小麦旗叶表型特征提取算法分析与实现

2021-10-18 08:14郭晓娟韩建勋陈笑寒高国红安金梁杨军帅樊琪瑞

现代计算机 2021年24期

郭晓娟，韩建勋，陈笑寒，高国红，安金梁，杨军帅，樊琪瑞

（河南科技学院，信息工程学院，新乡453003）

0 引言

运用图像处理和计算机视觉技术对小麦图像的研究一直都是农业信息化领域的一大热点[1]。因此利用图像处理技术，研究如何对小麦生长情况进行监测进行分析显得极其重要。小麦生长情况，即小麦不同时期的生长状态，是小麦生长发育好坏的直接表现，小麦生长情况会直接影响小麦的产量和品质，常用的生物特征量主要包括叶面积指数、株高、株茎的粗细、麦穗形态等外观特征[2]。而小麦叶片是小麦重要的组成部分，不仅是其能量的主要来源，更是小麦生长、营养状况的直接体现者。因此如何统计小麦叶片面积对小麦长势以及产量预测就至关重要[3]。

综上所述，对田间地头采集的图像，如何利用图像处理技术，快速、准确地获取小麦生长状态信息，为小麦育种专家提供小麦栽培和产量预测所需要的数据将是十分重要且具有实际的应用价值和意义。结合育种专家的实际情况，针对百农系列小麦设计并开发一套系统科学并适合的小麦外表生物特征提取系统是当前迫切需要解决的问题。

1 系统设计与预处理

本系统旨在为小麦育种专家提供快捷、方便地统计小麦在不同生长时期的长势特征，设计并实现了小麦生物特征提取与分析系统。该系统主要包括4个功能：图像预处理、小麦旗叶特征分析与估测、小麦植株特征分析与估测、小麦麦穗特征分析与估测。

1.1 系统功能结构

根据育种专家的实际需求，设计并实现小麦生物特征提取与分析系统，该系统的功能结构如图1所示。

图1系统功能结构

本文主要针对小麦生物特征提取分析系统中的小麦旗叶特征分析与估测模块进行详细说明。图1中的图像预处理模块主要负责对图像进行预处理：灰度化、二值化、锐化、平滑、形态学等操作；小麦旗叶特征分析与估测模块主要负责对采集的小麦旗叶图像进行分析，并估测出小麦旗叶周长、面积等特征。下面详细介绍小麦旗叶图像采集和系统所用图像预处理算法。

1.2 小麦叶片图像采集

结合育种专家的实际需求，图像的采集设备可以直接用手机或数码相机进行拍摄，根据系统不同功能的要求，采集对象和方式也有所不同。

根据实际需求，分3类情况进行图像采集：①单一背景下有参照物小麦叶片；②单一背景下无参照物的小麦叶片；③大田背景下小麦叶片。每组采用数码相机或手机俯视拍摄形态各异的小麦叶片图像5幅。经过大量实验得知，对于无参照物的图像进行俯视拍摄高度在20 cm时，计算得到像素总数与实际测量叶片面积最接近。拍摄原始图像如图2—图4所示。

图2 有参照物

图4大田背景下

在算法具体实现时，均用上面采集的图像作为验证算法有效性的输入图像。

1.3 图像预处理

图像预处理一般常用操作有：彩色图像灰度化、灰度图像二值化、图像平滑、图像锐化、二值形态学处理等操作。下面将系统中用到的预处理算法介绍如下[4-6]。

（1）彩色图像灰度化。为方便进行图像处理，通常把彩色图像转换成灰度图像，在MATLAB下使用rgb2gray函数进行图像的灰度化。常用彩色图像灰度化的公式如下所示：

其中H表示转换后的灰度值，RGB表示原始彩色图像的色度值。

（2）灰度图像二值化。灰度图像转换为二值图像，其基本原理把图像上的像素点的灰度值只取两个值，两个值分别呈现出黑白的效果。根据选取的阈值不同，图像二值化有3种方法：全局二值化、局部二值化和局部自适应二值化。根据实际需要，系统采用的是全局二值化方法对灰度图像二值化。

（3）形态学处理。形态学最常用运算是膨胀、腐蚀、开运算和闭运算。根据系统具体实现情况，下面分别对膨胀、腐蚀进行概要说明。

1）腐蚀。腐蚀操作就是删除图像边界像素，达到图像收缩的效果。腐蚀运算原理是：对图像中某一像素点，采用合适的结构元素，并用结构元素的中心点与当前像素点重合，得到重合的所有像素最小值的运算结果，最后使用最小像素点替换当前的像素点。

2）膨胀。膨胀与腐蚀是一组对应的运算，膨胀亦是腐蚀的补集。从实现功能角度而言，腐蚀运算对图像起到一定的收缩作用，而膨胀运算则与其功能相反，对图像具有向外扩大的效果。本项目会根据实际功能的需要，进行多次的腐蚀或膨胀操作，以方便后期图像的处理与分析。

（4）图像平滑。在实际的图像采集中，不可避免会出现噪声如干扰噪声和椒盐噪声，噪声会严重影响边缘检测的效果。均值滤波法和中值滤波法是最常用图像平滑方法。本项目具体实现时采用的是中值滤波方法对图像进行图像平滑。中值滤波是一种非线性的平滑方法，可以消除多种噪声，其原理是在像素邻域前提下，并图像矩阵中某一像素点灰度值用该点邻域内所有点的像素灰度值排序后的中值来代替。

（5）图像锐化。图像锐化的目的是突出图像主体对象的边缘信息和细节信息。常用边缘检测法来突出显示图像的边缘信息，常用的有Roberts算子、Pre⁃witt算子、Sobel算子、LOG算子和Canny算子等经典边缘检测算子。

2 小麦旗叶特征分析与估测算法与实现

2.1 算法处理过程

算法处理过程如图5所示。

图5小麦旗叶特征估测算法处理过程

从图5可知，对已经采集的3类图像，进行图像预处理操作，具体包括：彩色图像灰度化、灰度图像二值化、图像锐化等操作。对得到的二值图像（黑白图像）进行特征分析与提取，利用相应的计算算法分别得到无参照物、有参照物、大田背景下3种情况的小麦旗叶特征估测结果。

2.2 具体算法分析

（1）对无参照物算法分析。对于无参照物小麦旗叶特征提取及分析方法，从数字图像的角度而言，就是统计二值图像中主体对象（小麦叶片）封闭区域内所包含的像素个数。具体思想：在二维矩阵中，先统计每行中前景像素的个数，再累积求取所有行像素个数总和，即为小麦叶片面积。注意俯视拍摄的高度问题。

（2）有参照物算法分析。对于有参照物小麦旗叶特征提取及分析，在计算小麦叶面积时首先获得二值图像的大小，创建两个一行的零矩阵，长度分别为二值图像的长和宽，通过双重循环，对二值图像的像素进行遍历，若该像素的值为0，则将零矩阵中对应列中的数值加一，遍历结束后通过对两个零矩阵进行循环，找出其中的最大值，即麦叶的长和宽。之后再对二值图像中参照物的位置进行统计，找出最大值，作为0.5 cm对应的像素个数，用求出的麦叶的长和宽的像素个数分别除以二倍的参照物的像素个数，最终得到以厘米为单位的旗叶长和宽，根据小麦叶面积计算公式：长×宽×0.7，求出对应的麦叶面积。

（3）大田背景下。对于大田背景下小麦旗叶特征提取及分析，首先需要对采集的图像进行图像裁剪，系统所实现图像裁剪采用的是手工方法，即在系统中导入采集图像，在显示原始图像的实体中，使用鼠标直接拖动进行目标图像的裁剪。对裁剪的图像进行灰度化、二值化，后面的处理方法与无参照物小麦旗叶特征提取及分析相同。同时需要注意俯视拍摄时的高度问题。