数字图像处理技术在叶面积测量中的应用

2022-07-14宋英博

农学学报 2022年2期

摘要：传统测量叶面积方法费时、低效，叶面积仪法高成本、维修不便。本研究利用图像处理技术测量叶面积，从解决图像阈值的分割、叶片阴影去除以及叶片边缘检测算法等问题出发，应用大津法求得阈值，中值滤波法去除杂点，采用Roberts算子检测边缘，进而计算叶面积。叶面积仪法与图像处理法比较叶面积值相关系数R2为0.962，剪纸法与图像处理法比较叶面积值相关系数R2为0.949，最后验证本方法适合大量叶面积的测量工作，且具有速度快、数据准确、精度高的特点。

关键词：图像处理；阈值；算法；像素；叶片

中图分类号：S24文献标志码：A论文编号：cjas2020-0218

Leaf Area Measurement System Based on Digital Image Processing Technology

SONG Yingbo

（Jiamusi Branch of Heilongjiang Academy of Agricultural Sciences， Jiamusi 154007， Heilongjiang， China）

Abstract： In view of the time consuming and low efficiency of the traditional method of leaf area measurement， and the high cost and inconvenient maintenance of the leaf area meter method， this study used the image processing technology to measure the leaf area. The computer vision technology reference method was used to solve the limitations of image threshold segmentation， leaf shadow removal and leaf edge detection algorithm， and the threshold was obtained by OTSU method， the median filtering method was used to remove residual impurities in the image， and the Roberts operator was used for edge extraction. Leaf areas are calculated and compared with those obtained by leaf area meter and paper-cutting method. The leaf area determined by the leaf area meter method and the image processing method had the correlation coefficient R2of 0.962， and the leaf area determined by the paper cutting method and the image processing method had the correlation coefficient R2of 0.949. The digital image processing method is validated to be suitable for large amount of leaf area measurement， and has fast speed， accurate data and high precision.

Keywords： image processing； threshold； arithmetic； pixel； leaf

0引言

植物葉片是光合作用和蒸腾作用的重要器官，也是合理密植与病虫害监测的参数指标[1-3]。近年来，图像处理法被广泛应用于叶面积的测定中，是一种简单、实用、快速的叶面积测量方法[4-6]。针对图像处理法中叶片图像阈值的分割、叶片阴影去除和叶片边缘算法等局限性，大量学者做了相关研究[7-9]。韩殿元等[10]利用彩色通道的相似性与自适应阈值分割，分别计算叶片像素数和标准参考物的像素数，最后计算植物叶面积。于东玉等[11]利用双边滤波和拉普拉斯算子对数码图像进行预处理，再通过分水岭算法进行图像分割，最后通过比例法得出叶片实际面积。崔世钢等[12]采集叶片图像分割与轮廓提取，分别计算叶片部分的像素数和轮廓区域的像素数，进而计算叶片的面积。本研究采用相对参考物法[13]，通过数码照相机采集图像，利用大津法阈值分割、中值滤波法去噪处理提取植物叶片的有效像素，从而测定植物叶片面积。

1测量原理

数码照片由若干个大小一致的像素组成，图像处理法是将数码图片中各像素通过阈值分类。本研究采用相对标准参照物法，通过白色背景板补光来消除叶片阴影的影响，利用中值滤波法去除照片杂色点，应用大津法阈值分割预处理的数码照片。计算出数码照片中黑色参考物像素的总个数，根据已知面积求出一个像素所对应的实际面积。叶片的实际面积等于一个像素的实际面积和叶片图像中像素总个数的积。

2系统构成

2.1系统构建

系统包括图像采集和图像处理分析计算2个部分（图1）。图像采集包括数码相机（数码相机使用分辨率为1 M以上）、白色亚克力背景板和标准面积黑色板3个部分。图像处理分析计算包括计算机（硬件部分，计算机配置CPU为AMD A8-5600K APU With Radeon（tm） HD Graphics 3.6 GHz、内存为8 GB）、VB编写的叶面积图像处理软件（软件部分）。

2.2图像处理算法

2.2.1阈值分割方法目前，阈值分割法是数码图片分割中的常用方法。前人提出了几类阈值选取方法，但至今没有一种方法可以有效分割所有图片类型，研究表明不同的目标图片应该选择不同的方法[14]。本研究涉及到数码照片中白色背景、黑色标准板和绿色叶片像素的区分，通常设置阈值将不同颜色像素分类，在数码照片中分别统计叶片、黑色标准板与白色背景像素个数，通过计算出已知真实面积黑色标准板像素个数，可求出一个像素面积，再乘以叶面积总像素个数，最终得到叶面积。这3类像素在图片中像素级差异较大，在这里选择最大类间方差法（即大津法）。大津法是一种最大类间方差确定阈值的算法。先将叶片和背景按照阈值分割，叶片和背景的分界值就是要求出的阈值，计算不同阈值下对应的叶片和背景之间的类内方差，当类内方差取得极大值时，对应的阈值就是大津法所求的阈值。再将黑色标准板和叶片按照阈值分割，黑色标准板和叶片的分界值就是要求的阈值，计算不同阈值下对应的叶片和背景之间的类内方差，当类内方差取得极大值时，求出阈值。叶片和背景之间的类间方差越大，数码图片像素级差别越大，可以得到较好的分割效果。黑色标准板和叶片之间的类间方差越小，说明数码图片像素级差别越小，分割效果不理想[15]。

2.2.2去除杂点与边缘处理在图像数据采集时，相机拍摄的数码照片会有一些杂色点，计算叶面积时，要先去掉杂点来提高精度。中值滤波法在数码照片去噪处理中较为常见，在叶面积图像中一像素的值可以用这个像素的一个相邻各点值的中值表示，进而去除杂色点。本研究采用中值滤波法去除杂色点，图像中的杂色点显著减少，并且对数码图像中叶面边缘无影响。

叶片边缘检测算子应用十分广泛，以常用的算子为例，Roberts算子叶片边缘定位准确，但对数码照片中噪声敏感，需要对数码照片进行预处理去除噪声。Sobel算子叶片对噪声不敏感，但由于Sobel算子没有进行图像灰度处理，提取的图像轮廓许多伪边缘定位不准。Laplacian算子选择对目标像素的四方向或八方向求梯度，判断目标像素灰度与相邻其他像素灰度的关系，是各向同性微分算子，在处理数码照片时较暗的区域中如果出现了一个亮点，用Laplacian算子就会增强这个亮点亮度，但是相邻变化较大的像素和渐变的边缘像素叶片边缘线不易确定。经比较本研究采用Roberts算子进行边缘提取[16-18]。

2.3实测叶面积比较

为验证叶面积系统测量精度，采用大型室内台式叶面积仪、传统方法采用剪纸法、本系统图像处理法对5组玉米进行叶片面积的测定。利用SPSS统计软件分析（表1）。结果表明，图像处理法与其他2种方法相比叶面积值显著相关，可见图像处理法测量叶面积较为准确。

3结论

本研究是建立在图像视觉技术基础上的，具有实用性和科学性，该方法利用数码相机和计算机图像处理系统可以实现叶面积的测量，试验结果表明，LI-3100台式叶面积仪与图像处理法比较叶面积值相关系数R2为0.962，剪纸法与图像处理法比较叶面积值相关系数R2为0.949。

4讨论

目前测量叶面积的方法较多，可分2类。一类是传统的破坏性测量如复印称重法、方格法、剪纸法和扫描仪测量法等。虽然测量准确但是耗时、繁琐，不适合大量数据采集，不能对同一植株进行连续的生长监测，无法避免标记和取样误差；另一类是接触式传感器叶面仪测量法，精度高、速度快，但其价格昂贵、维修不便。回归方程法是利用模型与相关性对某一品種的估算，不同类型品种回归方程不同，相关性对于单株叶面积测量精度影响较大，不适合大量测量。图像处理法以设备简单、操作方便、测量准确等优点被广泛应用[19-21]。在对叶片拍照时，要将相机与背景板保持垂直，尽量减小叶片阴影面积对叶面积的影响。数码照片的采集质量对图像处理叶面积影响较大[22-24]。在图像采集过程中光线对数码照片各目标对比度有较大的影响，光线较弱时数码照片中叶片部分颜色与黑色标准板对比度小，阴影部分更接近黑色，部分阴影像素会错误划分到叶片区域，从而产生误差，按照本研究算法精度会降低，在阈值分割叶片时会造成误差。在叶片图像采集时，如果光线不足要进行补光，补光不可用闪光灯，闪光灯会造成照片中叶片局部反光，使部分像素丢失彩色信息，最终影响叶面积的计算[25]。图像处理法既可以活体测量叶片面积又可以摘叶测量，具有成本低、适合推广等特点，但图像处理法对采集图片光线要求较高，数码图片的采集质量是图像处理法误差产生的主要原因。本研究采用的背景板4个角自带LED光源，消除叶片阴影，以减小误差。阈值分割法采用大津法，被认为是图像分割中阈值选取的最佳算法。Roberts算子是一种利用局部差分算子对比像素边缘的算子，在图片叶面积边缘检测中应用Roberts算子，检测某一像素对角线方向相邻两像素梯度幅值，对比检测边缘。适用于边缘明显的图像分割。