植物根系圖像的預處理方法研究

梁麗秀 裴玖玲 孫少杰 周 丹

(塔里木大學機械電氣化工程學院，新疆 阿拉爾 843300)

植物的根系是其重要的組成部分，除了可以起到固定植株外，從土壤中吸收營養物質，為植株的生長發育提供必要的養分也是其重要的作用。近年來有研究表明，植物根系的形態特征與其植株的生長發育等方面有著緊密的關聯。因此，研究植物根系的形態特征意義重大。圖像的分割應用于植物根系的形態特征提取，可以在不破壞植物的前提下動態的研究根系對植物的生長發育的影響，目前圖像分割算法種類很多，但要準確的提取出植物的根系特征，難度很大，而圖像分割前對圖像進行預處理又是必不可少的一環，對圖進行增強處理，突出根系特征便于后續的提取，本文對自然光條件下采集到水稻根系進行了預處理研究。

1 Gabor 濾波器

Daugman 在1985 年首次將二維Gabor 濾波函數應用到了對圖像的濾波平滑中[1-2]，二維Gabor 函數可以同時在時域和頻域獲得較高的分辨率，二維Gabor 濾波器是與人類的視覺系統最接近的一種描述。由于二維Gabor 濾波器針對圖像局部多方向結構紋理特征的上處理上相對比較敏感，所以在處理具有紋理特征的圖像增強方面效果更好。Gabor 濾波器已經在對血管造影和指紋識別的圖像增強中多有應用[3-6]。

二維Gabor 函數是一個通過高斯函數變換得到的復正弦函數, 具有不同的實部函數和虛部函數，實部函數式偶Gabor 函數，以此為濾波器對圖像的整體增強效果會較好，虛部是奇Gabor 函數，以虛部為濾波器增強物體的邊緣更為適合。本文要對整個水稻根系進行增強，因此采用了用Gabor 函數的實部，也就是偶Gabor 函數的濾波對圖像進行處理。

濾波增強結果為Gabor 核函數與輸入圖像進行卷積操作得到。

其中：G 為二維Gabor 核函數，Img 為輸入圖像，out 為增強后的輸出圖像。

二維Gabor 的核函數：

其中：x，y 為空間域像素的位置；ω0為濾波器的中心頻率；θ 為Gabor 核函數的方向；σ 為高斯函數標準方差，其中,ω0控制Gabor 濾波器的頻域尺度, 也就是Gabor 濾波器在頻域的中心位置；θ 控制Gabor 濾波器的方向。

σ 和ω0的關系為:

其中Wt是Gabor 濾波器的時域窗寬度，若σ 值固定，Wt與ω0成反比關系，若Wt過大則會導致濾波器的頻域窗ω0較小, 低頻特征會被增強, 最終會是圖像丟失跟多的細節。若Wt太小會導致，頻域窗ω0較大, 高頻特征會過多的唄增強, 更多的細節會凸顯出來，而細節中包含有大量的噪聲干擾信號，導致增強后的圖像噪聲干擾嚴重，所以選取合理的尺度參數可以調節增強效果。

圖1 為選取σ 為1 條件下選取選取10 個方向、16 個方向和36 個方向三種不同的方向參數，對水稻根系圖像進行增強處理的結果對比圖，由圖結果可以看出，36 個方向的增強結果根系整體增強效果較好，尤其是細小的根系被明顯增強了，方向選擇越多增強效果越好，但同時背景中的噪聲也被增強。

圖1 不同參數的Gabor 濾波結果

2 導向濾波器

導向濾波是2013 年提出的一個新的濾波方法[7]，相比雙邊濾波，導向濾波可以實現數據邊緣保留的特點，主要用來保持邊緣同時去除噪聲。導向濾波顧名思義是需要一幅圖像I 作為引導圖，通過I 對輸入圖像P 進行濾波處理，利用引導圖像的紋理特征對輸入圖像進行增強，濾波后可以獲得與引導圖I 具有相似紋理的圖像，多應用圖像的去霧與摳圖和對醫學圖像的增強中[8-9]。濾波輸出的計算公式如下：

其中ωk為引導圖像I 的第K 個核函數窗口，|ω|為該函數窗口內的總像素個數，μk為圖像I 在窗口中的像素的均值，σ2k為I 的方差，ε 為平滑因子。

導向濾波可以用自身的輸入圖像作為引導圖，也可以是其他的圖像，或是用自身圖像的小窗口作為引導都是可以的，用自身的輸入圖像作為引導圖可以是引導濾波在圖像邊緣增強效果方面比較突出。引導圖像I 相比較于其他的濾波器，引導濾波器在細節上的濾波效果要更為突出。圖2 是采用MATLAB2016a 中自帶的導向濾波函數(imguidedfilter 函數)，通過設置不同邊長的濾波窗口對根系圖像進行濾波處理的結果對圖，如圖所示，濾波窗口取得越大，平滑效果越好，對噪聲的抑制能力越強，圖像也越模糊，導向濾波結果的邊緣保持能力要更好。

圖2 不同濾波窗口的導向濾波結果

3 結論

自然光成像條件下采集的根系圖像包含有大量的噪聲，對這樣的圖像進行分割處理難度較大，預處理的要求過高一些，本文采用了Gabor 濾波和導向濾波對圖像進行了預處理研究，結果顯示，Gabor 濾波對根系整體增強效果較好，尤其是細小的根系被明顯增強了，但同時背景中的噪聲也被增強。而導向濾波結果的邊緣保持能力要更好，但圖像會更模糊。