图像处理经典算法在农作物病害识别中的应用

李盛兰 吴庆祥

摘要：防治农作物的病害，正确的诊断是最重要的，传统诊断和计算机自动识别是最常用的两种诊断方法。研究农作物病虫草害自动识别与测定技术，用来防除田间杂草与病虫害，是农作物自动化种植控制系统中非常重要的组成部分，是计算机视觉技术当前比较热门的研究领域，要想较好的解决研究中遇到的问题，计算机图像处理经典算法的灵活使用非常重要。

关键词：农作物；病害；图像处理；应用

中图分类号：TP315 文献标识码：A 文章编号：1009-3044（2018）32-0195-02

Abstract： Correct diagnosis is the most important to prevent and control crop diseases， and traditional diagnosis and computer automatic identification are the two most commonly used diagnostic methods. Research on automatic identification and determination technology of crop diseases， pests and weeds， used to prevent and control weeds and pests in the field， is a very important part of crop automatic planting control system， is a hot research field of computer vision technology， in order to better solve the problems encountered in the study， computer image processing The flexible use of classical algorithm is very important.

Key words： Crop； disease； image processing； application

正确诊断农作物病虫害是农作物病虫害防治的第一步，通过查阅农业病虫害图谱、借助农业病虫害著作、农作物病虫害分类检索，这三种是常用的鉴别和诊断农作物病虫害的方法。它们各有千秋：第一种方法直观，但不够准确；第二种方法准确，但需要具有一定的专业知识的专业技术人员，而且相关著作往往不全；第三种方法不仅速度快而且准确，只是同样需要懂得植保知识的专业人员。

有没有简单、快速、准确，不需要懂得很多专业知识和技术，只要是普通的农作物种植和管理者就能做到的病虫害识别方法呢？答案是肯定的。

随着计算机技术的迅猛发展，使针对不同形状、大小、颜色、纹理等方面有差异的病斑的自动识别成为可能，尤其是快速发展的计算机视觉技术的使用，在对图像中目标物的形状、大小、颜色、纹理等特征的提取与理解方面已有了一些研究。

当前，计算机软硬件性价比越来越高，借助计算机视觉技术，自动识别农作物病虫害，已由思路逐渐变为现实，这项技术的研制和应用，对推动作物病害自动化识别與综合治理的实施有着极大的推动作用，对我国现代农业的发展同样有十分重要的意义。

1 图像处理经典算法

1.1 区域标记算法

数字图像处理中重要的处理技术之一就是区域标记算法，只是此种算法在处理过程中比较费时，所以对图像分析的实时性有一定的制约。区域标记的具体做法是对图像中的同一连通成分中的所有像素用相同的符号标记，对不同的连通成分用不同的符号标记。区域标记算法属于全局性的算法，序贯是这种算法的本质，形成瓶颈效应通常在二值视觉系统中。对于只有一个连通成分的图像，则通常不用区域标记法。

区域标记法是对图像中有多个连通成分时，对各个不同的区域的位置和特性进行标记，同时往往需要对各个区域的面积分别进行计算，常用的有序贯算法和递归算法。

1.1.1 序贯算法

序贯算法对连通成分的标记方法如下：

⑴从上到下、从左至右扫描图像，搜寻P点，即没有作标记的点，同时分配一个新的标记给P点。

⑵以像素点1为例：

①左邻点与上邻点有一个标记或有两个相同的标记，则复制这一标记。

②若两邻点的标记不同，则复制上邻点的标记作为等价标记，并将两个标记输入等价表。否则，分配一个新的标记并将该标记输入等价表。

⑶针对于不同的像素点，重复上面的步骤。

⑷在等价表的每一等价集中找到最低的标记。

⑸用等价表中的最低标记取代每一标记。

要求对图像进行二次处理是序贯算法的基本特征，缺点是此算法一次只能对两行图像进行运算，所以以文件形式存在的图像也能使用这一算法。运算时通过查看1像素点的邻点，给它的邻点分配一个已经使用过的标记。若图像的邻点有两种不同的标记，则用一个等价表（equivalent table）来记录所有的等价标记，使用这一等价表来给某一连通成分中所有像素点分配唯一的标记进行第二次处理。

1.1.2 递归算法

递归算法主要用于并行机上，因为在串行处理器上计算效率很低。递归算法规则如下：

（1）寻找没有标一记的P点：方法是从左到右，从上到下逐行逐列扫描图像，找到则给该点分配一个新的标记；

（2） P点的邻点：递归分配同一标记；

（3）直到相互连接的像素全部标记完毕，一个连通成分就标上了同样的记号；

（4）返回第一步，寻找未标记的其他点，并赋予新的标记，依次相应的执行第二和第三步，并根据搜寻结果给予相应的标记，直至处理完成。

1.1.3 区域标记算法分析

递归标记算法对于凸形区域有较好的标记能力，但存在以下不足：

（1）由于该算法的规则，每次需要对己标记像素的八邻域进行扫描和判断，因此当区域较大时，该算法重复判断多，计算量大，处理耗费较多时间；

（2）当区域为凹形的不规则形状时，会增加重复扫描图像的次数。由于扫描图像的方式是自上而下，所以对于其他凸出分枝，每次对整幅图像扫描后，只标记了该凸出分枝的一行，形成了许多无用的浪费时间的重复判断，大大降低了处理效率。

对于规则物体，因为只需判断正在处理的像素的两个邻点，所以该算法的处理速度比较高。只是当处理的是凹凸不平等不规则区域时，标记数目大大增加，导致等价表十分庞大，处理效率严重下降的不良结果。

1.2轮廓跟踪

对于有些物体，其边缘上有比较长毛刺或绒毛，不够平滑，不适宜使用边界跟踪算法，否则容易进入死循环，所以在边界跟踪之前，必须对图像进行平滑处理。由于中值滤波不能有效去除较长的毛刺，且处理速度较慢，试验中常选用直径为2的十字模板，对用灰值形态学闭开运算对灰度图像进行处理，它在去除噪声点，填补图像中的空洞方面有较好的效果。

对于比较复杂的连续轮廓，宜采用搜索方向旋转轮廓跟踪算法，但该算法在搜索方向上的点可能超出图像边界，读取数据时出现差错，使程序陷入死循环。同时，该算法只能跟踪图像最左下角点所在区域的轮廓，另外，该算法在跟踪多个区域时同样存在需要改进的地方。

2 结束语

通过机器视觉实现自动识别农作物病害是人们的目标，区域标记法和轮廓跟踪法只是众多方法的代表，真正要开发出具有实用价值的农作物病虫草害的自动识别与测定技术，还有待针对不同的被检测对象的特征，进一步研究和完善，本研究只是一种初步尝试。

参考文献：

[1] 赖军臣，汤秀娟，谢瑞芝，等. 基于G-MRF 模型的玉米叶斑病害图像的分割[J]. 中国农业科学，2010，43（7）： 1363-1369.

[2] 李彬，陈武凡，颜刚. 基于模糊马尔可夫场的脑部MR 图像分割算法[J]. 计算机工程与应用，2007，43（7）：14-16

【通联编辑：唐一东】