰度圖分別進行二值化處理，得到干燥、潮濕背景的二值圖。將干燥土壤背景與人工分割的干燥土壤背景二值圖和潮濕土壤背景與人工分割的潮濕土壤背景二值圖的用t-檢驗： 成對雙樣本均值分析和F-檢驗 雙樣本方差分析來分析。對錯誤判斷為背景的誤差百分比p1、錯誤判斷為植物的誤差百分比p1和誤差平均值p進行分析，p1=錯誤判斷為背景的個數/（錯誤判斷為背景的個數+正確判斷為植物的個數）；p2 =錯誤判斷為植物的個數/（錯誤判斷為植物的個數+正確判斷為背景的個數）；誤差平均值p=（p1+p2）/2。試驗結果如下表所示

由表1數據，用t-檢驗： 成對雙樣本均值分析和F-檢驗：雙樣本方差，對p1、p2、p進行檢驗，得出檢驗值，如表2所示。

由表2結果分析可知，對錯誤判斷為背景的誤差百分比來說，均值檢驗的相伴概率為0.045，小于顯著水平0.05，也就是p1（干）和p1（濕）存在顯著性差異；對錯誤判斷為植物的誤差百分比來說，均值檢驗的相伴概率為0.354，大于顯著水平0.05，說明p2（干）和p2（濕）不存在顯著差異；對誤差平均值p來說，均值檢驗的相伴概率為0.045，小于顯著水平0.05，說明p（干）和p（濕）存在顯著性差異。

3.2 討論

根據試驗的結果，從以下方面對背景分割方法進行討論：

土壤背景。過濕的土壤、干濕不均勻的土壤和干的、腐爛的作物殘渣都對超綠特征灰度化和二值化有影響。泛綠的土壤對運用各種方法都會產生很大的干擾。

土壤水分含量。土壤水分含量越大，其反射率就越低；土壤水分含量越小，其反射率就越高。光的反射率越低，對雜草圖像的分割效果越好。

4 結論

為了減小由光照因素產生的分割誤差，提出了一種基于潮濕土壤的雜草圖像分割方法。實驗結果表明，潮濕土壤背景下雜草分割的效果較好，精度較高。

參考文獻

[1] 錢丹. 作物與雜草識別中圖像分割影響因素的研究[J]. 江蘇大學，2006.

[2] 毛文華， 王一鳴，張小超，等. 基于機器視覺的苗期雜草實時分割算法[J]. 農業(yè)機械學報，2005，36（1）：83-86.

[3] 周 果，司秀麗. 基于顏色分量與直方圖的玉米苗期背景分割方法研究[J]. 農業(yè)網絡信息，2012（8）：22-24.

[4] 曲昆鵬，鄭麗穎. 基于目標、背景比例的灰度圖像自動閾值選取法[J]. 應用科技，2010，37（2）：52-54s.