田秀丽，黄亚丽

(河北大学 电子信息工程学院，河北 保定 071002)



计算机视觉系统下缺素番茄叶片彩色图像研究

田秀丽，黄亚丽

(河北大学 电子信息工程学院，河北 保定 071002)

基于计算机视觉系统分析研究缺素番茄叶片的色彩图像，可以准确提取出缺素番茄叶片色彩图像的特征。对当前缺素番茄叶片色彩图像特征提取中，可以运用计算机视觉，优化设计图像处理软件，依据番茄叶片颜色特征来完成缺素番茄叶片的识别。实验表明：基于计算机视觉系统，优化设计缺素番茄叶片色彩图像特征提取软件，可提升缺素番茄叶片色彩图像分析精度(提升32.0%)，准确判断提取缺素番茄叶片图像的特征。基于计算机视觉系统，进行缺素番茄叶片的色彩图像特征提取，有效提高了缺素番茄叶片色彩图像分析精度，可在实践中推广应用该技术。

计算机视觉；番茄叶片；缺素；色彩图像

0 引言

在番茄种植中，番茄缺素主要会表现在叶片的颜色与纹理中，传统的缺素番茄判断中多采用人工肉眼判断方式。由于番茄缺素初期症状不明显，因此人工肉眼判断缺素并不能实际解决问题[1]。为此，设计了基于计算机的缺素图像特征提取系统，可提高缺素番茄叶中图像精度，有利于指导农业生产。

1 计算机视觉系统

随着我国计算机技术的发展，在进行植物病害诊断方面，将计算机视觉技术应用于其中[2]。在种植应用中，计算机视觉系统，主要以计算机中的视觉处理、数字图像处理及光谱分析等基础，通过识别分析颜色的变化，精确、定量分析植物颜色变化数据，对植物病害症状进行描述，提升对植物病害诊断的准确性，快速实现对植物病害的处理[3-6]。在计算机视觉系统中，可以通过探寻植物叶片在健康状态及染病状态下植物叶片的颜色外部性状及反射光谱的变化，构建出叶片颜色与光谱间变化的关系模型[7]，从而检测植物的病害。

2 特征提取软件设计需求

在提取软件的设计中，基于番茄缺素生物学原理，结合计算机视觉系统，优化设计该软件。番茄种植过程中，由于番茄生长会对营养产生较高的需求，只有在不缺乏营养元素的情况下，才可以保证番茄果实的产量与品质；番茄缺素，其营养就会不平衡，呈现生长不良的缺素症状。 番茄缺素严重时，会表现在番茄叶片的色彩变化上。例如，番茄缺氮元素，则叶片会退绿，叶片黄化；番茄缺磷元素，则叶片为红紫色；番茄缺锌元素，则新叶有黄斑；番茄缺镁元素，则番茄下部叶脉间黄化，叶缘为橙、赤、紫等多色彩；番茄缺锰元素，新生叶片与叶脉间发黄，叶脉仍是绿色[8]。因此，本次设计将基于计算机视觉系统，优化设计该特征提取软件，并根据番茄叶片彩色图像变化，精确地获得缺素番茄的信息，初步检测出缺素番茄，并快速、准确地获得缺素番茄的类型及其受害程度，确保农业生产者根据获得的缺素番茄叶片彩色图像信息采取有效的防治措施，控制缺素番茄的发生，挽回缺素番茄造成的经济损失。设计实现基于计算机视觉系统的缺素番茄叶片色彩图像特征提取软件，可在颜色红绿蓝模型(RGB)抓取器中能够打开jpg,gif,bmp等多种常见格式的图片,并可按用户的需要将图片像素点RGB值输出到txt文件中,储存该文件数据，作为缺素番茄叶片判断时的叶片彩色图像特征提取依据。

3 缺素番茄叶片色彩图像特征提取

3.1 软件设计

本次设计的缺素番茄叶片色彩图像特征提取软件，通过系统的图像处理算法，优化提取缺素番茄叶片色彩图像特征，并对特征数据进行分析，将其作为判断番茄植物缺素的依据。软件由视觉系统、人机界面、数据存储及软件算法几个部分。其总体结构如图1所示。

图1 总体结构设计

3.2 计算机视觉系统应用

首先进行植物图像的预处理，主要为二值化处理、采用简单边缘检测算子进行边缘检测等。

其次，提取叶片图像的形状特征，选取了6种区域描述特征，分别是叶片周长、面积、宽度、长度、偏心率、颜色，颜色特征选了7维。

分类叶片色彩图像信息，主要采用K-means算法和近邻法进行分析。

3.3 算法设计

设f(p)为灰度级函数，p为像素坐标，Ω⊂Z2，p∈Ω。p的相邻像素p′∈N(p)；距离函数为dist(p，p′)(在4连通或8连通域中，对所有的邻域点，距离为1)。

斜率最大的相邻点为

如果每个区域最低处mi有唯一的标记L(mi),称为分水岭分割。对于每一NLS(P)≠φ的P∈Ω，则有

∃p'∈NLS(p),L(p)=L(p)

平滑处理算法。根据图像的局部统计特性而变化，点(m,n)一般位于S的中心。如S为3×3领域，点(m,n)位于S中心，则

假设噪声n是加性噪声，在空间各点互不相关，且期望为0，方差为σ2，图像g是未受污染的图像，含有噪声图像f经过加权平均后为

3.4 软件处理流程

基于计算机视觉系统，分析提取缺素番茄叶片彩色图像特征过程，如图2所示。

图2 彩色图像缺素特征分析提取过程

1)叶片图像采集：有针对性地采集番茄植物叶片，挑选出没有缺素颜色特征的叶片，有效提高算法训练样本集的自相容能力与泛化能力，确保采集的植物的叶片大小以及老嫩程度，可以囊括叶片的全部特征；之后，运用扫描仪将叶片制成数字彩色图像。

2)图像预处理：目的是减少叶片彩色图像中的噪音，增加图像的质量，加强有用的信息，并促进后期图像特征的归一化。用突出图像的宽大区域、低频成分、主干部分或者抑制噪声和干扰高频成分，使图像亮度平缓渐变，减小突变梯度，改善图像质量的图像处理。

3)灰度化处理叶片图像：获取的叶片彩色图像，消除叶柄对分类结果的影响，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像预读和识别效果的图像处理方法。

具体算法为输入图像f，输出图像l。

第1次扫描图像像素：

p{q←p；

for each

(p'∈N(p)and f[p']

if (f[p']

if (q≠p) l[p]←q'；

else

l[p]←PLATEAU；}

第2次扫描图像像素：

p{if(l[p]=PLATEAU){L[P]←P；

for each (p'∈Nprev(p) and f[p']=f[p])

r←FIND(l,p)；r'←FIND(l,p')；l[r]←l[r']←min(r,r')；}}

第3次扫描图像像素：

p{l[p]←FIND(L,P)；}

FIND(l,u){for (r←u； l[r]≠r'，r←l[r])； Return r；}

算法程序：

M=imread('叶子4.bmp');

figure,imshow(M)

M1 = watershed(M);

figure,imshow(M1)

利用提取出来的图像特征，提取出叶片的彩色图像参数信息，与缺素番茄叶片进行对比分析，判断番茄植物是否参数缺素病害。

3.5 软件代码实现

lena=imread('lena.jpg'); %载入图片figure(1);imshow(lena);title('原图像'); %显示原图像

rgb1=imnoise(lena,'gaussian');

%加入高斯噪声

figure(2);imshow(rgb1);title('加入噪声后');%显示加入噪声后的图像

fR1=rgb1(:,:,1); %提取图像中的R层

fG1=rgb1(:,:,2); %提取图像中的G层

fB1=rgb1(:,:,3); %提取图像中的B层

w=fspecial('average');

fR_filtered=imfilter(fR1,w); %对R层做平滑处理

fG_filtered=imfilter(fG1,w); %对G层做平滑处理

fB_filtered=imfilter(fB1,w); %对B层做平滑处理

rgb_filter=cat(3,fR_filtered,fG_filtered,fB_filtered); %将处理后的3层合并在一起

figure(3);imshow(rgb_filter);title('模糊后的图像 '); %显示模糊后的图像

rgb2=rgb_filter; %将模糊图像传递给rgb2

fR2=rgb2(:,:,1); %提取图像中的R层

fG2=rgb2(:,:,2); %提取图像中的G层

fB2=rgb2(:,:,3); %提取图像中的B层

lapMatrix=[-1 -1 -1;-1 9 -1;-1 -1 -1];

fR_tmp=imfilter(fR2,lapMatrix); %对R层做锐化处理

fG_tmp=imfilter(fG2,lapMatrix); %对R层做锐化处理

fB_tmp=imfilter(fB2,lapMatrix); %对R层做锐化处理

rgb_tmp=cat(3,fR_tmp,fG_tmp,fB_tmp); %合并3层图像

figure(4);imshow(rgb_tmp);title('锐化后的图像 ');%显示锐化后的图像

4 软件应用

4.1 应用案例

为验证本软件的应用效率，针对A地番茄种植基地，随机通过计算机视觉系统，对一张番茄叶片彩色图像进行分析，以判断番茄是否缺素，如图3所示。

图3 采集的番茄叶片彩色图像

4.2 缺素番茄叶片彩色图像分析

采集番茄叶片中，应用该软件，将该图像进行特征分割，将图像氛围4个区域，如图4～图7所示。

在软件中读入一幅番茄叶片的RGB图像，然后将其分别转换到CMY空间、HSI空间并显示，随机对4个不同区域的番茄叶片彩色图像进行缺素特征提取分析，并利用缺素番茄叶片彩色图像处理算法，对彩色图像进行平滑滤波及锐化处理。

图4 左上区域

图5 右上区域

图6 左下区域

图7 右下区域

4.3 结果分析

应用结果显示：图6、图7中存在缺素番茄叶片，缺乏锰元素，以至于使叶片的彩色图像中呈现出黄色斑点，影响番茄植物的正常生长；图4、图5中，不存在缺素番茄叶片，该区域番茄叶片的彩色图像符合正常生产番茄植物的特征，不存在缺素表现。

5 结论

基于计算机视觉系统，通过植物的叶片颜色、叶形构造及叶脉分布等外部特征，分离提取叶片图像信息，有效提取缺素番茄叶片彩色图像特征，判断诊治缺素番茄植株。

综上所述，基于计算机视觉系统，设计缺素番茄叶片的色彩图像特征提取软件，可有效提高缺素番茄叶片色彩图像分析精度，具有一定的实用价值。

[1] 方政, 胡晓辉, 陈永,等. 基于计算机视觉的成熟番茄识别研究[J].农机化研究, 2016, 38(8)：31-35.

[2] 杭腾, 毛罕平, 张晓东,等. 基于机器视觉的番茄长势信息无损检测的研究[J].农机化研究, 2015，37(11):192-197.

[3] 张水发, 王开义, 祖琴,等. 基于块标记的田间叶片损伤区域分割方法[J].农业工程学报, 2014(21):218-225.

[4] 周正, 雷梦龙, 唐少先. 基于计算机视觉技术的番茄叶部病害识别研究[J].安徽农业科学, 2013, 41(5):2288-2289.

[5] 汪启伟. 图像直方图特征及其应用研究[D].合肥：中国科学技术大学, 2014.

[6] 杨国良. 番茄常见缺素症的识别及防治番治[J].乡村科技, 2014(7):21.

[7] 吴艳, 张丽. 基于Qt的叶片颜色RGB抓取器的设计与实现[J].信息化研究, 2013(3)：75-78.

[8] 朱文静, 毛罕平, 刘红玉,等. 温室番茄缺素叶片偏振反射特征分析[J].光谱学与光谱分析, 2014(1):145-150.

Study on the Color Image of Tomato Leaves Under the Computer Vision System

Tian Xiuli, Huang Yali

(College of Information Engineering，Hebei University,Baoding 071002，China)

The aim of this study is to analyze the color image of the missing tomato leaves based on the computer vision system, so as to ensure the accurate extraction of the color image features. The current lack of tomato leaf color image feature extraction, using computer vision, optimization, image processing software is designed, which can be found color characteristics of tomato leaves to complete lack of identification of pigment in tomato leaves. The results confirm that based on computer vision system, optimization design extraction software diagnosing nutrient deficiency diseases of tomato leaf color image feature, play a technical feasibility, can improve the deficiency of tomato leaf color image analysis accuracy, improve 32.0%, by computer vision system accurately judge the extraction of nutrient deficiency of tomato leaf image, effective application. The conclusion indicates that the system based on computer vision, a design defect of pigment of tomato leaf color image feature extraction software can effectively improve the deficiency of tomato leaf color image analysis accuracy, application of this system in practice.

computer vision; tomato leaves; missing element; color image

2016-06-07

河北省高等学校科学技术研究项目(QN2016169)

田秀丽(1977-)，女，河北保定人，讲师，硕士研究生，(E-mail)tianxiuli0609@163.com。

黄亚丽(1978-)，女，河北保定人，讲师，博士研究生，(E-mail)sue9175@sina.com。

S126；TP391.4

A

1003-188X(2017)07-0175-05