基于图像处理的农田作物病害识别分析

彭吴琦等

摘 要 运用MATLAB对农田作物图像进行处理，识别农作物的病害，对农作物生长后期的病害防治具有作用。本研究基于拍摄的小麦叶片图像，依次进行彩色图像转换为灰度图像、绘制灰度图像直方图并确定分割阈值、灰度图像二值化等操作，直观反应了正常叶片和病害叶片分布情况，并根据农作物病害覆盖率初步识别研究区域农作物病害情况。该研究方法对大面积农田作物具有较好的适用性，可为农民及时防治病害提供依据。

关键词 图像处理；MATLAB；病害识别

中图分类号：S436.421；S126 文献标志码：B 文章编号：1673-890X（2015）21-0-02

病害能导致农作物大面积减产甚至绝收，影响农作物品质，因此，对作物病害的识别研究具有重要的现实意义。对于大面积的农田作物，仅仅靠人力识别病害情况，具有很大的局限性，而利用MATLAB对农作物图像进行处理，能够实时检测农作物的情况，及时发现、识别病害情况。农作物在生长过程中，一旦遭遇病害，其叶片物理性状就会发生改变，如叶子变黄，叶片出现斑点等，这些症状通过图像可以准确地反应出来，本研究以叶片的颜色特征为依据编写MATLAB程序，以此来判断农作物是否感染病害。

1 图像处理原理

本文以小麦的图像为例进行图像处理。首先，小麦在感染病害时，会有显著地性状出现。如小麦感染白粉病时，叶片上会生长成片的类似白粉的物质，其他的如叶枯病、条锈病等也会使小麦的叶片出现不正常的性状。大部分小麦在病害时期，都会在叶片上出现非绿色的斑点等性状，用MATLAB程序对小麦的图像进行处理，使这些叶片的颜色症状得到更直观的反应，可以快速地判断出这些植株是否感染病害。

2 图像的采集和处理

2.1 图像的采集

采集时间： 2014年6月-2015年3月采集图像（本文主要以小麦为研究对象）。采集地点：南京市浦口区汤泉农场和浦口八百桥农田。所用仪器：数码相机、四旋翼遥控飞机。采集方法：分别使用数码相机和四旋翼遥控飞机在麦田中采集 5组图像，每组为 20 幅，选择其中最清晰的1组传入计算机，得到 RGB 格式的彩色图像。

2.2 图像预处理

图像预处理是病害识别过程中的一个重要环节，它相对于特征提取、图像识别是一种前期处理。输入的图像由于图像的采集环境不同，如光照明暗程度不同以及设备性能的优劣等，往往存在噪声、对比度不够、图像中有其他物体的干扰等缺点。从图像质量的角度来说，预处理的主要目的就是为了提高图像向人或机器提供信息的能力。

2.2.1 图像灰度化与格式转换

图像按彩色类型分类包括彩色图像和单色图像。在RGB真彩色图像中，每个像素是由红、绿、蓝3个灰度值组成的，而灰度图像是彩色图像的一个分支，每个像素用0～255表示，只有0、1二值表示的灰度图像成为二值图。灰度化需将彩色图像转换为灰度图像，转换方法是使用MATLAB软件包中的rgb2gray函数。

2.2.2 均值滤波器

为了提高图像的质量，对图像进行滤波处理。图像滤波，就是在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。因均值滤波器可以平滑图像，速度快，算法简单，所以本文采用均值滤波。

均值滤波器是将一个像素的灰度值用其领域内的所有灰度值的平均值来表示，其邻域为s=k×k来表示。每一个像素的灰度值用以下公式求得：

（1）

多数滤波器在去除噪声的同时，会使图像变得模糊，去除噪声的效果越好，图像就会变得越模糊。根据邻域的大小分为几种不同的去噪方法，包括3×3，5×5，7×7，9×9，选取其中处理过后降噪效果最好而不使图像过分模糊的去噪方法。

从图像的处理效果来看，选取图像进行降噪处理而又不至于使图像过分模糊的s=5×5邻域。

2.3 图像分割

图像分割是图像分析与模式识别系统的重要组成部分，图像分割的正确与否直接影响图形分析与处理的结果，进而影响最终对图像的理解。由于基于阈值的分割方法快速且较简单，所以选择阈值分割法分割图像。

2.3.1 灰度直方图

选取阈值是图像分割的关键。图像的灰度是反映物体的某一性质的数字记录，所以常常在灰度直方图上选取阈值，进行分割。

显然，阈值选取的好坏直接决定了图像分割的成功与否。对于直方图为双峰或多峰的图像，往往取直方图的谷底为阈值，把图像分成目标和背景两部分，或取几个阈值将图像分成若干个目标和背景几部分。

2.3.2 阈值分割

阈值分割就是把图像灰度分成不同的等级，设置灰度门限（阈值）来确定有意义的区域：

（2）

式（2）中：T hesh为阈值

对灰度图像进行处理。

2.4 图像识别

光照的不均匀会使图片中小麦的叶片颜色变得很亮，由于颜色的变化，进行图像处理会将正常的区域误判为感染病害的区域。为了解决上述问题，采取下列办法：首先根据直方图选用一个较大的阈值，运用程序将图像中由于光照而颜色改变的部分识别出来，得到一幅二值化图像。再根据直方图选用一个稍小的阈值，运用程序将图像中非绿色的部分识别出来，这部分主要指的是图像中的由于病害和由于光照而颜色改变的部分，得到另一幅二值化图像。两次阈值的选取分别是225、200。

两次运行程序，处理所得的两幅二值化图像，可得到两个m值即m1、m2，分别指由于光照识别出的像素点个数和由于光照、病虫害识别出来的像素点个数。令m0为原始图像总像素点的个数，i1为农作物病害覆盖率，定义：

（3）

利用i1的值与给定农作物病虫害覆盖率的标准值进行比较就可以反应出该片农田病虫害的感染情况，这种处理方法可以在一定程度上消除光照对实验结果的影响。

2.5 结果

本文运用编写的MATLAB程序对农作物叶片进行了处理，最终识别出病虫害区域。农作物病虫害覆盖率为11.17%，说明该区域存在轻微的病虫害风险。

3 结论

本次研究对大规模麦田图像中的病害识别算法进行研究，找到了适用于病害识别的算法；运用航模进行大规模拍摄麦田，再对图像进行处理，识别病害的效率大大提高；找到了去除光照影响的方法，提高了识别病害的效率。

（责任编辑：刘昀）