基于双目视觉的叶片形态无损测量方法

崔世钢+杨莉莉+吴兴利+梁帆

摘要：利用数码相机实现对植物叶片形态的无损测量，是掌握植物生长规律、科学指导生产以及实现植物生长柜智能化控制的关键技术之一。针对叶片弯曲以及拍照过程中容易出现的几何失真等问题，提出了利用两个相互垂直的数码相机来采集图像，从侧面图像分析叶片的弯曲角度，对正面图像进行失真校正；然后根据投影原理统计出叶片的像素数目，从而得到对应的形态数据。结果表明，该方法能够有效地解决图像的二维图像失真问题，降低叶片数据计算的误差，对于促进农业科技进步、加快现代化发展具有十分重要的意义。

关键词：双目视觉；叶片形态；图像校正；像素统计；数据计算

中图分类号：TP274.4 文献标识码：A 文章编号：0439-8114（2014）18-4430-04

植物生长柜是一种技术高度密集、资源高效利用的新型农业生产方式，因其具有环保、高效、智能等优点而受到了前所未有的关注。如何掌握植物的生长规律，保证植物健康快速生长，是植物生长柜管理者最关心的问题之一。叶片是绿色植物进行光合作用和蒸腾作用的主要器官，叶片的大小直接关系到植物有机物合成速率和水资源利用率，因此叶片面积常常被用来作为在植物生理生化、作物栽培等方面的研究指标[1，2]。然而计算和研究叶片形态数据的前提是采用准确有效的测量方式，传统的方格法、称重法等测量方式虽然在农业研究中得到广泛应用，但是存在精度不够并且费时费料的缺点；利用扫描仪虽然可以高精度的测量植物叶面积，但往往需要采集离体叶片，会对植物的正常生长造成一定的伤害。利用数码相机通过图像处理技术计算叶片面积则具有灵活方便、效率高、误差小等优点，而且能够实现植物的非破坏性测量[3-6]。

在植物生长柜的实际应用中，柜内的温度、湿度和光照度等环境因素可以根据植物的生长状态而调整，营养液成分及其温度等参数也可根据植物的长势而调节，然而植株叶片的位姿以及生长的方向却是管理者无法控制的。在单目视觉下，植物叶片位姿的不确定性，将会导致拍摄的二维图像仅为该方向的投影图像，造成叶片信息的丢失，因此，本研究采用两个数码相机从相互垂直的角度拍摄，得到能反映叶片形态和弯曲程度两张图像，从而换算出叶片的真实形态数据。

1 材料与方法

1.1 图像采集

首先制作一套白色纸板，在上面用黑色水笔画上点方阵作为参照物，用做适合不同大小叶片的背景；其次采用型号为DSC-W330的SONY数码相机，图像像素大小选择3 648×2 736，关闭相机闪光灯并在白色LED灯光下分别从叶片的正面和侧面拍摄；最后将图像文件输入到计算机，格式保存为jpg格式。

1.2 图像预处理

为了突出目标对象，更加有效地提取图像信息，对采集的图像进行适当剪裁，以减少后期的计算量。由于图像在拍摄和传输过程中不免会添加噪声，降低图像质量，因此需对叶片图像滤波去噪。为避免均值滤波在消除图像噪声的同时导致边缘弱化，本文采用中值滤波的方法，选取窗口Sxy中被干扰图像g（x，y）的中值，作为坐标点（x，y）的输出，公式（1）如下：

其中，x、y分别代表图像中的横、纵坐标。

1.3 图像校正

1.4 数据统计

2 结果与分析

2.1 图像预处理

对于不同方向的叶片，选取不同的角度放置数码相机如图1所示。使相机1垂直于叶片阳面，得到叶片的正视图；使相机2位于叶片侧面，光轴与相机1的光轴相互垂直，得到叶片的侧视图。将拍摄到的图像传入电脑后，为避免其他枝叶的干扰，以背景点阵坐标为基准裁剪照片，并对其滤波去噪后得到的图像如图2所示。

2.2 几何失真校正

2.2.1 空间变换 空间变换是对图像平面的像素重新排列以恢复原空间关系的过程。设s（x，y）和t（x，y）为产生几何失真图像的两个空间变换函数，则失真后图像坐标可以表示为：x=s（x，y），y=t（x，y）。对于线性失真，s（x，y）和t（x，y）可以表示为公式（2）、公式（3），对于非线性的二次失真，s（x，y）和t（x，y）可以表示为公式（4）、公式（5）。

s（x，y）=k1x+k2y+k3 （2）

t（x，y）=k4x+k5y+k6 （3）

s（x，y）=k1+k2x+k3y+k4x2+k5xy+k6y2 （4）

t（x，y）=k7+k8x+k9y+k10x2+k11xy+k12y2 （5）

其中，k为多项式的系数。

由于s（x，y）和t（x，y）的解析表达式并不知道，为此需要在失真前后两副图像中找到一组基准点（图3），利用这些基准点根据失真模型计算出失真函数中的各个系数，以此来建立两副图间的像素空间位置对应关系。

设在四边形区域内的几何失真过程可用一般非线性二次失真的一种特例即一对双线性等式表示，则：

s（x，y）=k1x+k2y+k3xy+k4 （6）

t（x，y）=k5x+k6y+k7xy+k8 （7）

此时根据4个基准点坐标可解出上式的8个系数，建立将四边形区域内的所有点进行空间映射的公式。

2.2.2 灰度插值 失真图g（x，y）是数字图像，其像素值仅在坐标为整数处才有定义，所以在非整数处的像素值要用周围整数处的像素值来计算，这个过程就是灰度插值如图4所示。

灰度插值的计算方法有很多，最简单的就是最邻近差值，虽然计算量较小，但是精确度不够，因此采用双线性插值，也就是校正后图像的像素点的灰度值由畸变图像中与其对应像素点位置周围的4个像素点的灰度值来决定，即利用4个相邻点的灰度值在2个方向上分别进行一次线性插值，应用的公式为：

f（i+u，j+v）=（1-u）（1-v）f（i，j）+（1-u）vf（i，j+1）+u（1-v）f（i+1，j）+uvf（i+1，j+1） （8）endprint

对采集的叶片图像进行几何校正后，效果对比图如图5所示。

2.3 图像分割

鉴于叶片颜色与背景板颜色对比较为明显，其灰度直方图为明显的双峰形状，可以选择两峰之间的波谷对应的像素值作为全局阈值，将图像分割为目标对象和背景，其公式如下：

g（x，y）=1，f（x，y）>T0，f（x，y）≤T （9）

其中f（x，y）为点（x，y）的像素值，g（x，y）为分割后的图像，T为全局阈值。

为得到准确的叶片形态数据以及点阵参考物距离参数，根据直方图选择不同的阈值T，得到只有叶片的二值图像和含有点阵的二值图像以便得到叶片像素数及参照物像素数。

2.4 数据计算

正射影像既有正确的平面位置，又保持着丰富的影像信息，但却不包含第三维信息，因此A相机拍摄的图片无法反映出叶片的弯曲程度。从图6可以看出，当光线与物体不垂直照射时，线段AB与投影AC之间的关系为：AB=AC/cos（a）；设AB所在直线的斜率为k，则AB=AC/cos（arc（tan（k）））。

因此对B相机采集的叶片侧面图像，二值化处理后提取叶片形态特征像素，通过分析目标像素之间的位置关系，得到叶片的斜率ki（i=1，2，3···m，m为图像宽度像素数），叶片的长度、宽度、周长和面积S可以表示为：

3 小结与讨论

利用数码相机采集叶片图像的过程中，难免会产生不同程度的几何失真，尤其是在植物生长柜的管理上，既要保证植物的正常生长，又要保证采集信息的准确性，因此对采集到的图像进行校正是必不可少的。研究结果表明，一方面利用点阵参照物作为基准点，对图像进行空间变换和灰度插值，能够得到较为理想的叶片图像；另一方面利用双目视觉采集叶片的正视图和侧视图，通过分析叶片弯曲度来校正叶片像素数目，能够计算出叶片的真实形态数据，大大降低了叶片形态数据的计算误差，明显提高了单目视觉图像分析的精确度[9，10]。

通过数码相机采用计算机图像处理的方式分析测量植物叶片，便于植物生长柜的管理者掌握植物的生长节奏，对于作物栽培、保证植物生长柜内作物朝向预期的方向健康生长以及促进增产增收都具有重要的指导作用，随着植物生长柜市场的不断扩大，其应用也将得到进一步推广。

参考文献：

[1] 张全法，冯 绚，何金田，等.植物叶片面积测量系统的设计及应用[J].河南农业大学学报，2001，35（4）：383-386.

[2] 徐贵力，毛罕平，胡永光.基于计算机视觉技术参考物法测量叶片面积[J].农业工程学报，2002，18（1）：154-157.

[3] 张恒敢，杨四军，顾克军，等.应用数字图像处理测定作物叶面积的简便方法[J].江苏农业科学，2003（3）：21-25.

[4] 张健钦，王 秀，龚建华.基于机器视觉技术的叶面积测量系统实现[J].自然科学进展，2004，14（11）：1304-1309.

[5] 张文昭，洪添胜，吴伟斌，等.基于图像处理技术的叶面积检测研究[J].农机化研究，2007（4）：120-124.

[6] 袁道军，刘安国，刘志雄，等.利用计算机视觉技术进行作物生长监测的研究进展[J].农业网络信息，2007（2）：21-25.

[7] 杨 丹，赵海滨，龙 哲，等.Matlab图像处理实例详解[M].北京：清华大学出版社，2013.

[8] 马晓路，刘 倩，胡开云，等.Matlab图像处理从入门到精通[M].北京：中国铁道出版社，2013.

[9] 李长缨，滕光辉，赵春江，等.利用计算机视觉技术实现对温室植物生长的无损监测[J].农业工程学报，2003，19（3）：140-144.

[10]吴艳兵，樊啟洲，郑 健.计算机图像处理技术在温室黄瓜幼苗生长信息检测中的应用[J].湖南农机，2007（3）：7-9.endprint

对采集的叶片图像进行几何校正后，效果对比图如图5所示。

2.3 图像分割

鉴于叶片颜色与背景板颜色对比较为明显，其灰度直方图为明显的双峰形状，可以选择两峰之间的波谷对应的像素值作为全局阈值，将图像分割为目标对象和背景，其公式如下：

g（x，y）=1，f（x，y）>T0，f（x，y）≤T （9）

其中f（x，y）为点（x，y）的像素值，g（x，y）为分割后的图像，T为全局阈值。

为得到准确的叶片形态数据以及点阵参考物距离参数，根据直方图选择不同的阈值T，得到只有叶片的二值图像和含有点阵的二值图像以便得到叶片像素数及参照物像素数。

2.4 数据计算

正射影像既有正确的平面位置，又保持着丰富的影像信息，但却不包含第三维信息，因此A相机拍摄的图片无法反映出叶片的弯曲程度。从图6可以看出，当光线与物体不垂直照射时，线段AB与投影AC之间的关系为：AB=AC/cos（a）；设AB所在直线的斜率为k，则AB=AC/cos（arc（tan（k）））。

因此对B相机采集的叶片侧面图像，二值化处理后提取叶片形态特征像素，通过分析目标像素之间的位置关系，得到叶片的斜率ki（i=1，2，3···m，m为图像宽度像素数），叶片的长度、宽度、周长和面积S可以表示为：

3 小结与讨论

利用数码相机采集叶片图像的过程中，难免会产生不同程度的几何失真，尤其是在植物生长柜的管理上，既要保证植物的正常生长，又要保证采集信息的准确性，因此对采集到的图像进行校正是必不可少的。研究结果表明，一方面利用点阵参照物作为基准点，对图像进行空间变换和灰度插值，能够得到较为理想的叶片图像；另一方面利用双目视觉采集叶片的正视图和侧视图，通过分析叶片弯曲度来校正叶片像素数目，能够计算出叶片的真实形态数据，大大降低了叶片形态数据的计算误差，明显提高了单目视觉图像分析的精确度[9，10]。

通过数码相机采用计算机图像处理的方式分析测量植物叶片，便于植物生长柜的管理者掌握植物的生长节奏，对于作物栽培、保证植物生长柜内作物朝向预期的方向健康生长以及促进增产增收都具有重要的指导作用，随着植物生长柜市场的不断扩大，其应用也将得到进一步推广。

参考文献：

[1] 张全法，冯 绚，何金田，等.植物叶片面积测量系统的设计及应用[J].河南农业大学学报，2001，35（4）：383-386.

[2] 徐贵力，毛罕平，胡永光.基于计算机视觉技术参考物法测量叶片面积[J].农业工程学报，2002，18（1）：154-157.

[3] 张恒敢，杨四军，顾克军，等.应用数字图像处理测定作物叶面积的简便方法[J].江苏农业科学，2003（3）：21-25.

[4] 张健钦，王 秀，龚建华.基于机器视觉技术的叶面积测量系统实现[J].自然科学进展，2004，14（11）：1304-1309.

[5] 张文昭，洪添胜，吴伟斌，等.基于图像处理技术的叶面积检测研究[J].农机化研究，2007（4）：120-124.

[6] 袁道军，刘安国，刘志雄，等.利用计算机视觉技术进行作物生长监测的研究进展[J].农业网络信息，2007（2）：21-25.

[7] 杨 丹，赵海滨，龙 哲，等.Matlab图像处理实例详解[M].北京：清华大学出版社，2013.

[8] 马晓路，刘 倩，胡开云，等.Matlab图像处理从入门到精通[M].北京：中国铁道出版社，2013.

[9] 李长缨，滕光辉，赵春江，等.利用计算机视觉技术实现对温室植物生长的无损监测[J].农业工程学报，2003，19（3）：140-144.

[10]吴艳兵，樊啟洲，郑 健.计算机图像处理技术在温室黄瓜幼苗生长信息检测中的应用[J].湖南农机，2007（3）：7-9.endprint

对采集的叶片图像进行几何校正后，效果对比图如图5所示。

2.3 图像分割

鉴于叶片颜色与背景板颜色对比较为明显，其灰度直方图为明显的双峰形状，可以选择两峰之间的波谷对应的像素值作为全局阈值，将图像分割为目标对象和背景，其公式如下：

g（x，y）=1，f（x，y）>T0，f（x，y）≤T （9）

其中f（x，y）为点（x，y）的像素值，g（x，y）为分割后的图像，T为全局阈值。

为得到准确的叶片形态数据以及点阵参考物距离参数，根据直方图选择不同的阈值T，得到只有叶片的二值图像和含有点阵的二值图像以便得到叶片像素数及参照物像素数。

2.4 数据计算

正射影像既有正确的平面位置，又保持着丰富的影像信息，但却不包含第三维信息，因此A相机拍摄的图片无法反映出叶片的弯曲程度。从图6可以看出，当光线与物体不垂直照射时，线段AB与投影AC之间的关系为：AB=AC/cos（a）；设AB所在直线的斜率为k，则AB=AC/cos（arc（tan（k）））。

因此对B相机采集的叶片侧面图像，二值化处理后提取叶片形态特征像素，通过分析目标像素之间的位置关系，得到叶片的斜率ki（i=1，2，3···m，m为图像宽度像素数），叶片的长度、宽度、周长和面积S可以表示为：

3 小结与讨论

利用数码相机采集叶片图像的过程中，难免会产生不同程度的几何失真，尤其是在植物生长柜的管理上，既要保证植物的正常生长，又要保证采集信息的准确性，因此对采集到的图像进行校正是必不可少的。研究结果表明，一方面利用点阵参照物作为基准点，对图像进行空间变换和灰度插值，能够得到较为理想的叶片图像；另一方面利用双目视觉采集叶片的正视图和侧视图，通过分析叶片弯曲度来校正叶片像素数目，能够计算出叶片的真实形态数据，大大降低了叶片形态数据的计算误差，明显提高了单目视觉图像分析的精确度[9，10]。

通过数码相机采用计算机图像处理的方式分析测量植物叶片，便于植物生长柜的管理者掌握植物的生长节奏，对于作物栽培、保证植物生长柜内作物朝向预期的方向健康生长以及促进增产增收都具有重要的指导作用，随着植物生长柜市场的不断扩大，其应用也将得到进一步推广。

参考文献：

[1] 张全法，冯 绚，何金田，等.植物叶片面积测量系统的设计及应用[J].河南农业大学学报，2001，35（4）：383-386.

[2] 徐贵力，毛罕平，胡永光.基于计算机视觉技术参考物法测量叶片面积[J].农业工程学报，2002，18（1）：154-157.

[3] 张恒敢，杨四军，顾克军，等.应用数字图像处理测定作物叶面积的简便方法[J].江苏农业科学，2003（3）：21-25.

[4] 张健钦，王 秀，龚建华.基于机器视觉技术的叶面积测量系统实现[J].自然科学进展，2004，14（11）：1304-1309.

[5] 张文昭，洪添胜，吴伟斌，等.基于图像处理技术的叶面积检测研究[J].农机化研究，2007（4）：120-124.

[6] 袁道军，刘安国，刘志雄，等.利用计算机视觉技术进行作物生长监测的研究进展[J].农业网络信息，2007（2）：21-25.

[7] 杨 丹，赵海滨，龙 哲，等.Matlab图像处理实例详解[M].北京：清华大学出版社，2013.

[8] 马晓路，刘 倩，胡开云，等.Matlab图像处理从入门到精通[M].北京：中国铁道出版社，2013.

[9] 李长缨，滕光辉，赵春江，等.利用计算机视觉技术实现对温室植物生长的无损监测[J].农业工程学报，2003，19（3）：140-144.

[10]吴艳兵，樊啟洲，郑 健.计算机图像处理技术在温室黄瓜幼苗生长信息检测中的应用[J].湖南农机，2007（3）：7-9.endprint