基于飽和度分割的葉面積圖像測量方法

李秋潔，楊遠明，袁鵬成，薛玉璽

(南京林業大學機械電子工程學院，南京 210037)

葉片是農作物生產有機養料及光合作用的主要部分，其大小是衡量作物長勢、產量的重要指標，也是農作物病蟲害檢測與培育管理的主要依據[1-2]，因此，快速、準確地測量植物葉面積在現代化農業生產中具有重要意義[3-5]。

傳統葉面積測定方法有方格法、復印稱質量法、回歸方程法、葉面積儀測量法等[6]。方格法與復印稱重法精度較高，但操作復雜，回歸方程法操作簡單，但精度不高，葉面積儀成本較高。隨著計算機技術的發展，基于圖像處理的葉面積測量的方法得到了迅速的發展[7-8]，廣泛應用于水稻[9]、小麥[10]、玉米[11]等農作物的葉面積測量及經濟林的葉面積測量[12]。近年來，研究者們將葉面積圖像測量方法與智能手機結合[13-14]，具有測量方式靈活、準確快速、操作簡單及便于攜帶等優點。

從圖像中分割出葉片是葉面積測定的關鍵步驟，已有方法主要采取以下兩種手段：1)通過在RGB、YCbCr等顏色空間檢測綠色像素來提取葉片區域[11,13-14]；2)將圖像灰度化后采用閾值法、分水嶺等圖像分割算法提取葉片區域[15]。上述方法對拍攝光照環境要求較高，不能適用于低光照、不均勻光照等復雜光照拍攝環境。

針對復雜光照環境下的圖像葉面積測量問題，筆者提出一種基于飽和度分割的圖像葉面積測量方法，在低照度、存在光斑陰影時能夠穩定地提取葉片區域，同時，通過透視畸變校正實現一定角度范圍內的傾斜拍攝。

1 葉面積圖像測量方法

1.1 試驗材料

試驗設備和材料包括智能手機、透明玻璃板、透明塑料皮、待測葉片、綠色正方形標準塊、繪有黑色矩形標定框的白色背景紙和平整桌面等。待測葉片擺放在雙層透明塑料皮中間，并用透明玻璃板壓平，以去除葉片不平整所引起的測量誤差。

1.2 圖像透視畸變校正

為去除傾斜拍攝引起的圖像變形，首先利用矩形標定框對拍攝圖像進行透視畸變校正。假設單應性矩陣為：

(1)

則圖像透視變換方程為：

(2)

式中：(x,y)為校正圖像像素坐標；(X,Y)為畸變圖像像素坐標。

保持圖像尺寸不變，將畸變圖像中矩形標定框的4個頂點與校正圖像4個頂點一一對應，根據它們的像素坐標求取單應性矩陣T，然后根據式(2)求取校正圖像像素值，校正結果如圖1所示。

圖1 圖像透視畸變校正

為減小后續圖像分割的噪聲，對校正圖像進行邊緣裁剪，去除殘留矩形標定框。

1.3 圖像分割

將圖像像素由紅(red，R)、綠(green，G)、藍(blue，B)顏色空間變換到色調(hue，H)、飽和度(saturation，S)、亮度(intensity，I)顏色空間，其中，飽和度分量表示顏色的純度，灰度圖像飽和度為0。由于飽和度受光照影響較小，本研究采用飽和度圖像提取葉片和標準塊區域。RGB顏色空間到HSI顏色空間的變換公式為：

(3)

其中，

(4)

本研究采用閾值法分割飽和度圖像。常用閾值法有大津法和最小誤差法[16]，兩者均假設前景像素和背景像素服從正態分布，大津法采用一維Fisher判別分析分割圖像，選取最大化前景像素與背景像素的類間方差的分割閾值，而最小誤差法選取最小化錯分率的分割閾值。兩種閾值法各有所長。為適應不同種類的葉片，本研究提出一種混合閾值法，分割閾值(T)為大津法和最小誤差法所得閾值的加權組合：

T=αTo+(1-α)Te

(5)

式中：To為大津法分割閾值；Te為最小誤差法分割閾值；α為權重，取值范圍(0,1)。

α取值越大，像素點被識別為背景的概率越大，可采用二分法確定α，先取α=0.5，發現部分葉片被誤劃分為背景，再取α=0.3，發現部分背景被劃分為葉片，最終，α=0.4時能得到較好的分割結果。室內自然光、室內節能燈、暗室閃光燈3種光照條件下亮度圖像和飽和度圖像和分割后的二值圖像見圖2。當光照均勻時，兩者均能準確分割出標準塊區域和葉片區域；當光照不均勻時，陰影對亮度圖像有較大干擾，導致錯誤的分割結果，而飽和度圖像幾乎不受光照變化影響，依然能較好地分割出標準塊區域和葉片區域。

圖2 基于飽和度分量的圖像分割

1.4 葉片區域提取

為進一步去除二值圖像中存在的噪聲，需要進行圖像后處理。首先采用連通區域分析標記出二值圖像中的所有連通區域，將一行中連續的白色像素序列稱為團，連通域標記過程如下：

1)逐行掃描圖像，記錄當前行的團起點、終點以及行號。

2)如果一個團與前一行的所有團都沒有重合區域，則賦予它新的標號；如果它與前一行的一個團有重合區域，則賦予它相連團的標號；如果它與前一行2個以上的團有重疊區域，則賦予它相連團的最小標號，并將相連團的標號寫入等價對，說明它們屬于同一區域。

3)將等價對整理為等價序列，等價序列中的團是連通的，賦予相同的標號。

4)從1開始，對等價序列重新標號，連通域標記結束。然后，去除面積較小的連通區域并填充連通區域中的孔洞，得到葉片區域和標準塊區域。

為區分葉片區域和標準塊區域，計算連通區域的面積和周長，提取形狀特征(F)：

(6)

式中：A為連通區域面積；C為連通區域周長。F較小的區域為標準塊，F較大的區域為葉片。

1.5 葉面積計算

統計葉片區域像素個數與標準塊區域像素個數的比值，求取葉片面積(Al)：

(7)

式中：A0為標準塊面積；N0為標準塊區域像素個數；Nl為葉片區域像素個數。

2 結果與分析

實驗采用小米6智能手機拍攝，圖像尺寸為4 032×3 016，經過透視畸變校正、裁剪后圖像尺寸為3 833×2 817。綠色標準塊大小為400 mm×400 mm，白色背景紙選用A4紙，用鉛筆繪制大小240 mm×180 mm的矩形標定框。采集完整、健康的葉片進行實驗，包括女貞、九里香、豆瓣綠、藜、何首烏、韭菜、三葉草、香椿、樟9種植物，葉片信息如表1所示。

表1 葉片信息

2.1 拍攝距離對葉面積測量影響

選取11號豆瓣綠葉片測試拍攝距離對測量精度的影響。從葉片正上方垂直拍攝，拍攝距離取20，30，40，50，60，70，80，90，100 cm。圖像分辨率隨拍攝距離的變化曲線見圖3，隨著測量距離增加，圖像分辨率呈線性下降。

不同距離下的葉片面積見表2，并以20 cm距離的葉片面積為基準計算相對誤差。由表2可以看出，測量距離較遠時，圖像分辨率較低，測量誤差較大，適宜的拍攝距離為20～40 cm，此時誤差控制在±1.2 mm2內。

表2 不同拍攝距離下的葉片面積

2.2 拍攝傾角對葉面積測量的影響

選取11號豆瓣綠葉片測試拍攝傾角對測量精度的影響。拍攝距離取30 cm，拍攝傾角取0°，10°，20°，30°，40°，50°，60°，70°，如圖4所示。不同傾角下的葉片面積見表3，并以0°傾角的葉片面積為基準計算相對誤差。可以看出，傾角過大時圖像嚴重變形，導致測量誤差較大，適宜的拍攝傾角為0°～50°，此時誤差控制在±8.7 mm2內。

圖4 不同傾角下的拍攝圖像

表3 不同拍攝傾角下的葉片面積

2.3 葉面積測量

選取1～10號葉片進行葉面積測量實驗。拍攝距離取20 cm，每片葉子以45°為間隔進行旋轉，共測量8次，如圖5所示。每次測量在室內自然光、室內節能燈和暗室閃光燈3種光照條件下重復進行3次。葉面積測量結果見表4，可以看出，本方法具有較好的重復性，8次測量的最大標準差為12.9 mm2，且與方格法(5 mm×5 mm方格)具有較好的一致性，如圖6所示。

圖5 不同方向的葉片

表4 葉面積測量結果

圖6 葉面積測量的圖像法與方格法

3 結 論

已有圖像葉面積測量方法通過在RGB、YCbCr等顏色空間檢測綠色像素來提取葉片區域，對拍攝光照環境要求較高，不能適用于低光照、不均勻光照等復雜光照拍攝環境。本研究提出了一種基于飽和度分割的葉面積圖像測量方法，首先對圖像進行透視畸變校正和裁剪，接著將圖像由RGB顏色空間變換到HSI顏色空間，然后采用混合閾值法從飽和度圖像中提取標準塊和葉片區域，最后將葉片像素個數與標準塊進行比對，計算出葉片面積。實驗結果表明，飽和度圖像幾乎不受光照變化影響，低光照、不均勻光照等復雜光照環境下依然能準確分割出葉片區域。不同拍攝距離和拍攝角度下的實驗結果表明，本研究方法適宜的拍攝距離為20～40 cm，適宜的拍攝傾角為0°～50°，且具有較好的重復性，在實驗樣本上最大標準差為12.9 mm2，最大相對標準差為1.33%。