導(dǎo)語：彩色圖像提取植物特征研究論文一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要本文介紹了一種基于計(jì)算機(jī)視覺的快速植物識(shí)別算法，能夠快速正確地將植物從復(fù)雜的土壤背景中識(shí)別出來，從而滿足實(shí)時(shí)地為后續(xù)變量控制提供信號(hào)的要求。利用AOI測(cè)試工具，采集了不同土壤、作物殘留物以及各種光照條件下植物的圖像進(jìn)行處理，通過提取圖像中每一個(gè)像素的R、G、B三個(gè)分量值計(jì)算出（2G－R－B）過綠顏色特征值，將彩色圖像轉(zhuǎn)變成灰度圖像顯示。

關(guān)鍵詞計(jì)算機(jī)視覺；圖像處理；AOI；作物識(shí)別；像素

1概述

借助于計(jì)算機(jī)視覺技術(shù)的智能化，能快速識(shí)別出植物，判斷其覆蓋率，并確定其位置，有針對(duì)性地采取措施。這不僅能能降低投入，而且對(duì)我國(guó)溫室精確種植和設(shè)施農(nóng)業(yè)著重要的經(jīng)濟(jì)意義和實(shí)際價(jià)值。隨著計(jì)算機(jī)軟硬件性能價(jià)格比的提高，特別是近十年來計(jì)算機(jī)技術(shù)在各個(gè)領(lǐng)域的滲透，利用計(jì)算機(jī)視覺技術(shù)來取得植物特征并作進(jìn)一步分析已經(jīng)變得切實(shí)可行[1]。

本文針對(duì)溫室大棚采集的雜草圖像進(jìn)行研究，實(shí)現(xiàn)了一種快速植物特征提取與識(shí)別算法，能夠滿足實(shí)時(shí)地為后續(xù)變量控制提供信號(hào)的要求，為進(jìn)一步的研究工作打下了一定的基礎(chǔ)。

2圖像處理

2.1圖像分割

利用CCD彩色攝像機(jī)獲取的圖像，通過圖像采集卡將獲取的圖像以真彩色24位位圖的格式存儲(chǔ)。真彩色24位位圖在存儲(chǔ)格式上是以3個(gè)字節(jié)表示圖像中的一個(gè)像素點(diǎn)。這三個(gè)字節(jié)分別存儲(chǔ)像素點(diǎn)的R、G、B顏色分量值。三個(gè)值根據(jù)RGB顏色坐標(biāo)系統(tǒng)（見圖1）合成這個(gè)像素點(diǎn)的顏色值。目的一是為了獲得更多的信息量，二是為了減少圖像解壓縮的過程，加快處理速度。

圖像分割是由圖像處理到圖像分析的關(guān)鍵步驟，也是一種基本的計(jì)算機(jī)視覺技術(shù)。隨后的圖像處理，諸如特征提取和對(duì)象識(shí)別，都依賴于圖像分割的質(zhì)量。圖像分割就是指把圖像分成各具特性的區(qū)域并提取感興趣目標(biāo)的技術(shù)和過程[2]。盡管人們?cè)趫D像分割方面做了許多研究工作，但由于沒有通用的分割理論，現(xiàn)己提出的分割算法大都是針對(duì)具體問題的，并沒有一種適合所有圖像的通用分割算法[3]。這里的圖像分割，主要是指去除

植物圖像中的土壤背景及作物殘茬。為了有效的將葉面與背景區(qū)分，要對(duì)原始圖像數(shù)據(jù)進(jìn)行選擇和變換，得到

最能反映分類本質(zhì)的特征。在此所說的圖像特征，指的是圖像中各個(gè)點(diǎn)的特征，而不是整個(gè)圖像的整體特征。

對(duì)于彩色圖像分割問題，必須充分利用彩色圖像所包含的豐富的色彩信息，選擇適當(dāng)?shù)奶卣鳎鼓繕?biāo)和背景能依據(jù)特征上的差別進(jìn)行區(qū)分，利用這個(gè)顏色特征將彩色圖像轉(zhuǎn)變成灰度圖像，再確定閾值將灰度圖像二值化。

2.2RGB和HSI坐標(biāo)系統(tǒng)

數(shù)字圖像處理中，常用的顏色坐標(biāo)系統(tǒng)有RGB和HSI坐標(biāo)系統(tǒng)（坐標(biāo)系統(tǒng)圖如圖1、圖2）。RGB顏色坐標(biāo)系統(tǒng)以紅R、綠G、藍(lán)B三種顏色為基色，其它顏色由這三種基色加權(quán)混合而成。HSI坐標(biāo)系統(tǒng)中H表示色調(diào)（Hue），S表示飽和度（Saturation），I表示密度，對(duì)應(yīng)圖像的亮度（Intensity）。面向硬件設(shè)備（如彩色顯示器和打印機(jī)等）的最常用彩色坐標(biāo)系統(tǒng)是RGB坐標(biāo)系統(tǒng)，而面向彩色處理的最常用顏色坐標(biāo)系統(tǒng)是HSI坐標(biāo)系統(tǒng)，HSI坐標(biāo)系統(tǒng)有兩個(gè)特點(diǎn)：其一，I分量與圖像的彩色信息無關(guān)；其二，H和S分量與人感受顏色的方式是緊密相連的。這些特點(diǎn)使得HSI坐標(biāo)系統(tǒng)非常適合于借助人的視覺系統(tǒng)來感知彩色特性的圖像處理算法[4]。

圖1RGB顏色坐標(biāo)系統(tǒng)圖2HSI顏色坐標(biāo)系統(tǒng)

從RGB坐標(biāo)系統(tǒng)到HSI坐標(biāo)系統(tǒng)的轉(zhuǎn)換公式如下：

在RGB顏色坐標(biāo)系統(tǒng)中，如果不考慮光照強(qiáng)度，而只對(duì)色度感興趣，則只要知道R、G、B的相對(duì)值即可。相對(duì)值r、g、b稱為色度坐標(biāo)，其計(jì)算公式如下：

（2）

其中，Rn、Gn、Bn分別是規(guī)范到0～l之間的RGB值，其計(jì)算公式如下：

（3）

式中的Rm、Gm、Bm分別是RGB顏色坐標(biāo)系中的最大分量值。不同的彩色顯示系統(tǒng)有不同的取值范圍，例如，一個(gè)24位的真彩色顯示系統(tǒng)中，Rm=Gm=Bm，此時(shí)r、g、b可按下式計(jì)算

（4）

2.3統(tǒng)計(jì)實(shí)驗(yàn)

物體的顏色是由它的反射光譜特性和光源特性所決定的。由于有生命的雜草的反射光譜特性不同于無生命的土壤背景，因而兩者在顏色上形成了鮮明的對(duì)比，但在亮度上差別不明顯。對(duì)不同土壤、土壤殘留物以及各種光照條件下的用于識(shí)別雜草顏色指數(shù)所做的研究表明，在通常情況下，植物圖像的背景即土壤有較大的r、b值，而其g值卻總小于植物本身的g值，這里r、g、b是歸一化的顏色分量，其計(jì)算公式如（4）。通過研究利用r－b、g－b、（g－b）/|r－g|和（2g－r－b）等指標(biāo)來區(qū)別植物與非植物背景是非常有效的。本文在前人的研究基礎(chǔ)上，利用AOI（Areaofinterest，感興趣區(qū)域）測(cè)試工具對(duì)大量的包含各種類型的雜草圖像進(jìn)行顏色特征的分析，采集了不同土壤、作物殘留物以及各種光照條件下溫室大棚內(nèi)的雜草圖像。統(tǒng)計(jì)研究上述四種歸一化顏色特征參數(shù)的均值和標(biāo)準(zhǔn)偏差，以及(2G－R－B)顏色特征參數(shù)和H、S、I值的均值和標(biāo)準(zhǔn)偏差。統(tǒng)計(jì)的結(jié)果如下表1、表2、表3、表4。為了便于計(jì)算，作了如下規(guī)定：為了避免分母為零的情況發(fā)生，規(guī)定在（－0.01，0.01）之間的（r－g）值為0.01；有些葉子像素的g值遠(yuǎn)大于r值，從而導(dǎo)致

（g－b）/|r－g|很小，為避免這種情況，當(dāng)（r－g）小于－0.08時(shí)，（r－g）的值設(shè)置為0.01。（注：“殘茬土壤”為含有作物殘茬的土壤）

2.4結(jié)果分析

由表l和表2可以得出以下結(jié)論：

（1）對(duì)于r、g、b三個(gè)分量值，干土大于濕土，這是因?yàn)楦赏恋姆瓷渎矢哂跐裢恋姆瓷渎?，土壤濕度越大，則r、g、b值越低。

（2）在相同的土壤濕度下，由于有麥茬等覆蓋物的區(qū)域的反射率低于沒有覆蓋物的區(qū)域，因此，其色度坐標(biāo)r、g、b較小，麥茬覆蓋率越高，則該區(qū)域的r、g、b分量值就越低。

（3）土壤、麥茬等非植物背景的紅色分量占主導(dǎo)地位，而植物部分的綠色分量g占主導(dǎo)地位，從而為植物與非植物背景的識(shí)別提供了很好的依據(jù)。

（4）植物部分的（g－b）的值比非植物部分稍高，而非植物部分的（r－g）的值稍高于植物部分，但差別都不明顯，而且偏差相對(duì)較大，不太適合于背景分割。

（5）植物部分的（g－b）/|r－g|值高于非植物部分，且差別比較明顯，所以（g－b）/|r－g|值也是背景分離的一個(gè)非常有用的顏色參數(shù)。但是（g－b）/|r－g|的值計(jì)算比較麻煩，尤其是當(dāng)（r－g）的值較小時(shí)，（g－b）/|r－g|就會(huì)變得很大，從而導(dǎo)致其偏差較大，不利于背景分割。

（6）植物部分的過綠特征（ExcessGreen，2g－r－b）大于土壤等非植物部分，非植物部分的過綠特征值一般小于等于零，而植物部分的過綠特征值一般大于等于0.20，且過綠特征的偏差都相對(duì)較小。因此，過綠特征是雜草圖像中用于背景分離的很好的閾值參數(shù)[5]。

由表3可以得出以下結(jié)論：

（7）沒有歸一化的RGB值的偏差較大，主要是因?yàn)楣庹諒?qiáng)度的變化所導(dǎo)致的。

（8）對(duì)于沒有歸一化的過綠特征（2G－R－B）而言，植物部分的值遠(yuǎn)大于零，而非植物部分的值在零附近。雖然植物部分與非植物部分的過綠特征的偏差都相對(duì)較大，但是兩部分的過綠特征值相距甚遠(yuǎn)，幾乎沒有重疊現(xiàn)象，故由沒有歸一化的RGB值所產(chǎn)生的過綠特征同樣可用于雜草圖像的背景分割，并且計(jì)算簡(jiǎn)單，處理速度快。但光照強(qiáng)度的變化不宜過大。

由表4可以得出以下結(jié)論：

（9）植物部分的飽和度稍高于非植物部分，而且飽和度的偏差相對(duì)較大，兩部分的飽和度值交迭嚴(yán)重，故飽和度在雜草識(shí)別中沒有可以利用的信息。

（10）植物部分的亮度稍高于非植物部分，但差別甚微，而且相對(duì)偏差很大，不能用于雜草識(shí)別中的背景分割。

（11）植物部分的色度值遠(yuǎn)遠(yuǎn)高于非植物部分，土壤濕度增加時(shí)，其色度值略有增加，但幅度不大，而且色度的標(biāo)準(zhǔn)偏差相對(duì)很小，非植物部分與植物部分的色度范圍幾乎不存在重疊現(xiàn)象，故色度也是可以用于雜草背景分割的參數(shù)。

3結(jié)論

綜上所述，（2g－r－b）、（2G－R－B）、色度H三種顏色特征值都為雜草與土壤背景提供了足夠的對(duì)比度，有利于雜草圖像的背景分割。本文在圖像處理試驗(yàn)中發(fā)現(xiàn)，對(duì)于由沒有歸一化的RGB分量所產(chǎn)生的過綠特征（2G－R－B），在室內(nèi)光照強(qiáng)度相對(duì)比較穩(wěn)定的條件下，在雜草與土壤背景之間的反差很大，因而可以用于雜草圖像的背景分割，而且在這種情況下一些圖像由彩色圖像轉(zhuǎn)成灰度圖像的處理效果比采用（2g－r－b）顏色特征值的處理效果更好，結(jié)合計(jì)算機(jī)系統(tǒng)中采用的真彩色24位bmp圖像文件格式考慮，采用（2G－R－B）顏色特征值計(jì)算簡(jiǎn)單，處理速度快，可以很好的將彩色圖像轉(zhuǎn)成灰度圖，并且為下一步的圖像分割作好了準(zhǔn)備。

本系統(tǒng)軟件通過提取圖像中每一個(gè)像素的R、G、B三個(gè)分量值計(jì)算出（2G－R－B）顏色特征值，將彩色圖像轉(zhuǎn)變成灰度圖像顯示，因而可以利用圖像的（2G－R－B）顏色特征值進(jìn)行下一步灰度圖像的閾值分割。

參考文獻(xiàn)：

[1]應(yīng)義斌，饒秀勤.機(jī)器視覺技術(shù)在農(nóng)產(chǎn)品品質(zhì)自動(dòng)識(shí)別中的應(yīng)用[J].農(nóng)業(yè)工程學(xué)報(bào)，2000，16(1)：4～17.

[2]何東健，楊青等.實(shí)用圖像處理技術(shù)[M].西安：陜西科學(xué)技術(shù)出版社，1998.

[3]FuKS，MuiJK.Asurveyonimagesegmentation[J].PatternRecog，1981,13(2):3～16.

[4]霍宏濤，林小竹，何薇等.數(shù)字圖像處理[M].北京：北京理工大學(xué)出版社，2002.

[5]MS,El-Faki,NZhang,etal.Factorsaffectingcolor-basedweeddetection[J].TransactionsoftheASAE,2000,43(4):1001～1009.