基于圖像處理的農(nóng)田作物病害識別分析

彭吳琦等

摘 要 運用MATLAB對農(nóng)田作物圖像進(jìn)行處理，識別農(nóng)作物的病害，對農(nóng)作物生長后期的病害防治具有作用。本研究基于拍攝的小麥葉片圖像，依次進(jìn)行彩色圖像轉(zhuǎn)換為灰度圖像、繪制灰度圖像直方圖并確定分割閾值、灰度圖像二值化等操作，直觀反應(yīng)了正常葉片和病害葉片分布情況，并根據(jù)農(nóng)作物病害覆蓋率初步識別研究區(qū)域農(nóng)作物病害情況。該研究方法對大面積農(nóng)田作物具有較好的適用性，可為農(nóng)民及時防治病害提供依據(jù)。

關(guān)鍵詞 圖像處理；MATLAB；病害識別

中圖分類號：S436.421；S126 文獻(xiàn)標(biāo)志碼：B 文章編號：1673-890X（2015）21-0-02

病害能導(dǎo)致農(nóng)作物大面積減產(chǎn)甚至絕收，影響農(nóng)作物品質(zhì)，因此，對作物病害的識別研究具有重要的現(xiàn)實意義。對于大面積的農(nóng)田作物，僅僅靠人力識別病害情況，具有很大的局限性，而利用MATLAB對農(nóng)作物圖像進(jìn)行處理，能夠?qū)崟r檢測農(nóng)作物的情況，及時發(fā)現(xiàn)、識別病害情況。農(nóng)作物在生長過程中，一旦遭遇病害，其葉片物理性狀就會發(fā)生改變，如葉子變黃，葉片出現(xiàn)斑點等，這些癥狀通過圖像可以準(zhǔn)確地反應(yīng)出來，本研究以葉片的顏色特征為依據(jù)編寫MATLAB程序，以此來判斷農(nóng)作物是否感染病害。

1 圖像處理原理

本文以小麥的圖像為例進(jìn)行圖像處理。首先，小麥在感染病害時，會有顯著地性狀出現(xiàn)。如小麥感染白粉病時，葉片上會生長成片的類似白粉的物質(zhì)，其他的如葉枯病、條銹病等也會使小麥的葉片出現(xiàn)不正常的性狀。大部分小麥在病害時期，都會在葉片上出現(xiàn)非綠色的斑點等性狀，用MATLAB程序?qū)π←湹膱D像進(jìn)行處理，使這些葉片的顏色癥狀得到更直觀的反應(yīng)，可以快速地判斷出這些植株是否感染病害。

2 圖像的采集和處理

2.1 圖像的采集

采集時間： 2014年6月-2015年3月采集圖像（本文主要以小麥為研究對象）。采集地點：南京市浦口區(qū)湯泉農(nóng)場和浦口八百橋農(nóng)田。所用儀器：數(shù)碼相機(jī)、四旋翼遙控飛機(jī)。采集方法：分別使用數(shù)碼相機(jī)和四旋翼遙控飛機(jī)在麥田中采集 5組圖像，每組為 20 幅，選擇其中最清晰的1組傳入計算機(jī)，得到 RGB 格式的彩色圖像。

2.2 圖像預(yù)處理

圖像預(yù)處理是病害識別過程中的一個重要環(huán)節(jié)，它相對于特征提取、圖像識別是一種前期處理。輸入的圖像由于圖像的采集環(huán)境不同，如光照明暗程度不同以及設(shè)備性能的優(yōu)劣等，往往存在噪聲、對比度不夠、圖像中有其他物體的干擾等缺點。從圖像質(zhì)量的角度來說，預(yù)處理的主要目的就是為了提高圖像向人或機(jī)器提供信息的能力。

2.2.1 圖像灰度化與格式轉(zhuǎn)換

圖像按彩色類型分類包括彩色圖像和單色圖像。在RGB真彩色圖像中，每個像素是由紅、綠、藍(lán)3個灰度值組成的，而灰度圖像是彩色圖像的一個分支，每個像素用0～255表示，只有0、1二值表示的灰度圖像成為二值圖?；叶然鑼⒉噬珗D像轉(zhuǎn)換為灰度圖像，轉(zhuǎn)換方法是使用MATLAB軟件包中的rgb2gray函數(shù)。

2.2.2 均值濾波器

為了提高圖像的質(zhì)量，對圖像進(jìn)行濾波處理。圖像濾波，就是在盡量保留圖像細(xì)節(jié)特征的條件下對目標(biāo)圖像的噪聲進(jìn)行抑制，是圖像預(yù)處理中不可缺少的操作，其處理效果的好壞將直接影響到后續(xù)圖像處理和分析的有效性和可靠性。因均值濾波器可以平滑圖像，速度快，算法簡單，所以本文采用均值濾波。

均值濾波器是將一個像素的灰度值用其領(lǐng)域內(nèi)的所有灰度值的平均值來表示，其鄰域為s=k×k來表示。每一個像素的灰度值用以下公式求得：

（1）

多數(shù)濾波器在去除噪聲的同時，會使圖像變得模糊，去除噪聲的效果越好，圖像就會變得越模糊。根據(jù)鄰域的大小分為幾種不同的去噪方法，包括3×3，5×5，7×7，9×9，選取其中處理過后降噪效果最好而不使圖像過分模糊的去噪方法。

從圖像的處理效果來看，選取圖像進(jìn)行降噪處理而又不至于使圖像過分模糊的s=5×5鄰域。

2.3 圖像分割

圖像分割是圖像分析與模式識別系統(tǒng)的重要組成部分，圖像分割的正確與否直接影響圖形分析與處理的結(jié)果，進(jìn)而影響最終對圖像的理解。由于基于閾值的分割方法快速且較簡單，所以選擇閾值分割法分割圖像。

2.3.1 灰度直方圖

選取閾值是圖像分割的關(guān)鍵。圖像的灰度是反映物體的某一性質(zhì)的數(shù)字記錄，所以常常在灰度直方圖上選取閾值，進(jìn)行分割。

顯然，閾值選取的好壞直接決定了圖像分割的成功與否。對于直方圖為雙峰或多峰的圖像，往往取直方圖的谷底為閾值，把圖像分成目標(biāo)和背景兩部分，或取幾個閾值將圖像分成若干個目標(biāo)和背景幾部分。

2.3.2 閾值分割

閾值分割就是把圖像灰度分成不同的等級，設(shè)置灰度門限（閾值）來確定有意義的區(qū)域：

（2）

式（2）中：T hesh為閾值

對灰度圖像進(jìn)行處理。

2.4 圖像識別

光照的不均勻會使圖片中小麥的葉片顏色變得很亮，由于顏色的變化，進(jìn)行圖像處理會將正常的區(qū)域誤判為感染病害的區(qū)域。為了解決上述問題，采取下列辦法：首先根據(jù)直方圖選用一個較大的閾值，運用程序?qū)D像中由于光照而顏色改變的部分識別出來，得到一幅二值化圖像。再根據(jù)直方圖選用一個稍小的閾值，運用程序?qū)D像中非綠色的部分識別出來，這部分主要指的是圖像中的由于病害和由于光照而顏色改變的部分，得到另一幅二值化圖像。兩次閾值的選取分別是225、200。

兩次運行程序，處理所得的兩幅二值化圖像，可得到兩個m值即m1、m2，分別指由于光照識別出的像素點個數(shù)和由于光照、病蟲害識別出來的像素點個數(shù)。令m0為原始圖像總像素點的個數(shù)，i1為農(nóng)作物病害覆蓋率，定義：

（3）

利用i1的值與給定農(nóng)作物病蟲害覆蓋率的標(biāo)準(zhǔn)值進(jìn)行比較就可以反應(yīng)出該片農(nóng)田病蟲害的感染情況，這種處理方法可以在一定程度上消除光照對實驗結(jié)果的影響。

2.5 結(jié)果

本文運用編寫的MATLAB程序?qū)r(nóng)作物葉片進(jìn)行了處理，最終識別出病蟲害區(qū)域。農(nóng)作物病蟲害覆蓋率為11.17%，說明該區(qū)域存在輕微的病蟲害風(fēng)險。

3 結(jié)論

本次研究對大規(guī)模麥田圖像中的病害識別算法進(jìn)行研究，找到了適用于病害識別的算法；運用航模進(jìn)行大規(guī)模拍攝麥田，再對圖像進(jìn)行處理，識別病害的效率大大提高；找到了去除光照影響的方法，提高了識別病害的效率。

（責(zé)任編輯：劉昀）