中草药石楠叶片图像识别的研究

张宝文，陶 佳，李 亮

（河北农业大学信息科学与技术学院，河北 保定 071000）

目前一些研究借助信息技术和图像处理来实现对中草药的鉴别，通过边缘梯度、小波变换、神经网络等方法对叶片、脉络等图像进行特征提取与分类检索，取得了一定的效果。但这些研究成果还难以满足中草药分类鉴别的全部需求。以石楠叶为研究对象，提取其横切显微图像的颜色特征及纹理特征，引入邻域点灰度值间的关系对其进行优化改进，提取图像的纹理特征，最终实现了更加准确的图像鉴别。本设计可对图像处理和人工智能技术在中草药鉴别方面的应用起到一定的推动作用。

1 设计方案

中草药石楠叶片识别系统主要包括图像获取与预处理（预处理包括分割）、目标特征提取、判断决策等模块构成，工作流程图为：图像获取→图像预处理→图像分割→特征提取→识别决策。为实现中药石楠叶片的识别，首先对石楠叶片样本图像进行预处理，再提取颜色、形状、纹理等特征；最后，对图像进行识别判断。

2 石楠叶片图像识别系统

2.1 石楠叶片图像平滑处理

叶片图像在采集、数字化、传输的过程中会受到一定程度的噪声干扰，而这些噪声会对图像质量产生影响。因此，本设计通过图像平滑消除噪声，主要采用均值滤波算法和中值滤波算法。频域图像去噪声首先要对石楠叶片的数字图像进行变换，令其从空域转换到频域，在此基础上对频域中的相关系数进行处理；最后，对图像进行反变换，使其从频域转换到空域上来，实现降低或消除噪声的目的。

2.2 石楠叶片图像的边缘检测

针对石楠叶片图像存在的边缘特征缺陷，本设计采取边缘检测法对叶片图像进行识别（图1）。边缘检测的实质是采用某种算法提取图像中的目标与背景的交界线。即对图像进行灰度边缘的增强处理，再设立门限，确定边缘的像素位置。此项研究采用Roberts、Sobel、Prewitt、Laplacican-Gauss和 Canny 等算子[1]。

2.3 图像分割

由于拍摄条件、其他邻近植物、光线等因素的影响，部分叶面照片易受噪声的干扰，需要进行图像分割。本研究运用阈值分割法，采用迭代法与自定义优化结合的方法计算阈值。具体步骤如下：

图1 Roberts算法处理以后的图像Fig.1 The image treated by Roberts algorithm

（1）初值。统计出裂缝图像的最小灰度值（Tmin）、最大灰度值为（Tmax），计算其平均值（T）：

（2）分割。根据计算出来的T进行图像分割，得到2个像素的集合，分别为：

（3）均值。计算像素的集合G1和G2的灰度平均值：

（4） 迭代。根据 滋1和 滋2计算新的阈值 T=1/2（滋1+滋2），重复步骤分割-均值-迭代，直到阈值T收敛到某一个范围为止[2，3]。利用自动阈值法对叶子图像进行分割，结果如图2。

图2 自动阈值法对图像分割前后对比Fig.2 Comparison of imagae before and after image segmentation by automatic threshold method

2.4 腐蚀

图像的腐蚀处理的作用是消除物体边界的像素，可以把小于设定的结构元素的像素消除（图3）。设A和B分别为二维别的欧氏空间的点集，A是一般的图像的集合，B是结构元素，用结构元素B对图像集合A进行膨胀运算，其定义为：

图3 腐蚀后的前后的对比图Fig.3 Comparison of imagae before and after corrosion treatment

通过上述公式可知，通过相对于结构元素的所有点的平移输入图像，再计算其并集即可得到膨胀处理后的图像。而腐蚀运算处理通过将输入的图像平移了-b（b属于结构元素），再计算所有的交集即可得到腐蚀处理后的图像[4，5]。

3 材料与方法

3.1 材料

随机取3片石楠叶片，用以试验。

3.2 方法

3.2.1 叶片颜色 采用MATLAB的rgb2hsv函数将RGB颜色图转换成HSV色图。

3.2.2 叶片形状 对叶片的面积、周长、内切圆半径和外切圆半径进行统计，运用MATLAB得到叶片轮廓的形状参数，加以分析。其中，面积运用MATLAB的regionprops函数统计二值图像的叶片区域像素数得到；叶片周长（即叶片的轮廓长度）用区域边缘的相邻点的距离表示。内切圆的圆心即叶片轮廓图像的质心，半径为质心到叶片轮廓的最小的距离，外接圆的圆心即叶片轮廓图像的质心，半径为质心到叶片轮廓的最大的距离。

3.2.3 叶片纹理 通过采用边缘检测的方法以及图像分割的方法，对叶片的纹理进行计算。

4 结果与分析

4.1 石楠叶面的颜色特征分析

图像的颜色呈显著的稳定性。基于颜色特征建立的对应的关系为点状的像素，像素值即该元素的颜色值。利用MATLAB的rgb2hsv函数将RGB颜色图转换成HSV色图（图4）。大多数叶片的颜色是相似的，各种参数的差别比较小（表1）。

图4 HSV分量图Fig.4 HSV component diagram

表1 叶片颜色特征Table 1 The characteristics of leaf color

4.2 石楠叶片形状特征分析

采用无量纲参数描述形状特征，运用MATLAB得到叶片轮廓的形状参数（表2）。不同的石楠叶片的形状特征存在较大的差异，易于区分。且此方法也可用于区分其他植物。

表2 叶片形状无量纲特征Table 2 The dimensionless characteristics of leaf shape

4.3 石楠叶片纹理特征参数计算

不同品种的石楠叶片的纹理差异也较大（表3）。也可以用这样的方法来对不同石楠进行区分。综合检验结果可见，石楠叶片的颜色差距较小，而在形状和纹理方面有差异，可以用于对不同品种石楠叶片的检测。

表3 叶片纹理特征Table 3 The characteristics of leaf texture

5 结论

本研究运用基于MATLAB的数字图像处理的技术对石楠叶面彩色图像进行特征处理，建立了石楠叶片识别系统，对图像进行预处理、边缘检测、图像分割，实现了对图像特征的强化提取；通过对石楠叶面特征值的分析，完成了对中草药石楠叶片的异常与否的检测。试验测试表明，该系统提高了对石楠叶面特征的识别率，对其他中草药叶片的鉴别具有一定借鉴作用。

参考文献：

［1］杨 帆.数字图像处理与分析［M］.北京：北京航空航天大学出版社，2007.

［2］秦襄培，郑贤中.MATLAB图像处理宝典［M］.北京：电子工业出版社，2011.

［3］于万波.基于MATLAB的图像处理［M］.北京：清华大学出版社，2008.

［4］张志涌.精通MATLAB6.5［M］.北京：北航电子版，2002.

［5］唐常青.数学形态学方法及其应用［M］.北京：科学出版社，1990.

［6］贺 鹏.基于叶片综合特征的阔叶树机器识别研究［D］.咸阳：西北农林科技大学，2008.

［7］金飞剑.基于机器视觉的杂草图像特征提取及识别研究［D］.镇江：江苏大学，2007.