張震 肖冰冰

摘 要：針對目前人工螞蟻計數(shù)的困難性，本文選擇圖像處理的方法實現(xiàn)螞蟻圖像的自動計數(shù)。首先對所采集到的圖像進行圖像灰度化、圖像銳化、圖像二值化、形態(tài)學處理等一系列預處理，達到減少圖像復雜度，以及圖像優(yōu)化的目的，為最后的圖像準確計數(shù)奠定基礎；在圖像計數(shù)時采用連通域標記的方法對處理后的圖像進行標記和計數(shù)，并將結果顯示在對話框內。結果表明該方法計數(shù)準確率較高，具有良好的效果。

關鍵詞：圖像灰度化；形態(tài)學處理；連通域標記

中圖分類號：TP751 文獻標識碼：A

文章編號：2096-1472（2018）-07-01-03

1 引言（Introduction）

隨著城市化的快速推進，越來越多的螞蟻棲息地被人類占有，使許多螞蟻不得不進入室內與人相伴而產生危害。螞蟻密度過大時，它們會破壞房屋建筑、叮咬，以及襲擊人類，對人們的生活和安全產生很嚴重的影響。

圖像處理是21世紀的一門新興學科，目前主要的技術有傳統(tǒng)的圖像處理技術及圖像分析和理解的智能處理技術。傳統(tǒng)的圖像處理包括圖像的基本運算、圖像變換、圖像的邊緣檢測、圖像重建等。圖像分析和理解的智能處理包括圖像特征分析、圖像識別、基于內容的圖像檢索和圖像數(shù)字水印等[1]。

對螞蟻的數(shù)量進行計數(shù)固然重要，但實現(xiàn)卻是相當困難的。主要原因有兩個：一是螞蟻的體型問題；二是螞蟻群居的生活習性問題。本文研究的主要目的就是解決這兩大問題，能夠準確且方便的對螞蟻的數(shù)量進行統(tǒng)計。本文利用圖像處理的方法對圖片進行處理，以便于解決以上難題。

2 軟件平臺介紹（Introduction of software platform）

在計算機快速發(fā)展的浪潮下，與之相關的語言也越來越多，目前市面上比較流行的進行圖像處理的語言主要有MATLAB、C++、Python。MATLAB的編程語言簡潔實用，它擁有良好的編程界面，編程的效率高。因此，本文選擇MATLAB對圖像進行處理。

3 圖像預處理（Image preprocessing）

3.1 圖像處理流程圖

圖像處理流程圖如圖1所示。

3.2 圖像灰度化

由于采集到的圖像一般為彩色圖像，因此先將其轉化為灰度圖像以減少計算的復雜度[2]。在灰度化處理過程中所使用的方法是加權平均值法?；叶然幚碇暗膱D像和灰度化處理之后的圖像分別如圖2和圖3所示。

3.3 圖像平滑

我們采集到的圖像往往會存在噪聲，這主要是由于兩個方面導致的：一方面是由于圖像在獲取、傳輸和記錄時，成像設備和記錄儀器的精密度差；另一方面是由于自然界的客觀原因造成的，例如目標圖像和背景顏色相近等。圖像平滑主要有四種方法，分別是鄰域平均法、低通濾波法、多圖像平均法和中值濾波法。本文選擇中值濾波法[3]，其處理結果如圖4所示。

3.4 圖像銳化

經(jīng)過圖像平滑處理后的圖像會變的不清晰，為了解決這種狀況，本文采用圖像銳化的方法，消除噪聲處理后產生的模糊現(xiàn)象，增強圖像的清晰度。本文中選擇laplace算子[4]對圖像進行銳化，銳化結果如圖5所示。

3.5 圖像二值化

在數(shù)字圖像處理中，二值圖像占有非常重要的地位。圖像的二值化有利于圖像的進一步處理，使圖像變得簡單，而且數(shù)據(jù)量減少，能突顯出感興趣的目標的輪廓。圖像二值化主要有迭代法、最大類間方差法和最大熵法三種方法[5]。在此，采用最大類間方差法對圖像進行處理，處理結果如圖6所示。

3.6 形態(tài)學處理

與圖像銳化及圖像平滑等方法相比，數(shù)學形態(tài)學方法具有不可替代的優(yōu)點，它使圖像更加簡單，去除非目標部分，同時目標圖像的形狀和大小不會發(fā)生明顯變化。更重要的是，該算法可以同時完成兩個操作，它可以很好的去除圖像中的噪聲而不會破壞到有用的圖像信息，而且對于邊緣的處理效果也比較平滑[6]。本文依次對圖像進行腐蝕、膨脹、開閉運算的操作，處理結果如圖7所示。

4 圖像計數(shù)（Image count）

4.1 二值圖像取反

由于在接下來所使用的標記函數(shù)是對圖像中的白色區(qū)域進行處理，因此，對二值圖像進行取反處理，即黑變白、白變黑的處理。取反后的圖像如圖8所示。

4.2 連通域標記

二值圖像分析最重要的方法就是連通區(qū)域標記[7]，它是所有二值圖像分析的基礎，它通過對二值圖像中白色像素的標記，讓每個單獨的連通區(qū)域形成一個被標識的塊，進一步的我們就可以獲取這些塊的輪廓、外接矩形、質心、不變矩等幾何參數(shù)。

對連通區(qū)域進行標記的方法有許多，有些方法可以一次遍歷圖像，有些方法則需要兩次或更多次來遍歷圖像。本文采用一次遍歷圖像的方法[8]，它一次遍歷圖像，并記下每一行（或列）中連續(xù)的團和標記的等價對，然后通過等價對對原來的圖像進行重新標記。連通區(qū)域標記的結果如圖9所示。

4.3 計數(shù)結果

利用bwlabel函數(shù)，完成連通域的標記，并實現(xiàn)圖像的計數(shù)。為了方便多次計數(shù)，本文設計了一個對話框，將計數(shù)結果以對話框的形式顯示出來，計數(shù)結果如圖10所示。

任何結論的得到，都需要大量數(shù)據(jù)的支撐，單單一組數(shù)據(jù)是不能說明什么問題的。因此，本文對采集到的十組圖片均進行了計數(shù)處理，所有圖像的結果如表1所示。

將以上結果進行平均處理，得到結果為96.8541%，對上述結果分別觀察，我們可以看到實驗結果的浮動性偏大。這是因為當背景與目標的差別較小時，容易造成誤差，使結果不理想；當背景與目標差別較大時，能夠很容易分辨出目標圖像，結果誤差較小。

5 結論（Conclusion）

通過對圖像的灰度化、二值化、形態(tài)學運算等一系列圖像預處理，并采用連通域標記的方法，很好地完成了圖像計數(shù)的目的，且計數(shù)結果準確度較高，處理方法簡單，具有很好的應用前途。通過該設計能夠實現(xiàn)自動計數(shù)，有助于改善人工計數(shù)的耗時、耗力等缺點。

參考文獻（References）

[1] 姚青，呂軍，楊保軍，等.基于圖像的昆蟲自動識別與計數(shù)研究進展[J].中國農業(yè)科學，2011，44（14）：2886-2899.

[2] 阮秋琦.數(shù)字圖像處理學[M].北京：電子工業(yè)出版社，2007：429-438.

[3] 冼鼎翔.基于圖像的水稻燈誘害蟲識別技術的研究[D].浙江理工大學，2015：20-23.

[4] 何新江.嵌入式水稻燈誘害蟲圖像采集與處理系統(tǒng)的研究[D].浙江理工大學，2016：27-29.

[5] Mohammadmehdi Maharlooei，S.Sivarajan，Sreekala G.Bajwa，et al.Detection of soybean aphids in a greenhouse using an image processing technique[J].Computers and Electronics in Agriculture，2017（132）：63-70.

[6] 顏丙生，趙俊杰，湯寶平，等.基于圖像處理和光電技術的儲糧蟲害監(jiān)測系統(tǒng)研究[J].糧食與油脂，2016，29（10）：70-73.

[7] 陳梅香，楊信廷，石寶才，等.害蟲自動識別與計數(shù)技術研究進展與展望[J].環(huán)境昆蟲學報，2015，37（01）：176-183.

[8] 李文勇.基于機器視覺的果園性誘害蟲在線識別與計數(shù)方法研究[D].中國農業(yè)大學，2015：47-48.

作者簡介：

張 震（1966-），男，博士，教授.研究領域：信息與通信工程.

肖冰冰（1996-），女，本科生.研究領域：圖像處理.