植物多叶片图像目标识别和叶面积测量方法

Method of Object Identification and Leaf Area Calculation in Multi-Leaf Scanned Image
LI Zhen，HONG Tian-sheng ， WU Wei-bin， ZHANG Wen-zhao ， LIU Min-juan
5 4
来标记， 这种标识法又叫标 记、 着色或连通区域标
［ 14 ］ 识 . 连通区域标记的方法很多， 常用的有 4 连通
区域法和 8 连通区域法. 本算法采用的是 4 连通区域法， 逐行扫描图像， 如发现像素的颜色值为 1 ， 则认为这是一个新的区域 的开始， 以该像素为起始点， 对该像素的 4 连通区域 行递归搜寻； 对于有同类性质的像素点进行标识处
［ 13 ］ 确、 适用范围广等优点 . 上述各种叶面积测量方
Photoshop 软件制作， 包括 2 个 1 cm X 1 cm 的参照物 区域、 2 cm X 2 cm、 3 cm X 3 cm、 4 cm X 4 cm、 5 cm X 5 cm、 6 cm X 6 cm 区域各 1 个； 图 2 为番石榴叶片扫 描图像， 共 10 片待计算叶面积的叶片， 扫描前已通 过人工摆放， 避免了叶片间的重叠.
法均只能完成单叶片叶面积或区域内叶面积总量的 测量， 如果待测量的叶片数量较大且需实现各叶片 叶面积测 量 时 要 花 费 比 较 多 的 时 间. 本 试 验 基 于 MATLAB 数学分析软件开发出一种能够同时从多叶 片扫描图像中准确识别出各独立叶片并同步计算图 像中各独立叶片叶面积的数字图像处理算法.
（ CoIIege of Engineering，South China Agric. Univ. ，Guangzhou 510642 ，China）
Abstract： Both advantages and disadvantages of CCD camera and scanner used as image acguisition eguipment for Ieaf area measurement using image processing methods were discussed in this paper. For the which was that onIy one piece of Ieaf couId main Iimitation of currentIy used Ieaf area measuring methods ， be measured separateIy ，a noveI aIgorithm based on MATLAB was figured out to measure each Ieaf area synchronousIy in a muIti-Ieaf scanned image. ResuIts of experiments were as foIIows：the accuracy of Ieaf identification when no superposition between Ieaves was 100% ，the reIative error of caIcuIated Ieaf area between using this method and weighing method was 2. 43% ， the determination coefficient !2 was 0. 999 6. ResuIts indicated that this method can be used in the object identification and Ieaf area caIcuIation in a muIti-Ieaf scanned image. Key words： target identification；Ieaf area；image processing；region marking；fIat scanner 植物叶面积是研究植物生理生化、 遗传育种、 作 物栽培技术等方面的重要指标. 建立方便、 快速、 准 确的叶面积测定方法， 对于调整群体结构、 充分利用 光热资源， 从而指导作物栽培密度及合理施肥以获
基金项目： 广东省科技计划项目 （ 2006B50106002 ） ；广东省农业机械化科研项目 （ 粤农函 ［ 2005 ］ 718 号）
106
华
南
农
业
大
学
学
报
第 28 卷
破坏性采集， 但是其成像受采集距离、 角度、 光照条 件及叶片间的相互重叠情况等因素影响较大， 叶面 积测量的准确度较低. 平台扫描仪法虽然是对植物 的破坏性采集， 但是该方法受人为因素影响较小， 具 有严密的科学性， 叶片形状、 大小、 颜色、 厚度等对测 量结果均无显著影响， 具有方法简单、 快速、 结果准
种方法， 各有优缺点
［ 2-5 ］
， 其中测量精度较高的是叶
［ 6］
面积仪法. 但是， 叶面积仪大多为进口仪器， 价格昂 贵， 且不适合过长、 过宽的叶面积测量
收稿日期： 2006-09-12 作者简介： 李
. 近年来， 仪. 虽然 CCD 照相机可以实现对植物叶片图像的非
震 （ 1981 —） ， 男， 博士研究生； 通讯作者： 洪添胜 （ 1955 —） ， 男， 教授， 博士，E-maiI：tshong@ scau. edu. cn
［ 1］ 得作物高产有重要的意义 . 测定植物叶面积有多
随着计算机技术及数字图像采集设备的发展， 基于
［ 7-10 ］ 数字图像测量植物叶面积的方法被广泛应用 . ［ 11 ］ Matthew 等 提出在测量小面积的虫害叶片时图像 ［ 12 ］ 处理法的精度较叶面积仪高. 柏军华等 对包括激
光叶面积仪在内的多种叶面积测定方法比较表明， 采用图像处理法的测量结果变异系数最小. 图像处 理法主要的采集设备包括 CCD 照相机和平台扫描
图2 Fig. 2 叶片扫描图像
!" 测量原理与设备
! . !" 测量原理 数字图像由许多像素点组成， 每个像素点代表 一定的实际面积值， 而其所代表的实际面积值可以 由已知参照物面积求得： !1 = !2 X "1 ， "2 （1）
Leabharlann Baidu
Sanned image of Ieaves
# . !" 阈值的确定 从图像中分割出叶片并计算叶面积时使用的是 二值图像， 而扫描仪成像为灰度图像. 因此， 有必要 先对图像进行阈值分割. 从图 1 可以看出， 由扫描仪 直接成像可以有效地克服光照、 成像角度等外界因 素的影响， 待分割的图像目标和背景之间的灰度值 有比较明显的差异， 因此可以直接用直方图阈值分 割法进行图像分割. 图 2 的直方图如图 3 所示. 由图 3 可以看出， 叶片扫描图像的直方图已经 具有很好的双峰特性， 可以根据峰谷的阈值进行图 像分割. 在此选取的阈值为 160 ， 以此阈值对图 1 、 2 中图像进行分割， 结果如图 4 、 5 所示.
第 28 卷 第 3 期 2007 年 7 月
华南农业大学学报 JournaI of South China AgricuIturaI University
VoI. 28 ，No. 3 JuI. 2007
植物多叶片图像目标识别和叶面积测量方法
李 震， 洪添胜， 吴伟斌， 张文昭， 刘敏娟
（ 华南农业大学 工程学院，广东 广州 510642 ） 摘要： 分析了图像处理方法测量叶面积中采用 CCD 照相机和扫描仪 2 种采集设备各自的优、 缺点. 针对目前各种 叶面积测量方法均为逐片测量的局限性， 以 MATLAB 数学分析软件为平台开发了对多叶片扫描图像中各叶片进行 目标识别和面积计算的算法. 试验结果表明， 该算法在叶片间不重叠的条件下识别准确率达到 100% ， 测量得到的 叶面积与采用称重法得到的叶面积间的相对误差为 2. 43% ， 决定系数 （ !2 ） 为 0. 999 6. 试验证明， 该算法可以实现 对多叶片扫描图像中各叶片的准确识别和叶面积测量. 关键词： 目标识别；叶面积；图像处理；区域标识；平台扫描仪 中图分类号： S126 文献标识码： A 文章编号： 1001 - 411X （ 2007 ） 03 - 0105 - 05
2
#" 图像处理算法设计
算法设计过程中所采用的参照物图像和待处 理 的 叶 片 图 像 分 别 如 图1 、 2 所 示 . 其 中 图1 使 用
图3 Fig. 3 叶片扫描图像直方图 Histogram of scanned image
图1 Fig. 1
标准区域图像
图4 Fig. 4
标准区域二值图像
Image of standard area
Binary image of standard area
第3 期
李
震等： 植物多叶片图像目标识别和叶面积测量方法
107
图5 Fig. 5
扫描图像二值图像
图7 Fig. 7
腐蚀后的叶片二值图像 ErOded binary image Of eaves
Binary image Of scanned image
! . !" 噪声消除 虽然扫描仪成像能在很大程度上克服外界的干
! . #" 基于 4 连通区域标识图像 对二值图像进行区域标识是图像区域识别中的
区域标识最常用的一种方法 扰， 但是扫描所得到的图像中仍然存在一定的噪声， 一个非常重要的环节， 这些噪声在图像中常常表现为一些孤立的像素点或 是给每一个目标物体的所有像素一个唯一的正整数 者较小的连通区域. 这种干扰如果不消除， 会给以后 的目标识别和面积计算带来影响. 通过观察发现， 噪声区域相对于待识别的目标 区域， 其所包含的像素数量相差较大， 一般在 10 ~ 可以采用形态学基本运算中腐蚀的方法 10 数量级， 消除噪声. 腐蚀的运算符为 !， A 用 ! 来腐蚀写作 A!!. 其定义为： ， A!! =｛x （ \ !） x LA｝
直到属于该区域的所有像素都被标识. 经过对所 （ 2 ） 理， 像素的区域就被标识出来. 式中， A 为原图像中的非零元素 （ 包括目标和噪声） ， 有像素点的一遍扫描后， B 为腐蚀所采用的结构矩阵， x 为腐蚀后图像中剩余 假设区域标识的函数形式为： 的非零元素. 本算法中， ! 采用 7 X 7 的全 1 矩阵， 如 式 （3） . . ［ "， n］ = bw abe （ #， n） . 其中 # 为待标识的二进制矩阵， n 可取 4 或 8 ， 分别代 表采用 4 连通或 8 连通区域法， 标识的结果是返回 （ 3 ） 一个与输入图像相同大小的数据矩阵 " 和区域数量 n. 假设二进制图像矩阵 # 如式 （4） ， 则经 4 连通区 域法标识后得到的矩阵如式 （5） . 0 0 0 0 #= 0 0 0 0 0 0 0 0 "= 0 0 0 0 0 1 1 1 0 0 0 0 0 1 1 1 0 0 0 0 0 1 1 1 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 2 2 2 0 0 0 0 0 1 1 1 0 0 0 0 0 2 2 2 0 0 1 0 0 0 0 0 0 0 3 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 3 3 0 0 0 0 0 0 1 1 0 ， 0 0 0 0 0 3 3 0 . 0 0 0 0
式中， !1 为叶片面积， !2 为参照物面积 （ 本文中 !2 定 ， "1 为叶片图像所包含的像素总数， "2 为 为 1 cm ） 参照物图像所包含的像素总数. ! . #" 测量设备 本测量的硬件设备主要包括平台扫描仪和计算 机. 其中平台扫描仪为 Microtek 公司的 ScanMaker 4850 !， 主要参数为： 4 800 X 2 400 DPI CCD， 48-BIT CoIor； 实验平台主要配置为： InteI Petium4 3. 60 GHZ， 1 G DDR2 内 存； 叶 片 扫 描 图 像 的 主 要 参 数 为： 300 DPI， 2 481 X 3 508 PixeIs， JPEG 格式存储； 程序开发软件 为 Mathworks 公司的数学分析软件 MATLAB 7. 1.