面向LED植物生長柜的葉脈特征提取

崔世鋼　楊莉莉　吳興利　等

摘要：葉菜葉脈突出的形態(tài)特征能夠較真實(shí)地體現(xiàn)出作物生長的狀態(tài)。利用計(jì)算機(jī)圖像處理技術(shù)提取葉脈形態(tài)特征，對于及時(shí)掌握蔬菜長勢，實(shí)現(xiàn)植物生長柜環(huán)境智能控制等都具有重要的意義。對比了各通道的直方圖分布后，選擇利用顏色通道組合運(yùn)算的方法對圖像進(jìn)行閾值分割，從而得到葉脈和葉片輪廓圖像；然后采用數(shù)學(xué)形態(tài)學(xué)處理方法提取葉片整體邊緣，再將二者相減實(shí)現(xiàn)葉脈的準(zhǔn)確分割和提取。試驗(yàn)結(jié)果表明，利用葉肉與葉脈的顏色差異可以較好地實(shí)現(xiàn)葉脈提取。該方法能夠?yàn)楣芾碚吆饬孔魑锷L及后續(xù)決策處理創(chuàng)造條件，適合用于植物生長柜的智能監(jiān)控。

關(guān)鍵詞：葉脈；植物生長柜；顏色直方圖；閾值分割；數(shù)學(xué)形態(tài)學(xué)

中圖分類號： S24文獻(xiàn)標(biāo)志碼： A文章編號：1002-1302（2015）01-0373-03

收稿日期：2014-03-06

項(xiàng)目基金：國家自然科學(xué)基金（編號：61275169、61178048）；國家社會科學(xué)基金（編號：BFA110049）；天津職業(yè)技術(shù)師范大學(xué)校級基金（編號：KYQD13022）；

作者簡介：崔世鋼（1963—），男，天津人，博士，教授，從事機(jī)器人控制、人工智能等方面的研究。E-mial：cuisg@163.com。

通信作者：梁帆，博士，講師，從事現(xiàn)代農(nóng)業(yè)智能環(huán)境控制、醫(yī)療信號處理及手術(shù)機(jī)器人跟蹤控制等方面的研究。E-mial：bachelormd10@163.com。隨著工業(yè)化的不斷發(fā)展，環(huán)境污染及土地資源等已成為蔬菜種植面臨的重大問題。LED植物生長柜采用綜合環(huán)境控制的方法，在立體多層空間內(nèi)通過高效利用LED光能，最小限度使用水和肥料，為蔬菜提供安全、舒適的生長環(huán)境以實(shí)現(xiàn)蔬菜的優(yōu)質(zhì)高產(chǎn)。

在植物生長柜管理與應(yīng)用方面，為了能夠及時(shí)掌握蔬菜的生長情況，根據(jù)蔬菜生長速度及營養(yǎng)狀況調(diào)整植物生長柜環(huán)境參數(shù)和營養(yǎng)液配置，實(shí)現(xiàn)植物生長柜的智能控制，需要對蔬菜葉片特征進(jìn)行分析。葉片是蔬菜進(jìn)行光合作用和蒸騰作用的主要器官，通過提取葉片特征能夠直觀地反映出植物的生長速度及營養(yǎng)狀況等信息。在葉類蔬菜的葉片上分布著明顯可見的脈紋（即葉脈），一方面為葉提供水分和無機(jī)鹽、輸出光合產(chǎn)物，另一方面支撐著葉片，使之能伸展于空間，保證葉的生理功能順利進(jìn)行。葉脈結(jié)構(gòu)表征了葉脈系統(tǒng)在葉片里的分布和排列樣式[1-3]，葉脈密度和葉脈直徑共同決定著葉脈系統(tǒng)的水力導(dǎo)度，直接影響到蔬菜葉片對水分和養(yǎng)分的傳輸和吸收，而且葉脈關(guān)系到葉片的壽命，一旦葉片受到損傷導(dǎo)致葉脈斷裂，必將阻礙葉片吸收養(yǎng)分和水分，最終必將導(dǎo)致葉片枯死。

由于蔬菜粗大的葉脈在葉片生長發(fā)育過程中發(fā)揮著極其重要的作用，本研究從葉脈與葉肉的顏色差異入手，通過手機(jī)攝像頭采集葉片圖像，利用計(jì)算機(jī)圖像處理技術(shù)分析提取葉脈信息，從而為衡量蔬菜生長狀態(tài)、科學(xué)管理植物生長柜提供理論依據(jù)。

1材料與方法

1.1圖像采集

為實(shí)現(xiàn)主葉脈與葉肉有效的分割，以實(shí)驗(yàn)室自主研發(fā)的LED植物生長柜中種植的小油菜作為試驗(yàn)對象。由于植物生長柜中LED燈光分布均勻，在植物向光性的作用下，蔬菜葉片生長較分散，這將有利于圖像采集與特征分析。LED植物生長柜環(huán)境如圖1所示。

為實(shí)現(xiàn)葉片信息的無損采集，本試驗(yàn)需要2個(gè)人配合拍攝圖像。首先選擇較為平整的葉片，一人將白色背景紙片貼近葉片下表面，使葉片與背景形成鮮明對比；其次為了避免彩色燈光顏色對圖像分析的干擾，選擇關(guān)閉植物生長柜內(nèi)LED紅色和藍(lán)色光源，只保留LED白色光源；然后由另一人手持手機(jī)，使手機(jī)攝像頭的光軸垂直于葉片所在的平面并保持固定距離對其拍攝；最后將采集的葉片圖像傳輸至計(jì)算機(jī)，保存為.JPG格式，并作適當(dāng)裁剪，方便后期圖像處理。

1.2顏色模型

區(qū)分葉肉與葉脈最直接的方法就是利用2者之間顏色差距。常用的顏色分析模型有RGB模型和HSV模型[4-5]。其中RGB模型是用三維空間中的1個(gè)點(diǎn)來表示1種顏色，每個(gè)點(diǎn)有3個(gè)分量，即R、G、B分別代表該點(diǎn)紅、綠、藍(lán)3個(gè)通道，取值范圍均為0～255；而HSV模型是從色調(diào)（hue，H）、飽和度（saturation，S）和亮度（value，V）的角度來分析處理圖像的，色調(diào)H用一角度量來表示，紅、綠、藍(lán)分別相隔120度；飽和度S和亮度V的范圍均為0～1。

在蔬菜生長過程中，葉片的顏色會由淺到深發(fā)生改變，所以單純依靠單一的通道參數(shù)分析葉片不具備通用性。在葉片的圖像分割方面，常用的顏色特征值除了顏色模型的單個(gè)分量外，還有超綠、超紅等顏色特征，用以下公式表示：

超綠（extress green）：EG=2G-R-B；（1）

超紅1（extress red 1）：ER1=1.4R-G-B；（2）

超紅2（extress red 2）：ER2=1.4R-G。（3）

通過在公式（1）至公式（3）之間進(jìn)行數(shù)學(xué)運(yùn)算可得到一系列新的顏色值：

NC=0xR+yG+zB<0

xR+yG+zB其他

255xR+yG+zB>255。（4）

1.3圖像分割

為了凸顯葉脈的圖像特征，需要對圖像進(jìn)行目標(biāo)分割。閾值分割法是最常用的分割技術(shù)之一，其基本原理是通過設(shè)定不同的特征閾值，把圖像像素分為若干類[6]。設(shè)原始圖像為 f（x，y），按照一定的準(zhǔn)則在f（x，y）中找到若干個(gè)特征值T1、T2、T3等，將圖像分割為幾部分，分割后的圖像為：

g（x，y）=LN，f（x，y）≥TN

LN1，TN≤f（x，y）

L1，T1≤f（x，y）

L0，f（x，y）≤T1。（5）

通常利用灰度直方圖來求雙峰或多峰，并選擇兩峰之間谷底處的灰度值作為閾值。閾值T的選取是有效分割圖像的關(guān)鍵，當(dāng)選取全局閾值T=T[f（x，y）]對葉脈分割的效果不夠理想時(shí)，可以選擇局部閾值T=T[N（x，y），f（x，y）]，不僅考慮圖像中點(diǎn)的灰度值，同時(shí)與點(diǎn)的局部鄰域特征相結(jié)合，對圖像進(jìn)行分割處理，其中f（x，y）是點(diǎn)（x，y）的灰度值，N（x，y）是點(diǎn)（x，y）的局部鄰域特性。

1.4形態(tài)學(xué)處理

數(shù)學(xué)形態(tài)學(xué)處理主要以圖像的形態(tài)特征為研究對象，它通過設(shè)計(jì)一整套運(yùn)算、概念和算法，用以描述圖像的基本特征，理論雖然很復(fù)雜，但是基本思想?yún)s簡單而完美。數(shù)學(xué)形態(tài)學(xué)的基本變換有膨脹、腐蝕、開運(yùn)算和閉運(yùn)算[7-9]，它利用一個(gè)稱作結(jié)構(gòu)元素的“探針”收集圖像的信息，當(dāng)探針在圖像中不斷移動(dòng)時(shí)，便可考察圖像各個(gè)部分之間的相互關(guān)系，從而了解圖像的結(jié)構(gòu)特征。結(jié)構(gòu)元素通常有線形、圓盤形、矩形等。二維結(jié)構(gòu)元素矩陣由0和1組成，其中數(shù)值為1的點(diǎn)決定結(jié)構(gòu)元素的鄰域像素在進(jìn)行運(yùn)算時(shí)是否參加計(jì)算。

腐蝕是把結(jié)構(gòu)元素B平移a后得到Ba，若Ba包含于X，則記下a點(diǎn)。對所有滿足上述條件的a點(diǎn)組成的集合稱做X被B腐蝕的結(jié)果，用公式表示為：E（X）={a|Ba∈X}=XθB；膨脹是腐蝕的對偶運(yùn)算，其定義是把結(jié)構(gòu)元素B平移a后得到Ba，若Ba擊中X，則記下這個(gè)a點(diǎn)。對所有滿足上述條件的a點(diǎn)組成的集合稱做X被B膨脹的結(jié)果，用公式表示為：D（X）={x|B[x]∩x≠ф}=X⊕B。在數(shù)學(xué)形態(tài)學(xué)中，最為重要的2個(gè)組合運(yùn)算是開運(yùn)算和閉運(yùn)算。先腐蝕后膨脹稱為開運(yùn)算，即OPEN（X）=D（E（X）） 。開運(yùn)算可以消除散點(diǎn)和毛刺，即對圖像進(jìn)行平滑。先膨脹后腐蝕稱為閉運(yùn)算，即CLOSE（X）=E（D（X））。 選擇適當(dāng)?shù)脑亟Y(jié)構(gòu)可以通過閉運(yùn)算將2個(gè)鄰近的目標(biāo)連接起來。利用形態(tài)學(xué)膨脹、腐蝕等組合運(yùn)算可以實(shí)現(xiàn)目標(biāo)對象的圖像填充、邊緣提取以及消除孤立點(diǎn)等功能。

2結(jié)果與分析

2.1顏色圖像分析

對采集到的不同成熟度的葉片圖像利用Matlab軟件處理。在分別提取圖像在RGB空間和HSV空間各個(gè)分量的灰度圖像以及對應(yīng)的直方圖分布進(jìn)行分析后發(fā)現(xiàn)，雖然不同，葉片的各個(gè)顏色分量分布不同，但是對每個(gè)葉片而言，R、G、V 3個(gè)分量圖像中葉脈的形態(tài)較清晰，直方圖中的波峰和波谷相對其他通道而言對比較明顯，但是實(shí)際的葉脈分割效果并不是很理想，由此得出僅對單通道進(jìn)行葉脈提取的可操作性較低。

因此結(jié)合顏色直方圖，本研究選擇將R、G、B 3個(gè)通道相互之間組合運(yùn)算，使其直方圖分布呈現(xiàn)明顯的雙峰型分布（圖2），便于尋找閾值以有效地對葉脈進(jìn)行分割和提取。

2.2葉脈分割

此時(shí)，雖然直方圖雙峰分布明顯，但分布范圍并不均勻，如果將其集中的灰度值均勻地分布開來，葉脈圖像會變得更加清晰。因此，在閾值分割之前先對圖像進(jìn)行灰度調(diào)整，增強(qiáng)葉肉與葉脈的對比度，從而使圖像的分割效果更為理想。

在閾值分割時(shí)，根據(jù)直方圖中其波谷的位置選擇閾值進(jìn)行二值化處理，將葉肉的像素設(shè)置為0，葉脈的像素設(shè)置為1，從而使葉肉與葉脈形成鮮明的對比，如圖3所示。此時(shí)得到的圖像包含了葉脈與葉片輪廓，還需進(jìn)一步處理，其流程圖如圖4所示。

對比多種結(jié)構(gòu)元素之后，選擇半徑為2的圓盤形結(jié)構(gòu)元素對葉片整體的二值化圖像分別進(jìn)行了膨脹和腐蝕，然后將二者相減得到葉片輪廓的邊緣圖像B。再將原葉脈分割圖像A減去葉片輪廓圖B后，便可得到只含有葉脈形態(tài)的圖像C。此時(shí)圖像中仍存在有許多孤立點(diǎn)有待去除或者連接，所以還需要對圖像進(jìn)行開閉等運(yùn)算，以得到形態(tài)結(jié)構(gòu)較為理想的葉脈圖像D，如圖5所示。

3結(jié)論與討論

本研究提出的基于顏色特征的葉肉與葉脈分割算法，利用RGB顏色空間中R、G、B 3個(gè)顏色通道信息進(jìn)行組合運(yùn)算，對采集的葉片圖像進(jìn)行顏色特征分析和閾值分割，并與數(shù)學(xué)形態(tài)學(xué)處理相結(jié)合提取出葉脈圖像[10-11]。結(jié)果表明，本研究所采用的圖像處理方法能夠有效地提取出葉脈的特征信息。葉脈在葉片生長過程中發(fā)揮著結(jié)構(gòu)性支撐、抵御侵害、傳輸養(yǎng)分等功能，可以說決定著蔬菜葉片的一切。對葉脈特征提取和分析是研究植物生長柜內(nèi)蔬菜栽培等農(nóng)業(yè)應(yīng)用的重要工作之一，為科學(xué)管理作物、實(shí)現(xiàn)植物生長柜智能化控制以及促進(jìn)增產(chǎn)增收提供了技術(shù)支持。

參考文獻(xiàn)：

[1]Blonder B，Violle C，Bentley L P，et al. Venation networks and the origin of the leaf economics spectrum[J]. Ecology Letters，2011，14（2）：91-100.

[2]Sack L，Scoffoni C. Leaf venation：structure，function，development，evolution，ecology and applications in the past，present and future[J]. The New Phytologist，2013，198（4）：983-1000.

[3]李樂，曾輝，郭大立. 葉脈網(wǎng)絡(luò)功能性狀及其生態(tài)學(xué)意義[J]. 植物生態(tài)學(xué)報(bào)，2013，37（7）：691-698.

[4]韓殿元，黃心淵，付慧. 基于彩色通道相似性圖像分割方法的植物葉面積計(jì)算[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28（6）：179-183.

[5]李燦燦，孫長輝，王靜，等. 基于改進(jìn)的Sobel算子和色調(diào)信息的葉脈提取方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2011，27（7）：196-199.

[6]王曉峰，黃德雙，杜吉祥，等. 葉片圖像特征提取與識別技術(shù)的研究[J]. 計(jì)算機(jī)工程與應(yīng)用，2006，42（3）：190-193.

[7]王征. 一種基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測方法[J]. 計(jì)算機(jī)與數(shù)字工程，2012，40（2）：102-104.

[8]王萍，唐江豐，王博，等. 基于數(shù)學(xué)形態(tài)學(xué)的植物葉片圖像分割方法研究[J]. 浙江農(nóng)業(yè)學(xué)報(bào)，2012，24（3）：509-513.

[9]譚峰，高艷萍. 基于圖像的植物葉面積無損測量方法研究[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2008，24（5）：170-173.

[10]袁道軍，劉安國，劉志雄，等. 利用計(jì)算機(jī)視覺技術(shù)進(jìn)行作物生長監(jiān)測的研究進(jìn)展[J]. 農(nóng)業(yè)網(wǎng)絡(luò)信息，2007（2）：21-25.

[11]金秋春，鄭小東，童小利. 多方向Top-Hat變換在葉脈特征提取中的應(yīng)用研究[J]. 計(jì)算機(jī)工程與應(yīng)用，2011，47（4）：195-197.劉艷，許建民，王永平，等. 可控溫度與時(shí)間的植物病毒熱鈍化系統(tǒng)[J]. 江蘇農(nóng)業(yè)科學(xué)，2015，43（1）：376-380.endprint