基于饱和度分割的叶面积图像测量方法

李秋洁，杨远明，袁鹏成，薛玉玺

(南京林业大学机械电子工程学院，南京 210037)

叶片是农作物生产有机养料及光合作用的主要部分，其大小是衡量作物长势、产量的重要指标，也是农作物病虫害检测与培育管理的主要依据[1-2]，因此，快速、准确地测量植物叶面积在现代化农业生产中具有重要意义[3-5]。

传统叶面积测定方法有方格法、复印称质量法、回归方程法、叶面积仪测量法等[6]。方格法与复印称重法精度较高，但操作复杂，回归方程法操作简单，但精度不高，叶面积仪成本较高。随着计算机技术的发展，基于图像处理的叶面积测量的方法得到了迅速的发展[7-8]，广泛应用于水稻[9]、小麦[10]、玉米[11]等农作物的叶面积测量及经济林的叶面积测量[12]。近年来，研究者们将叶面积图像测量方法与智能手机结合[13-14]，具有测量方式灵活、准确快速、操作简单及便于携带等优点。

从图像中分割出叶片是叶面积测定的关键步骤，已有方法主要采取以下两种手段：1)通过在RGB、YCbCr等颜色空间检测绿色像素来提取叶片区域[11,13-14]；2)将图像灰度化后采用阈值法、分水岭等图像分割算法提取叶片区域[15]。上述方法对拍摄光照环境要求较高，不能适用于低光照、不均匀光照等复杂光照拍摄环境。

针对复杂光照环境下的图像叶面积测量问题，笔者提出一种基于饱和度分割的图像叶面积测量方法，在低照度、存在光斑阴影时能够稳定地提取叶片区域，同时，通过透视畸变校正实现一定角度范围内的倾斜拍摄。

1 叶面积图像测量方法

1.1 试验材料

试验设备和材料包括智能手机、透明玻璃板、透明塑料皮、待测叶片、绿色正方形标准块、绘有黑色矩形标定框的白色背景纸和平整桌面等。待测叶片摆放在双层透明塑料皮中间，并用透明玻璃板压平，以去除叶片不平整所引起的测量误差。

1.2 图像透视畸变校正

为去除倾斜拍摄引起的图像变形，首先利用矩形标定框对拍摄图像进行透视畸变校正。假设单应性矩阵为：

(1)

则图像透视变换方程为：

(2)

式中：(x,y)为校正图像像素坐标；(X,Y)为畸变图像像素坐标。

保持图像尺寸不变，将畸变图像中矩形标定框的4个顶点与校正图像4个顶点一一对应，根据它们的像素坐标求取单应性矩阵T，然后根据式(2)求取校正图像像素值，校正结果如图1所示。

图1 图像透视畸变校正

为减小后续图像分割的噪声，对校正图像进行边缘裁剪，去除残留矩形标定框。

1.3 图像分割

将图像像素由红(red，R)、绿(green，G)、蓝(blue，B)颜色空间变换到色调(hue，H)、饱和度(saturation，S)、亮度(intensity，I)颜色空间，其中，饱和度分量表示颜色的纯度，灰度图像饱和度为0。由于饱和度受光照影响较小，本研究采用饱和度图像提取叶片和标准块区域。RGB颜色空间到HSI颜色空间的变换公式为：

(3)

其中，

(4)

本研究采用阈值法分割饱和度图像。常用阈值法有大津法和最小误差法[16]，两者均假设前景像素和背景像素服从正态分布，大津法采用一维Fisher判别分析分割图像，选取最大化前景像素与背景像素的类间方差的分割阈值，而最小误差法选取最小化错分率的分割阈值。两种阈值法各有所长。为适应不同种类的叶片，本研究提出一种混合阈值法，分割阈值(T)为大津法和最小误差法所得阈值的加权组合：

T=αTo+(1-α)Te

(5)

式中：To为大津法分割阈值；Te为最小误差法分割阈值；α为权重，取值范围(0,1)。

α取值越大，像素点被识别为背景的概率越大，可采用二分法确定α，先取α=0.5，发现部分叶片被误划分为背景，再取α=0.3，发现部分背景被划分为叶片，最终，α=0.4时能得到较好的分割结果。室内自然光、室内节能灯、暗室闪光灯3种光照条件下亮度图像和饱和度图像和分割后的二值图像见图2。当光照均匀时，两者均能准确分割出标准块区域和叶片区域；当光照不均匀时，阴影对亮度图像有较大干扰，导致错误的分割结果，而饱和度图像几乎不受光照变化影响，依然能较好地分割出标准块区域和叶片区域。

图2 基于饱和度分量的图像分割

1.4 叶片区域提取

为进一步去除二值图像中存在的噪声，需要进行图像后处理。首先采用连通区域分析标记出二值图像中的所有连通区域，将一行中连续的白色像素序列称为团，连通域标记过程如下：

1)逐行扫描图像，记录当前行的团起点、终点以及行号。

2)如果一个团与前一行的所有团都没有重合区域，则赋予它新的标号；如果它与前一行的一个团有重合区域，则赋予它相连团的标号；如果它与前一行2个以上的团有重叠区域，则赋予它相连团的最小标号，并将相连团的标号写入等价对，说明它们属于同一区域。

3)将等价对整理为等价序列，等价序列中的团是连通的，赋予相同的标号。

4)从1开始，对等价序列重新标号，连通域标记结束。然后，去除面积较小的连通区域并填充连通区域中的孔洞，得到叶片区域和标准块区域。

为区分叶片区域和标准块区域，计算连通区域的面积和周长，提取形状特征(F)：

(6)

式中：A为连通区域面积；C为连通区域周长。F较小的区域为标准块，F较大的区域为叶片。

1.5 叶面积计算

统计叶片区域像素个数与标准块区域像素个数的比值，求取叶片面积(Al)：

(7)

式中：A0为标准块面积；N0为标准块区域像素个数；Nl为叶片区域像素个数。

2 结果与分析

实验采用小米6智能手机拍摄，图像尺寸为4 032×3 016，经过透视畸变校正、裁剪后图像尺寸为3 833×2 817。绿色标准块大小为400 mm×400 mm，白色背景纸选用A4纸，用铅笔绘制大小240 mm×180 mm的矩形标定框。采集完整、健康的叶片进行实验，包括女贞、九里香、豆瓣绿、藜、何首乌、韭菜、三叶草、香椿、樟9种植物，叶片信息如表1所示。

表1 叶片信息

2.1 拍摄距离对叶面积测量影响

选取11号豆瓣绿叶片测试拍摄距离对测量精度的影响。从叶片正上方垂直拍摄，拍摄距离取20，30，40，50，60，70，80，90，100 cm。图像分辨率随拍摄距离的变化曲线见图3，随着测量距离增加，图像分辨率呈线性下降。

不同距离下的叶片面积见表2，并以20 cm距离的叶片面积为基准计算相对误差。由表2可以看出，测量距离较远时，图像分辨率较低，测量误差较大，适宜的拍摄距离为20～40 cm，此时误差控制在±1.2 mm2内。

表2 不同拍摄距离下的叶片面积

2.2 拍摄倾角对叶面积测量的影响

选取11号豆瓣绿叶片测试拍摄倾角对测量精度的影响。拍摄距离取30 cm，拍摄倾角取0°，10°，20°，30°，40°，50°，60°，70°，如图4所示。不同倾角下的叶片面积见表3，并以0°倾角的叶片面积为基准计算相对误差。可以看出，倾角过大时图像严重变形，导致测量误差较大，适宜的拍摄倾角为0°～50°，此时误差控制在±8.7 mm2内。

图4 不同倾角下的拍摄图像

表3 不同拍摄倾角下的叶片面积

2.3 叶面积测量

选取1～10号叶片进行叶面积测量实验。拍摄距离取20 cm，每片叶子以45°为间隔进行旋转，共测量8次，如图5所示。每次测量在室内自然光、室内节能灯和暗室闪光灯3种光照条件下重复进行3次。叶面积测量结果见表4，可以看出，本方法具有较好的重复性，8次测量的最大标准差为12.9 mm2，且与方格法(5 mm×5 mm方格)具有较好的一致性，如图6所示。

图5 不同方向的叶片

表4 叶面积测量结果

图6 叶面积测量的图像法与方格法

3 结 论

已有图像叶面积测量方法通过在RGB、YCbCr等颜色空间检测绿色像素来提取叶片区域，对拍摄光照环境要求较高，不能适用于低光照、不均匀光照等复杂光照拍摄环境。本研究提出了一种基于饱和度分割的叶面积图像测量方法，首先对图像进行透视畸变校正和裁剪，接着将图像由RGB颜色空间变换到HSI颜色空间，然后采用混合阈值法从饱和度图像中提取标准块和叶片区域，最后将叶片像素个数与标准块进行比对，计算出叶片面积。实验结果表明，饱和度图像几乎不受光照变化影响，低光照、不均匀光照等复杂光照环境下依然能准确分割出叶片区域。不同拍摄距离和拍摄角度下的实验结果表明，本研究方法适宜的拍摄距离为20～40 cm，适宜的拍摄倾角为0°～50°，且具有较好的重复性，在实验样本上最大标准差为12.9 mm2，最大相对标准差为1.33%。