摘要：傳統(tǒng)測(cè)量葉面積方法費(fèi)時(shí)、低效，葉面積儀法高成本、維修不便。本研究利用圖像處理技術(shù)測(cè)量葉面積，從解決圖像閾值的分割、葉片陰影去除以及葉片邊緣檢測(cè)算法等問題出發(fā)，應(yīng)用大津法求得閾值，中值濾波法去除雜點(diǎn)，采用Roberts算子檢測(cè)邊緣，進(jìn)而計(jì)算葉面積。葉面積儀法與圖像處理法比較葉面積值相關(guān)系數(shù)R2為0.962，剪紙法與圖像處理法比較葉面積值相關(guān)系數(shù)R2為0.949，最后驗(yàn)證本方法適合大量葉面積的測(cè)量工作，且具有速度快、數(shù)據(jù)準(zhǔn)確、精度高的特點(diǎn)。

關(guān)鍵詞：圖像處理；閾值；算法；像素；葉片

中圖分類號(hào)：S24文獻(xiàn)標(biāo)志碼：A論文編號(hào)：cjas2020-0218

Leaf Area Measurement System Based on Digital Image Processing Technology

SONG Yingbo

（Jiamusi Branch of Heilongjiang Academy of Agricultural Sciences， Jiamusi 154007， Heilongjiang， China）

Abstract： In view of the time consuming and low efficiency of the traditional method of leaf area measurement， and the high cost and inconvenient maintenance of the leaf area meter method， this study used the image processing technology to measure the leaf area. The computer vision technology reference method was used to solve the limitations of image threshold segmentation， leaf shadow removal and leaf edge detection algorithm， and the threshold was obtained by OTSU method， the median filtering method was used to remove residual impurities in the image， and the Roberts operator was used for edge extraction. Leaf areas are calculated and compared with those obtained by leaf area meter and paper-cutting method. The leaf area determined by the leaf area meter method and the image processing method had the correlation coefficient R2of 0.962， and the leaf area determined by the paper cutting method and the image processing method had the correlation coefficient R2of 0.949. The digital image processing method is validated to be suitable for large amount of leaf area measurement， and has fast speed， accurate data and high precision.

Keywords： image processing； threshold； arithmetic； pixel； leaf

0引言

植物葉片是光合作用和蒸騰作用的重要器官，也是合理密植與病蟲害監(jiān)測(cè)的參數(shù)指標(biāo)[1-3]。近年來，圖像處理法被廣泛應(yīng)用于葉面積的測(cè)定中，是一種簡單、實(shí)用、快速的葉面積測(cè)量方法[4-6]。針對(duì)圖像處理法中葉片圖像閾值的分割、葉片陰影去除和葉片邊緣算法等局限性，大量學(xué)者做了相關(guān)研究[7-9]。韓殿元等[10]利用彩色通道的相似性與自適應(yīng)閾值分割，分別計(jì)算葉片像素?cái)?shù)和標(biāo)準(zhǔn)參考物的像素?cái)?shù)，最后計(jì)算植物葉面積。于東玉等[11]利用雙邊濾波和拉普拉斯算子對(duì)數(shù)碼圖像進(jìn)行預(yù)處理，再通過分水嶺算法進(jìn)行圖像分割，最后通過比例法得出葉片實(shí)際面積。崔世鋼等[12]采集葉片圖像分割與輪廓提取，分別計(jì)算葉片部分的像素?cái)?shù)和輪廓區(qū)域的像素?cái)?shù)，進(jìn)而計(jì)算葉片的面積。本研究采用相對(duì)參考物法[13]，通過數(shù)碼照相機(jī)采集圖像，利用大津法閾值分割、中值濾波法去噪處理提取植物葉片的有效像素，從而測(cè)定植物葉片面積。

1測(cè)量原理

數(shù)碼照片由若干個(gè)大小一致的像素組成，圖像處理法是將數(shù)碼圖片中各像素通過閾值分類。本研究采用相對(duì)標(biāo)準(zhǔn)參照物法，通過白色背景板補(bǔ)光來消除葉片陰影的影響，利用中值濾波法去除照片雜色點(diǎn)，應(yīng)用大津法閾值分割預(yù)處理的數(shù)碼照片。計(jì)算出數(shù)碼照片中黑色參考物像素的總個(gè)數(shù)，根據(jù)已知面積求出一個(gè)像素所對(duì)應(yīng)的實(shí)際面積。葉片的實(shí)際面積等于一個(gè)像素的實(shí)際面積和葉片圖像中像素總個(gè)數(shù)的積。

2系統(tǒng)構(gòu)成

2.1系統(tǒng)構(gòu)建

系統(tǒng)包括圖像采集和圖像處理分析計(jì)算2個(gè)部分（圖1）。圖像采集包括數(shù)碼相機(jī)（數(shù)碼相機(jī)使用分辨率為1 M以上）、白色亞克力背景板和標(biāo)準(zhǔn)面積黑色板3個(gè)部分。圖像處理分析計(jì)算包括計(jì)算機(jī)（硬件部分，計(jì)算機(jī)配置CPU為AMD A8-5600K APU With Radeon（tm） HD Graphics 3.6 GHz、內(nèi)存為8 GB）、VB編寫的葉面積圖像處理軟件（軟件部分）。

2.2圖像處理算法

2.2.1閾值分割方法目前，閾值分割法是數(shù)碼圖片分割中的常用方法。前人提出了幾類閾值選取方法，但至今沒有一種方法可以有效分割所有圖片類型，研究表明不同的目標(biāo)圖片應(yīng)該選擇不同的方法[14]。本研究涉及到數(shù)碼照片中白色背景、黑色標(biāo)準(zhǔn)板和綠色葉片像素的區(qū)分，通常設(shè)置閾值將不同顏色像素分類，在數(shù)碼照片中分別統(tǒng)計(jì)葉片、黑色標(biāo)準(zhǔn)板與白色背景像素個(gè)數(shù)，通過計(jì)算出已知真實(shí)面積黑色標(biāo)準(zhǔn)板像素個(gè)數(shù)，可求出一個(gè)像素面積，再乘以葉面積總像素個(gè)數(shù)，最終得到葉面積。這3類像素在圖片中像素級(jí)差異較大，在這里選擇最大類間方差法（即大津法）。大津法是一種最大類間方差確定閾值的算法。先將葉片和背景按照閾值分割，葉片和背景的分界值就是要求出的閾值，計(jì)算不同閾值下對(duì)應(yīng)的葉片和背景之間的類內(nèi)方差，當(dāng)類內(nèi)方差取得極大值時(shí)，對(duì)應(yīng)的閾值就是大津法所求的閾值。再將黑色標(biāo)準(zhǔn)板和葉片按照閾值分割，黑色標(biāo)準(zhǔn)板和葉片的分界值就是要求的閾值，計(jì)算不同閾值下對(duì)應(yīng)的葉片和背景之間的類內(nèi)方差，當(dāng)類內(nèi)方差取得極大值時(shí)，求出閾值。葉片和背景之間的類間方差越大，數(shù)碼圖片像素級(jí)差別越大，可以得到較好的分割效果。黑色標(biāo)準(zhǔn)板和葉片之間的類間方差越小，說明數(shù)碼圖片像素級(jí)差別越小，分割效果不理想[15]。

2.2.2去除雜點(diǎn)與邊緣處理在圖像數(shù)據(jù)采集時(shí)，相機(jī)拍攝的數(shù)碼照片會(huì)有一些雜色點(diǎn)，計(jì)算葉面積時(shí)，要先去掉雜點(diǎn)來提高精度。中值濾波法在數(shù)碼照片去噪處理中較為常見，在葉面積圖像中一像素的值可以用這個(gè)像素的一個(gè)相鄰各點(diǎn)值的中值表示，進(jìn)而去除雜色點(diǎn)。本研究采用中值濾波法去除雜色點(diǎn)，圖像中的雜色點(diǎn)顯著減少，并且對(duì)數(shù)碼圖像中葉面邊緣無影響。

葉片邊緣檢測(cè)算子應(yīng)用十分廣泛，以常用的算子為例，Roberts算子葉片邊緣定位準(zhǔn)確，但對(duì)數(shù)碼照片中噪聲敏感，需要對(duì)數(shù)碼照片進(jìn)行預(yù)處理去除噪聲。Sobel算子葉片對(duì)噪聲不敏感，但由于Sobel算子沒有進(jìn)行圖像灰度處理，提取的圖像輪廓許多偽邊緣定位不準(zhǔn)。Laplacian算子選擇對(duì)目標(biāo)像素的四方向或八方向求梯度，判斷目標(biāo)像素灰度與相鄰其他像素灰度的關(guān)系，是各向同性微分算子，在處理數(shù)碼照片時(shí)較暗的區(qū)域中如果出現(xiàn)了一個(gè)亮點(diǎn)，用Laplacian算子就會(huì)增強(qiáng)這個(gè)亮點(diǎn)亮度，但是相鄰變化較大的像素和漸變的邊緣像素葉片邊緣線不易確定。經(jīng)比較本研究采用Roberts算子進(jìn)行邊緣提取[16-18]。

2.3實(shí)測(cè)葉面積比較

為驗(yàn)證葉面積系統(tǒng)測(cè)量精度，采用大型室內(nèi)臺(tái)式葉面積儀、傳統(tǒng)方法采用剪紙法、本系統(tǒng)圖像處理法對(duì)5組玉米進(jìn)行葉片面積的測(cè)定。利用SPSS統(tǒng)計(jì)軟件分析（表1）。結(jié)果表明，圖像處理法與其他2種方法相比葉面積值顯著相關(guān)，可見圖像處理法測(cè)量葉面積較為準(zhǔn)確。

3結(jié)論

本研究是建立在圖像視覺技術(shù)基礎(chǔ)上的，具有實(shí)用性和科學(xué)性，該方法利用數(shù)碼相機(jī)和計(jì)算機(jī)圖像處理系統(tǒng)可以實(shí)現(xiàn)葉面積的測(cè)量，試驗(yàn)結(jié)果表明，LI-3100臺(tái)式葉面積儀與圖像處理法比較葉面積值相關(guān)系數(shù)R2為0.962，剪紙法與圖像處理法比較葉面積值相關(guān)系數(shù)R2為0.949。

4討論

目前測(cè)量葉面積的方法較多，可分2類。一類是傳統(tǒng)的破壞性測(cè)量如復(fù)印稱重法、方格法、剪紙法和掃描儀測(cè)量法等。雖然測(cè)量準(zhǔn)確但是耗時(shí)、繁瑣，不適合大量數(shù)據(jù)采集，不能對(duì)同一植株進(jìn)行連續(xù)的生長監(jiān)測(cè)，無法避免標(biāo)記和取樣誤差；另一類是接觸式傳感器葉面儀測(cè)量法，精度高、速度快，但其價(jià)格昂貴、維修不便。回歸方程法是利用模型與相關(guān)性對(duì)某一品種的估算，不同類型品種回歸方程不同，相關(guān)性對(duì)于單株葉面積測(cè)量精度影響較大，不適合大量測(cè)量。圖像處理法以設(shè)備簡單、操作方便、測(cè)量準(zhǔn)確等優(yōu)點(diǎn)被廣泛應(yīng)用[19-21]。在對(duì)葉片拍照時(shí)，要將相機(jī)與背景板保持垂直，盡量減小葉片陰影面積對(duì)葉面積的影響。數(shù)碼照片的采集質(zhì)量對(duì)圖像處理葉面積影響較大[22-24]。在圖像采集過程中光線對(duì)數(shù)碼照片各目標(biāo)對(duì)比度有較大的影響，光線較弱時(shí)數(shù)碼照片中葉片部分顏色與黑色標(biāo)準(zhǔn)板對(duì)比度小，陰影部分更接近黑色，部分陰影像素會(huì)錯(cuò)誤劃分到葉片區(qū)域，從而產(chǎn)生誤差，按照本研究算法精度會(huì)降低，在閾值分割葉片時(shí)會(huì)造成誤差。在葉片圖像采集時(shí)，如果光線不足要進(jìn)行補(bǔ)光，補(bǔ)光不可用閃光燈，閃光燈會(huì)造成照片中葉片局部反光，使部分像素丟失彩色信息，最終影響葉面積的計(jì)算[25]。圖像處理法既可以活體測(cè)量葉片面積又可以摘葉測(cè)量，具有成本低、適合推廣等特點(diǎn)，但圖像處理法對(duì)采集圖片光線要求較高，數(shù)碼圖片的采集質(zhì)量是圖像處理法誤差產(chǎn)生的主要原因。本研究采用的背景板4個(gè)角自帶LED光源，消除葉片陰影，以減小誤差。閾值分割法采用大津法，被認(rèn)為是圖像分割中閾值選取的最佳算法。Roberts算子是一種利用局部差分算子對(duì)比像素邊緣的算子，在圖片葉面積邊緣檢測(cè)中應(yīng)用Roberts算子，檢測(cè)某一像素對(duì)角線方向相鄰兩像素梯度幅值，對(duì)比檢測(cè)邊緣。適用于邊緣明顯的圖像分割。

參考文獻(xiàn)

[1]呂書財(cái)，徐瑤，陳國興，等.大豆冠層光合有效輻射、葉面積指數(shù)及產(chǎn)量對(duì)種植密度的響應(yīng)[J].江蘇農(nóng)業(yè)科學(xué)，2018，46（18）：68-72.

[2]田藝心，高鳳菊，曹鵬鵬，等.大豆葉面積指數(shù)、干物質(zhì)積累分配與產(chǎn)量的關(guān)系[J].山東農(nóng)業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2018，64（5）：750-754，758

[3]田藝心，高鳳菊，曹鵬鵬，等.高蛋白大豆不同密度處理的葉面積指數(shù)、干物質(zhì)積累分配及其與產(chǎn)量的關(guān)系[J].山東農(nóng)業(yè)科學(xué)，2018，56（8）：58-62.

[4]于峰，林杉，張峻峰，等.一種基于圖像特征值算法的葉面積測(cè)定方法[J].中國農(nóng)業(yè)大學(xué)學(xué)報(bào)，2007，12（4）：67-69.

[5]許章華，劉健，余坤勇，等.利用普通數(shù)碼相機(jī)估測(cè)松林葉面積指數(shù)與標(biāo)準(zhǔn)誤[J].中國生態(tài)農(nóng)業(yè)學(xué)報(bào)，2013，21（5）：638-644.

[6]宋英博，郭偉，張洪權(quán)，等.圖像處理技術(shù)在玉米葉面積測(cè)量中的實(shí)際應(yīng)用[J].農(nóng)學(xué)學(xué)報(bào)，2015，5（8）：111-114.

[7]袁小翠，黃志開，馬永力，等.Otsu閾值分割法特點(diǎn)及其應(yīng)用分析[J].南昌工程學(xué)院學(xué)報(bào)，2019，38（1）：85-90，97.

[8]王震，杜進(jìn)楷，寇宏玉，等.基于Otsu閾值分割的邊緣快速圖像插值算法[J].現(xiàn)代電子技術(shù)，2019，47（2）：71-74，79.

[9]李想，萬永菁，周又玲.一種改進(jìn)的閾值分割算法在復(fù)合材料圖像處理中的應(yīng)用[J].江南大學(xué)學(xué)報(bào)，2006，5（4）：467-471.

[10]韓殿元，黃心淵，付慧，等.基于彩色通道相似性圖像分割方法的植物葉面積計(jì)算[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28（6）：179-183.

[11]于東玉，馮天祥，李奕昕，等.基于植物圖像的活體葉片面積測(cè)量方法研究與實(shí)現(xiàn)[J].智能計(jì)算機(jī)與應(yīng)用，2019，9（4）：173-176.

[12]崔世鋼，秦建華，張永立.基于圖像處理技術(shù)的植物葉片面積和周長測(cè)量[J].江蘇農(nóng)業(yè)科學(xué)，2018，46（15）：187-189.

[13]徐貴力，毛罕平，胡永光.基于計(jì)算機(jī)視覺技術(shù)參考物法測(cè)量葉片面積[J].農(nóng)業(yè)工程學(xué)報(bào)，2002，18（1）：154-157.

[14]卜文斌，游福成，李泉，等.一種基于大津法改進(jìn)的圖像分割方法[J].北京印刷學(xué)院學(xué)報(bào)，2015，23（4）：76-78，82.

[15]陳寧寧.幾種圖像閾值分割算法的實(shí)現(xiàn)與比較[J].電腦知識(shí)與技術(shù)，2011，7（13）：3109-3111.

[16]韓利利，田益民，齊千慧，等.基于MATLAB數(shù)字圖像邊緣檢測(cè)算法的研究[J].北京印刷學(xué)院學(xué)報(bào)，2019，27（7）：98-101.

[17]王安，王芳榮，郭柏蒼，等.基于邊緣檢測(cè)的視差圖效果優(yōu)化[J].計(jì)算機(jī)應(yīng)用與軟件，2019，36（7）：236-241

[18]凌軍，宋啟祥，房愛東，等.基于局部熵的邊緣檢測(cè)算子選擇算法[J].南京理工大學(xué)學(xué)報(bào)，2018，42（4）：424-429.

[19]陶洪斌，林杉.打孔稱重法與復(fù)印稱重法和長寬校正法測(cè)定水稻葉面積的方法比較[J].植物生理學(xué)通訊，2006，42（3）：496-498.

[20]左欣，韓斌，程嘉林.基于數(shù)字圖像處理的植物葉面積測(cè)量方法[J].計(jì)算機(jī)工程與應(yīng)用，2006，43（27）：194-196，221.

[21]曹志剛，馮仲科，龍春玲，等.基于數(shù)字圖像視覺分析的葉面積活體測(cè)定系統(tǒng)研究[J].北京林業(yè)大學(xué)學(xué)報(bào)，2005，27（S2）：200-204.

[22]馮冬霞，施生錦.葉面積測(cè)定方法的研究效果初報(bào)[J].中國農(nóng)學(xué)通報(bào)，2005，21（6）：150-152，155.

[23]李錦衛(wèi)，管鶴卿，廖桂平.基于計(jì)算機(jī)視覺的油菜葉面積計(jì)算方法研究[J].農(nóng)業(yè)網(wǎng)絡(luò)信息，2010，25（12）：15-18，23.

[24]王家保，林秋金，葉水德，等.5種測(cè)量熱帶果樹單葉面積的方法研究[J].熱帶農(nóng)業(yè)科學(xué)，2003，24（1）：11-14，23.

[25]周開兵，陳志霞.人心果葉片面積測(cè)定方法[J].實(shí)驗(yàn)科學(xué)與技術(shù)， 2008，6（1）：43-44，82.