虚拟植物叶片可视化的研究①

薛佳楣， 玄子玉

(佳木斯大学，黑龙江 佳木斯 154007)

0 引言

伴随计算机科学计算的快速发展，计算机软硬件技术都得到提高，人们期望计算机软件能够更确切的虚拟现实，所以提出了各种可视化研究理论和方法，20世纪80年代，Jaran Lanier首次提出了“Virtual Reahty”的概念.20世纪90年代，虚拟现实的软件技术已经被广泛应用在生态环境学、农业科学、医学和游戏等领域.在农业和生态学研究中，需要对植物的长发育情况进行跟踪研究，虚拟植物可以帮助人们构建适当的环境模拟植物的生长状态，缩短研究时间.在虚拟场景中，植物具有主要的作用，使虚拟环境更加逼真.植物叶片是植物的重要组成部分，虚拟植物叶片的真实感直接影响虚拟植物的真实感.在农业中，对植物叶片的研究结果直接影响着农业技术的发展，植物叶片还是植物获取能源的主要器官，是植物进行光合作用和蒸腾作用的重要功能器官，通过叶片的研究，可以进行合理的灌溉，增加农业收益.通过现有的资料显示，国内外很多科学家都对虚拟植物这个领域进行深入的研究.例如:国内的研究报告有李云峰等人建立的利用图像处理的方法重新建虚拟植物的和植物树冠和器官，三角化剖对叶片进行分析，但是该方法没有对叶脉信息进行分析[1－2];谷文哲等利用分形方法模拟叶片三级细脉，但是通过B样条曲线绘制叶片轮廓的方法，却是和满足不了现实自然界叶片轮廓的真实性[3].本文提出了一种图像处理方法来模拟叶片.

1 叶片边缘检测

边缘检测是使用数学方法提取图像像元中具有亮度值(灰度)空间方向梯度大的边、线特征的过程[4].边缘检测在很多领域都有应用，主要是基于搜索的边缘检测法和基于零穿越的边缘检测法两类.基于搜索的边缘检测方法是通过寻找图像中一阶导数中的最大和最小值的过程来检测边界，通常情况下是将边界定位在梯度最大的方向;另一种方式是基于零穿越的方法，该方法通过寻找图像二阶导数零穿越来寻找边界，通常情况下是Laplacian过零点或者非线性差分表示的过零点.本文中将采用基于搜索的方法进行叶片边缘检测.通过树叶图像进行二进制灰度转换，采用灰度阈值提取树叶轮廓，利用中值滤波绘制树叶边缘图.

我们将采集好的树叶图像通过扫描仪输入到计算机，这是一张彩色图片，收到光照，相机输入噪音等影响，需要对彩色图像进行处理.由于彩色图像信息量大，数据复杂，不利于信息提取，而经过灰度化的图像则能避开这些问题.每张彩色图像的像素点由R，G，B三个分量决定，而灰度图像的R，G，B三个分量值是相同的，因此灰度图像也能够像彩色图像一样反映整幅图像的分布特征.通常有两种方式可以用来图像灰度化:一种方法师用YUV的理论表示，另一种方法是用RGB的理论进行表示.本文采用R，G，B三个分量平均值的计算方式进行灰度化[5].

彩色图像灰度化基本公式如下:

图1 阈值80的叶片灰度化结果

图2 阈值150的叶片灰度化结果

Y表示灰度值，R代表红色分量值，G代表绿色分量值，B代表蓝色分量值.

经过灰度化后的叶片图像如图1～图3所示，其中设定的阈值分别是80，150，210，叶片灰度化的结果:

图3 阈值210的叶片灰度化结果

图4 锐化后的效果图

经过多次试验我们发现150是叶片的阈值.

中值滤波法是图像去噪一种技术，它主要的实现方式是将某一像素点的灰度值设置为该点相邻域窗口内所有像素点灰度值的中值，滤波算子为7*7 大小[7].通常，二维情况下的中值滤波[5]可定义为:Yij=medianXin=median[Xi+m.j=n;(m，n)∈W]{Xij;(i，j)∈Z2}(1)式中:W为平面窗口尺寸;m为窗口水平尺寸;n为窗口垂直尺寸;Xij为被处理的图像平面上的一个像素点，坐标为(i，j);Yij为以Xij为中心、窗口W所套中范围内像素点灰度的中值，即中值处理的输出值;Z2为二维数据串的序

通过中值滤波后产生的叶片边缘图像如图4所示:

图5 总体程序流程

2 叶脉建模

叶脉是指叶片中的维管组织，大多数蕨类植物和种子植物的叶片中有许多粗细不等，并按一定顺序排列的叶脉.叶脉在叶片中排列的方式称为脉序.被子植物的脉序一般分为网状脉与平行脉两种基本类型.网状脉可分为掌状网脉和羽状网脉.掌状网脉是从叶柄顶端射出数条主脉.羽状网脉，即叶片中有一明显的主脉，其两侧有多数侧脉，主脉与侧脉的排列状如羽毛者.在本文中所用到的杨树叶脉即为羽状网脉.

2.1 L 系统

1968年，匈牙利生物学家Aristid Lindenmayer提出了Lindenmayer系统，科学家简称其为L系统[6].L系统的主要功能就是用形式化语言的方法去描述植物的形态和它们的生长过程.该系统的本质为字符串改写系统.首先定义字符集合，然后根据规则对原始字符串不断进行替代[8].为上下文无关的确定性L系统是最基本的L系统，其定义的形式如下:

其中，V代表字母表集合;ω即生成对象的初始形式又被称为公理;P为产生式即重写规则.

图6 模拟效果如图

2.2 模拟叶脉建模

本文所设计的L系统如下:

上面的描述表示叶脉的主要拓扑结构;下面的信息描述各个符号的具体含义F，E代表主脉生长量D分别代表主脉、侧脉生长量;L代表左侧脉弯曲方向，R代表右侧脉弯曲方向;A，M表示主脉生长点，N代表侧脉生长点;+表示左侧方向侧脉与其着生脉夹角;－表示右侧方向侧脉与其着生脉夹角;[代表将当前状态进栈、]代表将当前状态出栈;(、)表示生长量变化.

2.3 系统设计实现

首先对杨树树叶片进行筛选取样，制作成树叶样本，进行样本拍照，对照片做图像处理，提取树叶边缘轮廓.根据上面所设计的L系统样式进行编码，对L系统的文法进行有限次迭代实现.通过迭代可以找到主叶脉的位置，以主叶的根部为起点，按照L系统字符串的文法进行描绘.总体程序流程，如图5所示.模拟效果如图6所示.

3 结束语

本文采用图像处理的方法提取了叶片的边缘信息，设计出符合杨树树叶形态特征的L系统.该L系统不但真实的模拟了杨树树叶的形态，对其添加随机系数和参数后能够准确描绘叶脉的细节，因此对叶片形状描述就更加逼真.在以后的研究工作中，还需要进一步完善杨树叶的模拟实验工作，为模拟场景做出更大的贡献.

[1]李云峰.一种基于图像的快速虚拟植物可视化重建[J].计算机应用研究，2005(11):253－257.

[2]李云峰 .基于图像的植物器官重建[J].计算机工程与应用，2006(2):218－ 221.

[3]谷文哲，金文标，张智丰.一种改进的叶脉建模方法.

[4]卡斯尔曼(Kenneth R.Cast leman).数字图像处理[M].北京:清华大学出版社，1998.

[5]何斌，马天予，王运坚Visual C+ +数字图像处理[M].北京:人民邮电出版社，2001.

[6]Kurth W.Morphological Models of Plant Growth Ecological Modelling，1994，75－76:299－308.

[7]代青.基于图像的水表读数智能识别应用研究，2009－05－01.

[8]李庆忠，韩金姝.一种L系统与IFS相互融合的植物模拟方法[J].工程图学学报，2005(6):135－139.