[发明专利]植物叶片田间图像边缘提取方法及其系统

说明书

技术领域

本发明涉及数字图像处理技术领域，尤其涉及一种植物叶片田间图像边缘提取方法及其系统。

背景技术

数字图像处理技术是一个跨学科的领域。随着计算机科学技术的不断发展，图像处理和分析逐渐形成了自己的科学体系，新的处理方法层出不穷，尽管其发展历史不长，但却引起各方面人士的广泛关注。首先，视觉是人类最重要的感知手段，图像又是视觉的基础，因此，数字图像成为心理学、生理学、计算机科学等诸多领域内的学者们研究视觉感知的有效工具。其次，图像处理在军事、遥感、气象等大型应用中有不断增长的需求。

果树叶片田间图像边缘检测和提取可以为植物叶片现场图像的三维重建提供重要依据，以此可处理和分析植物叶片，监测植物的生长状况，为植物的病虫害防治等提供依据。

图像分割是一种重要的图像处理技术，常采用灰度阈值分割或边缘检测分割。阈值分割属于并行区域类分割技术，就是用一个或几个阈值将图像的灰度直方图分成几个类，认为图像中灰度值在同一类中的像素属于同一物体。该方法计算简单、实用性强。但在实际应用中，现场图像由于噪声、光线亮度、背景等因素的影响，自动选取一个合适的阈值显得尤为困难。对于非此即彼的简单图像处理，如一些二值图像的处理是有效的，但是对于图像中不存在明显的灰度差异或各物体的灰度值范围有较大的重叠的图像分割问题难以得到准确的分割效果。在植物叶片图像中，存在大量的重叠叶片和灰度不均匀的叶片，阈值分割很难把这些复杂的叶片分割开来。

边缘检测分割则通常是在梯度图像的基础上进行的。利用图像一阶导数的极值或二阶导数的零点作为判断边缘点的基本依据。边缘检测的优点是边缘定位准确、运算速度快。边缘检测一般分为三个步骤：首先利用一些边缘检测算子检测出图像中可能的边缘点；其次，对有一定厚度的边缘进行复杂的边缘细化，得到精确的、厚度为一个像素的边缘；最后，利用边缘闭合技术得到封闭的边缘。但植物叶片图像通常具有以下特征：背景复杂，叶片较多，易重叠，叶片表面不够光滑，叶脉与叶片的色彩差异较大，叶子边缘有些地方梯度变化不明显，叶片与叶柄相连处、枝条重叠处难以分开，有些果树现场叶片图像由于光照不同而表现为几种不同亮度的区域，内部梯度变化过于明显。这些特征导致分割的结果是，既不能保证边缘的连续性和封闭性，又在高细节区存在许多大量的碎边缘、伪边缘，难以确定哪些边缘是真正的目标边缘。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：提高对灰度不均匀的植物叶片进行田间图像边缘提取的准确性和完整性。

(二)技术方案

为实现上述目的，本发明提供一种植物叶片田间图像边缘提取方法，该方法包括步骤：

S1.以包含单个叶片的区域作为目标图像，对所述区域附近的分割区域子图进行平滑去噪处理；

S2.对经步骤S1处理的图像进行基于区域的阈值分割处理和基于梯度的边缘检测分割处理，并进行初步优化，以获取目标区域内模板；

S3.判断经步骤S2处理后的图像的目标区域是否为叶片图像，若是，则执行步骤S4，否则，对经步骤S1处理后的图像进行灰度映射及形态学重建，再执行步骤S2；

S4.对经步骤S2处理后的图像进行断开粘连、去除伪边缘以及封闭操作，得到边缘闭合的边缘图像。

其中，步骤S2进一步包括步骤：

S2.1利用自动阈值分割算子对经步骤S1处理后的图像进行基于区域的阈值分割；

S2.2利用Canny算子对经过步骤S1处理后的图像进行边缘检测。

S2.3将经过步骤S2.1处理后的图像以及经步骤S2.2处理后的图像进行逻辑与运算，割断图像中的局部粘连；

S2.4用半径为1个像素的圆形结构元对经步骤S2.3处理后的图像进行腐蚀操作，进一步断开粘连；

S2.5对经步骤S2.4处理后的图像进行填洞操作，去除图像中小于设定半径的孔洞；

S2.6用半径为2个像素的圆形结构元对经步骤S2.5处理后的图像进行腐蚀操作，完全断开图像中粘连；

S2.7标记经步骤S2.6处理后的图像中的连通区域，统计各连通区域的面积，并保留面积最大的两个连通区域，将其它连通区域设置为0；

S2.8用半径为5个像素的圆形结构元膨胀经步骤S2.7处理后的图像，得到目标外模板；

S2.9用半径为5个像素的圆形结构元腐蚀经步骤S2.8处理后的图像，得到图像内模板。

其中，步骤S3进一步包括步骤：