论文导读：图3给出了实验中图像处理的过程与结果，其中（a）为相机拍摄的原始灰度图像，(b)为对原始图像进行迭代阀值法分割后的二值图像，（c）为对二值图像进行开运算后的结果，（d）是从（c）中分离出来的大豆叶片目标，（e）是从（c）中分离出来的叶片外接矩形图像。
关键词：图像处理，叶面积无损测量
0引言
叶片面积的大小直接影响到植物生产力的高低，叶片面积的变化也直接影响植物水分生理的变化过程。测定植物叶片面积，往往是研究一些与植物叶片面积相关的生理生化指标首要解决的问题。例如，对小面积叶片的光合速率进行测定时，需要知道这些叶片的实际面积，以此换算标准光合速率。
叶片的面积的测定经历了网格法、称重法、系数法以及使用叶面积仪进行测定，前三种方法需要进行破坏性测量，而叶面积仪价格昂贵，且当叶片面积很小时，测得的面积与实际面积间会产生较大偏差。游明安等[1]介绍了采用叶长×叶宽与叶片面积间的回归关系来测定叶片的叶面积，然而在建立回归关系前，还需对抽样后的叶片进行面积测定。当需要在田间进行非破坏植株的叶面积测定时，可以采用基于机器视觉技术的图像处理方法来求得叶面积，该方法可以有效的实现无损测量。
本文利用机器视觉知识，基于参照物的叶面积测量方法，通过对目标图像进行区域分割，分别对其计算区域面积，最终求得比较准确的大豆叶片参数值。论文格式。
1、测定原理
数字图像有许多像素点组成，每个像素点代表一定的实际面积值，而其所代表的实际面积值可以由已知参照物面积求得[2]。因此叶面积可由下列公式求得：
 （1）
其中S代表叶片面积，S0代表参考物体的实际面积，通过图像处理得到叶片面积S1，参考物体面积S2。这种方法在测量叶片面积时，需要在严格的物距下进行叶片的采样，以保证每个像素代表的真实面积不变，而且要求光学器件的线性度高，镜头的焦距不可变，可见此方法难度较大。
拍摄图像时让数码相机离被测叶片尽量远，通过数码相机的变焦功能使被测叶片的像尽量大，相当于在尽量长的焦距下拍摄，误差就会有效地减少。测量时要求将被测叶片与标准测度参照物同时拍摄，从而按比例获得绝对尺寸，被测叶片和标准物体要求拍摄到同一幅图像上。
2、图像的获取
叶面积的测量系统硬件部分主要有成像设备、计算机、参照物以及测量叶片时所需的夹具一套。论文格式。成像设备选用普通的数码相机，参照物是测量中一个关键的设备，本研究中选用一个黑色圆片，它必须要能与与叶片有很大的颜色差别。参照物圆片要足够远，圆片的面积将直接影响测量的精度。测量所用夹具需要以下特点：能够构建一个与叶片颜色有很大差别的背景，选择白色的纸板。并能使参照物固定在背景纸板上。
借助于数码相机来获取图像，可以不破坏作物的群体结构，真正地检测叶片的生长规律而不只依靠统计规律，但是需要对测量系统进行标定，而且要求被测叶片和标准参照物必须同时拍摄，所以影响测量精度的因素很多。
3、叶面参数的测量方法
如图1所示，极为叶面参数计算的工作流程图。在对原图像进行预处理以后，将图像转化为灰度图像，将转换后的灰度图像进行图像分割、边缘提取、最后经过计算求出叶面的基本参数。
图1 系统工作流程
3.1图像预处理
由于受到外界光线以及噪声的干扰，使得图像想上出现一些噪声点，需要对其进行处理，才能使图像清晰，更加准确的表征事实。预处理过程包括对图像进行亮度、对比度调整和平滑滤波。亮度和对比度的调整可以使图像特征明显，易于识别；平滑滤波的目的则是去掉尖锐不连续的噪音。
3.2图像分割
要获取图像中参考物的面积及图像中作物叶片的参数，首先要讲参考物目标和叶片目标从原图像中分割出来。目前，用于图像分割的方法很多，其中双峰阀值处理是最常用的一种。阀值处理时将所有灰度值大于或等于某阀值的像素都被判定属于物体，所有灰度值小于该阀值的像素被排除在物体之外，即为背景。
利用迭代阈值法对图像进行分割[3]。论文格式。该方法具体步骤如下：
① 选择灰度阈值T的初始估计值。
② 用T分割图像。这样就会生成两组像素：G1由所有灰度值大于T的像素组成，而G2由所有灰度值小于或等于T的像素组成。
③ 对区域 G1和 G2中的所有像素计算平均灰度值μ1和μ2。
④ 计算新的门限值：
T = (μ1+μ2)/2(2)
⑤ 重复②到④，直到逐次迭代所得的T值之差小于事先定义的参数T0。
图2目标直方图
将图像的最大灰度值和最小灰度值的均值作为灰度阈值T的初始估计值。迭代得到灰度阈值T后，将大于T的像素的灰度值设为1，其余像素的灰度值设为0，这样便得到了二值图像，使得参考物目标和叶片目标从原图像中分离了出来。
3.3去噪处理
采用阀值分割后的二值化图像，其叶片周围常存在若干噪声斑点，需要进行去噪处理，中值滤波是一种去除噪声的非线性处理方法，能够在抑制噪声的同时很好的保护边缘轮廓信息[4]，采用开运算将参照物内部填充完整。
3.4目标参数的获取
设d为实际参照物的直径，则实际参照物的面积S0可以通过下式得到：
 （4）
用实际的参照物面积除以图像中参照物的面积S1得到一个比例系数k，即
 (5)
根据图像中叶片面积A、最小外接矩形的长L和宽W，以及比例系数，可计算得到实际的叶片面积AR、叶长LR和叶宽WR，它们分别由式（6）—式（8）计算得到[1][5]：
 ；（6）
 ；（7）
 ；（8）
4结果和分析
实验选用了大豆叶片为待检测的目标，并以一元硬币作为参照物，利用三星S1050数码相机获取原始图像，用1.73GHz Pentium微机、在Window XP平台上用Matlab编程实现。试验中，使用游标卡尺测量出参照物的实际直径为d=2.500cm.，T0=0。
图3给出了实验中图像处理的过程与结果，其中（a）为相机拍摄的原始灰度图像，(b)为对原始图像进行迭代阀值法分割后的二值图像，（c）为对二值图像进行开运算后的结果，（d）是从（c）中分离出来的大豆叶片目标，（e）是从（c）中分离出来的叶片外接矩形图像。（f）是从（c）中分离出来的参照物图像。
  
（a）原始灰度图像（b）二值图像（c）开运算效果图
  
（d）分离后叶片对象 （e）叶片外接矩形 (f)参照物对象
图3图像处理的过程与结果
使用图像处理技术计算得到的叶片面积为12.3825cm2，叶片长为4.6478cm、宽为3.6149cm。计算的中间数据如下：
表1 实验叶片参数和参照物的数据
| 叶片像素A |
参照物像素S1 |
参考物面积S0 |
叶长像素L |
叶宽像素W |
| 1.2081e+005 |
4.7875e+004 |
4.9087cm2 |
459.0000 |
357.0000 |
为了验证利用本方法测量植物叶片的参数的有效性，还利用网格法测量叶片面积、利用游标卡尺测量叶长和叶宽，其结果分别为12.78cm2、4.70cm、3.71cm。
5结论
本文提出一种使用普通相机和参考物结合图像处理技术对植物叶片参数进行测量的方法，并将该方法测定的结果与传统的网格法进行了比较，结果表明它们测定的结果比较接近。该方法实现了无损测量叶片参数的功能，具有简单、准确、方便快捷的特性，对于研究作物的生长特性具有一定的参考意义。
参考文献
[1]游明安，上堂秀一郎等. 大豆叶面积的回归估计法[J]. 大豆科学，1991，10(3):245-247
[2]陈鼎才，王定成，查金水. 基于机器视觉的现实叶片面积测量方法的研究[J]. 计算机应用，2006， 26(5) : 1226 - 1228
[3]陈爱军. 基于图像处理的植物叶片参数的测量[J]. 东北林业大学学报，2007，37(4):46-47，53
[4]王永皎，张引，张三元. 基于图像处理的植物叶面积测量方法[J]. 计算机工程，2006，32（8）：210-212
[5]谭峰，高艳萍。基于图像的植物叶面积无损测量方法研究[J]. 农业工程学报，2008，24（5）170-173
|
