基于植物圖像的活體葉片面積測(cè)量方法研究與實(shí)現(xiàn)

于東玉 馮天祥 李奕昕 任洪娥

摘 要：針對(duì)傳統(tǒng)葉面積測(cè)量方法存在需手工操作、效率低、葉面積測(cè)量?jī)x價(jià)格昂貴、不利于廣泛應(yīng)用等問(wèn)題，本文提出一種基于植物圖像的活體葉片面積測(cè)量方法。首先利用雙邊濾波、拉普拉斯算子和頂帽變換對(duì)采集圖像進(jìn)行預(yù)處理，再通過(guò)分水嶺算法對(duì)標(biāo)記過(guò)的圖像進(jìn)行分割得到目標(biāo)圖像，最后由參照物法得出葉片實(shí)際面積。與傳統(tǒng)的方格法進(jìn)行比較，實(shí)驗(yàn)結(jié)果表明，該方法速度快、精度高，具有較高應(yīng)用價(jià)值。

關(guān)鍵詞：葉面積;雙邊濾波;拉普拉斯算子;頂帽變換;分水嶺算法文章編號(hào)：2095-2163（2019）04-0173-04 中圖分類號(hào)：TP39 文獻(xiàn)標(biāo)志碼：A

0 引 言

葉片是植物進(jìn)行光合作用的物質(zhì)基礎(chǔ)，是蒸騰作用的媒介，是合成有機(jī)物的主要器官[1]，其面積是衡量植物對(duì)光能利用、水循環(huán)、生長(zhǎng)發(fā)育、果實(shí)產(chǎn)量的重要因素，也是研究植物生理生化、遺傳育種和作物栽培等方面的關(guān)鍵指標(biāo)[2]。近年來(lái)快速、準(zhǔn)確地測(cè)量葉片面積越來(lái)越受到人們的關(guān)注。傳統(tǒng)葉面積測(cè)量方法有方格法、稱重法和回歸方程法等，這些方法結(jié)果穩(wěn)定，但需要手工操作完成，工作量大，效率低。利用葉面積儀測(cè)量速度快，但其價(jià)格昂貴，不利于廣泛應(yīng)用[3-5]。本文針對(duì)上述方法存在的問(wèn)題，提出一種基于植物圖像的活體葉片面積測(cè)量方法。該方法探尋一種簡(jiǎn)單、高效、準(zhǔn)確的植物葉片面積測(cè)量方法。

1 植物葉片面積測(cè)量方法

1.1 圖像采集

制作一個(gè)已知面積標(biāo)定物和一塊白色背景板，將標(biāo)定物固定在白色背景板上，利用數(shù)碼相機(jī)對(duì)植物葉片進(jìn)行拍照，如圖1所示。拍攝時(shí)盡量保持白板和葉片在同一平面，拍攝角度盡量垂直白板。

1.2 圖像預(yù)處理

1.2.1 雙邊濾波去噪

在圖像獲取、傳輸和存儲(chǔ)的過(guò)程中常常會(huì)受到各種噪聲的干擾和影響而使圖像降質(zhì)，為了使圖像更加清晰，必須對(duì)噪聲進(jìn)行去除。雙邊濾波是一種非線性濾波方法，結(jié)合圖像的空間鄰近度和像素值相似度進(jìn)行折中處理，同時(shí)考慮空域信息和灰度相似性，利用強(qiáng)度的變化保存邊緣信息[6]。本文采用雙邊濾波法，有效地消除了噪聲，同時(shí)保持了葉片圖像的邊緣信息。

1.2.2 拉普拉斯算子銳化和頂帽處理

圖像銳化使圖像灰度值反差增強(qiáng)，突出圖像邊緣輪廓，使圖像更加清晰。本文選擇拉普拉斯算子對(duì)圖像進(jìn)行變換，產(chǎn)生描述灰度突變的圖像，其拉普拉斯算子差分形式如下：

再利用該算子與原始圖像進(jìn)行卷積運(yùn)算產(chǎn)生銳化圖像。產(chǎn)生的拉普拉斯銳化圖像如下：

其中，f（x，y）為變換前圖像在（x，y）處的像素值，g（x，y）為變換后圖像在（x，y）處的像素值。

由于圖像采集過(guò)程中會(huì)受到外界光照不均勻的影響，本文使用頂帽運(yùn)算對(duì)圖像處理，頂帽運(yùn)算是原圖像減去其開(kāi)運(yùn)算圖像，可以突出原圖像輪廓周圍更明亮區(qū)域。

1.2.3 圖像灰度化

數(shù)碼相機(jī)采集的葉片圖像是彩色圖像，彩色圖像中每個(gè)像素點(diǎn)都由R、G、B 3個(gè)通道構(gòu)成，灰度化是使彩色的R、G、B分量值相等的過(guò)程[7]。本文采用加權(quán)平均值法對(duì)圖像進(jìn)行灰度化處理，R、G、B 3個(gè)分量加權(quán)系數(shù)分別取0.30、0.59、0.11。加權(quán)平均值法的計(jì)算公式如下：

1.3 分水嶺算法分割

圖像分割是把圖像劃分成互不相交的區(qū)域的過(guò)程，主要有基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法等[8-9]。本文選擇基于區(qū)域的分水嶺方法，將圖像看成一個(gè)地面高低起伏的地形圖，分割過(guò)程近似成自下而上的浸沒(méi)過(guò)程，如圖2所示。從谷底開(kāi)始注水，當(dāng)水浸沒(méi)集水盆直到與來(lái)自相鄰集水盆的水交界的地方，建立起一個(gè)大壩，這個(gè)大壩就是分水嶺[10]。

同時(shí)在2個(gè)集水盆集合中的像素點(diǎn)構(gòu)成的集合，即為分水嶺。

1.4 輪廓提取

輪廓提取是后期葉片圖像特征分析的基礎(chǔ)，對(duì)研究植物葉片具有重要作用。本文調(diào)用OpenCV庫(kù)的findContours函數(shù)檢測(cè)葉片和標(biāo)定物圖像的外圍輪廓，再調(diào)用OpenCV庫(kù)的drawContours函數(shù)繪制圖像輪廓，結(jié)果如圖3所示。

1.5 特征提取

為測(cè)出葉片面積，調(diào)用OpenCV庫(kù)的contourArea函數(shù)分別統(tǒng)計(jì)葉片和標(biāo)定物的像素點(diǎn)個(gè)數(shù)，由像素點(diǎn)個(gè)數(shù)比值、標(biāo)定物實(shí)際面積計(jì)算出葉片實(shí)際面積，計(jì)算公式如下：

2 系統(tǒng)實(shí)現(xiàn)與實(shí)驗(yàn)結(jié)果分析

2.1 活體葉片面積測(cè)量系統(tǒng)

本系統(tǒng)在Visual Studio 2017集成開(kāi)發(fā)環(huán)境下進(jìn)行開(kāi)發(fā)，使用OpenCV3.4.2庫(kù)提供的函數(shù)。系統(tǒng)主要由預(yù)處理、圖像分割、輪廓提取、特征提取4大程序塊構(gòu)成。預(yù)處理程序塊通過(guò)去噪、銳化、形態(tài)學(xué)處理、灰度化提升原始圖像的清晰度;圖像分割程序塊采用分水嶺算法將圖像的葉片和標(biāo)定物與背景分割開(kāi);輪廓提取程序塊繪制圖像分割后的葉片和標(biāo)定物輪廓;特征提取程序塊通過(guò)統(tǒng)計(jì)葉片和標(biāo)定物像素個(gè)數(shù)，由標(biāo)定物實(shí)際面積得出葉片實(shí)際面積，系統(tǒng)流程如圖4所示。

2.2 修正系數(shù)

圖像采集時(shí)會(huì)受到多種因素影響，如：光照不均勻、葉片彎曲、拍攝角度等，這些因素使圖像采集不精確，從而導(dǎo)致本方法求算的葉片面積與實(shí)際面積有差距。由此，引入葉片的修正系數(shù)，計(jì)算公式如下：

本文以綠蘿為研究對(duì)象，取30片活體綠蘿葉片，分別用方格法和本系統(tǒng)測(cè)出其面積，通過(guò)回歸分析建立方格法葉片面積與本系統(tǒng)葉片面積之間的回歸方程，確定葉片的修正系數(shù)。分析結(jié)果如圖5所示。

圖中橫坐標(biāo)是本系統(tǒng)測(cè)量面積，縱坐標(biāo)是方格法測(cè)量面積。由圖得到修正系數(shù)為1.267，且R2=0.989，接近1，此模型對(duì)數(shù)據(jù)擬合效果較好，因此在本系統(tǒng)中采用K=1.267進(jìn)行計(jì)算。

2.3 測(cè)量方法對(duì)比分析

為進(jìn)一步驗(yàn)證系統(tǒng)的測(cè)量精度，分別選取無(wú)破損、大小不同的葉片共30片，分別采集葉片圖像并編號(hào)排序。通過(guò)采用修正系數(shù)的本系統(tǒng)得到的葉片面積，與方格法測(cè)定結(jié)果比較，驗(yàn)證本系統(tǒng)的可行性與實(shí)用性，結(jié)果如圖6所示。

圖中橫坐標(biāo)為系統(tǒng)所測(cè)面積乘以修正系數(shù)后面積，縱坐標(biāo)為方格法測(cè)量面積。結(jié)果顯示，修正后系統(tǒng)得到的葉面積與方格法得到的葉面積具有較好的一致性，計(jì)算值與測(cè)定值之間的決定系數(shù)R2在0.9以上。計(jì)算值與測(cè)定值之間的誤差統(tǒng)計(jì)，見(jiàn)表1。

若定義相對(duì)誤差絕對(duì)值小于10%為合格，則綠蘿葉面積計(jì)算結(jié)果的合格率均在90%以上，因此本系統(tǒng)可以更方便、準(zhǔn)確地測(cè)定植物葉片面積 。

3 結(jié)束語(yǔ)

本文提出了一種基于植物圖像的活體葉片面積測(cè)量方法，采用雙邊濾波去噪、拉普拉斯算子銳化、頂帽運(yùn)算、灰度化、分水嶺算法分割、輪廓提取和特征提取等一系列操作，并開(kāi)發(fā)出一個(gè)測(cè)量系統(tǒng)，成功地測(cè)量出葉片實(shí)際面積。同時(shí)，為排除外界因素影響，引入修正系數(shù)，通過(guò)與方格法測(cè)量結(jié)果對(duì)比，結(jié)果表明，系統(tǒng)可簡(jiǎn)單、準(zhǔn)確地測(cè)量出植物葉片面積。

參考文獻(xiàn)

[1]孫玉婷，楊紅云，王映龍，等. 基于支持向量機(jī)的水稻葉面積測(cè)定[J]. 江蘇農(nóng)業(yè)學(xué)報(bào)，2018， 34（5）：1027-1035.

[2] 韓殿元，黃心淵，付慧. 基于彩色通道相似性圖像分割方法的植物葉面積計(jì)算[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012， 28（6）：179-183.

[3] 陳濤濤，遲道才，梁茜. 基于矩形框幾何校正的多葉面積測(cè)量方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012， 28（8）：206-213.

[4] 陳玉青，楊瑋，李民贊，等. 基于Android 手機(jī)平臺(tái)的冬小麥葉面積指數(shù)快速測(cè)量系統(tǒng)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2007， 48：123-128.

[5] 孟祥麗，劉一鳴，劉瑤，等. 基于攝影測(cè)量技術(shù)的植物葉面積精確測(cè)量方法研究[J]. 江西北林學(xué)院學(xué)報(bào)，2019，34（2）：222-226.

[6] 蘆碧波，皇甫珍珍，郭凱，等. 基于雙邊濾波的多尺度分層色調(diào)映射算法[J]. 液晶與顯示，2018，33（9）：816-822.

[7] 陳杰. 基于色彩信息的圖像增強(qiáng)研究[J]. 南京郵電大學(xué)，2017：81.

[8] 郎春博，賈鶴鳴，邢致愷，等. 基于改進(jìn)粒子群算法的植物冠層圖像分割[J]. 森林工程，2019，35（1）：47-52.

[9] 王琢，汪雅婷，宋文龍，等. 基于深度學(xué)習(xí)的葉片圖像分割算法[J]. 森林工程，2019，35（1）：42-46.

[10]覃喬，黃力. 基于帶標(biāo)記分水嶺的復(fù)合絕緣子憎水性圖像提取算[J]. 電子測(cè)量技術(shù)，2019，42（2）：88-91.

[11]桑艷艷，李昕. 基于改進(jìn)分水嶺算法的菌落圖像分割[J]. 電子測(cè)量技術(shù)，2019，42（6）：87-93.