水稻稻瘟病图像识别预处理方法研究

路阳，邵庆，张楠，许善祥，刘德福

（黑龙江八一农垦大学信息技术学院，大庆 163319）

稻瘟病又称稻热病，主要在苗期危害叶片。病苗在叶上产生暗绿色小斑，病斑中央灰白色，边缘褐色，外有淡黄色晕圈，叶背有灰色霉层，病斑较多时连片形成不规则大斑[1]。黑龙江垦区水稻稻瘟病每年都有大面积发生，因此研究该病害的智能识别对于垦区年产150亿kg商品粮具有十分重要的意义[2]。利用计算机视觉、图像预处理及模式识别技术，实现水稻病害的智能识别，是该领域的创新，其中图像预处理和特征提取是整个系统中的一个重要环节，一般情况下，一个系统所直接获得的图像不可避免的受到噪声等的影响，不能在图像识别系统中直接应用，必须在初级阶段进行去噪、增强等预处理[3，4]。

为了实现水稻稻瘟病的智能化识别，文中较深入的研究了该病害图像预处理问题。研究了水稻稻瘟病的图像类型转换、直方图均衡化预处理、中值滤波预处理及伪彩色增强预处理和水稻稻瘟病图像的特征提取操作。在识别的过程中主要是应用拉氏算子对图像边缘增强后检测，获得该图像的特征。

1 水稻稻瘟病图像的获取

采用数码相机拍摄静态图片的方法采集水稻稻瘟病病害图像。即先将水稻叶片铺平，没有重叠现象；再将数码照相机固定在三角架上，以固定镜头与叶片的距离；然后将数码照相机放置于苗期染病水稻叶片的正上方，使用数码照相机的微摄功能确保能使颜色特征清晰可见，对水稻病害叶片进行拍摄；最后把拍摄的图像导入到计算机中。使用的CCD彩色数据数码相机，型号为索尼A558倍光学变焦，5倍高级数码变焦，微摄为0.1～0.6 m。

2 水稻稻瘟病图像的预处理

2.1 图像灰度预处理

图像采集装置采集到的图像是32位真彩色图像，其数据量大。为减少图像处理的计算量，将其转换为8位灰度图像。虽然变换后丢失了图像的彩色信息，但该灰度图像的信息对研究已经足够，且大大提高了计算速度。采用加权平均值法进行图像灰度化，即根据重要性或其他指标给R，G，B赋予不同的权值，并使R，G，B的值加权平均。其灰度变换公式为：

所获取的原图像，变换后的灰度图像如图1所示。

图1 水稻稻瘟病病害图像及变换后的灰度图像Fig.1 Source image and transformed gray image of rice blast disease

2.2 直方图均衡化预处理

直方图均衡化[5]指通过点运算使输入图像转换为每一灰度级上都有相同的像素点数的输出图像，其对于在进行图像识别之前将图像转化为一致的格式是十分有益的。采用图像的累积分布函数：

对得到的灰度图像进行直方图均衡，从而达到图像的增强效果。如图2所示。图2中左上角为原始灰度图像，右上角为原图像的直方图，左下角为均衡化后的直方图，右下角为均衡化后的图像。

从图中可以看出，经过直方图均衡化处理后，直方图占据了整个图像灰度值允许的范围，图像质量明显好转，图像的细节成分更加清楚，能够清晰的看到病斑。同时，也可看出，在直方图调整之前，低灰度的比例很大，经过直方图调整后，各灰度等级的比例更加平衡。然而，由于直方图均衡没有考虑图像的内容，只是简单地将图像进行直方图均衡，使图像看起来亮度过高，并且出现了类似“马赛克”的现象，产生了一些伪边缘，这对后续的病害识别是非常不利的，为了消除这种现象，文中采用了中值波技术。

2.3 中值滤波预处理

中值滤波是一种非线性的信号处理方法，常用的是领域平均法[7]，即通过含有奇数个点的滑动窗口，以窗口中各点灰度值的中值替代指定点的灰度值。对于奇数个元素，中值是指按大小排序后中间的数值；对于偶数个元素，中值是指排序后中间2个元素灰度值的平均值。文中采用领域加权平均法，给窗口内不同位置的像素设置不同的权，从而减少模糊性及较好保留边缘信息。滤波前后图像如图3所示。

2.4 伪彩色增强预处理

在图像自动识别中，色彩是一种能够简化目标提取和分类的重要参数。因此在图像处理中常常借助色彩来处理图像，以增强视觉效果。其原理是对原灰度图像中不同灰度值区域分别赋予不同的颜色，从而更易区分不同的灰度级。由于灰度图像没有颜色，所以伪彩色增强实质上是一个图像的着色过程，是一种灰度到彩色的映射技术。其处理过程为：设原图像的灰度范围是0＜=f（x，y）＜=L，用k+l灰度等级把该灰度范围分为k 段:I0，I1…IkI0=0（黑），Ik=L（白）。映射每一段灰度成一种颜色，映射关系为 g（x，y）=C1（I（i-l）≤f（x，y）≤I（i）；i=1，2，…k），这里 g（x，y）为输出的伪彩色图像；Ci为灰度在［I（i-l），I（i）］中时所映射成的彩色。

图2 图像均衡化后的运行结果比较Fig.2 Comparison result of image histogram equalization

图3 图像中值滤波后的运行结果比较Fig.3 Comparison result of image median filter

经过这种映射处理后，原始黑白图像f（x，y）就变成了伪彩色图像g（x，y）。若原始图像f（x，y）的灰度分布遍及上述k个灰度段，则伪彩色图像g（x，y）就具有k种彩色。

3 特征提取

4 结束语

针对水稻稻瘟病病害智能识别系统中的图像预处理和特征提取问题，提出了一套实用有效的图像预处理和分析方法，同时给出了图像预处理和分析的算法及流程，最终实现了水稻稻瘟病病害图像部位的增强，为原始特征空间的形成和最终的病害识别实现做好了准备。

图4 拉氏算子处理后运行结果比较Fig.4 Comparison result of laplace operator

［1］穆娟微，李鹏，李德萍，等.寒地水稻主要病害调查研究［J］.北方水稻，2009，39（3）:19-22.

［2］赵自君，徐梅.黑龙江水稻主产区稻瘟病流行程度气候区划的研究［J］.黑龙江八一农垦大学学报，2008，20（4）:23-26.

［3］赵聪慧，张静，王双喜.黄瓜霜霉病图像预处理方法研究［J］.农机化研究，2010（7）:60-63.

［4］杨玲玲，丁为民，刘德营，等.水稻飞虱图像几何形状特征的提取［J］.农机化研究，2008（6）:180-183.

［5］Kim Joung-Yooun，Kim Lee-Sup，Hwang Seung-Ho.An advanced contrast enhancement using partially overlapped sub-block histogram equalization.IEEE Transactions on Circuits and Systems for Video Technology，2001，11（4）:475-484.

［6］王晓峰，黄德双，杜吉祥，等.叶片图像特征提取与识别技术的研究［J］.计算机工程与应用，2006（3）:190-193.

［7］Rafael C.Gonzalez，Richard E.Woods，Steven L.Eddins.数字图像处理学［M］.北京：电子工业出版社，2001.

［8］纪寿文，王荣本，陈佳娟，等.应用计算机图像处理技术识别玉米苗期田间杂草的研究［J］.农业工程学报，2001，17（2）:154-156.