水稻葉片幾何參數(shù)圖像視覺測量方法研究

楊紅等

摘要：提出了一種基于圖像視覺原理的水稻葉片幾何形態(tài)參數(shù)測量計算方法，通過圖像分割處理，統(tǒng)計參考物與目標(biāo)葉片面積的像素數(shù)，計算葉片面積；通過求取參考物和目標(biāo)葉片的最小外接矩形方法，計算葉片的長度和寬度值；利用基于4個方向模板運算的距離變換算法對莖葉夾角圖像進行骨架信息提取，利用Hough變換對提取的骨架信息進行直線檢測，并進行莖葉夾角計算。結(jié)果表明，該方法能夠精確、快捷地對水稻葉片幾何形態(tài)參數(shù)進行測量計算，與手工測量比較，葉片面積計算誤差小于5%，長寬誤差小于0.67%，莖葉夾角誤差小于2%，能滿足農(nóng)學(xué)研究的要求。

關(guān)鍵詞：水稻葉片；幾何參數(shù)；最小外接矩形；視覺測量；骨架提取；直線檢測

中圖分類號：TP391.4 文獻標(biāo)識碼：A 文章編號：0439-8114（2015）17-4317-04

DOI：10.14088/j.cnki.issn0439-8114.2015.17.055

葉片作為水稻冠層結(jié)構(gòu)最重要的組成部分，是水稻進行光合作用和蒸騰作用的主要器官，其葉片面積、葉片幾何形狀、葉方向分布及莖葉夾角等參數(shù)對于能量在作物群叢內(nèi)的截獲和傳輸起著至關(guān)重要的作用。因此，測量葉片形態(tài)參數(shù)對于鑒定水稻的品種特征、構(gòu)建水稻群體結(jié)構(gòu)的“理想株型”，最終奪取高產(chǎn)有著重要的意義[1-3]。目前，葉片形態(tài)參數(shù)的測量大都采用從田間抽樣，用手工測尺方法測定，而且國內(nèi)作物葉片參數(shù)測量工具方面的研究較少，導(dǎo)致許多科研機構(gòu)測量作物葉片參數(shù)還處于使用傳統(tǒng)測量工具的手工階段。手工測定方法簡單，但卻費時費力、精確度不高，難以滿足數(shù)字水稻[4-8]研究的要求。

1 系統(tǒng)總體結(jié)構(gòu)

以水稻葉片器官為對象，研究葉片幾何形態(tài)參數(shù)計算機圖像視覺技術(shù)獲取方法，初步實現(xiàn)了水稻葉片器官幾何參數(shù)的自動測量與計算。系統(tǒng)主要由圖像采集、圖像前期處理、圖像分割、骨架提取、目標(biāo)圖像像素統(tǒng)計、目標(biāo)最小外接矩形繪制、莖葉骨架直線檢測、葉片面積計算、葉片長寬計算和莖葉夾角計算以及數(shù)據(jù)驗證等模塊組成（圖1）。系統(tǒng)結(jié)構(gòu)簡單、易于實現(xiàn)、精度較高，滿足了實際的需要。

2 圖像處理

2.1 圖像前期處理

2.1.1 圖像灰度化 在YUV的顏色空間中，Y分量表示點的亮度，包含圖像灰度的所有信息。根據(jù)YUV與RGB顏色空間的變換關(guān)系，對R、G、B 3個分量賦予不同權(quán)重，可以建立亮度Y與RGB 3個顏色分量的對應(yīng)關(guān)系。在水稻葉片圖像處理中，發(fā)現(xiàn)將圖像進行超綠（Excess green）變換比較實用，即把每個像素點3個顏色分量值變換成（2G-R-B）一個值表示亮度信息。

2.1.2 圖像去噪 進行水稻葉片圖像采樣時，圖像可能產(chǎn)生雜點噪音，系統(tǒng)采用中值濾波進行去噪處理，中值濾波是一種非線性圖像增強處理方法，其在一定條件下可以克服均值濾波增強方法所帶來的圖像細(xì)節(jié)模糊，對于消除孤立點和線段脈沖等圖像噪聲最為有效。

2.1.3 圖像二值化 將水稻拍攝圖像進行骨架提取時需要先對圖像進行二值化處理，二值化采用閾值處理，就是對于輸入圖像的像素灰度值在某定值（稱為閾值，threshold）范圍內(nèi)時，賦予對應(yīng)輸出圖像的像素為白色（灰度值為255）或黑色（灰度值為0）。

2.2 圖像分割

為了有效地進行圖像描述和分析，往往需要先將圖像劃分成若干有意義的區(qū)域，這種為后續(xù)工作，而把圖像劃分成若干有意義的區(qū)域的技術(shù)稱為圖像分割（Image segmentation）。水稻葉片圖像采集時因與參考物背景同時進行拍攝，系統(tǒng)采用區(qū)域生長法對葉片對象和參考物背景進行分割處理，區(qū)域生長的實現(xiàn)主要通過鼠標(biāo)交互獲取目標(biāo)區(qū)域的種子像素點，再在種子區(qū)域基礎(chǔ)上不斷將其周圍的像素點以一定的準(zhǔn)則加入其中，以達到最終將代表該物體的所有像素點結(jié)合成一個區(qū)域的目的。區(qū)域生長圖像分割過程中的生長準(zhǔn)則為：4鄰域或8鄰域像素點（x，y）與種子像素點（x0，y0）顏色差絕對值小于等于給定閾值，閾值的確定可以通過與用戶交互進行確定，當(dāng)用戶選定閾值后，分割效果不好，則可以重新選擇閾值進行再分割，直到分割效果滿足要求為止。

3 葉片器官幾何參數(shù)測量

3.1 葉片面積測量

3.1.1 葉片面積計算測量 經(jīng)過圖像前期處理后，通過圖像分割算法將目標(biāo)葉片器官圖像和參考物方格圖像從圖像中分割出來，并分別統(tǒng)計其像素總數(shù)，然后利用比例關(guān)系式（1）可求出葉片的實際面積。

葉片實際面積=葉片占像素總數(shù)×

■ （1）

在系統(tǒng)運行時，對于參考物的面積通過用戶交互可以用鼠標(biāo)選取多處，每多選一處都重新計算葉片面積數(shù)據(jù)，最后選擇完成后用面積數(shù)據(jù)的平均數(shù)作為葉片實際面積數(shù)值。

3.1.2 葉片面積計算結(jié)果 通過系統(tǒng)界面，選擇葉片面積測量選項，輸入需要測量葉片器官圖像的文件名，系統(tǒng)自動進行圖像前期基本處理，圖像分割需要用戶參與，用鼠標(biāo)左鍵對圖像目標(biāo)葉片器官和圖像參考物（已知面積大小方形物）進行選擇分割。參考物的選擇可以進行多處選擇以求平均結(jié)果，以更好地近似于實際面積，減少誤差，根據(jù)選擇參考物的實際數(shù)量進行平均求值。水稻葉片器官面積參數(shù)測量操作和測量結(jié)果如圖2、圖3所示。

3.2 葉片長寬值計算測量

3.2.1 長寬計算測量方法 經(jīng)過圖像前期處理后，通過圖像分割算法將目標(biāo)葉片器官圖像和參考物方格圖像從圖像中分割出來，并分別繪制選擇物的最小外接矩形，統(tǒng)計最小外接矩形長寬方向的像素總數(shù)，然后利用比例關(guān)系式（2）、（3），可求出葉片的實際長寬值。

葉片實際長度=葉片矩形長度占像素總數(shù)×

■ （2）

葉片實際寬度=葉片矩形寬度占像素總數(shù)×

■ （3）

同樣與葉片面積求值類似，通過用戶交互可以用鼠標(biāo)選取多處參考物，每多選一處都重新計算葉片長寬數(shù)據(jù)，最后選擇完成后用長寬數(shù)值的平均數(shù)作為葉片實際長寬數(shù)值。endprint

3.2.2 長寬計算測量結(jié)果 通過系統(tǒng)界面，選擇葉片長寬測量選項，在輸入需要測量葉片器官圖像的文件名，系統(tǒng)自動進行圖像前期基本處理之后，用鼠標(biāo)右鍵對圖像目標(biāo)葉片器官和圖像參考物（已知長寬大小方形物）進行選擇分割。同樣，參考物的選擇可以進行多處選擇以求平均結(jié)果，以減少誤差，根據(jù)選擇參考物的實際數(shù)量進行平均求值。水稻葉片器官長寬參數(shù)測量操作和測量結(jié)果如圖4、圖5所示。

3.3 莖葉夾角測量

3.3.1 莖葉器官骨架信息的提取 由于水稻莖葉夾角計算中只要求主莖莖桿和葉片的骨架信息，對于骨架的連通性要求不高，所以選用基于距離變換的骨架提取算法來提取目標(biāo)的骨架信息，該算法獲得的骨架點位置比較準(zhǔn)確。選擇0°、45°、90°、135° 4個方向的距離變換模板連續(xù)地作用于離散圖像上的點而獲得距離值，用這些距離定義來模擬歐氏距離[9，10]。4個方向的距離變換模板如圖6所示。用4個方向距離變換模板分別與二值圖像進行卷積計算，將目標(biāo)像素點距離4個方向邊緣的最大正值作為骨架像素信息留下。

L0= -1 -1 -1 -1 -1 0 0 0 0 0 2 2 2 2 2 0 0 0 0 0-1 -1 -1 -1 -1

L45= 0 -1 -1 0 2-1 -1 0 2 0-1 0 2 0 -1 0 2 0 -1 -1 2 0 -1 -1 0

L90= -1 0 2 0 -1-1 0 2 0 -1-1 0 2 0 -1-1 0 2 0 -1-1 0 2 0 -1

L135= 2 0 -1 -1 0 0 2 0 -1 -1-1 0 2 0 -1-1 -1 0 2 0 0 -1 -1 0 2

圖6 0°、45°、90°、135° 4個方向的距離變換模板

3.3.2 直線檢測與莖葉夾角 對二值化處理后的水稻莖葉夾角圖像進行骨架提取后，使用Hough變換[11]可以進行直線檢測，由于莖葉夾角骨架信息近似兩條直線，所以檢測到的直線并不多，而對于莖葉夾角的計算，可以由檢測到的直線間的最大夾角來確定。

3.3.3 莖葉夾角測量 通過系統(tǒng)界面，選擇葉傾角測量選項，輸入需要測量莖葉夾角圖像的文件名，系統(tǒng)自動進行圖像前期基本處理、提取莖葉圖像的骨架信息和直線檢測及夾角計算。水稻莖葉夾角參數(shù)測量操作和測量結(jié)果如圖7所示。

4 數(shù)據(jù)驗證

根據(jù)葉片形態(tài)參數(shù)的圖像視覺測量計算方法，對系統(tǒng)計算的葉片形態(tài)數(shù)據(jù)進行了驗證試驗。在水稻試驗站中隨機選取拔節(jié)期的水稻主莖20根，每根上選取一葉片，用葉片面積測量儀測量葉片的面積數(shù)據(jù)，用游標(biāo)卡尺測量葉片長寬數(shù)據(jù)，用量角器手工測量該葉片與主莖之間的莖葉夾角數(shù)據(jù)，同時拍攝下圖像。隨后利用本研究方法計算出這些數(shù)據(jù)，并將實測數(shù)值與計算值進行比較，發(fā)現(xiàn)程序計算值與用手工儀器測量值趨勢一致，葉片面積的誤差小于5%，葉片長寬誤差小于0.67%，莖葉夾角誤差小于2%，能夠滿足農(nóng)學(xué)研究的需要。

5 結(jié)論

1）系統(tǒng)實現(xiàn)了葉片器官面積、長度、寬度和莖葉夾角等參數(shù)的自動測量計算，為計算機視覺技術(shù)用于作物信息自動獲取的研究進行了探索，也為作物形態(tài)的數(shù)字化設(shè)計和可視化計算分析奠定了基礎(chǔ)。

2）系統(tǒng)提出的葉形態(tài)參數(shù)測量方法，特別是最小外接矩形法的葉片長寬參數(shù)計算，是一種普適可靠的作物葉片長寬參數(shù)或者整個株型高度等信息的測量計算方法。

3）系統(tǒng)提出提取莖葉器官的骨架信息，在骨架信息基礎(chǔ)上進行直線檢測，通過計算直線之間的夾角作為莖葉器官的夾角參數(shù)值，比手工測量更具有客觀性，同時也為其他作物莖葉夾角信息獲取提供了新的測量計算方法。

4）由于葉片面積和長寬值的測量需要將葉片進行平鋪展開，所以需要將葉片從植株上破壞性地剪下來，嚴(yán)重影響了水稻的正常生長。如何在不破壞水稻作物正常生長的情況下進行作物信息的自動測量仍需做進一步的研究。

參考文獻：

[1] 張曉翠，呂川根，胡 凝，等.不同株型水稻葉傾角群體分布模擬[J].上海交通大學(xué)學(xué)報（農(nóng)業(yè)科學(xué)版），2009，27（5）：448-453.

[2] 張 軍，王一鳴，趙燕東，等.基于橢球函數(shù)的棉花葉傾角分布動態(tài)模擬[J].農(nóng)業(yè)機械學(xué)報，2009，40（4）：157-160.

[3] 姚運生，羅新蘭，王秉昆，等.玉米植株形態(tài)生長的模擬[J].玉米科學(xué)，2008，8（8）：30-31.

[4] 董喬雪，王一鳴，楊麗麗.番茄三維形態(tài)結(jié)構(gòu)的參數(shù)提取及模擬[J].農(nóng)業(yè)工程學(xué)報，2010，26（2）：38-41.

[5] 王顥星.基于圖像的玉米模型三維重建及幾何結(jié)構(gòu)參數(shù)的提取[D].北京：北京師范大學(xué)，2010.

[6] 孫愛珍，何火嬌，楊紅云，等.基于積溫變化的水稻葉形態(tài)伸展過程可視化模擬[J].江西農(nóng)業(yè)大學(xué)學(xué)報，2012，34（5）：1058-1063.

[7] 高晨軒.作物三維形態(tài)數(shù)據(jù)獲取系統(tǒng)的設(shè)計與實現(xiàn)[J].中國科技信息，2013，42（11）：86.

[8] 王傳宇，趙 明，閻建河.基于雙目立體視覺的苗期玉米株形測量[J].農(nóng)業(yè)機械學(xué)報，2009，40（5）：145-148.

[9] XIE W，THOMPSON R P，PERUCCHIO R. A topology-preserving parallel 3D thinning algorithm for extracting the curve skeleton[J].Pattern Recognition，2003，36（7）：1529-1544.

[10] CHOI W，LAM K，SIU W.Extraction of the Euclidean skeleton based on a connectivity criterion[J]. Pattern Recognition，2003， 36（3）：721-729.

[11] 王潤輝，黃彩云，楊紅云，等.數(shù)字圖像處理[M].北京：清華大學(xué)出版社，2013.endprint