基于改进分水岭算法的作物病害叶片分割方法

张晴晴　齐国红　+张云龙

摘要：传统的标记分水岭算法在作物病斑分割过程中存在伪标记，会造成过分割，本研究在传统的标记分水岭算法基础上提出了一种改进的标记分水岭分割算法。该算法首先采用形态学进行预处理，建立形态学梯度，并对梯度图像进行开闭重建。然后对重建的梯度图像进行前景标记，并利用病斑和正常叶片的颜色差异对前景标记中的伪标记进行滤除，对修改后的前景二值化图像进行距离变换和分水岭完成背景标记。最后用强制极小值技术进行梯度修正，并用分水岭算法对其进行分割。对多幅作物叶片进行分割试验，并对比不同分水岭的分割效果，结果表明该方法得到的区域数最少，能有效提取黄瓜叶片病斑，并且抑制过分割。

关键词：作物；病害；伪标记；形态学梯度；开闭重建；改进标记分水岭

中图分类号： TP391.41文献标志码： A文章编号：1002-1302（2015）02-0400-03

收稿日期：2014-03-28

基金项目：国家自然科学基金（编号：61272333）；河南省郑州市科技攻关计划（编号：131PPTGG426）；郑州大学引进人才项目（编号：2012YJRC01、2012YJRC02）。

作者简介：张晴晴（1988—），女，河南三门峡人，硕士研究生，主要从事信号与信息处理研究。E-mail：773764630@qq.com。在农作物生产过程中，作物病害直接影响作物品质和产量。作物病害诊断是其防治的基础，对农作物产量提高有现实意义[1-2]。近年来，将计算机技术应用于作物病害诊断中，不仅实现了对农作物病害的无损检测，而且提高了作物病害诊断的精度和速度[3-5]。在基于病害叶片的农作物病害识别研究过程中，通常须要将病害目标从图像中提取出来，即进行图像分割，病害图像分割的好坏对病害识别的成败起着决定性作用[6]。因此，高效准确地提取出作物病害叶片上病斑十分必要。刘志华等利用双峰法从背景中分割出目标叶片，并用最大类间方差法（OTSU）将正常叶片与病斑部位分割开来[7]。Meunkaewjinda等利用优化遗传算法对病害叶片进行了分割[8]。Camargoa等对采集到的RGB病害图像进行了颜色系统转换，在不同颜色系统中提取了病斑图像的颜色特征，利用局部优化阈值方法对病斑进行了分割[9]。袁媛等针对具有复杂背景的作物病害叶片提取，提出了一种基于先验信息的水平集模型[10]。毛罕平等采用模糊C均值的聚类对棉花病害图像进行自适应分割[11]。刘芝京将图像由RGB颜色空间转换为YCbCr空间，通过色彩聚类建立病斑聚类模型，达到对病斑分割的目的[12]。这些分割方法均能达到很好的分割效果，同时也存在很多问题，如阈值分割只考虑像素本身的灰度值，一般不考虑空间特征，因而对噪声很敏感。水平集模型在分割精度上有提高，但分割速度并未得到改善。聚类算法和遗传算法在分割过程中须要设置许多复杂参数，易造成分割结果因参数变化而不稳定[13-14]。分水岭分割算法因计算速度快、定位精确、目标图像轮廓线封闭以及对图像像素变化高度敏感等优点，得到较多关注。传统的分水岭算法是一种基于拓扑结构理论的数学形态学分割算法[15-17]，其本质上是从图像的局部极小值开始进行增长的一种区域增长算法。由于作物叶片图像的暗纹理和噪声影响，图像中会存在大量伪极小值，从而产生相应伪积水盆地，因此直接运用分水岭算法进行叶片图像分割会产生过分割现象。为了有效抑制过分割现象，可以在使用分水岭算法之前对叶片图像进行滤波预处理和标记提取[18-19]。本研究针对作物病害叶片病斑特点，在标记分水岭的基础上提出了一种改进的标记分水岭分割算法，通过对前景目标和背景目标进行有效标记，以期达到很好的分割效果。

1材料与方法

1.1预处理

1.1.1形态学滤波形态学滤波器是一种非线性的滤波器，其优点是可以选择不同的结构元素来消除或抑制噪声及不需要的结构或目标。开运算可消除图像中孤立和过亮的点，闭运算可将颜色比背景暗且尺寸比结构元素小的结构滤除，因此常采用开闭运算进行滤波预处理。

1.1.2梯度图像开闭重建形态学梯度[20]运算具有非线性，被用于灰度图像处理能够使图像中梯度较大的区域更加突出。采用形态学开闭重建运算对梯度图像进行重建，目的是为了消除梯度图像中由非规则灰度扰动和噪声引起的局部极值，保留重要的轮廓极值信息。形态学的开闭重建运算建立在测地膨胀和测地腐蚀的基础上，对于梯度图像g（x，y）（以下用g表示）和参考图像r（x，y）（以下用r表示），其形态学测地膨胀定义如下[21]：

形态学开闭重建运算是先进行开重建运算、后进行闭重建运算的二次重建运算，结合上述开闭重建运算，形态学混合开闭重建运算定义如下：1.2改进的标记分水岭分割方法

形态学重建消除了初始梯度图像中过多的区域极值和噪声，准确地进行轮廓定位，减小了区域轮廓的位置偏移。为了更好地抑制过分割，须要在重建的梯度图像上进行标记控制，使局部极小值只在标记出现的地方产生[20-22]。标记方法的选取直接影响最终的分割结果。标记分为前景标记和背景标记，前景标记是基于目标对象，背景标记为目标对象以外的图像。

1.2.1前景标记提取由于在作物病害叶片中病斑和部分背景对比不明显，使传统标记算法得到的结果中包含部分伪标记。考虑到叶片病斑和正常部位之间存在较大的颜色差异，正常部位呈绿色，病斑部位呈黄色，因此可以根据色彩差异对伪标记进行过滤。和其他彩色模型相比，RGB彩色模型能更准确识别正常部位和病斑部位。在RGB彩色模型中，病斑和正常部位的最大颜色差异在于红色分量所占比例不同，病斑部位红色分量的比例最大。可以采用如下方法进行伪标记的滤除[23]，设I（x，y）为原图像，Igf（x，y）为初始前景标记，对Igf（x，y）进行如下修改：

1.2.2背景标记提取背景标记即除去目标对象的部分，通常采用局部极小值法对背景进行标记。可以将上述前景标记二值化图像Igf进行欧氏距离变换，然后对欧氏距离变换结果进行分水岭变换，得到的分水线即可作为背景标记Igb。endprint

1.2.3强制极小值标记的分水岭在得到前景标记和背景标记之后，利用极小值标定技术，把前景标记Igf和背景标记Igb强制作为梯度图像的局部极小值，得到修改的梯度图像Igmark：

Igmark=IMMIN[g（rec）B，Igf|Igb]。（7）

综上，利用改进的分水岭算法进行作物病害叶片病斑的分割过程为：（1）对输入的目标图像进行形态学滤波、开闭重建等预处理；（2）对开闭重建的梯度图像进行前景标记，并根据病斑和正常叶片的颜色差异对结果进行伪标记滤除；（3）对前景标记得到的二值化图像进行距离变换，最后进行分水岭变换完成背景标记；（4）采用强制极小值标定技术基于前景和背景标记的结果对梯度幅值修正，最后进行分水岭变换，即可得到理想的分割结果。

2结果与分析

以常见的黄瓜病害叶片图像为例，设置图像的分辨率大小为640×480，图像文件格式为“.jpg”，采用主频为 2.4 GHz、内存为1 G的计算机，在MATLAB 7.10软件环境下对黄瓜病害图像进行仿真试验。

图1-a为原彩色图像，若直接对灰度图像（图1-b）分水岭变换会产生严重的过分割现象（图1-c）。为了抑制过分割现象，须要对灰度图像进行形态学预处理，消除部分噪声且抑制不需要的结构和目标。预处理完成后建立形态学梯度（图1-d），获得亮度变化较强的图像外围边缘。为了消除梯度图像中由非规则灰度扰动和噪声引起的局部极值，保留重要的轮廓极值信息，在形态学梯度基础上进行开闭重建，由图1-e可见，一些细密纹理被去除，图像轮廓更为显著。对基于重建的梯度图像采用分水岭变换得到分割结果，由图1-f可见，该结果中仍存在过分割现象，分割结果中包含大量背景信息，但和图1-c相比，过分割现象在很大程度上得到了改善。要想得到更好的分割效果，须要对传统标记算法进行改进。利用病斑和正常叶片的颜色差异，采用本研究中的改进算法得到前景标记（图1-g），对前景标记的二值化图像进行距离变换和分水岭得到背景标记（图1-h）。对照图1-a可以看到，前景标记精确地显示了病斑信息，最后基于改进的前景和背景标记采用强制极小值标记技术重新修正梯度图像并作分水岭变换，得到最终的分割结果（图1-i），可以看到黄瓜叶片中的病斑被有效分割出来。

另取多片大小、形状不同的黄瓜叶片采用本算法进行分割，都取得了较好的效果。为了进一步验证该算法分割的有效性，将本算法分割区域数量同直接对灰度图像进行分水岭分割、对重建后的梯度图像进行分水岭分割以及采用传统标记算法进行分水岭分割4种分水岭算法得到的区域数量进行了比较。由表1可见，直接对灰度图像进行标记所得到的区域数量很多；进行形态学滤波，梯度重建后的区域数明显减少，说明形态学滤波和梯度重建的必要性；改进后的标记分水岭算法的目标区域数明显少于改进前的标记分水岭分割得到的区域数量。区域数量越少，过分割区域就越少，分割效果就越好。由图1、表1可见，该算法能够较好地分割黄瓜病斑并且能够很好地抑制过分割。

3结论与讨论

本研究根据正常叶片和病斑之间的色彩差异，基于传统标记分水岭分割算法在植物病斑提取过程中对前景标记中的

表1不同算法分割后的目标区域数

图像区域数量（个）灰度分水岭梯度重建分水岭标记分水岭本研究算法黄瓜叶片115 8622 73656668黄瓜叶片211 8202 60215521黄瓜叶片31 77440238533

伪标记进行过滤，使求得的前景标记更加准确，从而有效抑制了伪标记造成的过分割现象，试验结果表明改进后的标记分水岭算法能够很好地将病斑从叶片中分割出来。虽然本算法在农作物病害叶片分割中得到了很好的效果，但针对复杂背景下的病害叶片，不能够将其准确分割。因此如何在复杂环境下对病斑进行提取，须要进一步研究。

参考文献：

[1]章秀福，王丹英，方福平，等. 中国粮食安全和水稻生产[J]. 农业现代化研究，2005，26（2）：85-88.

[2]马成云，申宏波，马淑梅，等. 黑龙江省水稻稻瘟病发生危害情况调查及防治建议[J]. 植物保护，2006，32（5）：95-97.

[3]邹修国. 基于计算机视觉的农作物病虫害识别研究现状[J]. 计算机系统应用，2011，20（6）：238-242.

[4]张飞云.基于提升小波和学习向量量化神经网络的小麦病害图像识别[J].江苏农业科学，2013，41（5）：103-106.

[5]张飞云.基于多重分形谱的小麦病害图像特征提取方法[J].江苏农业科学，2013，41（3）：90-92.

[6]张晓萌，付燕. 图像分割技术研究[J]. 科技情报开发与经济，2007，17（18）：183-184.

[7]刘志华，程鹏飞. 黄瓜侵染性病害图像处理及特征值提取方法的研究[J]. 山西农业大学学报：自然科学版，2006，26（4）：351-354.

[8]Meunkaewjinda A，Kumsawat P，Attakitmongcol K，et al. Grape leaf disease detection from color imagery using hybrid intelligent system[C]//ECTI-CON 2008：Proceedings of the 2008 5th international conference on electrical engineering/electronics，computer，telecommunications and information technology.IEEE Press，2008：513-516.

[9] Camargoa A，Smith J S. An image-processing based algorithm to automatically identify plant disease visual symptoms[J]. Biosystems Engineering，2009，102（1）：9-21.endprint

[10]袁媛，李淼，梁青，等. 基于水平集的作物病叶图像分割方法[J]. 农业工程学报，2011，27（2）：208-212.

[11]毛罕平，张艳诚，胡波. 基于模糊C均值聚类的作物病害叶片图像分割方法研究[J]. 农业工程学报，2008，24（9）：136-140.

[12]刘芝京. 基于图像处理的黄瓜细菌性角斑病的识别研究[D]. 成都：西华大学，2012：4-8.

[13]翟燕慧. 图像分割常用算法优缺点探析[J]. 探索研究，2010，3（2）：57-58.

[14]徐奕奕，刘智琦，刘琦. 基于改进的分水岭算法图像分割方法研究[J]. 计算机仿真，2011，28（9）：272-274.

[15]张毅. 分水岭算法在图像分割中的应用研究[D]. 广州：广东工业大学，2013：18-30.

[16] Gonzales R C. 数字图像处理：MATLAB版[M]. 3版.阮秋琦，译.北京：电子工业出版社，2005：315-320.

[17]Ji Q H，Shi R G. A novel method of image segmentation using watershed transformation[C]//Conference on Computer Science and Network Technology. Harbin：Harbin Normal University，2011：1590-1594.

[18]陈林林，杨晨，李敏娟，等. 基于形态学梯度重建的分水岭算法改进研究[J]. 中国印刷与包装研究，2013，5（4）：112-118.

[19]Young N，Evans A N. Median centered difference gradient operator and its application in watershed segmentation[J]. Electronics Letters，2011，47（3）：178-180.

[20]姬宝金，吕建平. 基于梯度重建与形态学分水岭算法的图像分割[J]. 通信技术，2009，42（5）：98-99，102.

[21]葛世国，王茂芝，刘娟娟，等. 基于标记的改进分水岭分割算法[J]. 四川理工学院学报：自然科学版，2013，26（2）：57-61.

[22]陈洁，胡永，刘泽国. 基于标记的分水岭图像分割算法研究[J]. 软件，2012，33（9）：115-117.

[23]任玉刚，张建，李淼，等. 基于分水岭算法的作物病害叶片图像分割方法[J]. 计算机应用，2012，32（3）：752-755.李久林，高亮，刘君，等. 基于二维码的蔬菜溯源信息管理平台的设计[J]. 江苏农业科学，2015，43（2）：403-405.endprint