基于OpenCV的立木測量方法研究

姜廣宇 夏其表

摘要：為提高立木測量的效率和精度，在分析立木信息采集現狀的基礎上，從像素比值關系構建立木的胸徑測量模型出發，通過對手機相機圖片使用VC++語言編譯環境下調用OpenCV庫函數進行鏡頭畸變校正、Gamma校正等圖像處理，求解立木的胸徑。經過試驗驗證，測量結果的相對誤差比較小，在林業需求的測量范圍內。

關鍵詞：立木測量；鏡頭畸變校正；Gamma校正

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2018）03-0212-02

Abstract： In order to improve the efficiency and accuracy of standing tree measurement， this paper attempted to construct a measurement model of DBH from the ratio of pixels and performed lens distortion correction and Gamma correction by calling the OpenCV library function in a VC ++ language environment Processing to calculate the diameter of standing tree Based on analyzing the present situation of collection of standing tree information. The experiment results show that the relative error of the measurement results is relatively small and can meet the measurement range of the forestry demand.

Key words： standing tree measurement； Lens distortion correction； Gamma correction

對立木的測量是森林資源調查的重要工作之一，其測量結果和精度將直接影響森林資源調查的質量以及林木生長狀況的分析[1]。傳統的測量方法主要是使用布魯萊斯測高器、卷尺等測量工具來測量立木，但有可能會導致外業測量的勞動量大。隨著對林業調查數據的精準性的要求越來越高，產生了許多有關林業數據獲取和分析的方法[2-5]。隨著計算機視覺技術的日趨發展成熟，一些研究者利用計算機視覺技術進行圖像處理獲取立木信息。陶司光等利用數碼相片進行閾值分割進行提取立木信息[6]。OpenCV計算機視覺庫作為一種開源的庫為數字圖像的處理提供了極大的方便[7]。

本文根據立木測量的實際情況出發，從像素比值關系構建立木的胸徑測量模型出發，通過對手機相機圖片使用VC++語言編譯環境下調用OpenCV庫函數進行鏡頭畸變校正、Gamma校正等圖像處理，最終求解立木的胸徑。

1 胸徑測量模型

在攝影測量時，物體的空間坐標轉化為圖像的像素坐標往往產生攝像機成像的不均勻性，無法滿足所用的理想成像模型，在一定條件下物體的所占的像素個數基本不變，因此，在一幅圖像中可以利用參照體上的某一線段的實際長度作為參照線段和目標立木胸徑處長度所占的像素比值關系計算出立木的胸徑長度[8]。圖1是利用該原理的求解立木胸徑的模型圖。

圖1中，M表示立木投影到圖像中的胸徑所占的像素值大小；N表示參照線段投影到圖像中的長度所占的像素個數；（x，y1）表示A點的計算機圖像坐標；（x，y2）表示B點的計算機圖像坐標；（x，y1）和（x，y2）分別表示C點和D點的計算機圖像坐標；H表示立木抽象出來的實際胸徑長；L表示參照線段抽象出來的實際長度。H的單位為cm， L的單位為cm。根據像素個數比例關系，有如下基本關系：

2 鏡頭畸變校正

由于攝像機鏡頭固有屬性和其在制造時的技術欠缺等因素的影響會導致鏡頭畸變的產生，從而出現了圖像中實際的點與理性透鏡模型的平面點偏差的現象，這就是圖像的畸變[9]。攝像機的透鏡主要是在成像儀的邊緣產生顯著的畸變，鏡頭畸變一般分為徑向畸變、切向畸變。徑向畸變主要表現為圖像的實際像點偏移到了理想像點的徑向方向的畸變誤差，切向畸變主要表象為圖像的實際像點偏移到了理想像點的切向方向的畸變誤差，一般鏡頭失真的主要因素是徑向畸變[8]。針對這種原因造成的圖像畸變誤差，本文使用OpenCV的calibrateCamera函數求畸變圖像的內參和畸變參數，函數形式如下[10]。本文使用印有25mm×25mm的10×7黑白棋盤A4紙粘貼的標定板在墻上或者樹上進行試驗校正。

double cv：：calibrateCamera （ InputArrayOfArrays objectPoints，

InputArrayOfArrays imagePoints，

Size imageSize，

InputOutputArray cameraMatrix，

InputOutputArray distCoeffs，

OutputArrayOfArrays rvecs，

OutputArrayOfArrays tvecs，

int flags = 0，

TermCriteria criteria = TermCriteria（TermCriteria：：COUNT+TermCriteria：：EPS， 30， DBL_EPSILON）

） 。

在得到內參和畸變系數后保存入XML文件或者文本文檔中，下次使用即可將XML文件或者文本文檔中數據導入相應矩陣，將具有內參和畸變系數的矩陣代入OpenCV的undistort函數來對采集到的立木圖像進行畸變誤差校正， 函數形式如下[11]。

void cv：：undistort （ InputArray src，

OutputArray dst，

InputArray cameraMatrix，

InputArray distCoeffs，

InputArray newCameraMatrix = noArray（）

）。

3 Gamma校正

在自然環境中，人們在采集圖像的時候，或多或少都要受到光線的影響，這就容易產生圖像中會存在光照不均勻的情況[12]。特別在光線受樹冠影響的森林中采集的立木圖像，更不利于對圖像的分析處理。為了提高立木圖像的質量，Gamma 矯正方法可以比較好的被用來處理光照對圖像的影響[13]。Gamma校正主要修正圖像顯示設備和人類視覺系統對亮度成非線性關系而顯示的誤差[14]。Gamma校正是將原始輸入值以1/gamma為指數的計算值進行預補償處理來使輸出值與圖像的原始數據建立了線性關系而得到校正的效果[15]。不同的設備不同的環境，Gamma的取值不同，本文gamma使用的常用數值2.2即補償值為0.45進行校正[16]，使用OpenCV的函數對采集到的立木圖像進行Gamma校正。主要使用pow函數對圖像的像素矩陣進行0.45次冪的計算。可以設置浮點變量gam為1/2.2，然后將gam代入pow（S， gam，Y）函數，即將原圖矩陣S進行1/2.2次冪的計算轉換給了校正后的圖矩陣Y。

讀取的原始圖像以及Gamma校正后的圖如圖2所示，校正后的圖的亮度要比原圖要清晰。

4 實驗驗證

本研究綜合考慮立木測量的實際需求，使用手機進行拍照求胸徑。首先在立木的胸徑處即立木1.3米處綁定繩子環繞立木，然后在離立木2米遠處進行水平拍照，最好保持腳與立木樹根在同一水平面。使用opencv-3.0.0-alpha版本搭載visual studio2010環境下使用VC++語言進行編程設計。參照物使用前文中的25mm×25mm的10×7黑白棋盤求解其實際長度。使用卷尺獲取7個樣本立木的胸徑分別是34.0cm，42.5cm，25.8cm，15.5cm，35.3cm，16.3cm，57.6cm，對該7個樣本進行鏡頭畸變校正，Gamma校正后在圖像中提取胸徑處兩點的像素，再使用本研究胸徑測量模型計算得測量值分別為34.68cm， 40.95cm，26.11cm，16.57cm，34.63cm，17.8cm，56.1cm，平均相對誤差為3.92%，最大相對誤差為9.2%，最小相對誤差為1.2%。相對誤差最大的為胸徑比較小的樹，可能是胸徑比較小的樹在圖像提取時候的胸徑處的點誤差比較大的緣故。經過實際應用，在相對比較平坦的平地上在一定的距離內能獲取立木的胸徑，測量結果的相對誤差比較小在林業需求的測量范圍內。

5 結束語

本文根據林業上的測量需求，利用拍攝到照片，使用OpenCV計算機視覺庫對圖像進行鏡頭畸變校正，Gamma校正后，使用本文的立木胸徑模型進行求解立木胸徑，所得結果相對誤差在5%以內，為林業測量提供了新的方法的參考。實際測量中，還需更進一步的改進，使其能更有效的提供測量的方便。

參考文獻：

[1] 陳穎，隋宏大，馮仲科，等. 2種樹高測量方法的測量精度對比分析[J]. 林業調查規劃，2009，34（6）：1-4.

[2] 黃曉東，馮仲科，解明星，等. 自動測量胸徑和樹高便攜設備的研制與測量精度分析[J]. 農業工程學報，2015，31（18）：92-99.

[3] 趙芳，馮仲科，高祥，等. 樹冠遮擋條件下全站儀測量樹高及材積方法[J]. 農業工程學報，2014，30（2）：182-190.

[4] 徐偉恒，馮仲科，蘇志芳，等. 手持式數字化多功能電子測樹槍的研制與試驗[J]. 農業工程學報，2013，29（3）：，90-99.

[5] 柳皓笛，李文彬，闞江明. 基于神經網絡的立木枝干測量方法研究[J]. 湖南農業科學，2009（3）：115-117，120.

[6] 陶司光，劉兆剛.基于數碼相片圖像三維信息提取技術的研究[J].森林工程，2010，26（3）：90-93.

[7] 王福斌， 李迎燕， 劉杰，等. 基于OpenCV 的機器視覺圖像處理技術實現[J]. 機械與電子，2010（6）：54-57.

[8] 阮曉曉. 基于普通數碼相機的測樹因子識別研究[D]. 杭州：浙江農林大學， 2014.

[9] 李竹良， 趙宇明. 基于單幅圖片的相機完全標定[J]. 計算機工程，2013， 39（11）：5 -8.

[10] Open Source Computer Vision Library. Camera Calibration and 3D Reconstruction[EB/OL]. https：//docs.opencv.org/3.2.0/d9/d0c/group__calib3d.html#ga3207604e4b1a1758aa66acb6ed5aa65d， 2017， 11.

[11] Open Source Computer Vision Library. Geometric Image Transformations[EB/OL]. https：//docs.opencv.org/3.2.0/da/d54/group__imgproc__transform.html#ga69f2545a8b62a6b0fc2ee060dc30559d， 2017， 11.

[12] 李渤， 朱梅， 樊中奎. 非均勻光照圖像自適應Gamma增強算法[J]. 南昌大學學報：理科版，2016，40（3）：299-302.

[13] 楊金鋒， 師一華， 熊興隆. 光照處理中改進的Gamma 矯正方法[J]. 中國民航學院學報，2006，24（4）：39-42.

[14] 彭國福， 林正浩. 圖像處理中Gamma校正的研究和實現[J]. 電子工程師，2006，32（2）：30-32， 36.

[15] 曾嘉亮. Gamma 校正的快速算法及其C語言實現[J]. 信息技術，2006（4）：82-84， 108.

[16] Wikipedia English site. Gamma correction.[EB/OL].https：//en.wikipedia.org/wiki/Gamma_correction， 2017，11.