基于图像处理的植物病斑分割方法研究

谢裕睿 徐伟恒 董建娥

摘要：为了将植物叶片图像中的病斑区域更准确地分割出来，以提高后期病害种类识别的准确率，本文对分水岭算法和k均值聚类算法进行对比，发现k均值聚类算法具有更好的分割效果，但它在RGB颜色空间进行聚类时容易造成图像颜色失真，该文针对此缺点进行了改进，在Lab颜色空间中进行k均值聚类并分割。结果表明，基于Lab颜色空间的k均值聚类方法能够准确地将病斑从背景中提取出来，为植物病害种类的识别提供了科学依据。

关键词：病斑分割;分水岭;k均值聚类;Lab颜色空间

中图分类号：TP751

文献标识码：A

文章编号：1009-3044（2020）03-0216-02

1 概述

植物生长的各个阶段都有可能发生病害，如果不能及时防治将造成很大的经济损失。目前植物病斑种类的判断基本依靠植物病理学知识和专家自身经验，存在一定局限性，容易出现测量失误、不能精确掌握病斑分布情况，导致最终诊断出现较大偏差[1]。

植物病斑图像分割是后期基于图像的病害种类识别的重要前提，因此需要选择合适的分割算法对彩色病斑图像进行分割[2]。本文对比了分水岭算法和k均值聚类算法，选出其中最适合于病斑分割的k均值聚类算法，并在其基础上加以改进，使其可以准确地分割出病斑区域。

2 基于分水岭算法的植物病斑分割方法

2.1 基于标记的分水岭分割算法

分水岭算法（Watershed Algorithm）是一种结合了地形学和区域生长思想的数学形态学图像分割方法，分水岭分割的过程可视为在局部极小值的表面区域刺穿一个小孔，然后把整个模型缓缓浸入，在这过程中局部极小值逐渐扩大其影响范围，分水岭分割便是通过寻找形成的“集水盆地”和“分水岭”来进行分割[3]。用图1来进行辅助说明。

通过分水岭算法进行图像分割的效果不理想，所以本文使用基于标记的分水岭分割方法，该方法先使用灰度值的特征准则对图像的前景和背景分别标记，然后再对每个标记区域应用分水岭分割算法[4]。

2.2 基于分水岭算法的病斑图像分割结果

图2为茶叶白星病的标记分水岭分割结果，其中图2（a）为茶叶白星病原图，图2（b）为Sobel算子病斑分割结果，经过前景和背景标记后生成图2（c），图2（d）为进行分水岭分割后最终生成的图像。

从实验结果可以看出，大多数闭塞区域和阴影对象没有被标记或者标记错误，该算法会将图像病斑区域过度分割，生成过多的小区域而导致分割目标难以被识别[51。由于该算法是通过区域像素值的大小来进行分割，而大部分带有病斑的植物彩色图像中并没有明显的亮暗度差异，所以分割效果并不理想。

3 基于k均值聚类算法的病斑分割方法

3.1 k均值聚类算法

k均值聚类算法将样本聚类成不同的簇，两个点的距离越小，其相似度越大。设一共有N个数据点需要分为k个数簇，k均值聚类就是要最小化该函数，满足式（1）。

同时μk的值也应当是数簇k中所有数据点的平均值。因为每一次迭代都是取到J的最小值，因此J不会增加，只会不断地减小或者不变，保证了k均值聚类最终会到达一个极小值。

3.2 基于RGB顏色空间的k均值聚类算法

与传统的阈值分割算法相比，基于RGB颜色空间的阈值分割算法能够更准确地对颜色图像进行分割。图3为茶叶白星病在RGB颜色空间k均值聚类分割的结果，其中图3（a）为茶叶白星病原图，图3（b）为基于RGB颜色空间k均值聚类分割后的效果。

由于现场拍摄的图像不仅要考虑R、G、B三种颜色的高度相关性，还要考虑光线的亮暗度等因素，拍摄图像的不理想会导致聚类分割时将颜色相同但亮度不同的同一目标分割为不同的区域，所以聚类后图像的颜色产生失真。本文针对此问题加以改进，将RGB颜色空间转换到更接近于人类视觉感知的LAB颜色空间，再进行聚类分析。

3.3 基于Lab颜色空间的k均值聚类算法

图4为茶叶白星病在Lab颜色空间k均值聚类的结果，本文根据植物叶片图像的病斑颜色、病斑外晕颜色与背景颜色将k值设定为3。图4（a）为基于Lab颜色空间的聚类分割结果，图4（b）为被分割出的病斑，图4（c）为分病斑外晕轮廓，图4（d）为背景颜色。从实验可以看出该算法很好的提取了病斑的轮廓与颜色，为后期提取病斑周长、面积等特征提供了基础。所以基于Lab颜色空间的k均值聚类算法用于病斑分割时既能防止颜色失真，又降低了过度分割的可能性，分割效果好于本文中提到的另外两种算法。

4 结论

本文对分水岭算法和k均值聚类算法进行了比较，针对k均值聚类算法在基于RGB颜色空间进行聚类时图像颜色失真的缺点，提出了一种基于Lab颜色空间的植物病斑彩色图像分割方法。实验结果表明，该方法对植物叶片病斑图像的分割效果较好，为后期病斑特征的提取以及病害种类的识别提供了依据[6]，也为远程在线诊断植物病害提供了理论基础[7]。

参考文献：

[1]马超，袁涛，姚鑫锋，等.基于图像处理技术的甜瓜叶片病斑定级方法研究[J]上海农业学报，2018，34（06）：94-99.

[2]李丹丹，史秀璋，基于HSI空间和K-means方法的彩色图像分割算法[J].微电子学与计算机，2010，27（07）：121-124.

[3]惠鵬飞，苗凤娟，陶佰睿，等.基于K-均值聚类和分水岭算法的PCB彩色图像分割[J].电视技术，2013，37（13）：32-34.

[4]夏梦琴，周建，王静，等.基于分水岭分割的图像处理算法研究[J].科技视界，2019（17）：71-72.

[5]龚剑.一种基于分水岭和模糊聚类的多级图像分割算法[J]第一军医大学学报，2004，24（03）：329-331.

[6]濮永仙.基于病斑特征融合的烟草病害图像检索方法[J]河南农业科学：2015，44（02）：71-76

[7]彭曙光，李桂彬，唐前君，等.烟草病害诊断专家系统的建立与应用[J]湖南农业大学学报：自然科学版，2010，36（03）：312-316.