基于二值图像连通域的甘蔗螟虫识别计数方法

基于二值图像连通域的甘蔗螟虫识别计数方法
胡晓丽;钟昊;李彤
【摘要】针对人工普查方法费时费力的缺陷,提出一种广域环境下甘蔗螟虫图像自动获取及基于二值图像连通域的识别计数方法.使用最大类方差法获取甘蔗螟虫与背景分割的最佳阈值,采用该阈值将田间甘蔗螟虫图像进行二值化,并对二值图像进行形态学膨胀和腐蚀的预处理.将二值图像转化为二维矩阵,采用深度搜索算法,递归计算二维矩阵中连通域的个数,实现对获取图像中甘蔗螟虫的识别计数.真实田间环境的测试表明,本算法的计数准确率可达96.4％.
【期刊名称】《桂林电子科技大学学报》
【年(卷),期】2018(038)003
【总页数】5页(P210-214)
【关键词】二值化;形态学操作;连通域;螟虫计数
【作者】胡晓丽;钟昊;李彤
【作者单位】桂林电子科技大学教学实践部,广西桂林 541004;桂林电子科技大学广西可信软件重点实验室,广西桂林 541004;桂林电子科技大学广西可信软件重点实验室,广西桂林 541004
【正文语种】中文
【中图分类】TP751.1
螟虫是危害甘蔗生长的主要害虫之一,对其进行实时监控、准确预测是建立精准甘
蔗植保体系的重要基础,也是提高产量、降低农药用量的关键。

目前,我国主要采用
测报灯诱法收集甘蔗螟虫,并进行人工计数。

由于人工计数甘蔗螟虫存在工作繁琐,
工作量庞大,不易同时获取广域环境下甘蔗螟虫的种群动态等问题,迫切需要甘蔗螟
虫自动计数技术。

随着计算机技术、微电子技术的发展,害虫自动识别与计数取得
了很大的进步。

李小龙等[1]对图像进行分割、形态学等一系列处理,实现夏孢子的
自动计数和标记;沈左锐等[2]应用计算机视觉技术对温室白虱粉进行计数,计数准确率达到92%;Tirelli等[3]提出了基于无线网络图像传感器的害虫远程自动监测预警系统,应用背景差分技术实现害虫计数,当昆虫密度超过阈值时发出预警信
息;Fukatsu等[4]通过融合机器视觉与无线网络,基于背景差分技术的图像算法实现了田间害虫稻缘蝽的远程自动监测计数,计数准确率达89.1%,但是。

以上方法(含诱捕装置)很难满足广域环境下甘蔗螟虫的实时计数需求。

因此,针对在广域环境下甘蔗螟虫监测的需要,提出基于二值图像连通域的甘蔗螟虫识别计数方法,以满足广域
环境下甘蔗螟虫识别计数的需要。

1 甘蔗螟虫监测设备设计
针对甘蔗螟虫实时监测的需求,监测设备应具有长期无人值守、低功耗(太阳能供电)、广域无线数据传输、图像识别算法简单且准确率高的基本特征。

为此,设计了基于
图像识别的甘蔗螟虫监测设备,如图1所示。

其中,诱捕、图像采集与识别以及清理单元构成系统的核心部分。

图1 螟虫监测设备结构Fig.1 System architecture of borers monitor device
诱捕单元主要用于诱捕甘蔗螟虫的成虫雄蛾。

通过针对性设置相应的性诱剂,引诱
雄性蛾落入诱捕单元中。

清理单元将诱捕单元中的害虫通过计算机控制进行定期清除,保证害虫计数归零。

清理单元在每次害虫图像信息采集完成后启动:打开电磁阀,冲洗水箱中的水通过下水管冲洗诱捕单元。

为了加大水流对诱捕箱的冲洗力度,冲
水时水流沿诱捕单元的倒梯形诱捕箱口环绕形成旋涡,将冲洗水与害虫一并流入水
虫分离器;通过电磁阀开关控制,使干净的冲洗水通过排水管流入主水箱,且甘蔗螟虫雄蛾通过排虫管排至外部。

为了保证害虫清理干净,在进风口设有涡轮风机,通过高压气流将附着在滤网上的残留害虫全部吹落到排虫管。

水虫分离器将害虫清理干净后,主水箱的冲洗水通过上水管抽入冲洗水箱,使得冲洗水循环利用。

清理单元能够将图像检测单元检测后的害虫从水槽中清理干净,为下次害虫图像检测做好准备。

系统运行流程图如图2所示。

图2 系统运行流程Fig.2 System operation procedure
对获取的图像进行识别并计数图像中螟虫的数量是该监测系统的核心所在。

为此,利用甘蔗螟虫的趋性特点,采用性引诱剂诱使螟虫落入水中,用高清摄像头获取落入水中的螟虫图像信息,然后对图像进行识别计数。

基于系统的需求特点,提出基于二值图像连通域的甘蔗螟虫计数方法,并将其部署于系统的主控单元。

它是整个甘蔗螟虫监控系统的关键部分,在整套系统中起着决定性的作用。

2 甘蔗螟虫图像处理
使用摄像头拍摄的原图进行图像预处理,会极大地影响算法的执行时间。

因此,在对图像进行一系列处理之前,先对图像进行压缩,使图像中的甘蔗螟虫计数时间降至毫秒级。

图像压缩后的甘蔗螟虫图像如图3。

图3 甘蔗螟虫图像Fig.3 Sugarcane borers image
2.1 甘蔗螟虫图像的增强
在广域田间环境下,由于阴雨天或其他因素,光照强度较弱。

当光照强度过弱时,甘蔗螟虫的灰度值比正常情况下要低,会影响螟虫与背景分离时阈值的选择,此时需要对甘蔗螟虫图像进行强化,使甘蔗螟虫图像中的螟虫更加清晰。

采取变换比例系数一致的RGB模型彩色图像增强方法[5]:获取每个像素点的R、G、B值[6],计算3个值的最大值max(R,G,B),max()为获取最大值的函数,增强系数的计算式为
分别将R、G、B颜色分量值与增强系数相乘,得到新的增强系数,保证原图在不失真的情况下达到增强效果。

螟虫增强图像如图4所示。

图4 螟虫增强图像Fig.4 Borers enhanced image
2.2 甘蔗螟虫图像像素点的分析
在甘蔗螟虫图像处理过程中,首先是如何实现甘蔗螟虫与其他物质的区分[7]。

利用甘蔗螟虫的颜色特征,实现甘蔗螟虫与背景图像的区分。

在日常生活中,人类可用眼睛观察甘蔗螟虫的颜色、形状、大小,区分甘蔗螟虫与背景的本质区别。

在机器的角度,由于甘蔗螟虫的形状、大小等参数缺乏明显的规律性,只能用颜色区分甘蔗螟虫与背景的差异性。

经验表明,甘蔗螟虫主要呈灰白色,周围的杂质成褐色或黑色。

依据RGB颜色模型,可根据拍摄图像中各像素点色度的R(红)、G(绿)、B(蓝)分量的差异来判断此像素点属于甘蔗螟虫还是背景杂质。

2.3 甘蔗螟虫图像二值化
颜色通道中的纯白,代表了该色光在此处为最高亮度,亮度为255,纯黑则代表了该色光在此处为最低亮度,亮度级别为0。

图像二值化[8]就是将图像上的像素点的亮度值设置为0或255,也就是将整个图像呈现出明显的黑白效果。

设置一阈值,大于阈值设置为255,小于阈值则置为0。

采用最大类间方差法,求出可将螟虫与背景分割的最佳阈值。

设H为螟虫与背景的分割阈值,螟虫点数占图像比例为w 0,平均灰度为u 0,背景点数占图像比例为w 1,平均灰度为u 1,图像的总平均灰度为u,前景和背景图象的方差为d,则有
循环比较每次得到的方差d,当方差d最大时,表明螟虫与背景的差异最大,此时的H 为最佳阈值。

计算每个像素点的R、G、B的平均值,
当平均值大于等于阈值时,将此像素点的灰度值设置为255,当平均值小于阈值时,将
此像素点的灰度值设置为0,其计算式为:
遵循此规律,循环遍历甘蔗螟虫图像的所有像素点,将甘蔗螟虫图像进行二值化。

二
值化后的图像如图5所示。

图5 螟虫图像二值化Fig.5 Binaryzation of borers image
2.4 二值图像的形态学处理
将甘蔗螟虫图像二值化之后,甘蔗螟虫个体呈白色,背景呈黑色,由于环境因素的影响,二值化处理图像会产生相应的噪声或空洞。

使用形态学[9]的膨胀算法可以扩大二
值图像中白色区域的面积,当二值图像中的像素点的周围均成白色,则该像素点必然
是白色,膨胀算法可以填补二值化处理造成的图像的空洞;使用形态学的腐蚀算法可
以扩大二值图像中黑色区域的面积,当二值图像中的像素点的周围均成黑色,则该像
素点必然是黑色,腐蚀算法可以去除二值化处理造成的图像的噪声。

将二值图像进行形态学处理之后,可以有效地滤除二值化产生的空洞以及噪声。

经
过形态学处理后的二值图像如图6所示。

图6 二值化图像的形态学处理Fig.6 Processing on morphology of binary picture
3 甘蔗螟虫数量计数方法
3.1 二值图像转化二维数组
甘蔗螟虫图像经过图像预处理形成二值化图像,图像中的甘蔗螟虫与背景明显区分。

将二值化图像转换成一个二维数组,亮度级别为255的像素点在数组中对应的值为1,亮度级别为0的像素点在数组中对应的值为0,计算式为:
3.2 检索连通区域个数
采用深度优先的方法,对二维数组用递归的方式进行深度优先扫描[10],寻找矩阵中
值为1的连通区域的数量。

具体操作步骤为:
1)初始化连通区域的数量num值为0,初始化连通区域标记mark值为1。

2)从二维数组的第1行第1列开始扫描,判断数组元素N[i][j]是否为1。

3)当数组元素N[i][j]的值为1时,将此元素的值赋为连通区域标记的值
N[i][j]=mark,以该元素的坐标为中心,扫描该中心点的上下、左右4个方向的元素。

4)若中心点上方的数组元素N[i-1][j]的值为1,则继续以数组元素N[i-1][j]为中心扫描中心元素的上下、左右4个方向的元素;若中心点下方的数组元素N[i+1][j]的值为1,则继续以数组元素N[i+1][j]为中心扫描中心元素的上下、左右4个方向的元素;若左边的数组元素N[i][j-1]的值为1,则继续以数组元素N[i][j-1]为中心扫描中
心元素的上下、左右4个方向的元素;若右边的数组元素N[i][j+1]的值为1,则继续以数组元素N[i][j+1]为中心扫描中心元素的上下、左右4个方向的元素,重复步骤3)的操作。

直至此轮扫描结束。

5)一轮扫描结束后,连通区域的数量num自增1,连通区域的标记mark自增1。

6)如此循环扫描整个二维数组,直至扫描结束。

3.3 干扰杂质的排除
至此连通区域已标记完毕二维数组中带数字标记的连通域。

为了排除杂质的干扰,
首先对连通区域的空洞进行填补,具体操作如下:
1)循环遍历整个二维数组,循环次数由连通区域的个数决定。

2)第一次循环从二维数组的第1行第1列起,找出每行标记为1的像素点的最初位置,记为locationstart;找出每行标记为1的像素点的最后位置,记为locationend,
将locationstart和locationend之间的所有元素均赋值为当前的标记1。

3)如此循环,将连通域中的空洞补全,为二值图像中螟虫面积的计算、排除杂质的干
扰提供了数据基础。

图像中存在杂质,通过面积排除法,循环遍历整个二维数组,计算不同标记的连通域的
元素的个数,即将像素点的个数相加得连通区域的面积。

当连通区域面积小于甘蔗
螟虫的平均大小时,将该连通区域划分到图像背景部分,可以消除杂质对计数结果的
影响;当连通区域面积大于甘蔗螟虫的平均大小时,表明该连通区域存在甘蔗螟虫重
叠部分,可消除甘蔗螟虫重叠对于计数结果的影响。

螟虫计数结果如图7所示。

图7 螟虫计数结果Fig.7 Counting results of borers
4 实验结果与分析
在真实的田间环境下,会出现很多不可控制因素,如与甘蔗螟虫极其相似的杂质、螟
虫粘连以及由于浸泡过久而造成的螟虫颜色变化等。

为验证算法在真实环境下的可靠性和准确率,采用实际采集的图像进行算法测试,测试结果如表1所示。

由表1可知,计数准确率可高达96.4%。

本方法的复杂度为O(n 3),过程执行时间不超过4 ms,占用内存不超过14 k B,符合高速互联网条件下的农业应用需求。

表1 不同条件下的测试结果Tab.1 Test results under different conditions?
测试结果表明,无论对于具有粘连甘蔗螟虫的图像,或者对于具有杂质的甘蔗螟虫图像,都可以通过对图像的预处理和对连通区域面积的计算排除干扰。

在计数过程中,
对于杂质和甘蔗螟虫相似度不高的甘蔗螟虫图像计数准确率可达到99.9%。

实验
结果表明,由于在田间复杂环境中,杂质的种类和大小不确定,对于杂质和甘蔗螟虫相似度极高的图像,在选取螟虫与背景分离的阈值时,最大类间方差法计算的阈值接近
螟虫在图像中的灰度值,导致计数时会产生一定的误差。

总体来说,基于二值化图像
连通域的方法进行计数,精度以及实用性都达到了农业应用的需求,比纯人工计数要
简单和方便。

5 结束语
针对人工普查方法费时费力的缺陷,提出基于二值图像连通域的甘蔗螟虫计数方法。

采用RGB颜色模型表达甘蔗螟虫与背景的颜色信息,根据颜色在人眼视觉上的差异,针对甘蔗螟虫与背景具有不同的颜色特征,根据自适应阈值获取甘蔗螟虫与背景分
割的最佳阈值,将甘蔗螟虫图像进行二值化处理,并对二值图像进行形态学腐蚀和膨胀处理以消除二值化过程造成的空洞和噪声,为计数提供较好的图像基础。

将二值图像转换为二维数组,采用深度优先的方式递归扫描二维数组中连通域的数量,计算每个连通域的面积,通过对连通域面积的分析,消除甘蔗螟虫重叠或杂质对计数带来的影响,达到较好的计数效果,为实时监测广域环境下甘蔗螟虫变化情况提供技术支撑。

下一步,将针对与甘蔗螟虫高度相似的背景图像进行优化处理,以进一步提高计数的可靠性。

参考文献:
【相关文献】
[1] 李小龙,马占鸿,孙振宇,等.基于图像处理的小麦条锈病菌夏孢子模拟捕捉的自动计数[J].农业工程学报,2013(2):199-206.
[2] 沈佐锐,于新文.温室白粉虱自动计数技术研究初报[J].生态学报,2001,21(1):94-99.
[3] TIRELLI P,BORGHESE N,PEDERSINI F,et al.Automatic mon-itoring of pest insects traps by Zigbeebased wireles-s networking of image sensors[C]//IEEE Instrumentation and Measurement Technology Conference,2011:1-5.
[4] FUKATSU T,WATANABE T,HU H M,et al.Field monitoring support system for the occurrence of Leptocorisa chinensis Dallas(Hemiptera:Alydidae)using synthetic attractants,field servers,and image analysis[J].Computersand Electronics in Agriculture,2012,80:8-16.
[5] 韩磊,曲中水.一种RGB模型彩色图像增强方法[J].哈尔滨理工大学学报,2014,19(6):59-64.
[6] 李俊峰.基于RGB色彩空间自然场景统计的无参考图像质量评价[J].自动化学
报,2015,41(9):1601-1615.
[7] 张建伟,王永模,沈佐锐.麦田蚜虫自动计数研究[J].农业工程学报,2006,22(9):159-162.
[8] 刘娜娜.基于纹理特征的棒材自适应计数方法[J].计算机技术与发展,2012,22(8):181-184.
[9] 从飞,张秋菊.基于形态学的非均匀光照图像二值化并行方法[J].计算机应用与软
件,2017,34(8):191-196.
[10] 罗志灶,周赢武,郑忠楷.二值图像连通域标记优化算法[J].安庆师范学院学报(自然科学
版),2010,16(4):34-39.。