图像处理技术下的植物叶片分割方法

1、图像处理技术下的植物叶片分割方法植物叶片分割就是把植物图像分为植物部分和背景部分，它 可以迅速且有效地将图像背景分离出来。本文针对植物与背景的不 同特点，研究了更优良的彩色图像灰度化方法，对比不同的植物叶 片分割方法并创造性的提出了适用范围更广、处理效果更好的二维 OTSU算法，为后续处理奠定了良好基础。近年来，中国智慧农业行业发展十分迅速，市场规模不断扩 大。中国智慧农业的市场规模有望由2015年的13742亿美元增长至 267-61亿美元，年复合增长率达143%。农业智能化必须准确监测 种植物生长的环境因子，并根据种植物的实际生长状况对环境因子 进行及时的协同精准调节，才能实现高产、高效和

2、高品质。目前对 种植物生长状况的识别主要依赖于人工，针对此问题本研究在国内 外智慧农业技术的基础上，采用图片识别和图像处理技术将绿色植 物的叶片从环境背景中分离出来，运用到田间杂草的清除、辨别植 物是否有病虫害等问题上，加速推动智慧农业的产业化发展。HSV颜色模型是一种更符合人眼观察特征的颜色空间，H代表 色调(hue)、S代表饱和度(saturation)、V代表亮度(value)。 对比之下，HSV颜色模型比RGB颜色模型更接近于人们对彩色图像 的感知，而且H、S、V三分量之间相互独立，更适用于叶片分割的 图像预处理。为了更好的进行灰度化处理，我们将RGB颜色模型转化成HSV 颜色模型，转

3、化公式如下：气=、匚(R-G) + (5)有8。般那I2j(R-GV 十(R G)(R-8)H 抓 if %G360 -H. if BGS _ max(R,G,K) - min(R,G,4)max G, 8)max(&,G,g)._255当饱和度&亮度碱足下列关系(2)时，以色调H为检测条件， 最容易分割绿色，这时H的取值范围时90 T30o采用H分割就可1图像预处理图像预处理就是将彩色图像转化为更易操作的灰度化图像，常以实现植物叶片的提取。用的灰度化方法有RGB模型灰度化以及HSV模型灰度化。RGB颜色5 35V70(2)模型即传统意义上的红绿蓝模型，由于背景和叶片的RGB均值关系同灰度化比

4、例下的图像频率特征。则标记为背景，低于阈值则标记为植物叶片(如下式)。但是仅适用于叶片图像有固定阈值的情况，局限性较大。双峰法即依据直方图寻找直方图两峰间准灰度化则把主要峰的最低点作为阈值，双峰法较定阈值法更为灵活，但是只有在直方图有明显双峰时该方法才有良好分割效果。迭代法是基于不断逼近的思想，根据灰度值的分布规律，逐次迭代寻找最佳阈值的方法，美中不足的时运算量过于庞大，耗费时间较长，其流程图如图2所示。的最低点作为阈值，当直方图有多个峰时,1 f(x,y)T同灰度化比例下的图像频率特征。则标记为背景，低于阈值则标记为植物叶片(如下式)。但是仅适用于叶片图像有固定阈值的情况，局限性较大。双峰法

5、即依据直方图寻找直方图两峰间准灰度化则把主要峰的最低点作为阈值，双峰法较定阈值法更为灵活，但是只有在直方图有明显双峰时该方法才有良好分割效果。迭代法是基于不断逼近的思想，根据灰度值的分布规律，逐次迭代寻找最佳阈值的方法，美中不足的时运算量过于庞大，耗费时间较长，其流程图如图2所示。的最低点作为阈值，当直方图有多个峰时,1 f(x,y)T： T 图1 RGB模型灰度化直方图对比灰度级(b)l.4*r-诙度化不同，通过采用不同的灰度化比例进行叶片分割，图1所示即为不2叶片分割算法目前较为经典的叶片分割方法有很多种，最为高速简单的就是定阈值法，即对所要处理的图像心依像素 逐次扫描，将结果和阈值T对比

6、，高于阈值OTSU算法，即最大类间方差法又名大Z0和ZB是否不再变C 新阕值T = ( ZO + ZB) /2T为阚值Z0和ZB是否不再变C 新阕值T = ( ZO + ZB) /2T为阚值 最大;顽值Z MAX k最小灰度值ZMIN初始阚值 TO =(ZMAX + ZMIN) /2（图像分割为前景和背、 景，分别求出二者的平 VI均灰度宿Z0和ZB ）图2迭代法流程图t = max w。（/）（%（）一） +吗（/）（“ （/） !； ）。（4）式中，为最佳分割阈值；w。为背景所占比例；。为背景均值；W1 为目标所占比例；为目标均值；为整幅图的均值。OTSU算法本质上是对像素点灰度值的计算，

7、所以还需遍历所 有灰度级才可以求出最优阈值，计算量大，另一方面当存在灰度分 布有交叉重叠情况或噪声扰动时分割效果较差，难以满足需求。本 研究采用二维OTSU算法进行叶片分割。二维OTSU法阈值的确定是在OTSU算法的基础上，将临近区 域的平均灰度值考虑进来之后的计算，可以有效降低噪声扰动的影 响。设图像灰度级别为Z级，该点自身的灰度值和周围像素点的平 均灰度值组成一个二元数组（j G（iJ）为GJ）出现次数，PGJ）为出 现概率，即有P（i,j）=G（i,j）/N，将图像分为背景和目标2个部分，用 A。和Ai表示。设分割阈值为（s,t）,所以A。和Ai的概率为：s t“mm.（5）Z=1 j=

8、l=尸y ym）（6）I=X+1 J=f+1A。的均值为:（5A。的均值为:（7）A的均值为:%=%(sQ/W(s,A的均值为:（8） 把。和u七=如如罗（9）创建一个离散度矩阵如下：% (1,-% (1,-0Oo,+ 4 (.- 知-“*)(Ao, -A,)(Aij -A,) （s, t）（s, t）满足如下关系:) =(11)图3原始图图4定阈值法图5双峰法图6迭代法图7 OTS U法图8二维OTSU法3实验结果与分析选取一张经过HSV模型处理后的灰度化图像作为原始对照，采取5种不同方法分别处理后得到的结果如图3图8所示。对比可以看出，定阈值法处理后的图像背景杂质较多。双峰法 处理效果良好，但主要依靠于阈值的选取，当图像没有明显双峰的 时候，处理效果不理想。迭代处理结果较好，能够分割出植物叶片 与背景部分，但是整体斑点多，且耗费时间长。OTSU法较优，但 背景中斑点较多，不利于后续实验。二维OTSU法分割效果最好， 与其他方法相比，去除了叶片表面及背景中区域较小的斑点部分， 有利于后续处理。结论：经过一系列研究表明，可以采取HSV模型进行灰度化之 后进行叶片分割操作，不同叶片分割方法有不