CN102778212A - 一种利用数码相机获取水稻冠层叶面积指数的方法及装置 - Google Patents

Abstract

本发明公开了一种利用数码相机获取水稻冠层叶面积指数的方法及装置，方法包括如下步骤：(1)将数码相机置于水稻冠层外部上方，镜头朝下，镜头主光轴垂直于水稻冠层水平投影面，拍摄水稻冠层原始彩色图像；(2)将所述水稻冠层原始彩色图像转换为灰度图像；(3)将所述灰度图像转换为只含有“黑”“白”两种像元的二值图像；(4)从所述二值图像中提取水稻冠层孔隙度；(5)根据提取的水稻冠层孔隙度计算叶面积指数。本发明的方法及装置只需要利用普通数码相机在水稻冠层外部上方以垂直俯视方式拍摄水稻冠层图像，不需要在田间破坏性采摘水稻叶片进行人工测量，能实时快速获取水稻冠层LAI，为水稻遥感估产和监测水稻长势状况提供基础参数。

Description

一种利用数码相机获取水稻冠层叶面积指数的方法及装置

技术领域

本发明涉及水稻冠层叶面积指数测量技术领域，具体涉及一种利用数码相机获取水稻冠层叶面积指数LAI的方法及装置。

背景技术

水稻是我国最主要的粮食作物之一，在国家粮食安全战略中占有非常重要的地位。水稻叶片是水稻的许多生物物理过程，包括光合、呼吸、蒸腾和降水截获等过程，发生的唯一场所。叶面积指数(LAI)反映了单位地表上水稻叶片的总面积，它决定了水稻对太阳辐射、水分等的利用和管理的能力。因此，LAI是反映水稻长势、营养状况、估算水稻产量的重要指标。

传统的获取水稻LAI的方法主要是“直接量测法”，李云梅(李云梅.植被辐射传输理论与应用[M].南京：南京师范大学出版社，2005.)通过实测已知面积地表上的水稻叶片总面积来换算叶面积指数。另外，WarrenWilson(Warren Wilson，J.and Reeve，J，L.，1959.Analysis of the spatialdistribution of foliage by two-dimensional point quadrats.NewPhytol.，58：92-101.)采用“投针法”测定了植株叶面积指数。这些“直接量测法”和“投针法”测定速度慢、工作强度大，测定精度很大程度上依赖于测量人员的实际经验，易受主观因素影响。因此，为了能快速、便捷、客观地获取作物冠层LAI，研究者们研究了新的方法和仪器。

吴门新[吴门新，朱启疆，王锦地，项月琴，苏理宏，周晓东，唐世浩.夏玉米结构参数计算及大田玉米冠层的可视化研究.作物学报，2002，28(6)：721-726.]在几何图形法、参数法和直接测量法的基础上，利用实测数据结合数字图像处理获得的相关数据建立了图像LAI与实测LAI的回归模型，成功批量获取了夏玉米的LAI。Kristian Kirk(Kristian Kirk，HansJorgen Andersen，Anton G.et al.Estimation of leaf area index in cereal cropsusing red green images.Bio-systems engineering，2009，104：308-317)利用普通数码相机拍摄的春大麦和冬小麦图像的红绿波段，计算绿度和亮度作为图像分类依据，根据指数型孔隙度计算模型反演LAI。

申请人在2010年7月20号申请的专利号为ZL 201010231726.8的中国发明专利公开了一种半球摄影法获取水稻冠层叶面积指数和平均叶倾角的方法，运用基于鱼眼镜头的数字半球摄影系统，从水稻冠层内部自下而上采集水稻冠层半球图像，对此半球图像进行灰度转换和二值化后，从中获取57°视角天顶角下的冠层孔隙度，基于Beer-Lambert定律和泊松模型，以及水稻冠层叶片投影函数的两大特性，计算57°视角天顶角单角度条件下的水稻冠层LAI和ALIA；运用椭圆函数模拟水稻冠层的叶倾角分布，对单角度法求出的水稻冠层LAI和ALIA进行优化，完成水稻冠层LAI和ALIA的快速获取。

Jiangui Liu等(Jiangui Liu，Elizabeth Pattey.Retrieval of leaf area indexfrom top-of-canopy digital photography over agricultural crops.Agriculturaland Forest Meteorology，2010，150：1485-1490)利用普通数码相机获取玉米、大豆和小麦冠层的垂直俯视照片，并从中提取冠层垂直孔隙度而计算这三种作物冠层LAI值，其结果与冠层分析仪LAI-2000的测量值具有高度相关性。吴伟斌(吴伟斌，洪添胜，王锡平，彭万喜，李震，张文昭.叶面积指数地面测量方法的研究进展.华中农业大学学报，2007，26(2)：270-275)认为，现有的测量仪器如Decagon公司生产的AccuPAR冠层分析仪和LI-COR公司生产的LAI-2000能快速测量LAI。但作为进口仪器，它们的价格都比较昂贵，不利于在我国广泛推广使用。另外，这些仪器本身也存在一些使用不便之处。比如，这些仪器要求从冠层底部向上采集辐射信息，对于处于生长初期的植物或者冠层高度较低的植物(如水稻)，由于仪器(或探头)本身有一定的厚度，所以无法获得完整的冠层信息。而且有些仪器必须分别两次采集冠层上、下方辐射信息，不利于将仪器固定在移动设备(拖拉机等)上以采集大面积的LAI数据。

基于普通数码相机以垂直俯视方式拍摄水稻冠层图像，并提取孔隙度反演水稻叶面积指数的方法，国内外公开文献还没有报道。

发明内容

本发明提供了一种利用数码相机获取水稻冠层叶面积指数的方法及装置，基于普通数码相机以垂直俯视方式拍摄水稻冠层图像，并提取孔隙度反演水稻叶面积指数，能实时快速获取水稻冠层LAI，避免了在田间进行破坏性采摘水稻叶片测量水稻叶面积指数带来的费时、费力、工作效率不高等问题。

一种利用数码相机获取水稻冠层叶面积指数的方法，包括如下步骤：

(1)将数码相机置于水稻冠层外部上方，距离水稻冠层顶端1米，镜头朝下，镜头主光轴垂直于水稻冠层水平投影面，拍摄水稻冠层原始彩色图像；

(2)将所述水稻冠层原始彩色图像转换为灰度图像；

(3)将所述灰度图像转换为只含有“黑”“白”两种像元的二值图像；

(4)从所述二值图像中按如下公式提取水稻冠层孔隙度，

$T=\frac{P_0}{P_0+P_1}$

式中，T-水稻冠层孔隙度；P₀-非水稻叶片像元数量；P₁-水稻叶片像元数量；

(5)按如下公式计算叶面积指数，

LAI＝-2lnT

式中，LAI-水稻冠层叶面积指数；T-水稻冠层孔隙度。

步骤(2)中采用如下公式转换：

Gray(x，y)＝2*G(x，y)-B(x，y)-R(x，y)

式中，Gray(x，y)——灰度图像上点(x，y)处的灰度值，

      R(x，y)——原始彩色图像中点(x，y)处的红色分量值；

      G(x，y)——原始彩色图像中点(x，y)处的绿色分量值；

      B(x，y)——原始彩色图像中点(x，y)处的蓝色分量值；

步骤(3)中采用如下公式转换：

$\mathrm{BW}(x,y)=\left\{\begin{array}{cc}0& \mathrm{Gray}(x,y)<T\\ 255& \mathrm{Gray}(x,y)\&GreaterEqual;T\end{array}\right.$

式中，BW(x，y)——二值图像上点(x，y)处的像素值，

      Gray(x，y)——灰度图像上点(x，y)的灰度值，

      T——选定的阈值，

      BW(x，y)＝0——黑色，表示(x，y)点处为水稻叶片，

      BW(x，y)＝255——白色，表示(x，y)处为非水稻叶片。

所述阈值的确定方法为Otsu算法。

整个计算采用Visual C#2010编程实现。

本发明还提供了一种利用数码相机获取水稻冠层叶面积指数的装置，包括图像采集系统和数据处理系统，所述图像采集系统包括三脚架、位于三脚架顶部的横置中轴、固定在横置中轴前端的云台和安装在云台上且镜头竖直朝下的数码相机。

数码相机采用普通数码相机，采集图像时，数码相机位于水稻冠层的正上方，镜头竖直朝下，镜头的主光轴与水稻冠层水平投影面相垂直，镜头距离水稻冠层最顶端的距离为1m，图像采集系统采集的图片以JPG格式文件传输给数据处理系统即计算机，通过计算机对采集的图片进行处理和计算，得到水稻冠层的丛生指数。

本发明的有益效果：

本发明的方法只需要利用普通数码相机在水稻冠层外部上方以垂直俯视方式拍摄水稻冠层图像，不需要在田间破坏性采摘水稻叶片进行人工测量，能实时快速获取水稻冠层LAI，为水稻遥感估产和监测水稻长势状况提供基础参数。

附图说明

图1是本发明的测量装置结构示意图；

其中，1-带横置中轴和水平指示气泡的三角架，2-云台，3-数码相机镜头主光轴，4-数码相机，5-数码相机镜头，6-横置中轴，7-水稻。

图2是本发明计算值与人工直接测量值的对比图。

具体实施方式

(1)相机架设

如图1所示，采用带水平气泡和横置中轴的三脚架1作为数码相机的架设支架，数码相机采用普通数码相机，每次拍摄前，支开三脚架1的三个脚，架设好三脚架1，先将三角架的横置中轴6调整在垂直位置，将云台2固定在三角架横置中轴6上，云台2快装板底座与三角架横置中轴6垂直，数码相机4机身固定在云台2上。调整三角架1，使水平气泡显示云快装板底座处于水平状态。将普通数码相机曝光模式设置为“自动”，底部水平固定在云台2快装板上，将固定有数码相机4的云台2快装板固定在快装板底座上，将三角架横置中轴6横置，使数码相机镜头5垂直朝下，调整三角架1的三个脚，使数码相机镜头5最前端距离水稻7冠层最顶端1米，同时使水平气泡显示三角架1顶部处于水平状态。

(2)拍摄水稻冠层彩色图像

在选定的田块中按“S”型分布设立8个1m×1m拍摄小区，选择早稻为拍摄对象，在水稻的生长季节每周拍摄一次，共拍摄3次，图片保存为JPG格式文件。

在拍摄水稻冠层照片的同时，数清每个小区内水稻的株数N，并随机抽取4株，采用美国Li-Cor公司的LA 3000C叶面积测试仪测试每株水稻活体叶片的面积A_i，直接测量法的叶面积指数LAI_direct采用公式(1)计算：

${\mathrm{LAI}}_{\mathrm{direct}}=N\&times;\frac{1}{4}\underset{j=1}{\overset{4}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{A}_i---\left(1\right)$

式中，N为每一小区水稻的实际株数，A_i为LA3000C测得的每一片水稻叶片的面积，m为每株水稻的所有叶片数。

(3)彩色图像灰度转换

将步骤(2)中拍摄的水稻冠层彩色图像转换为灰度图像，转换公式采用公式(2)：

Gray(x，y)＝2*G(x，y)-B(x，y)-R(x，y)             (2)

式中：

Gray(x，y)——灰度图像上点(x，y)处的灰度值，

R(x，y)——原始彩色图像中点(x，y)处的红色分量值；

G(x，y)——原始彩色图像中点(x，y)处的绿色分量值；

B(x，y)——原始彩色图像中点(x，y)处的蓝色分量值；

(4)图像二值化

将步骤(3)中的灰度图像转换成只有“黑”“白”两种像元的二值图像，采用公式(3)：

$\mathrm{BW}(x,y)=\left\{\begin{array}{cc}0& \mathrm{Gray}(x,y)<T\\ 255& \mathrm{Gray}(x,y)\&GreaterEqual;T\end{array}\right.---\left(3\right)$

式中：

BW(x，y)——二值图像上点(x，y)处的像素值，

Gray(x，y)——灰度图像上点(x，y)处的灰度值，

T——选定的阈值，

BW(x，y)＝0——黑色，表示(x，y)点处为水稻叶片，

BW(x，y)＝255——白色，表示(x，y)处为非水稻叶片；

阈值确定方法：Otsu方法

Otsu算法是由日本学者大津于1979年提出的，是一种自适应的阈值确定的方法，又叫最大类间方差法(赵春江.数字图像处理算法典型实例[C].北京：人民邮电出版社，2009)，其基本思想是：把图像中的像素按灰度用某一阈值t处理分割成两类，一类由灰度值在[0，t]之间的像素组成，另一类由灰度值在[t+1，255]之间的像素组成，按公式(4)计算两类的类间方差。

σ(t)²＝ω₁(t)ω₂(t)[μ₁(t)-μ₂(t)]²                       (4)

式中，ω₁(t)——第一类中包含的像素数，

ω₂(t)——第二类中包含的像素数，

μ₁(t)——第一类中像素的平均灰度值，

μ₂(t)——第二类中像素的平均灰度值。

让t在[0，255]范围依次取值，当被分成的两类之间的方差为最大时，决定阈值。

(5)冠层孔隙度提取

通过象元统计方法，按公式(5)计算二值图像中非水稻叶片像元的数量占总像元的比例，即冠层孔隙度：

$T=\frac{P_0}{P_0+P_1}---\left(5\right)$

式中：

T——冠层孔隙度，

P₀——非水稻叶片像元数量，

P₁——水稻叶片像元的数量。

(6)计算叶面积指数：

①根据Beer-Lambert定律，水稻冠层叶面积指数与冠层孔隙度的关系如公式(6)：

$\mathrm{LAI}=\frac{-\ln T\left(\mathrm{\&theta;}\right).\cos \mathrm{\&theta;}}{G(\mathrm{\&theta;},\mathrm{\&alpha;})}---\left(6\right)$

式中：

LAI——水稻冠层叶面积指数，

T(θ)——天顶角视角为θ的冠层孔隙度，

G(θ，α)——叶倾角为α的水稻冠层叶片在天顶角θ方向上的投影。

而根据Goudriaan(Goudriaan，J.，1988.The bare bornes of leaf-angledistribution in radiation models for canopy photosynthesis and energyexchange.Agric.Forest Meteorol.43，155-169.)的研究，本发明中数码相机以垂直俯视方法拍摄水稻冠层图像时，其天顶角θ为0度，用球形分布可以很好的描述水稻冠层叶片的倾角分布，此时G(θ，α)＝0.5，而与叶倾角α关系不大。因此，根据G函数的这个特点，基于公式(5)提取的冠层孔隙度T，再按(7)式计算LAI：

LAI＝-2lnT                                               (7)

式中：

LAI——水稻冠层叶面积指数，

T——水稻冠层孔隙度。

将基于本发明方法得到的LAI和直接方法得到的LAI_direct作比较，结果如表1、图2所示，图2表明两种方法得到的LAI具有较高的线性相关性，经计算，二者之间的关系可以用公式LAI＝0.92*LAI_direct来描述，决定系数R²＝0.93，二者相关程度较高。

表1LAI测试结果

从表1、图2可知，本发明方法获取的LAI结果在一定程度上大都小于直接测量方法得到的LAI_direct。这可能是在本发明方法中，将水稻冠层叶片在空间上的分布的假设为球形分布，而忽略了其分布上的空间各异性，导致所采用的估算模型过于简单而使结果略微偏小，但本发明方法只需要利用普通数码相机在水稻冠层上方拍摄一次图像就可以获得相关结果，简便快捷。

Claims (6)

1.一种利用数码相机获取水稻冠层叶面积指数的方法，其特征在于，包括如下步骤：

(1)将数码相机置于水稻冠层外部上方，镜头朝下，镜头主光轴垂直于水稻冠层水平投影面，拍摄水稻冠层原始彩色图像；

(2)将所述水稻冠层原始彩色图像转换为灰度图像；

(3)将所述灰度图像转换为只含有“黑”“白”两种像元的二值图像；

(4)从所述二值图像中按如下公式提取水稻冠层孔隙度，

$T=\frac{P_0}{P_0+P_1}$

式中，T-水稻冠层孔隙度；P₀-非水稻叶片像元数量；P₁-水稻叶片像元数量；

(5)按如下公式计算叶面积指数，

LAI＝-2lnT

式中，LAI-水稻冠层叶面积指数；T-水稻冠层孔隙度。

2.根据权利要求1所述的方法，其特征在于，步骤(1)中所述数码相机与所述水稻冠层最顶端之间的距离为1m。

3.根据权利要求1所述的方法，其特征在于，步骤(2)中采用如下公式转换：

Gray(x，y)＝2*G(x，y)-B(x，y)-R(x，y)

式中，Gray(x，y)——灰度图像上点(x，y)处的灰度值，

      R(x，y)——原始彩色图像中点(x，y)处的红色分量值；

      G(x，y)——原始彩色图像中点(x，y)处的绿色分量值；

      B(x，y)——原始彩色图像中点(x，y)处的蓝色分量值；

4.根据权利要求1所述的方法，其特征在于，步骤(3)中采用如下公式转换：

$\mathrm{BW}(x,y)=\left\{\begin{array}{cc}0& \mathrm{Gray}(x,y)<T\\ 255& \mathrm{Gray}(x,y)\&GreaterEqual;T\end{array}\right.$

式中，BW(x，y)——二值图像上点(x，y)处的像素值，

      Gray(x，y)——灰度图像上点(x，y)处的灰度值，

T——选定的阈值，

BW(x，y)＝0——黑色，表示(x，y)点处为水稻叶片，

BW(x，y)＝255——白色，表示(x，y)点处为非水稻叶片。

5.根据权利要求4所述的方法，其特征在于，所述阈值的确定方法为Otsu算法。

6.一种利用数码相机获取水稻冠层叶面积指数的装置，包括图像采集系统和数据处理系统，其特征在于，所述图像采集系统包括三脚架(1)、位于三脚架(1)顶部的横置中轴(6)、固定在横置中轴(6)前端的云台(3)和安装在云台(3)上且镜头竖直朝下的数码相机(4)。

Images