水稻稻瘟病圖像識別預(yù)處理方法研究

路陽，邵慶，張楠，許善祥，劉德福

（黑龍江八一農(nóng)墾大學(xué)信息技術(shù)學(xué)院，大慶 163319）

稻瘟病又稱稻熱病，主要在苗期危害葉片。病苗在葉上產(chǎn)生暗綠色小斑，病斑中央灰白色，邊緣褐色，外有淡黃色暈圈，葉背有灰色霉層，病斑較多時連片形成不規(guī)則大斑[1]。黑龍江墾區(qū)水稻稻瘟病每年都有大面積發(fā)生，因此研究該病害的智能識別對于墾區(qū)年產(chǎn)150億kg商品糧具有十分重要的意義[2]。利用計算機視覺、圖像預(yù)處理及模式識別技術(shù)，實現(xiàn)水稻病害的智能識別，是該領(lǐng)域的創(chuàng)新，其中圖像預(yù)處理和特征提取是整個系統(tǒng)中的一個重要環(huán)節(jié)，一般情況下，一個系統(tǒng)所直接獲得的圖像不可避免的受到噪聲等的影響，不能在圖像識別系統(tǒng)中直接應(yīng)用，必須在初級階段進行去噪、增強等預(yù)處理[3，4]。

為了實現(xiàn)水稻稻瘟病的智能化識別，文中較深入的研究了該病害圖像預(yù)處理問題。研究了水稻稻瘟病的圖像類型轉(zhuǎn)換、直方圖均衡化預(yù)處理、中值濾波預(yù)處理及偽彩色增強預(yù)處理和水稻稻瘟病圖像的特征提取操作。在識別的過程中主要是應(yīng)用拉氏算子對圖像邊緣增強后檢測，獲得該圖像的特征。

1 水稻稻瘟病圖像的獲取

采用數(shù)碼相機拍攝靜態(tài)圖片的方法采集水稻稻瘟病病害圖像。即先將水稻葉片鋪平，沒有重疊現(xiàn)象；再將數(shù)碼照相機固定在三角架上，以固定鏡頭與葉片的距離；然后將數(shù)碼照相機放置于苗期染病水稻葉片的正上方，使用數(shù)碼照相機的微攝功能確保能使顏色特征清晰可見，對水稻病害葉片進行拍攝；最后把拍攝的圖像導(dǎo)入到計算機中。使用的CCD彩色數(shù)據(jù)數(shù)碼相機，型號為索尼A558倍光學(xué)變焦，5倍高級數(shù)碼變焦，微攝為0.1～0.6 m。

2 水稻稻瘟病圖像的預(yù)處理

2.1 圖像灰度預(yù)處理

圖像采集裝置采集到的圖像是32位真彩色圖像，其數(shù)據(jù)量大。為減少圖像處理的計算量，將其轉(zhuǎn)換為8位灰度圖像。雖然變換后丟失了圖像的彩色信息，但該灰度圖像的信息對研究已經(jīng)足夠，且大大提高了計算速度。采用加權(quán)平均值法進行圖像灰度化，即根據(jù)重要性或其他指標給R，G，B賦予不同的權(quán)值，并使R，G，B的值加權(quán)平均。其灰度變換公式為：

所獲取的原圖像，變換后的灰度圖像如圖1所示。

圖1 水稻稻瘟病病害圖像及變換后的灰度圖像Fig.1 Source image and transformed gray image of rice blast disease

2.2 直方圖均衡化預(yù)處理

直方圖均衡化[5]指通過點運算使輸入圖像轉(zhuǎn)換為每一灰度級上都有相同的像素點數(shù)的輸出圖像，其對于在進行圖像識別之前將圖像轉(zhuǎn)化為一致的格式是十分有益的。采用圖像的累積分布函數(shù)：

對得到的灰度圖像進行直方圖均衡，從而達到圖像的增強效果。如圖2所示。圖2中左上角為原始灰度圖像，右上角為原圖像的直方圖，左下角為均衡化后的直方圖，右下角為均衡化后的圖像。

從圖中可以看出，經(jīng)過直方圖均衡化處理后，直方圖占據(jù)了整個圖像灰度值允許的范圍，圖像質(zhì)量明顯好轉(zhuǎn)，圖像的細節(jié)成分更加清楚，能夠清晰的看到病斑。同時，也可看出，在直方圖調(diào)整之前，低灰度的比例很大，經(jīng)過直方圖調(diào)整后，各灰度等級的比例更加平衡。然而，由于直方圖均衡沒有考慮圖像的內(nèi)容，只是簡單地將圖像進行直方圖均衡，使圖像看起來亮度過高，并且出現(xiàn)了類似“馬賽克”的現(xiàn)象，產(chǎn)生了一些偽邊緣，這對后續(xù)的病害識別是非常不利的，為了消除這種現(xiàn)象，文中采用了中值波技術(shù)。

2.3 中值濾波預(yù)處理

中值濾波是一種非線性的信號處理方法，常用的是領(lǐng)域平均法[7]，即通過含有奇數(shù)個點的滑動窗口，以窗口中各點灰度值的中值替代指定點的灰度值。對于奇數(shù)個元素，中值是指按大小排序后中間的數(shù)值；對于偶數(shù)個元素，中值是指排序后中間2個元素灰度值的平均值。文中采用領(lǐng)域加權(quán)平均法，給窗口內(nèi)不同位置的像素設(shè)置不同的權(quán)，從而減少模糊性及較好保留邊緣信息。濾波前后圖像如圖3所示。

2.4 偽彩色增強預(yù)處理

在圖像自動識別中，色彩是一種能夠簡化目標提取和分類的重要參數(shù)。因此在圖像處理中常常借助色彩來處理圖像，以增強視覺效果。其原理是對原灰度圖像中不同灰度值區(qū)域分別賦予不同的顏色，從而更易區(qū)分不同的灰度級。由于灰度圖像沒有顏色，所以偽彩色增強實質(zhì)上是一個圖像的著色過程，是一種灰度到彩色的映射技術(shù)。其處理過程為：設(shè)原圖像的灰度范圍是0＜=f（x，y）＜=L，用k+l灰度等級把該灰度范圍分為k 段:I0，I1…IkI0=0（黑），Ik=L（白）。映射每一段灰度成一種顏色，映射關(guān)系為 g（x，y）=C1（I（i-l）≤f（x，y）≤I（i）；i=1，2，…k），這里 g（x，y）為輸出的偽彩色圖像；Ci為灰度在［I（i-l），I（i）］中時所映射成的彩色。

圖2 圖像均衡化后的運行結(jié)果比較Fig.2 Comparison result of image histogram equalization

圖3 圖像中值濾波后的運行結(jié)果比較Fig.3 Comparison result of image median filter

經(jīng)過這種映射處理后，原始黑白圖像f（x，y）就變成了偽彩色圖像g（x，y）。若原始圖像f（x，y）的灰度分布遍及上述k個灰度段，則偽彩色圖像g（x，y）就具有k種彩色。

3 特征提取

4 結(jié)束語

針對水稻稻瘟病病害智能識別系統(tǒng)中的圖像預(yù)處理和特征提取問題，提出了一套實用有效的圖像預(yù)處理和分析方法，同時給出了圖像預(yù)處理和分析的算法及流程，最終實現(xiàn)了水稻稻瘟病病害圖像部位的增強，為原始特征空間的形成和最終的病害識別實現(xiàn)做好了準備。

圖4 拉氏算子處理后運行結(jié)果比較Fig.4 Comparison result of laplace operator

［1］穆娟微，李鵬，李德萍，等.寒地水稻主要病害調(diào)查研究［J］.北方水稻，2009，39（3）:19-22.

［2］趙自君，徐梅.黑龍江水稻主產(chǎn)區(qū)稻瘟病流行程度氣候區(qū)劃的研究［J］.黑龍江八一農(nóng)墾大學(xué)學(xué)報，2008，20（4）:23-26.

［3］趙聰慧，張靜，王雙喜.黃瓜霜霉病圖像預(yù)處理方法研究［J］.農(nóng)機化研究，2010（7）:60-63.

［4］楊玲玲，丁為民，劉德營，等.水稻飛虱圖像幾何形狀特征的提取［J］.農(nóng)機化研究，2008（6）:180-183.

［5］Kim Joung-Yooun，Kim Lee-Sup，Hwang Seung-Ho.An advanced contrast enhancement using partially overlapped sub-block histogram equalization.IEEE Transactions on Circuits and Systems for Video Technology，2001，11（4）:475-484.

［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］.計算機工程與應(yīng)用，2006（3）:190-193.

［7］Rafael C.Gonzalez，Richard E.Woods，Steven L.Eddins.數(shù)字圖像處理學(xué)［M］.北京：電子工業(yè)出版社，2001.

［8］紀壽文，王榮本，陳佳娟，等.應(yīng)用計算機圖像處理技術(shù)識別玉米苗期田間雜草的研究［J］.農(nóng)業(yè)工程學(xué)報，2001，17（2）:154-156.