松杨栅锈菌担孢子显微图像识别方法1)

熊应平　王阿川

(东北林业大学，哈尔滨，150040)



松杨栅锈菌担孢子显微图像识别方法1)

熊应平王阿川

(东北林业大学，哈尔滨，150040)

摘要针对松杨栅锈菌(Melampsora larici-populina)担孢子萌发数量计数问题，提出了利用图像处理技术实现对松杨栅锈菌担孢子显微图像的识别及自动计数。首先，运用形态学重建滤波算法去除松杨栅锈菌担孢子显微图像噪声；然后利用二维阈值化进行图像分割；再对分割后的松杨栅锈菌担孢子显微图像作距离变换；最后利用分水岭算法对松杨栅锈菌担孢子显微图像进行有效分割，实现了对分水岭算法过分割问题的改进。利用孔洞检测算法，实现了松杨栅锈菌担孢子的自动计数。

关键词松杨栅锈菌；图像识别；形态学滤波；距离变换；分水岭分割

松杨栅锈菌(Melampsora larici-populina)属于转主寄生型锈菌，一般要经过2种寄主方可完成整个生活史。该锈菌的性孢子器和锈孢子器阶段寄生于落叶松属、松属、铁杉属、冷杉属等裸子植物的叶片上，夏孢子堆和冬孢子堆阶段寄生于杨属植物上[1]。松杨栅锈菌可使受害严重的叶片失水干枯、卷曲、甚至提前脱落，而且受锈菌侵染而衰弱的植株易受其他弱寄生菌侵染而死亡[2]。因此，采集和观测杨树叶片上松杨栅锈菌担孢子的实际数量，建立松杨栅锈菌担孢子萌发模型，可以为研究该病害的侵染循环和预测预报奠定理论基础。目前，对松杨栅锈菌担孢子数量观察和测定都是人工进行，其缺点和不足表现在测量的准确度差和速度慢。

由于孢子的种类繁多，目前针对孢子的研究报道也屡见不鲜。龚文强等[3]研究了落叶松-青杨叶锈病菌担孢子在不同温度和不同光照条件下的萌发规律，结果显示担孢子必须经过冷冻才能获得萌发能力，担孢子芽管在黑暗中生长最好。赵官成[4]利用夏孢子捕捉技术和灰色预测理论，研究了松杨栅锈菌夏孢子在陕西关中地区的流行规律。王阿川等[5]运用人工统计计数方法记录松杨栅锈菌担孢子，根据线性拟合求出离散点间满足的相互关系，得到担孢子萌发模型为该病的流行、预测预报研究提供科学依据。林晓燕等[6]经显微图像采集系统获得杨树病害孢子图像,经去噪、阈值分割、膨胀、边缘提取和细化，最后实现了孢子的自动计数。徐鹏云等[7]通过灰度直方图和二次定值法确定最终阈值，实现了空中浮游孢子的自动计数。李小龙等[8]利用K-means聚类算法分割、形态学操作修饰和分水岭分割等实现了小麦条锈病菌夏孢子的自动计数和标记。

综上所述，目前利用计算机图像处理技术对松杨栅锈菌担孢子自动识别和计数的研究较少。针对上述问题，提出利用改进的分水岭算法对松杨栅锈菌担孢子显微图像进行分割，然后利用孔洞检测算法，以期实现对松杨栅锈菌担孢子的自动计数，弥补显微镜下人工计数松杨栅锈菌担孢子的不足。

1图像预处理

松杨栅锈菌担孢子彩色显微图像携带的信息量大，运算复杂。因此，首先将松杨栅锈菌担孢子彩色显微图像进行灰度化处理。灰度化处理的目的是使色彩的3种颜色分量R、G、B的值相同，减少了松杨栅锈菌担孢子彩色显微图像携带的信息量，达到降维，为后面的松杨栅锈菌担孢子显微图像分割和识别做好铺垫，可极大地提高从松杨栅锈菌担孢子显微图像中检测和识别担孢子的效率。选择加权平均法处理松杨栅锈菌担孢子显微图像。

加权平均法：R=G=B=wRR+wGG+wBB。式中：wR、wG、wB分别为R、G、B的权值。

通常wR=30%、wG=59%、wB=11%，图像的灰度最合理。

2改进的分水岭算法

松杨栅锈菌担孢子显微图像中担孢子和背景具有不同的灰度值，一般情况下所有的极小值点应该出现在目标担孢子所在区域，这样经过分水岭分割后目标担孢子和背景可以运用不同的像素值区分，但是由于松杨栅锈菌担孢子显微图像具有复杂性，担孢子区域和背景区域的像素值差异不明显，很多极小值出现在背景区域，这样就会产生过分割现象，把背景的部分区域错误地划分成目标担孢子，影响后续检测和识别担孢子的准确率，为此需要消除这些过多的极小值。

2.1形态学重建滤波

由于在松杨栅锈菌担孢子显微图像的生成与传输的过程中出现噪声的干扰，使担孢子显微图像的质量变差，不利于进行分割与识别。因此，选择形态学重建滤波对获取的松杨栅锈菌担孢子显微图像进行去除噪声。形态学重建滤波算法如下：

①将松杨栅锈菌担孢子显微图像转换为灰度图像；

②依据一定的准则选择一个结构元素，用该结构元素对灰度图像做腐蚀运算，将得到的腐蚀图像作为标记图像，原始灰度图像作为掩模图像；

③经过腐蚀运算可以去除松杨栅锈菌担孢子显微图像中的噪声，然后运用膨胀运算处理该显微图像。

2.2二维阈值化

二维阈值化就是二维直方图阈值分割算法，它是根据图像像素灰度和像素点邻域平均灰度做出的。

(1)

式中：0

用像素点灰度值和邻域平均灰度值组成的二元数据(f(x,y),g(x,y))来表示松杨栅锈菌担孢子显微图像，并以二维矢量(S,T)来分割图像(0≤S,T≤L-1)。二维阈值化分割算法步骤如下：

①f(x,y)为松杨栅锈菌担孢子显微图像在(x,y)点的灰度值，g(x,y)为以(x,y)为中心的k×k邻域内的平均灰度值；

②利用像素点的灰度值f(x,y)和其邻域平均灰度值g(x,y)组成一个二元组表示松杨栅锈菌担孢子显微图像；

③二维直方图存在明显的峰和谷的分布，选取谷的最低点二维矢量(S,T)作为阈值，将松杨栅锈菌担孢子显微图像进行分割。

2.3距离变换

在运用分水岭分割之前使用距离变换能够抑制过分割，消除更多的极小值。距离变换的定义及公式如下所示：

一个M×N的二值图像可以用一个二维数组AM×N=[aij]来表示，其中aij=1的像素对应物体目标点，aij=0的像素就对应背景点，设B={(x,y)|aij=0}为背景像素集合，F={(x,y)|aij=1}为目标像素集合，则距离变换就是对A中的所有像素点(i,j)求：

dij=min{DE[(i,j),(x,y)],(x,y)∈B}。

(2)

(3)

2.4改进的分水岭变换算法

利用CCD摄像机获取显微镜下松杨栅锈菌担孢子显微图像，该图像携带的信息量大、运算复杂，且图像在生成和传输的过程中伴随有噪声的出现。首先将松杨栅锈菌担孢子显微图像灰度化处理，减少图像携带的信息，然后运用形态学重建滤波平滑该图像的噪声及内部细节，为了识别松杨栅锈菌担孢子显微图像中担孢子的数量需要进一步对该图像进行分割，分水岭分割容易产生过多的极小值点引起过分割现象，在这里采用二维阈值化和距离变换消除更多的极小值，最后再使用分水岭分割。详细算法步骤如下：

①担孢子显微图像灰度化处理；

②经灰度化处理后的担孢子显微图像进行形态学重建滤波；

③形态学重建滤波后的担孢子显微图像进行二维阈值化处理；

④对分割后的担孢子二值显微图像进行距离变换；

⑤距离变换后的担孢子显微图像运用分水岭变换方法进行分割。

2.5担孢子识别计数

图像分割处理后的松杨栅锈菌担孢子显微图像为二值图像，二值图像只有2个状态：黑(0)和白(255)。黑和白分别代表不同的含义，白色区域表示目标松杨栅锈菌担孢子，黑色区域表示背景。二值图像分析最重要的方法就是连通区域标记，通过对二值松杨栅锈菌担孢子显微图像中白色连通区域的标记，让每个单独的连通区域形成一个被标识的块，进一步就可以获取这些块的几何参数。在这里，为了识别松杨栅锈菌担孢子的个数，仅需要统计被标记的块的个数就行。运用吕新民等[9]提出的孔洞检测算法计数担孢子的个数，算法步骤如下：

①对松杨栅锈菌担孢子显微图像按照由左至右、由上至下逐行顺序扫描。得到顺序扫描排列的数组Q1，数组中元素值发生变化的点标记为孢子的切点，记为Ai,1。

②按照由上至下、由左至右逐列顺序扫描。同理可得数组Q2，切点Ai,2。

③按照由右至左、由下至上逐列顺序扫描。同理可得数组Q3，切点Ai,3。

④按照由右至左、由下至上逐列顺序扫描。同理可得数组Q4，切点Ai,4。

担孢子图像如图1所示。

X、Y位置坐标为：

X=(xi,2+xi,4)/2。

(4)

Y=(yi,1+yi,3)/2。

(5)

担孢子长和宽分别为：

L=xi,4-xi,2。

(6)

W=yi,1-yi,3。

(7)

图1　松杨栅锈菌担孢子轮廓

3结果与分析

为了验证本文算法的最终效果，在试验目标选择上，分别选取了比较清晰且不存在粘连，存在粘连及粘连比较严重和背景比较模糊的4幅松杨栅锈菌担孢子显微图像进行图像分割，并将其与迭代阈值分割[10]、Otsu分割[11]进行对比试验。第1组样本：担孢子显微图像比较清晰且不存在粘连，分别用迭代阈值分割、Otsu分割、改进的分水岭算法分割(本文方法分割)，结果如图2A所示。第2组样本：担孢子显微图像中存在部分粘连现象和粘连比较严重现象，分别用上述提到的3种分割方法进行处理，结果如图2B和图2C所示。第3组样本：选择模糊的担孢子显微图像，用3种分割方法进行处理，结果如图2D所示。

A．清晰，不粘连担孢子；B．粘连担孢子；C.粘连比较严重担孢子；D.模糊担孢子；a.原始图像；b.迭代阈值分割；c.Otsu分割；d.本文方法分割。

通过3种不同的算法对松杨栅锈菌担孢子显微图像进行图像分割和识别，由于松杨栅锈菌担孢子图像情况复杂，对于图像清晰，不存在粘连的担孢子图像运用迭代阈值分割，Otsu分割和本文方法分割，结果显示得到的担孢子轮廓图像连续，不间断，形状没有发生较大改变，都比较清晰且差别不是很明显；然而对于存在粘连和粘连比较严重的担孢子图像同样运用3种分割方法进行处理，结果表明得到的担孢子图像存在明显差别，迭代阈值分割和Otsu分割不能很好地分割开粘连在一起的担孢子，且担孢子图像中出现数据点缺失形成细小孔洞，担孢子轮廓边缘不连续，担孢子轮廓形状发生改变；但是经过本文算法处理却能够分离粘连的担孢子图像，使得分离后的担孢子图像边缘轮廓连续不间断，形状发生微小的改变。由于背景模糊的松杨栅锈菌担孢子显微图像本身存在的严重缺陷，致使运用时，迭代阈值分割和Otsu分割得到的担孢子图像边缘轮廓出现严重的间断，而且担孢子图像内部存在孔洞，而本文算法比这2种算法分割得到的结果都好。从上述试验结果可以看出，本文提出的分割方法，针对于迭代阈值分割和Otsu分割方法在处理担孢子显微图像存在粘连和背景比较模糊情况，具有较好的分割效果。对3种识别结果分别利用本文计数算法进行自动计数，结果如表1所示。通过比较，结果显示本文方法对松杨栅锈菌担孢子的识别率高，效果更好(表1)。

表1　松杨栅锈菌担孢子识别结果

4结论

针对存在粘连及背景模糊的松杨栅锈菌担孢子显微图像中担孢子识别和自动计数的问题，提出了一种改进的分水岭分割算法，实现了对担孢子显微图像的有效识别。首先，在原始分水岭分割算法的基础上，结合二维阈值化方法，解决了原算法的过分割问题；其次，利用距离变换，消除了松杨栅锈菌担孢子图像中的极小值点问题，抑制了错误的分割目标的出现；最后利用孔洞检测算法对分割后的担孢子显微图像实现了自动计数。结果表明，本文分割方法对出现粘连和背景模糊的担孢子显微图像具有较好的识别效果，弥补了显微镜下人工计数松杨栅锈菌担孢子的不足，对建立担孢子萌发模型，研究该病害的侵染循环和预测预报提供了一定的理论与应用指导。

参考文献

[1]刘莉丽.杨树对落叶松-杨栅锈菌的抗性研究[D].杨凌:西北农林科技大学,2009.

[2]周仲铭,袁毅.杨树叶锈病的研究概况[J].北京林业大学学报,1985(4):84-102.

[3]龚文强,瓮岳太,王淑君,等.落叶松-青杨叶锈病菌担孢子萌发规律[J].东北林业大学学报,2015,43(3):121-123.

[4]赵官成.陕西关中落叶松杨栅锈菌夏孢子流行规律分析[J].西南林业大学学报,2012,32(1):56-60.

[5]王阿川,龚文强,王淑君,等.松杨栅锈菌担孢子萌发的数学模型研究[J].中国森林病虫,2014，33(6):28-29，48.

[6]林晓燕,刘文耀,陈晓冬,等.杨树病害孢子的图像识别技术研究[J].仪器仪表学报,2003,24(4):364-366.

[7]徐鹏云,孙维连,夏玲,等.基于数字图像处理的孢子特征提取[J].农机化研究,2008(5):48-50.

[8]李小龙,马占鸿,孙振宇,等.基于图像处理的小麦条锈病菌夏孢子模拟捕捉的自动计数[J].农业工程学报,2013,29(2):199-206.

[9]吕新民,罗志勇,刘栋玉,等.用面阵CCD实时检测运动带钢表面孔洞[J].光电工程,1997,24(1):42-45.

[10]许艳.显微图像阈值分割算法的研究[J].应用光学,2010,31(5):745-747.

[11]陈峥,石勇鹏,吉书鹏.一种改进的Otsu图像阈值分割算法[J].激光与红外,2012,42(5):584-588.

第一作者简介：熊应平，男，1990年11月生，东北林业大学信息与计算机工程学院，硕士研究生。E-mail:793178385@qq.com。 通信作者：王阿川，东北林业大学信息与计算机工程学院，教授。E-mail:wangca1964@126.com。

收稿日期：2015年11月28日。

分类号S763.11；TP391.41

Microscopic Image Recognition Method of Melampsora larici-populina Basidiospore//

Xiong Yingping Wang A’chuan(Northeast Forestry University, Harbin 150040, P.R.China)//

Journal of Northeast Forestry University，2016,44(7)：116-119.

For counting the number of Melampsora larici-populina basidiospore germination, we presented a method to achieve the recognition and automatic count of M.larici-populina basidiospore microscopic image using image processing technology.First, morphological reconstruction filter was used to remove noise of microscopic image, and then two-dimensional thresholding was used for image segmentation, and distance transform on segmented microscopic image, finally watershed algorithm was used to segment the image.The above steps improved the segmentation of watershed algorithm.The automatic counting of M.larici-populina basidiospore was realized by the hole detection algorithm.

KeywordsMelampsora larici-populina; Image recognition; Morphological filtering; Distance transformation; Watershed segmentation

1)黑龙江省自然科学基金项目(C201414)；哈尔滨市优秀学科带头人基金项目(2014RFXXJ040)。

责任编辑：程红。