沈雯雯，白杰云，官 俊，任洪娥，3*

(1.东北林业大学 信息与计算机工程学院，哈尔滨 150040；2.哈尔滨工业大学 计算机科学与技术学院，哈尔滨 150001；3.黑龙江省林业智能装备工程研究中心，哈尔滨 150040)

生态系统供需失衡导致的全球变暖是当今最大的环境问题之一，而通过测量固碳释氧量来衡量失衡的程度已经成为当前研究的热点之一[1-2]。叶绿素既是植物固碳释氧的最小单元，又是绿色植物叶片呈色的主要色素，这是使用视频识别技术进行固碳释氧实时无损监测测量的基础，而图像分割是视频识别中的一个关键问题。其分割的准确性直接关系测量的精度，因此分割精度成为研究的主要问题。

目前对于叶片分割的方法主要有基于灰度特征的灰度图像分割和基于颜色特征的彩色图像分割。

对于叶片灰度图像的分割，刘小川[3]等人采用全局自适应模糊阈值算法对病斑叶片进行分割；马丽[4]等人比较局部阈值和全局阈值对于植物叶片分割的效果，发现局部阈值分割的效果更佳；毛罕平[5]等人利用像素的灰度值与邻域均值两个局部特征，采用模糊C均值算法对棉花病害叶片进行分割；董金勇[6]等人针对单一方法对复杂目标无法进行有效分割的缺点，采用数学形态学方法对目标进行优化，对田间枣树叶片进行分割；王萍[7]等人结合线性边缘检测算法和非线性数学形态学方法对植物叶片进行分割；任玉刚[8]等人对图像进行梯度和距离变换，并标记其前景和背景，通过分水岭变换对叶片图像进行分割。上述方法对相应叶片进行合理的分割，但是不免存在以下问题：这些方法都是对于灰度图像进行分割，未考虑叶片最突出的颜色特征；而全局和局部处理的差异，很大程度上是由于受光照不均匀造成的。

对于叶片彩色图像的分割，王红君[9]等人根据颜色特征，利用分水岭与自动种子区域生长相结合的算法，对植物叶片的彩色图像进行分割；姚旭国[10]等人在缺素条件下，利用增强绿色分量的过绿体方法，实现了番茄叶片的背景分割；韩殿元[11]等人在RGB非均匀颜色空间下，利用像素彩色通道的相似性，采用自适应阈值方法，分割叶片的区域，同时也发现受光照不均匀影响，算法的精度会大幅下降；刘君[12]等人开发了病虫害自动识别系统，在RGB和HSI颜色空间下，提取颜色特征，采用聚类算法和偏微分水平集方法对病斑叶片进行分割，但是只能对于背景简单，叶片和背景颜色差异较大的图像进行分割。上述方法都合理地解决了相应的问题，但是仍然存在以下问题：这些方法都突出了颜色特征的重要性，但是并没有充分考虑光照对于分割效果的影响；而基于聚类和阈值的分割方法，未考虑非均匀空间下欧氏距离不能够表示色差的问题；没有考虑高精度分割情况下对于色域的要求、颜色空间的设备依赖性和适用范围。

在研究叶片生理和表现关系后，本文提出了一种基于反射模型的树叶彩色图像聚类分割算法。该算法提取了有利于叶片分割的颜色特征，消除了光照影响，选择了设备不相关、色域大和符合人类视觉系统的Lab均匀颜色空间，定义了聚类准则，以此实现了叶片图像的分割，满足了测量精度高的要求。图像处理过程如图1所示。

图1 图像处理过程

1 反射模型与Lab颜色空间变换

1.1 光照反射模型

按照Lambertian的反射模型，彩色图像为f(x，y)是光源在物体表面反射后被电子设备记录的数字信息，而每个像素点的颜色特征会因入射强度和角度的不同而有不同。

(1)

为了消除光照对于物体颜色不一致的影响，可以通过估计图像的光照，并利用VonKries模型将其变换到同一光照条件下。假设获得图像的光照为e，标准白光的光照为e0，在RGB空间下，两者对应的R、G、B值分别为(or，og，ob)和(or0，og0，ob0)。变换矩阵中，kr，kg和kb分别为估计光照与标准光照各个颜色通道的最大响应值比值。将图像从估计光源e变换到标准白光e0下的VonKries变换为：

(2)

1.2 Lab颜色空间变换

人类的视觉系统可以不受光照的影响，保持对于物体颜色的恒定辨识。但是对于依赖颜色特征进行识别的机器视觉问题，会受到光照不一致的影响，因此，选择并提取有效的颜色特征是必须的。

目前普遍采用RGB颜色空间来表示图像的色彩，但是对于提取颜色特征，进行图像分割，其存在以下缺点：①存在负的三刺激值；②与人眼视觉系统不同，光照的亮度分量集成在每一个颜色通道分量中，不能单独统一的对亮度分量进行滤波；③其为非均匀空间，因而两点间的色差不能用欧氏距离来表示；④不能直接消除亮度分量对于图像色彩的影响，只能通过对各个颜色通道滤波，这样的处理会严重影响其精度；⑤其为设备相关性颜色空间。而Lab颜色空间为均匀空间，其对于颜色的评价不依赖于设备，可以独立处理亮度分量，并且该颜色空间是基于人类视觉系统设计的，其色域大，可以有效地提高色差精度。

从RGB颜色空间到Lab空间的变换过程如下：

(1)从RGB到XYZ空间的变换公式：

(3)

(2)从XYZ到Lab空间的变换公式：

(4)

a=500*(f(X/Xn)-f(Y/Yn))。

(5)

b=200*(f(Y/Yn)-f(Z/Zn))。

(6)

式中：Xn，Yn，Zn为白光条件下的刺激值。

式中：L∈[1，100]，a∈[-100，100]，b∈[-100，100]。

2 聚类分析与图像分割

2.1 相似性度量和聚类准则

在Lab颜色空间下，去除亮度分量L来消除光照的影响，只对颜色分量a和b进行聚类分析。设两个颜色A和B，对应的色度分量分别为(a，b)和(a′，b′)，它们之间的相似性采用欧氏距离表示：

(7)

设将图像分成c类，其中各类的集合分别表示为D1，…，Dc，ni为第i类集合的像素点数，mi为第i个类集合的均值，X表示特征向量(aX，bX)，Je为聚类准则函数，则聚类准则为：

(8)

2.2 图像分割过程

针对树叶图像分割中受光照影响而无法获得较好分割结果的问题，本文采用下述过程，实现彩色树叶的图像分割，具体过程如下：

Step1：按照光照反射模型，估计各个颜色通道的光照；

(9)

式中：i表示第i个颜色通道；Ii，max表示通道i中像素的最大值。

Step2：按照公式(2)，利用VonKries模型变换对图像进行滤波预处理，其中kr=1/I1,max，kg=1/I2，max，kb=1/I3，max。

Step3：按照公式(3)～(6)将图像从RGB空间转变到Lab空间。

Step4：给定分类数目和初始聚类中心。

Step5：按照公式(7)计算各个像素点与聚类中心的相似性，并确定其类别。

Step6：迭代完一次，按照聚类准则公式(8)重新计算聚类中心。

Step7：按照公式(8)计算聚类准则函数，相邻两次迭代聚类中心不同转至step5，否则终止。

3 实验结果与分析

3.1 预处理

图2(a)、图2(b)和图2(c)分别为RGB颜色空间各个通道的灰度分布直方图，图3(a)为原图像，图3(b)为使用各个颜色通道最大值作为光照的滤波结果，图3(c)为改进方法的滤波结果。

根据反射模型理论，只有物体将入射光照全部反射，并被电子设备记录下来，那么该点可以作为光照估计(即各个颜色通道的最大值)，但是该方法存在致命的缺点：大多数图像并不存在这样的点，另外还要考虑噪声的影响。而直方图可以反映特定像素强度的数量，选择一定百分比像素值作为光照的强度[13-14]，以此可以有效地增强图像。一般以1%或者更小的比例去除白点，该方法假设所有的通道只有1%的像素点被去除掉，这种假设是只有一小部分白点，如图3(c)为改进的方法，与原方法图3(a)相比，经过改进方法的处理结果，虽然整体偏暗，但是处理后，整个叶片的色泽几乎一致。

图2 实验图像直方图

3.2 图像分割

为了验证本算法的有效性，本算法与目前常使用的彩色图像分割算法进行了比较。在相同的实验条件下，分别对过绿体方法(2GRB模型)、H分量分割方法和本文的方法进行比较分析。图4(a)、图4(b)和图4(c)分别是采用2GRB模型提取绿色分量，HSI模型下提取H分量，以及Lab颜色空间的颜色聚类分割处理结果。

图4 叶片图像分割结果对比

过绿体方法(2GRB模型)是在RGB颜色空间中，利用树叶绿色分量大于其他分量的固有特征，2G-R-B将树叶从背景中分割出来，图4(a)为该方法分割结果；提取H分量的分割方法，是在HIS非均匀空间中，去除亮度分量，只使用颜色分量H进行分割，图4(b)为该方法分割结果。本方法是在Lab均匀空间中，消除亮度分量，使用颜色分量进行聚类分析，图4(c)为本方法的分割结果。

过绿体方法分割结果图4(a)表明树叶的绿色分量是有效地颜色特征，其可以有效地将树叶从背景中分割出来，但是受到光照不一致的影响，分割结果中引进了许多噪声。提取H分量的分割结果图4(b)与图4(a)相比，其去除了光照不一致的影响，可以将树叶中细节的部分分割出来，左上脚分割效果较好，但是也容易受到噪声的影响，特别是右下角分割的效果较差。本方法分割结果与上述两种方法相比，其不仅可以去除光照不一致的影响，而且其可以准确地表示色差，结合两者的优势获得了很好的效果，保留了需要分割叶片的主体和细节，效果较好。

4 结 论

针对树叶图像明显可辨别的颜色特征，考虑光照对于图像分割的影响，利用反射模型，在RGB颜色空间下，采用改进的白平衡化方法，使图像的光照条件相同；依据人眼的视觉系统，考虑Lab颜色空间的均匀性和色域大的特点，消除亮度分量的影响，只对颜色分量进行聚类分割，与目前采用颜色特征进行图像分割的方法进行比较分析，证实该方法是有效的。

【参 考 文 献】

[1]岳 超，王少鹏，朱江玲，等.2050年中国碳排放量的情景预测—碳排放与社会发展 Ⅳ[J].北京大学学报(自然科学版)，2010，46(4)：517-524.

[2]国 徽，张思冲，许瀛元，等.黑龙江省森工林区天然用材林碳汇价值研究[J].森林工程，2012，28(5)：95-98.

[3]刘小川，艾矫燕，唐纪良，等.基于自适应模糊阈值的植物黑腐病叶片病斑的分割[J].中国图象图形学报，2009，14(7)：1334-1340.

[4]马 丽，贾宇琛.基于局部阈值的植物叶片图像分割算法研究[J].农业网络信息，2011(7)：34-36.

[5]毛罕平，张艳诚，胡波.基于模糊C均值聚类的作物病害叶片图像分割方法研究[J].农业工程学报，2008，24(9)：136-140.

[6]董金勇，王建仑，李道亮，等.田间枣树叶片复杂目标图像综合分割方法[J].农业机械学报，2011，42(1)：165-170.

[7]王 萍，唐江丰，王 博，等.基于数学形态学的植物叶片图像分割方法研究[J].浙江农业学报，2012，24(3)：509-513.

[8]任玉刚，张 建，李 淼，等.基于分水岭算法的作物病害叶片图像分割方法[J].计算机应用，2012，32(3)：752-755.

[9]王红君，陈 伟，赵 辉，等.复杂背景下植物叶片的彩色图像分割[J].中国农机化学报，2013，34(2)：207-211.

[10]姚旭国，郑可锋.一种改进的作物缺素叶片图像分割方法[J].农业网络信息，2009(12)：15-17.

[11]韩殿元，黄心渊，付 慧.基于彩色通道相似性图像分割方法的植物叶面积计算[J].农业工程学报，2012，28(6)：179-183.

[12]刘 君，王振中，李宝聚，等.基于图像处理的作物病害自动识别系统的研究[J].计算机工程与应用，2012，48(13)：154-158.

[13]王克奇，马晓明，白雪冰.基于分形理论和数学形态学的木材表面缺陷识别的图像处理[J].森林工程，2013，29(2)：48-50.

[14]Finlayson G D，Schaefer G.Solving for colour constancy using a constrained dichromatic reflection model[J].International Journal of Computer Vision，2001，42(3)：127-144.