基于圖像特征提取的生菜形態(tài)可視化建模

摘要

植物形態(tài)可視化技術(shù)是實(shí)現(xiàn)虛擬農(nóng)業(yè)中關(guān)鍵技術(shù)之一。該文對(duì)生菜圖像進(jìn)行預(yù)處理后，研究圖像的各個(gè)特征，并提取生菜葉片的R、G、B顏色特征和葉片長(zhǎng)度、寬度等特征。基于提取的各個(gè)特征，在OpenGL平臺(tái)上，對(duì)生菜進(jìn)行三維可視化建模，并進(jìn)行顏色、光照模擬等渲染處理，主要建立了生菜二維圖像與三維可視化模型之間的聯(lián)系，實(shí)現(xiàn)生菜的可視化，能夠直觀地表現(xiàn)生菜的成長(zhǎng)狀態(tài)。將虛擬植物技術(shù)應(yīng)用到農(nóng)業(yè)領(lǐng)域的教學(xué)中，能夠幫助同學(xué)直觀地學(xué)習(xí)理解，對(duì)于農(nóng)業(yè)科研、教育有積極作用。

關(guān)鍵詞生菜；特征提??；可視化；OpenGL

中圖分類號(hào)S126；TP391.9文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)0517-6611（2015）24-265-04

虛擬作物是在計(jì)算機(jī)上利用相關(guān)技術(shù)模擬植物在三維空間中生長(zhǎng)發(fā)育狀況的可視化模型。建立植物形態(tài)的可視化模型，可以全方位、多層次考察生菜表層的形態(tài)、紋理和空間分布關(guān)系。這對(duì)于探討生菜組織結(jié)構(gòu)與功能的關(guān)系、進(jìn)行直觀形象的生菜研究以及促進(jìn)現(xiàn)代農(nóng)業(yè)發(fā)展有著重要的意義。國(guó)外研究人員在計(jì)算機(jī)輔助模擬植物形態(tài)方面進(jìn)行了大量研究，主要代表有：法國(guó)的CIRAD、澳大利亞的 CPAJ、加拿大的 Prusinkiewicz 等人研究室，建立了L系統(tǒng)、迭代函數(shù)系統(tǒng)[1]、粒子系統(tǒng)[2]等多種植物生長(zhǎng)模型，并開發(fā)了多種模擬植物形態(tài)的軟件，如L-Studio。國(guó)內(nèi)近年也在植物可視化方面有諸多研究，包括基于Nurbs曲面建立了植物葉片靜態(tài)模型[3]；光、水、溫度等環(huán)境因素對(duì)植物可視化的影響[4]；大豆根系及辣椒、茄子等作物的生長(zhǎng)模擬[5-6]。最近，一些基于機(jī)器視覺的特征提取也出現(xiàn)很多[7-9]。

綜合國(guó)內(nèi)外現(xiàn)階段研究現(xiàn)狀，多數(shù)可視化建模并沒有與實(shí)測(cè)數(shù)據(jù)進(jìn)行聯(lián)系，尤其對(duì)于利用靜態(tài)二維圖像建立植物形態(tài)可視化模型的研究并不多見。該文利用圖像處理相關(guān)技術(shù)，提取生菜顏色、幾何特征，在OpenGL環(huán)境下利用從二維圖像中獲得的特征參數(shù)，實(shí)現(xiàn)了生菜形態(tài)的三維可視化建模。通過二維圖像生成三維模型，實(shí)現(xiàn)了準(zhǔn)確、無損的可視化仿真，可視化模型關(guān)鍵數(shù)據(jù)來自真實(shí)葉片的測(cè)量值，符合自然界真實(shí)的生物學(xué)規(guī)律，是對(duì)圖像的準(zhǔn)確重現(xiàn)，對(duì)于農(nóng)業(yè)教學(xué)、培訓(xùn)有很大的促進(jìn)幫助作用，能夠使人們?cè)谀Ｐ蜕线M(jìn)行虛擬實(shí)驗(yàn)，學(xué)習(xí)植物學(xué)相關(guān)知識(shí)。

1 基于二維圖像特征的三維建模方法簡(jiǎn)介

生菜三維可視化建模需要長(zhǎng)度、寬度、顏色值等關(guān)鍵參數(shù)，這些參數(shù)控制生菜的形狀與色彩，準(zhǔn)確的參數(shù)不僅能夠使得形態(tài)模擬更加準(zhǔn)確，而且符合生菜成長(zhǎng)的客觀規(guī)律，能夠在一定程度上反映生菜的植物學(xué)特性。從圖像中可以提取出相應(yīng)顏色、幾何參數(shù)，所以該文提出了基于圖像特征提取的三維建模方法。

該文根據(jù)從圖像中提取的顏色特征值、幾何特征值作為三維建模的原始參數(shù)，主要包括圖像的預(yù)處理、圖像特征提取和可視化建模三部分。圖像預(yù)處理主要包括圖像分割、邊緣檢測(cè)，利用預(yù)處理后圖像進(jìn)行特征提取，得到顏色特征值、幾何特征值，最后利用獲取的特征值進(jìn)行可視化建模，重點(diǎn)在于如何獲得三維建模中所需要的相應(yīng)特征數(shù)據(jù)。

2 生菜圖像預(yù)處理

圖像預(yù)處理是在圖像進(jìn)行分析之前，對(duì)獲取的圖像進(jìn)行增強(qiáng)、降噪等處理，以使圖像能夠更便于分析。該文主要對(duì)獲取的生菜圖像進(jìn)行分割和邊緣輪廓提取。

2.1 圖像分割

圖像分割是指根據(jù)圖像的顏色、幾何形狀、灰度的特征把圖像劃分成若干個(gè)互不相交的區(qū)域，圖像分割的好壞直接影響到后續(xù)特征提取的效果。生菜是典型的綠色植物，顏色特征較背景更明顯，因此該文采用文獻(xiàn)[10]的綠色作物圖像分割方法，提取生菜圖像顏色指數(shù)后，利用均值漂移算法，對(duì)生菜圖像進(jìn)行分割，分割效果如圖1所示。由圖1可知，分割后生菜圖像邊緣鋸齒狀較明顯，并不平滑，為了使邊緣檢測(cè)更加準(zhǔn)確，對(duì)圖像進(jìn)行一次膨脹、腐蝕處理（圖2）。

2.2 邊緣檢測(cè)與輪廓提取

邊緣是圖像局部特性的不連續(xù)性，是前景物與背景圖的交界處，這些部分往往是整幅圖像中變化差異最大的地方。邊緣處圖像的灰度值和亮度都會(huì)產(chǎn)生

跳變，數(shù)學(xué)算法模型中會(huì)表現(xiàn)出一階導(dǎo)的不連續(xù)行。因此，利用圖像的梯度函數(shù)就可以求得圖像的邊緣[11]。

大部分情況下邊緣檢測(cè)是圖像分割一種方法，但是這里邊緣檢測(cè)主要是為了生菜的輪廓提取，在分割的基礎(chǔ)上進(jìn)行邊緣檢測(cè)，使得提取出的生菜輪廓更完整，干擾更少，使下一步幾何特征的提取更準(zhǔn)確。

主要的邊緣檢測(cè)算子包括sobel算子、prewitt算子、canny算子、robert算子。通過前期大量實(shí)驗(yàn)表明，在生菜的輪廓提取中，canny算子所提取的輪廓更加連續(xù)、完整（圖3），所以最終選取canny算子。

3 生菜葉片特征提取

圖像的特征包括顏色特征、幾何特征、紋理特征，而影響三維建模準(zhǔn)確性的主要是顏色特征和幾何特征，所以該文主要提取生菜葉片的顏色特征和幾何特征，并不涉及紋理特征。顏色特征提取主要是利用圖像分割結(jié)果，提取生菜葉片的R、G、B分量值。幾何特征提取主要是利用邊緣檢測(cè)結(jié)果，提取生菜葉片的長(zhǎng)度與寬度值。

43卷24期孔繁爽等基于圖像特征提取的生菜形態(tài)可視化建模

3.1 顏色特征提取

顏色是圖像中很重要的特征，尤其對(duì)于描述生菜葉片來講，顏色特征的準(zhǔn)確與否影響可視化建模的真實(shí)感程度。圖像顏色特征主要有顏色直方圖、顏色距、顏色聚合向量等，該文采用顏色的R、G、B分量值。

進(jìn)行圖像分割后，主要對(duì)于生菜葉片顏色中R、G、B分量值的提取，以作為圖形可視化部分顏色模擬的關(guān)鍵參數(shù)。在顏色空間中，顏色是可被度量的，所以可以提取一幅圖像中R、G、B 3個(gè)分量的具體值，用于調(diào)節(jié)可視化中各個(gè)分色的比例。

3.2 幾何特征提取

生菜葉片的幾何特征關(guān)鍵參數(shù)的提取是后續(xù)可視化建模是否準(zhǔn)確的關(guān)鍵，通過獲取葉片的長(zhǎng)度與寬度值來確定生菜的大體輪廓與形狀。主要通過和標(biāo)準(zhǔn)圖像對(duì)比的方法獲取準(zhǔn)確的相關(guān)參數(shù)。

3.2.1

參照物與比例尺。為了能夠測(cè)得準(zhǔn)確生菜長(zhǎng)度、寬度值，選取一個(gè)邊長(zhǎng)為5 cm的黑色正方形作為參照物，鏡頭距離正方形正中心30 cm（圖4），獲取圖像后，測(cè)得邊長(zhǎng)像素點(diǎn)數(shù)和距離，進(jìn)而可得長(zhǎng)度與像素點(diǎn)數(shù)比，作為生菜長(zhǎng)度、寬度計(jì)算的比例尺。

3.2.2

生菜葉片長(zhǎng)度測(cè)量。

獲取圖像比例尺后，則可以測(cè)量生菜葉片的幾何值。按照?qǐng)D4，以生菜根部為中心，用同像素的相機(jī)，鏡頭距生菜30 cm高度處進(jìn)行圖像獲取。根據(jù)邊緣檢測(cè)所提取的輪廓，進(jìn)行長(zhǎng)度和寬度的計(jì)算。

首先，按照像素點(diǎn)顏色為黑色而統(tǒng)計(jì)出所有邊緣像素點(diǎn)，并記錄其坐標(biāo)。因?yàn)榕恼諘r(shí)生菜根部在圖像中心，即葉片的根部在圖像中心，記錄中心點(diǎn)坐標(biāo)，設(shè)圖像中心點(diǎn)坐標(biāo)（a，b），為計(jì)算方便，將所有像素點(diǎn)橫縱坐標(biāo)分別減a、b，即以圖像中間點(diǎn)為原點(diǎn)建立坐標(biāo)系（圖5），計(jì)算所有邊緣點(diǎn)到中心點(diǎn)的長(zhǎng)度

d=（x）2+（y）2，找到最大的長(zhǎng)度值，即為生菜葉片的長(zhǎng)度，并記錄葉尖像素坐標(biāo)為L(zhǎng)（x1，y1），且可知長(zhǎng)度上像素點(diǎn)數(shù)，結(jié)合“3.2.1”所測(cè)比例尺，則可知葉片實(shí)際長(zhǎng)度。

3.2.3

生菜葉片寬度測(cè)量。生菜葉片寬度的獲取，主要是從葉尖到葉根，不連續(xù)取7個(gè)寬度，不連續(xù)是因?yàn)樯巳~片在靠近葉尖部分變化較快，在靠近葉根部分變化較小甚至基本不變，所以7段寬度大多集中在葉尖部分，且寬度所在直線與長(zhǎng)度所在直線垂直（圖6）。

在取得長(zhǎng)度后，由（0，0）與L（x1，y1），求得長(zhǎng)度所在直線斜率

k=y1/x1，長(zhǎng)度所在直線為l∶y=kx，則7段寬度所在直線斜率為-1/k。取直線l1∶y=（k+1）x和l2∶y=（k-1）x，設(shè)葉片所在區(qū)域像素點(diǎn)集合{（xi，yi）}，可限定對(duì)于任意（xi，yi）在2條直線之間，且與葉尖坐標(biāo)同象限。

在此集合中找到以下2個(gè)關(guān)鍵點(diǎn)，①距離l∶y=kx直線距離最遠(yuǎn)點(diǎn)MAX，②葉尖點(diǎn)L與坐標(biāo)原點(diǎn)的中點(diǎn)（x1/2，y1/2），并從像素點(diǎn)集合中找到點(diǎn)（p，q），使此像素點(diǎn)與中點(diǎn)所確定的直線斜率為-1/k，記點(diǎn)（p，q）為HALF。2個(gè)關(guān)鍵點(diǎn)是生菜可視化建模中最關(guān)鍵的數(shù)據(jù)。

最后以MAX為基準(zhǔn)點(diǎn)，在葉片點(diǎn)集中找到距離相對(duì)減小的另外5個(gè)邊緣點(diǎn)，共計(jì)7點(diǎn)，對(duì)找到關(guān)鍵點(diǎn)標(biāo)記如圖7所示。

設(shè)其中任意1個(gè)為（c，d），則寬度所在直線為l4∶（y-d）=-1/k（x-c），在葉片下半部分所在集合中找到在直線上的點(diǎn)（e，f），使得（e，f）滿足l4，則寬度為

L=（e-c）2+（f-d）2。以此類推，則可求出所有7段寬度值。

在所有像素點(diǎn)的集合中除去第1片葉子所在區(qū)域像素點(diǎn)集合，即可得剩余葉片像素點(diǎn)集合，為方便計(jì)算，按照“3.2.2”“3.2.3”，可以重設(shè)坐標(biāo)軸，重復(fù)以上方法，依次找到第2片葉子的長(zhǎng)度、區(qū)域、7段寬度。以此類推，即可求出所有葉片幾何特征值。

4 基于Nurbs曲面的生菜葉片形態(tài)可視化

4.1 Nurbs曲面

Nurbs曲面建立在非有理貝塞爾方法與非有理B樣條方法的基礎(chǔ)上，不僅可以精確表示規(guī)則曲線與曲面，同時(shí)可把規(guī)則曲面和自由曲面統(tǒng)一在一起，并且權(quán)因子出現(xiàn)，有利于曲線和曲面形狀的修改[12]，所以選取Nurbs曲面作為生菜形態(tài)可視化建模的工具。

Nurbs曲面定義為：

S（u，v）=∑ni=0 ∑mj=0Wi，jPi，jNi，p（u）Ni，q（v）

∑ni=0 ∑mj=0Wi，jNi，p（u）Ni，q（v）

0≤u，v≤1

（Ⅰ）

式中，Pi，j為控制頂點(diǎn)，Wi，j為與控制點(diǎn)相聯(lián)系的權(quán)因子，Ni，p（u）和Ni，q（v）分別為B樣條基函數(shù)。

4.2 生菜形態(tài)的幾何建模

利用Nurbs曲面繪制生菜葉片的關(guān)鍵是對(duì)于控制點(diǎn)的選取。由生菜長(zhǎng)寬比可知，生菜葉片更趨近于矩形，且長(zhǎng)度遠(yuǎn)大于寬度，對(duì)于生菜寬度的控制尤為重要，所以對(duì)于每個(gè)葉片，選取7行5列共計(jì)35個(gè)控制點(diǎn)來控制生菜葉片的大體形狀。最終通過圖像處理獲取生菜長(zhǎng)度與7段寬度來確定控制點(diǎn)的具體位置。

在OpenGL中，封裝了繪制Nurbs曲面的常用函數(shù)，利用OpenGL函數(shù)庫所提供函數(shù)生成一個(gè)Nurbs曲面的具體方法與關(guān)鍵過程如下：

（1）創(chuàng)建曲面對(duì)象theNurb1=gluNewNurbsRenderer（）；

（2）控制點(diǎn)改變，通過長(zhǎng)度與7段寬度值，計(jì)算出所有控制點(diǎn)位置；

（3）曲面繪制開始gluBeginSurface（theNurb1）；

（4）具體繪制Nurbs曲面gluNurbsSurface（theNurb1，10，knots，10，knots，5*3，3， &points[0][0][0]，5， 5，GL_MAP2_VERTEX_3），其中&points[0][0][0]為控制點(diǎn)；

（5）曲面繪制結(jié)束 gluEndSurface（theNurb1）。

取得結(jié)果如圖8所示：

4.3 生菜葉片的真實(shí)感技術(shù)

4.3.1

顏色渲染。利用圖像處理在RGB空間中提取的紅色、綠色、藍(lán)色分量值，通過glColor（）函數(shù)來設(shè)置生菜葉片顏色，顏色參數(shù)來自生菜真實(shí)圖像，使得顏色更加逼真。

4.3.2

隨機(jī)扭曲處理。

由于圖像提供的控制點(diǎn)坐標(biāo)是在二

維空間中，且生菜葉片較其他葉片來說，彎曲程度較大，所以該文根據(jù)生菜葉片不同位置寬度不同的扭曲變化程度，分別

設(shè)定7個(gè)隨機(jī)控制函數(shù)來控制7排共35個(gè)控制點(diǎn)的z坐標(biāo)，以更真實(shí)地模擬生菜葉片。

4.3.3

光照渲染。光照對(duì)于模擬三維真實(shí)感圖形非常重要，如果沒有光照，所制作的三維圖形就沒有立體感，和二維圖形基本沒有區(qū)別[13]。在OpenGL中光照渲染具體步驟如下：

（1）為光照模型指定材質(zhì)參數(shù)glMaterialfv（）；

（2）設(shè)置光源參數(shù)glLightfv（）；

（3）設(shè)置光照模型參數(shù)glLightModeli（）；

（4）激活光照glEnable（）。

4.3.4

紋理映射。真實(shí)的生菜葉片上有復(fù)雜的紋理結(jié)構(gòu)，紋理結(jié)構(gòu)的模擬對(duì)生菜可視化模型最終的信息表達(dá)有著至關(guān)重要的作用。該研究采用紋理貼圖的方式來實(shí)現(xiàn)生菜葉片的紋理映射，所貼圖片來自圖像的分割結(jié)果，能夠很大程度上實(shí)現(xiàn)生菜葉片的重現(xiàn)。具體過程如下：

（1）載入紋理，即生菜圖像分割結(jié)果；

（2）創(chuàng)建紋理 glGenTextures （）；

（3）生成紋理 glTexImage2D （）。

進(jìn)行以上4步處理后，就能夠從形態(tài)、色彩方面真實(shí)模擬生菜葉片，效果如圖9所示。

4.4 生菜植株的可視化

基于上述結(jié)果，可生成多個(gè)生菜葉片，對(duì)于每個(gè)生菜葉片增加屬性：葉片角度，在每次生成1個(gè)生菜葉片后，通過重置坐標(biāo)軸進(jìn)而繪制下1片葉子，多次之后即可最終實(shí)現(xiàn)整株生菜的可視化建模（圖10） 。

5小結(jié)

虛擬植物技術(shù)在景觀、教學(xué)等領(lǐng)域應(yīng)用廣泛。尤其教學(xué)方式日益趨于多元化，多媒體教學(xué)的利用越來越廣泛，虛擬植物的研究能夠幫助同學(xué)直觀地學(xué)習(xí)理解，對(duì)于農(nóng)業(yè)科研、教育有積極作用。該文主要利用靜態(tài)圖像所提取出的顏色特征值和幾何特征值，在OpenGL環(huán)境下利用Nurbs曲線模擬生菜的形態(tài)，能夠生動(dòng)形象地模擬出生菜某時(shí)刻的成長(zhǎng)狀態(tài)，符合生菜真實(shí)的植物學(xué)特性，而圖像特征提取與可視化建模的有機(jī)結(jié)合對(duì)研究生菜生長(zhǎng)模型與虛擬植物技術(shù)有一定積極作用與理論參考價(jià)值，并且為研究符合成長(zhǎng)規(guī)律的動(dòng)態(tài)可視化模型提供有效方法。

參考文獻(xiàn)

[1]

ROOM P M，MAILLETTE L，HANAN J S.Module and metamer dynamics and virtual plants[J].Advances in Ecological Research，1994，25：105-157.

[2] REEVES W T，BLAU R.Approximate and probabilististic algorithms for shading and rendingstructured particle system[J].Computer Graphics，1985，19（3）：313-322.

[3] 劉瑩瑩，劉哲，楊焱.基于NURBS的植物葉片幾何建模[J].北京農(nóng)學(xué)院學(xué)報(bào)，2008，23（4）：63-66.

[4] 葉飛.環(huán)境因素影響下的植物可視化模型研究[D].重慶：重慶大學(xué)，2007.

[5] 鐘南，羅錫文，秦琴.基于生長(zhǎng)函數(shù)的大豆根系生長(zhǎng)的三維可視化模擬[J].農(nóng)業(yè)工程學(xué)報(bào)，2008，24（7）：151-154.

[6] 劉驥.植物生長(zhǎng)模擬與可視化研究[D].重慶：重慶大學(xué)，2009.

[7] 劉長(zhǎng)青，陳兵旗.基于機(jī)器視覺的玉米果穗?yún)?shù)的圖像測(cè)量方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2014，30（6）：131-138 .

[8] 李文勇，李明，陳梅香，等.基于機(jī)器視覺的作物多姿態(tài)害蟲特征提取與分類方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2014，30（14）：154-161.

[9] 劉太磊.相機(jī)標(biāo)定與三維重建相關(guān)技術(shù)研究[D].南京：南京信息工程大學(xué)，2012.

[10] 伍艷蓮，趙力，姜海燕，等.基于改進(jìn)均值漂移算法的綠色作物圖像分割方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2014，30（24）：161-167.

[11] 黃佳.基于OPENCV的計(jì)算機(jī)視覺技術(shù)研究[D].上海：華東理工大學(xué)，2012.

[12] 高斌.曲面造型中NURBS曲面曲線離散及顯示算法的研究與實(shí)現(xiàn)[D].杭州：浙江大學(xué)，2002.

[13] 和平鴿工作室.OpenGL三維圖形系統(tǒng)開發(fā)與實(shí)用技術(shù)[M].清華大學(xué)出版社，重慶大學(xué)出版社，2003.