鄒威等

摘要：苧麻缺營(yíng)養(yǎng)素診斷是數(shù)字圖像處理技術(shù)的一個(gè)重要應(yīng)用。本設(shè)計(jì)基于Android平臺(tái)，系統(tǒng)后臺(tái)主要包括接收前臺(tái)苧麻葉片圖像、圖像預(yù)處理與缺素診斷和返回診斷結(jié)果與推送方案等功能，其中葉片圖像預(yù)處理包括分量法灰度化圖像、中值濾波法去噪聲、圖像閾值分割等和基于顏色RGB模型進(jìn)行苧麻葉片缺素診斷；前臺(tái)包括調(diào)用本地?cái)z像頭拍照并存儲(chǔ)圖像、選擇本地圖庫(kù)圖像、輸出診斷結(jié)果等。系統(tǒng)通過采集苧麻葉片的顏色信息進(jìn)行圖像分析及處理，能夠在不破壞苧麻葉片的基礎(chǔ)上較為科學(xué)進(jìn)行苧麻葉片缺素診斷，具有一定的實(shí)際應(yīng)用價(jià)值。

關(guān)鍵詞：圖像預(yù)處理；缺素診斷； RGB模型；Android

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2015）21-0147-02

The Design of the System for the Diagnosis of the Lack of Nutrient Elements in the Mobile Phone Based on Digital image Processing

ZOU Wei， PENG Jia-hong *， QIU Wei， LIU Xiao-yang， Xu Wen-jia

（Hunan Agricultural University， information science and Technology Institute， Changsha 410128， China）

Abstract： The diagnosis of the nutrient elements in the process of digital image processing is an important application of the technology of digital image processing. This design is based on Android platform， the system mainly includes the processing of the image， image preprocessing and fault diagnosis， and the diagnostic results and the push scheme， including the gray image， the image threshold segmentation and the model based on the color RGB model. The image analysis and processing of the color information of ramie leaves can be used to make a scientific analysis on the basis of non - destructive ramie leaves.

Key words： image preprocessing； RGB model； Android model；

數(shù)字圖像處理是通過計(jì)算機(jī)對(duì)圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等處理的方法和技術(shù)[1]。隨著數(shù)字圖像處理技術(shù)的發(fā)展，數(shù)字圖像處理技術(shù)已經(jīng)廣泛應(yīng)用到各個(gè)領(lǐng)域，是農(nóng)業(yè)中的一個(gè)重要應(yīng)用。

本設(shè)計(jì)通過圖像處理技術(shù)對(duì)采集的圖片進(jìn)行預(yù)處理與缺素診斷，將數(shù)字圖像處理技術(shù)與Android技術(shù)相結(jié)合，方便實(shí)現(xiàn)苧麻葉片無(wú)損診斷。通過數(shù)字圖像處理技術(shù)對(duì)植物葉片進(jìn)行分析與診斷，能夠在不破壞苧麻葉片的基礎(chǔ)上較為科學(xué)的診斷出苧麻葉片的缺素情況，從而更好進(jìn)行精準(zhǔn)科學(xué)施肥，減少人力物力。

1 苧麻葉片的處理與診斷

苧麻葉片的處理與診斷基于數(shù)字圖像處理技術(shù)，主要包含分量法灰度化圖像、中值濾波法去噪聲、圖像閾值分割等處理以及基于顏色RGB模型進(jìn)行苧麻葉片缺素診斷。

1.1 分量法灰度化圖像

手機(jī)采集的圖像是二十四位真彩色包含JPG、BMP等格式的像素圖形，包含至少八位用二進(jìn)制描述的R、G、B值。將其灰度化處理，使R、G、B的值歸一到某個(gè)特定的區(qū)間或相等的這個(gè)值就是灰度值，范圍一般在0-255之間[2]。本文使用分量法進(jìn)行灰度化，將采集到的圖像中的R、G、B分量作為圖像的灰度值，按照如下公式（1）進(jìn)行計(jì)算：

F1（i，j）=R（i，j）；

F2（i，j）=G（i，j）； （1）

F3（i，j）=B（i，j）；

其中，F(xiàn)1、F2、F3即計(jì)算后的灰度值，i、j為灰度坐標(biāo)系坐標(biāo)。

1.2 中值濾波法去噪聲

中值濾波是一種常用的、能有效抑制噪聲的非線性信號(hào)處理技術(shù)，常用于保護(hù)邊緣信息，是一種經(jīng)典的平滑噪聲的方法[3]。其基本原理是把數(shù)字圖像中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替，使周圍的像素值接近的真實(shí)值，從而消除孤立的噪聲點(diǎn)。

1.3 圖像閾值分割

閾值分割是利用圖像的成像和背景差異，選定一個(gè)特定的值，即閾值，把圖像轉(zhuǎn)化為灰度值為0和1的二值圖像，是一種較為簡(jiǎn)單的分割方法[4]。

設(shè)T為閾值，當(dāng)f（i，j）>=T時(shí)，對(duì)于物體的圖像元素g（i，j）=1，當(dāng)f（i，j）

1.4 基于顏色RGB模型缺素診斷

從RGB色彩空間角度，提取葉片圖像R、G、B顏色特征值[5]。其算法如下：

輸入：苧麻葉片與處理圖像

過程：

XYR=～（（R-G）>diff_R&（R-B）>diff_R）；//提取紅色條件是R分量與G、B分量差值大于設(shè)定

Mask=Gray（XYR）；//灰照片掩膜

RP_R（XYR）=Mask；RP_G（XYR）=Mask；RP_B（XYR）=Mask；//使非紅區(qū)域

變?yōu)榛疑?/p>

Image_R（：，：，1）=RP_R；Image_R（：，：，2）=RP_G；Image_R（：，：，3）=RP_B；

Image_G=Image；

GP_R=Image（：，：，1）；GP_G=Image（：，：，2）；GP_B=Image（：，：，3）；

XYG=～（（G-R）>diff_G&（G-B）>diff_G）；//提取綠色條件是G分量與R、B分量差值大于設(shè)定

Mask=Gray（XYG）；//灰照片掩膜

GP_R（XYG）=Mask；GP_G（XYG）=Mask；GP_B（XYG）=Mask；//使非綠區(qū)域

變?yōu)榛疑?/p>

Image_G（：，：，1）=GP_R；Image_G（：，：，2）=GP_G；Image_R（：，：，3）=GP_B；

Image_B=Image；

BP_R=Image（：，：，1）；BP_G=Image（：，：，2）；BP_B=Image（：，：，3）；

XYB=～（（B-R）>diff_B&（B-G）>diff_B）；//提取藍(lán)色條件是B分量與R、B分量差值大于設(shè)定

Mask=Gray（XYB）；//灰照片掩膜

BP_R（XYB）=Mask；BP_G（XYB）=Mask；BP_B（XYB）=Mask；//使非藍(lán)區(qū)域

變?yōu)榛疑?/p>

輸出：苧麻葉片圖像RGB值

然后將其特征值與氮磷鉀含量變化進(jìn)行相關(guān)分析得到：G/（R+G+B）可以作為缺氮診斷標(biāo)準(zhǔn)，其值大于0.43時(shí)，推斷苧麻生長(zhǎng)缺氮；R/（R+G+B）可以作為缺磷診斷標(biāo)準(zhǔn)，其值大于0.34時(shí)，推斷為缺磷。

2 系統(tǒng)設(shè)計(jì)

2.1 系統(tǒng)功能結(jié)構(gòu)設(shè)計(jì)

苧麻缺素診斷系統(tǒng)分為前臺(tái)和后臺(tái)兩大模塊[6-8]。系統(tǒng)前臺(tái)主要功能有苧麻相關(guān)信息的介紹、苧麻葉片圖像信息診斷、問題解決方案推送。系統(tǒng)后臺(tái)的功能主要有圖片預(yù)處理，其中包含圖像去噪音、圖像灰度化，顏色模型分析和數(shù)據(jù)輸出與方案推送。

2.2 前臺(tái)模塊設(shè)計(jì)

前臺(tái)功能主要是介紹苧麻葉片的信息，圖像診斷的葉片圖像選擇，以及常見的問題的解決方案推送。其流程為“開始→圖像選擇→后臺(tái)診斷→方案推送→結(jié)束”。

2.3 后臺(tái)模塊設(shè)計(jì)

后臺(tái)功能主要是圖片的預(yù)處理的具體實(shí)現(xiàn)，運(yùn)用RGB顏色模型進(jìn)行圖片診斷，與已知的數(shù)據(jù)進(jìn)行對(duì)比比較，得出診斷的結(jié)論并推送相應(yīng)的解決方案。其流程為“開始→接收前臺(tái)圖像→圖像預(yù)處理→診斷圖像→返回診斷結(jié)果→結(jié)束”。

3 總結(jié)

對(duì)于苧麻缺營(yíng)養(yǎng)素問題，采用數(shù)字圖像處理技術(shù)對(duì)苧麻葉片的顏色信息進(jìn)行分析與診斷其具體所缺營(yíng)養(yǎng)元素的無(wú)損檢測(cè)，降低了對(duì)葉片的傷害。在此基礎(chǔ)上，利用Android開發(fā)技術(shù)以及移動(dòng)客戶端廣大用戶的優(yōu)勢(shì)，進(jìn)行了基于Android的苧麻缺素診斷系統(tǒng)的設(shè)計(jì)，能夠較為科學(xué)診斷苧麻葉片的缺營(yíng)養(yǎng)素情況，輔助科學(xué)施肥。

參考文獻(xiàn)：

[1] 朱虹.數(shù)字圖像處理基礎(chǔ)[M].北京：科學(xué)出版社，2005.

[2] 岡薩雷斯.數(shù)字圖像處理學(xué)[M]. 阮秋琦，譯.北京：電子工業(yè)出版社，2004.

[3] 劉直芳，王運(yùn)瓊，朱敏.數(shù)字圖像處理與分析[M]. 北京：清華大學(xué)出版社，2006：34-45，100-106.

[4] 邱偉，彭佳紅，劉瑤.基于數(shù)字圖像處理技術(shù)在苧麻缺素診斷上的應(yīng)用[J].湖南農(nóng)機(jī)， 2014，9（3）：5-8.

[5] 張偉.基于計(jì)算機(jī)圖像處理的黃瓜缺素判別的研究[D]. 蘇州： 江蘇大學(xué)， 2003.

[6] 胡偉 .Android系統(tǒng)架構(gòu)及其驅(qū)動(dòng)研究[J].廣州廣播電視大學(xué)學(xué)報(bào)，2008（8）.

[7] 余志龍，陳昱勛，鄭名杰.Android SDK開發(fā)范例大全[M].北京：人民郵電出版社，2010.

[8] 張利國(guó)等.Android移動(dòng)開發(fā)入門與進(jìn)階[M].北京：人民郵電出版社，2009.