葡萄穗軸褐變的圖像處理技術研究

張偉+張李陽+陳守江+王海鷗+扶慶權+王蓉蓉

摘 要：文章以不同貯藏時間的葡萄穗軸為例，以攝影圖像處理技術作為手段，對葡萄穗軸褐變程度進行檢測。先用相機拍攝實驗對象，將得到的圖像利用MATLAB進行邊緣處理，降低背景對圖像分析的影響；經圖像處理軟件處理得到其平均RGB值，分析R，G，B值的變化，從而客觀地以數字形式反映褐變程度，避免主觀檢測帶來的檢測誤差。最后拍攝貯藏6天、15天和28天的穗軸對該模型進行驗證。由此表明，圖像處理技術能將拍攝的葡萄穗軸褐變程度以數字形式直觀的表現出來，克服了人視覺系統的觀察誤差，圖像處理技術可作為其他研究的研究工具。

關鍵詞：葡萄穗軸；褐變；圖像處理；MATLAB

中圖分類號：Q-334 文獻標志碼：A 文章編號：2095-2945（2017）26-0038-02

1 概述

葡萄作為世界上最古老的果樹樹種之一，有著悠遠的歷史，也是最常見的水果品種之一，長期以來一直被人們所喜愛。葡萄幾種常見的病害有：葡萄白腐病、葡萄穗軸褐枯病、葡萄霉霜病、葡萄炭疽病等[1]，主要對葡萄幼嫩的穗軸組織產生危害。一般的發病期為5月下旬～6月下旬， 病菌以分生孢子的形式在葡萄穗軸的表皮或芽鱗片內，通過外界風雨進行傳播，葡萄品種不同，其對穗軸褐枯病的抗病性也有所差異[2]。一旦葡萄穗軸開始褐變，便會迅速蔓延至整個葡萄穗軸，且會迅速影響到葡萄果肉的品質，使整串葡萄開始腐爛，不再新鮮，這也是影響葡萄新鮮品質的重要影響因素。本研究以計算機圖像處理為主要的技術手段，選擇葡萄穗軸褐枯病作為主要的圖像處理研究對象，提取特征參數，此研究可以從而客觀地以數字形式反映褐變程度，避免主觀檢測帶來的檢測誤差。

2 材料及方法

2.1 材料準備及處理

本試驗以葡萄穗軸作為試驗材料，選取新鮮、顏色嫩綠的，剛采摘下來的葡萄，去掉葡萄果粒，只留取葡萄穗軸，將葡萄穗軸用剪刀剪成小段，將處理好的葡萄穗軸分成四份，留作對照處理組，并將剪好的穗軸均勻的平鋪在罩了一層黑布的平板上，且穗軸小段之間不能有太大的空隙，分別在4℃冰箱中放置不同的時間。將四份葡萄穗軸分別記為A、B、C、D，A為放置1天的穗軸，B為放置5天的穗軸，C為放置10天的穗軸，D為放置20天的穗軸。

2.2 實驗方法

圖像獲取：

本實驗使用的是Canon1200D單反照相機，為了保證所拍的圖片不受其他外界因素的影響，因此，需要保證相機放置位置、光圈、快門等因素一致。相機的定位是在放置在可調節支架上的圖像的50cm以上。

2.3 圖像處理方法

2.3.1 圖像邊緣處理

圖像的邊緣是一個圖像最基本的特征，圖像大部分的信息主要是存在于圖像的邊緣中，所謂邊緣就是指灰度變化較為劇烈的地方，也就是我們通常說的信號發生變化的地方。邊緣處理時提取目標和背景的分界線，提取出邊緣才能將目標和背景區分開來[3]。此處用edge（ ）函數實現檢測邊緣的功能。

2.3.2 求圖像平均RGB值

我們使用的MATLAB軟件為R2012a版本。它是一種以矩陣為基本變量單元的可視化程序設計語言，它的語法結構簡單，數據類型單一，命令表達方式接近于常用的數學公式[4]。

3 實驗結果與分析

3.1 獲取圖像

分別在相應的時間對ABCD四組葡萄穗軸進行拍照，得到圖1圖片。

圖1中四張圖片即為本實驗的實驗對象，A為4℃放置1天的穗軸，B為在4℃下放置5天的穗軸，C為在4℃下放置10天的穗軸，D為在4℃下放置20天的穗軸。通過肉眼可以直觀的看出，隨著貯藏天數的增加，穗軸褐變越來越嚴重，而且越來越干枯，這種鮮明的對比，可以用作為研究對象。

3.2 邊緣處理

先將拍攝所得的圖像進行簡單的摳圖處理，從圖1可見，拍攝的圖像背景不太理想，會對有用的圖像部分的處理造成影響，因此，將拍攝的穗軸從背景中分割出來，這樣可以減少誤差。

3.3 MATLAB求取平均RGB

用matlab處理得出的平均RGB值如表1。

由表1數據可知，A為貯藏一天后拍攝的穗軸圖像，最為新鮮，肉眼看上去也最嫩綠，所對應的RGB數值也最大，意為褐變程度越低，與肉眼所觀察的一致；根據四組數值的對比，可以看出來A-D褐變越來越嚴重，褐變程度越深，RGB值越低，G值代表green（綠色），G值越低，表明新鮮程度也越低。由以上數據可以說明，葡萄穗軸褐變越嚴重，平均RGB值越低。

4 討論與結論

本課題選用不同貯藏時間的葡萄穗軸作為實驗材料，在良好的光照條件等環境條件下通過數碼照相機拍攝圖像，盡量減少因為光學失真等因素引起圖像的不清晰和失真問題，對圖像進行預處理去除各種噪音、背景干擾。首先選擇黑色作為病害圖像的背景，利用MATLAB軟件編碼，求得葡萄穗軸的平均RGB值，分析褐變程度。

由實驗結果可以發現，隨著貯藏天數的增加，平均RGB值逐漸降低，G值代表green（綠色），G值越低，數值越低，表明新鮮程度也越低，表明褐變程度越深。因此，這證明了數字圖像處理技術在果蔬病害檢測方面具有很好的應用價值和廣闊的發展前景。本方法為計算機圖像處理技術在果蔬病害識別處理方面的研究探索了一條可行的路線，但還需繼續研究完善。

參考文獻：

[1]于海.葡萄常見病識別與防治[J].農業科技與裝備，2010（10）：71-72.

[2]蔣先文，李啟立.幾種葡萄病蟲害特點及其防治技術[J].現代園藝，2011（09）：47.

[3]蔣愛花，邢濟收.圖像邊緣處理技術[J].科學技術與工程，2005（05）：298-300.

[4]梁原.基于MATLAB的數字圖像處理系統研究[D].長春理工大學，2008：11.endprint