CN104008365A - 基于图像处理技术的检测果树树叶稀密程度的方法 - Google Patents

Abstract

本发明公开了一种基于图像处理技术的检测果树树叶稀密程度的方法，其采用下列步骤：利用超绿色法和OTSU相结合清晰识地识别出果树图像；将经过图像识别技术处理过得果树二值化图像经过中值滤波去噪，形态学计算处理增强图像的识别性；利用算法检测果树图像所占的轮廓----果树图像的长及宽，然后以此计算出果树图像的轮廓面积；计算图像中果树树叶树干所占的面积；果树树叶稀密程度的计算。利用计算出的果树树叶所占的面积除以果树图像的轮廓面积的值即为果树树叶稀密程度。该方法不需要固定成像距离和使用白板标定，最大轮廓矩形法对果树图像面积的检测是因果树实际图像而异的，不存在现有方法统一采用相机所设定的图像大小作为最大轮廓而导致所检测到的树叶稀密程度偏小的问题。

Description

基于图像处理技术的检测果树树叶稀密程度的方法

技术领域

本发明涉及一种基于图像处理技术的检测果树树叶稀密程度的方法，尤其指不需要标定白板的检测方法。 

背景技术

果树树叶稀密程度的实时快速检测是基于实时的变量喷雾的关键技术。关于单株果树生物量密度的概念，目前国内外还没有确切的定义。国外主要集中于森林或木材生物量密度及区域作物的生物量密度研究，但针对单株果树生物量密度进行研究的学者很少。果树树叶稀密程度是指一幅果树图像中树叶与树干占整个果树图像的面积比。现有方法将采集图像时相机所设定图像的大小作为整个果树图像的面积，但该值比果树实际轮廓面积要大，从而导致计算的果树树叶稀密程度值比实际偏小；该方法还要求在同一成像距离下采集样本作为标准，其后再采用BP数据融合技术消除成像距离对果树树叶稀密程度检测结果的影响。为此，本发明提出一种可以解决现有法检测树叶稀密程度值比实际值偏小且受成像距离影响的问题，更能反映果树的生物量密度水平的测量果树树叶稀密度的数字图像处理方法。 

发明内容

本发明所要解决的技术问题是能够识别采集图像中整棵果树的实际轮廓，解决现有法检测树叶稀密程度值比实际值偏小且受成像距离影响的问题。 

本发明的技术内容：一种基于图像处理技术的检测果树树叶稀密程度的方法，包含下列步骤： 

（1）图像的识别技术，利用超绿色法与OTSU算法清晰识别出果树图像；

（2）图像的去噪、形态学处理：将经过图像识别技术处理过得果树二值化图像经过中值滤波去噪，形态学计算处理增强图像的识别性；

（3）图像轮廓的计算：利用算法检测果树图像所占的最大轮廓—果树图像的长及宽，然后以此计算出果树图像的轮廓面积；

（4）计算图像中果树树叶树干所占的面积；

（5）果树树叶稀密程度的计算：利用步骤4计算出的果树树叶所占的面积除以果树图像的轮廓面积的值即为果树树叶稀密程度。

本发明的有益效果： 

超绿色法能较好的提取绿色的果树图像，土壤能被明显的抑制，使果树图像更为突出；

膨胀运算增加了代表果树的白色区域，解决了错分的问题，提高后续果树树叶稀密程度的计算准确性。

该方法不需要固定成像距离和使用白板标定，最大轮廓矩形法对果树图像面积的检测是因果树实际图像而异的，不存在现有方法统一采用相机所设定的图像大小作为最大轮廓而导致所检测到的树叶稀密程度偏小的问题。 

中值滤波能去除噪声，但不能完全去除表示残留土壤的白色独立像素点。连续4次腐蚀与膨胀能将果树图像中的独立像素点得到了较好的去除，且果树图像轮廓变得光滑，凸显了果树图像。 

附图说明

图1 本发明的果树最大轮廓检测原理示意图，a-果树图像轮廓的宽，b-果树图像轮廓的长c-照片设定的长，d-照片设定的宽，1-果树图像； 

图2 本发明的以二值图检测果树树叶稀密程度的流程框图；

图3 本发明的实例展示图，其中a:采集的果树图像；b：超绿色法灰度化后果树图像；c：OTSU分割后且二值化果树图像；d：中值滤波后果树图像；e：开启运算后果树图像；f：膨胀运算后果树图像。

具体实施方式

按照本发明检测果树树叶稀密程度的方法中，其检测过程为：将原始的彩色果树图像经过利用超绿色法与OTSU算法清晰识别出果树二值化图像1；将经过图像识别技术处理过得果树二值化图像1经过中值滤波去噪，形态学计算处理得到的增强了识别性的果树二值化图像2；设定经过处理后的果树二值图像2的函数为f(x，y)；设f(x，y)的大小等于M×N；且i=1,2,…,M；j=1,2,…,N。f(i，j)=1的点表示果树树叶或树干图像的点。从f(i,1)开始直至f(i，N),统计每一行的像素点为1的像素的位置（列坐标）序列H，1≤H≤N；从f(1,j)开始直至f(M，j),统计每一列的像素点为1的像素的位置（行坐标）序列L，1≤L≤M；对每一行像素，都求得第一次出现1的所在位置的列数f(I,first)与最后出现1的位置所在列数f(i,end)的差值Di，Di=f(i,end)-f(i,first)；对每一列像素,都求得第一次出现1的所在位置的列数f(first,j)与最后出现1的位置所在列数f(end,j)的差值Dj，Dj=f(end,j)-f(first,j);求出Di中的最大值Dh和Dj中的最大值Dl；检测果树图像所占的最大行距和最大列距都包括起始值，所以最大轮廓矩形的长和宽的值分别为(Dh+1)和(Dl+1)，根据矩形面积计算法则可求出整棵果树最大轮廓矩形的面积3为(Dh+1)与(Dl+1)的乘积；检测图像中树叶树干所占的面积4，即二值图像中值为1的像素点数目；果树树叶稀密程度值5为图像中树叶树干所占的面积4与果树最大轮廓矩形的面积3的商。 

现以一张设定大小为640（像素）×480（像素）的果树图像为例，其检测过程如下： 

1、将原始的彩色图像3-a经过先后超绿色法与OTSU算法处理，将果树从土壤等背景中清晰地提取出来,如图3-b、3-c所示；

2、将分割出来的果树图像3-c利用中值滤波和连续4次腐蚀与膨胀去噪和除杂，此时的果树图像中噪声能到去除，独立像素点得到了较好的去除，且果树图像轮廓变得光滑，凸显了果树图像，分别如图3-d、3-e所示；

3、将经过步骤2处理的果树图像3-e进行膨胀运算，增加了代表果树的白色区域，解决了错分的问题，如图3-f所示；

4、检测果树图像3-f中每一行、每一列第一次和最后一次出现像素值为1的差值，找出行差值与列差值中的最大值，两个最大值分别加1后的乘积即为果树所占的最大轮廓面积；检测果树图像3-f中值为1的像素点数目即为果树树叶树干所占的面积。

5、果树树叶稀密程度值为果树树叶树干所占的面积与果树所占的最大轮廓面积的商。 

Claims (1)

1.一种基于图像处理技术的检测果树树叶稀密程度的方法，其特征在于：包含下列步骤：

（1）图像的识别技术，利用超绿色法与OTSU算法清晰识别出果树图像；

（2）图像的去噪、形态学处理：将经过图像识别技术处理过得果树二值化图像经过中值滤波去噪，形态学计算处理增强图像的识别性；

（3）图像轮廓的计算：利用算法检测果树图像所占的最大轮廓—果树图像的长及宽，然后以此计算出果树图像的轮廓面积；

（4）计算图像中果树树叶树干所占的面积；

（5）果树树叶稀密程度的计算：利用步骤4计算出的果树树叶所占的面积除以果树图像的轮廓面积的值即为果树树叶稀密程度。