一種農業(yè)視覺圖像改進自適應中值濾波算法

張倩

摘要： 近年來，農業(yè)智能化水平日趨提高，大量優(yōu)質的農業(yè)視覺圖像是準確獲取農業(yè)產量、制定農藥噴灑計劃、病蟲害分析等的依據，而在大多數情況下，由于圖像傳感器中電壓不穩(wěn)定、成像環(huán)境復雜等因素的存在，導致所獲取的圖像清晰度不佳。對此，提出了一種改進的自適應中值濾波算法，該算法首先采用基于圖像像素灰度值的二步判別法來準確檢測圖像中的噪聲，然后針對圖像中目標輪廓的復雜性，設計出3類多方向的濾波模板，并且結合圖像中非噪聲像素點與噪聲像素點間的幾何距離，進行加權濾波。以時令水果圖像進行測試，結果表明，本研究算法對于圖像的濾波處理效果明顯好于中值濾波算法及其已有的2類改進型算法。

關鍵詞： 農業(yè)視覺圖像；中值濾波；噪聲檢測；幾何距離；加權濾波

中圖分類號：TP391；S126 文獻標志碼： A

文章編號：1002-1302（2015）08-0419-02

近年來，農業(yè)智能化水平逐步提高，具體表現(xiàn)在將計算機技術、激光紅外技術與傳統(tǒng)農業(yè)分析方法相結合，最直觀的體現(xiàn)是通過對傳統(tǒng)農業(yè)機械加裝相關圖像信息采集傳感器件來獲取農作物視覺圖像，并將其傳到室內計算機系統(tǒng)內，借助圖像處理技術對圖像所承載的農業(yè)信息進行判讀和分析，根據圖像分析結果來對農作物的長勢進行評估，對病蟲害進行分析 [1-2]。圖像傳感器由于自身電壓不穩(wěn)定，農業(yè)機械行進過程中會發(fā)生一定程度的顛簸以及圖像拍攝的環(huán)境有時候比較惡劣等因素，導致所獲取的圖像清晰度不佳，因此，研究該類圖像的處理方法勢在必行。中值濾波算法 [3-4]作為一種較為實用的數字圖像處理方法，由于其原理簡單、運算簡便，得到了廣泛應用，誕生了一些改進型算法，如加權中值濾波 [5]、極值中值濾波 [6]等。但該類算法對于細節(jié)信息豐富的農業(yè)視覺圖像處理效果不盡如人意，為此，本研究通過對中值濾波算法進行改進，以探索一種適合于該類圖像的濾波算法。

1 中值濾波算法及其改進

1 1 中值濾波算法原理及其特性分析

對于任意一幅數字圖像而言，若受到噪聲的干擾，圖像中部分像素點的灰度值會發(fā)生重大變化，若要去除該類噪聲，可通過采用一定大小的規(guī)則窗口（一般為3×3、5×5、7×7等，模板長寬尺寸相等）在圖像中按照從左往右或從上往下的順序滑動。當該窗口的中心停留于某像素點時，記該像素點的灰度值為f（x，y）（x、y為該像素點在圖像中的坐標），那么該點的中值濾波結果可表示為：

f′（x，y）=median{f（x-1，y+1），f（x，y+1），f（x+1，y+1），f（x-1，y），f（x+1，y），f（x-1，y-1），f（x，y-1），f（x+1，y-1）}。 （1）

其中，f（x-1，y+1）等為尺寸3×3濾波窗口中除了f（x，y）之外的像素點灰度值；median{}為取中間值操作。

該算法對于圖像中的每一個像素點反復執(zhí)行式（1）計算過程，通過采用噪聲點一定大小的鄰域內像素點灰度值來對噪聲點進行修正，從而達到去除噪聲的目的。但大量研究表明，該算法也具有一些不足之處：（1）該算法對圖像中每一個像素點逐個進行取中間值操作，雖然能夠抑制噪聲，但是，圖像即便是受到高強度噪聲的干擾，圖像中真正受到噪聲污染的像素點仍然占一小部分。如果對所有像素點都進行計算，不但導致一些未被噪聲污染的像素點被當作噪聲點處理，導致圖像失真，而且也延長了圖像處理時間。（2）特別是對于農業(yè)視覺圖像而言，圖像存在著大量農產品的根、葉片、果實等信息，邊緣輪廓較為復雜，且連續(xù)性較強，如果將濾波窗口固定為矩形形式，無法有效顧及該類信息的特征。

1 2 中值濾波改進算法

針對上述分析結果，本研究嘗試將中值濾波算法進行改進，使其更適合于農業(yè)視覺圖像處理工作。

1 2 1 噪聲點的二步檢測法 圖像中一旦含有噪聲，必將導致其中一部分噪聲點的像素值發(fā)生變化，基于這一特征，提出了一種噪聲點的二步檢測方法。

步驟1：采用尺寸為5×5的方形窗口在圖像中按照從左到右或者從上到下的順序逐個像素點移動，若該窗口位于圖像中某區(qū)域時，計算該窗口中25個像素點的灰度均值f[TX-]，那么，可按照下式對圖像進行噪聲檢測：

f（xi，yi）≤f[TX-]

f（xi，yi）>f[TX-][JB）] （i=1，2，3， ，25）。 （2）

其中，f（xi，yi）為5×5的方形窗口重第i個像素點灰度值。通過式（2）處理后，圖像像素大體分為2類：一類為目標區(qū)域，另一類為背景區(qū)域。

步驟2：為了從步驟1所得到的目標區(qū)域和背景區(qū)域中進一步檢出噪聲點，采用下式繼續(xù)進行處理：

│f（xi′，yi′）-f[TX-]1│≥[SX（]2[]3[SX）]f[TX-]1

│f（xi-i′，yi-i′）-f[TX-]2│≤[SX（]1[]3[SX）]f[TX-]2[JB）]（i′<25；i-i′<25） 。 （3）

其中，f（xi′，yi′）為目標區(qū)域中任意一像素點灰度值；i為目標區(qū)域中像素點個數，i-i′為背景區(qū)域中像素點的個數；f[TX-]1、f[TX-]2分別為目標區(qū)域和背景區(qū)域的像素灰度平均值。通過式（3）處理后，逐步將圖像中灰度值過高、過低的像素點當做噪聲點檢測出來，該類點作為后續(xù)濾波的對象。

1 2 2 多個方向加權濾波 針對農業(yè)視覺圖像中目標物邊緣輪廓的連續(xù)性和復雜性，設計出如圖1所示的3個具有方向性的濾波模板。

步驟1：采用圖1-a對經過噪聲檢測后的農業(yè)視覺圖像進行水平方向的濾波處理，當該模板位于圖像中任意一位置時，此時有3類情況：

（1）若該模板中，經過檢測后的噪聲點個數為4（除待濾波的像素點之外）時，可以認為該模板中包括待濾波的像素點在內是圖像中目標物輪廓的一部分，可不作處理；endprint