一种农业视觉图像改进自适应中值滤波算法

张倩

摘要： 近年来，农业智能化水平日趋提高，大量优质的农业视觉图像是准确获取农业产量、制定农药喷洒计划、病虫害分析等的依据，而在大多数情况下，由于图像传感器中电压不稳定、成像环境复杂等因素的存在，导致所获取的图像清晰度不佳。对此，提出了一种改进的自适应中值滤波算法，该算法首先采用基于图像像素灰度值的二步判别法来准确检测图像中的噪声，然后针对图像中目标轮廓的复杂性，设计出3类多方向的滤波模板，并且结合图像中非噪声像素点与噪声像素点间的几何距离，进行加权滤波。以时令水果图像进行测试，结果表明，本研究算法对于图像的滤波处理效果明显好于中值滤波算法及其已有的2类改进型算法。

关键词： 农业视觉图像；中值滤波；噪声检测；几何距离；加权滤波

中图分类号：TP391；S126 文献标志码： A

文章编号：1002-1302（2015）08-0419-02

近年来，农业智能化水平逐步提高，具体表现在将计算机技术、激光红外技术与传统农业分析方法相结合，最直观的体现是通过对传统农业机械加装相关图像信息采集传感器件来获取农作物视觉图像，并将其传到室内计算机系统内，借助图像处理技术对图像所承载的农业信息进行判读和分析，根据图像分析结果来对农作物的长势进行评估，对病虫害进行分析 [1-2]。图像传感器由于自身电压不稳定，农业机械行进过程中会发生一定程度的颠簸以及图像拍摄的环境有时候比较恶劣等因素，导致所获取的图像清晰度不佳，因此，研究该类图像的处理方法势在必行。中值滤波算法 [3-4]作为一种较为实用的数字图像处理方法，由于其原理简单、运算简便，得到了广泛应用，诞生了一些改进型算法，如加权中值滤波 [5]、极值中值滤波 [6]等。但该类算法对于细节信息丰富的农业视觉图像处理效果不尽如人意，为此，本研究通过对中值滤波算法进行改进，以探索一种适合于该类图像的滤波算法。

1 中值滤波算法及其改进

1 1 中值滤波算法原理及其特性分析

对于任意一幅数字图像而言，若受到噪声的干扰，图像中部分像素点的灰度值会发生重大变化，若要去除该类噪声，可通过采用一定大小的规则窗口（一般为3×3、5×5、7×7等，模板长宽尺寸相等）在图像中按照从左往右或从上往下的顺序滑动。当该窗口的中心停留于某像素点时，记该像素点的灰度值为f（x，y）（x、y为该像素点在图像中的坐标），那么该点的中值滤波结果可表示为：

f′（x，y）=median{f（x-1，y+1），f（x，y+1），f（x+1，y+1），f（x-1，y），f（x+1，y），f（x-1，y-1），f（x，y-1），f（x+1，y-1）}。 （1）

其中，f（x-1，y+1）等为尺寸3×3滤波窗口中除了f（x，y）之外的像素点灰度值；median{}为取中间值操作。

该算法对于图像中的每一个像素点反复执行式（1）计算过程，通过采用噪声点一定大小的邻域内像素点灰度值来对噪声点进行修正，从而达到去除噪声的目的。但大量研究表明，该算法也具有一些不足之处：（1）该算法对图像中每一个像素点逐个进行取中间值操作，虽然能够抑制噪声，但是，图像即便是受到高强度噪声的干扰，图像中真正受到噪声污染的像素点仍然占一小部分。如果对所有像素点都进行计算，不但导致一些未被噪声污染的像素点被当作噪声点处理，导致图像失真，而且也延长了图像处理时间。（2）特别是对于农业视觉图像而言，图像存在着大量农产品的根、叶片、果实等信息，边缘轮廓较为复杂，且连续性较强，如果将滤波窗口固定为矩形形式，无法有效顾及该类信息的特征。

1 2 中值滤波改进算法

针对上述分析结果，本研究尝试将中值滤波算法进行改进，使其更适合于农业视觉图像处理工作。

1 2 1 噪声点的二步检测法 图像中一旦含有噪声，必将导致其中一部分噪声点的像素值发生变化，基于这一特征，提出了一种噪声点的二步检测方法。

步骤1：采用尺寸为5×5的方形窗口在图像中按照从左到右或者从上到下的顺序逐个像素点移动，若该窗口位于图像中某区域时，计算该窗口中25个像素点的灰度均值f[TX-]，那么，可按照下式对图像进行噪声检测：

f（xi，yi）≤f[TX-]

f（xi，yi）>f[TX-][JB）] （i=1，2，3， ，25）。 （2）

其中，f（xi，yi）为5×5的方形窗口重第i个像素点灰度值。通过式（2）处理后，图像像素大体分为2类：一类为目标区域，另一类为背景区域。

步骤2：为了从步骤1所得到的目标区域和背景区域中进一步检出噪声点，采用下式继续进行处理：

│f（xi′，yi′）-f[TX-]1│≥[SX（]2[]3[SX）]f[TX-]1

│f（xi-i′，yi-i′）-f[TX-]2│≤[SX（]1[]3[SX）]f[TX-]2[JB）]（i′<25；i-i′<25） 。 （3）

其中，f（xi′，yi′）为目标区域中任意一像素点灰度值；i为目标区域中像素点个数，i-i′为背景区域中像素点的个数；f[TX-]1、f[TX-]2分别为目标区域和背景区域的像素灰度平均值。通过式（3）处理后，逐步将图像中灰度值过高、过低的像素点当做噪声点检测出来，该类点作为后续滤波的对象。

1 2 2 多个方向加权滤波 针对农业视觉图像中目标物边缘轮廓的连续性和复杂性，设计出如图1所示的3个具有方向性的滤波模板。

步骤1：采用图1-a对经过噪声检测后的农业视觉图像进行水平方向的滤波处理，当该模板位于图像中任意一位置时，此时有3类情况：

（1）若该模板中，经过检测后的噪声点个数为4（除待滤波的像素点之外）时，可以认为该模板中包括待滤波的像素点在内是图像中目标物轮廓的一部分，可不作处理；endprint