基于数字图像处理技术的滁菊花盘和花蕊面积的计算方法.pdf

计算机科学与人工智能河南科技Henan Science and Technology总第807期第13期2023年7月收稿日期：2023-03-19基金项目：安徽省高校自然科学研究重大项目“基于近红外光谱的滁菊品质无损检测模型研究”（2022AH040333）；安徽省高等学校质量工程项目“物联网PC应用开发 线下课程”（2020kfkc370）；滁州职业技术学院科研项目“基于数字图像处理技术的滁菊识别与花形分级方法研究”（YJY-2021-02）；物联网应用技术专业教学团队（2021jxtd210）；滁州职业技术学院物联网应用技术专业群（2022zya04）。作者简介：丁海涛（1987），男，硕士，助教，研究方向：物联网、计算机教学科研。基于数字图像处理技术的滁菊花盘和花蕊面积的计算方法丁海涛武斌李兰兰宫强（滁州职业技术学院信息工程学院，安徽滁州239000）摘要：【目的目的】通过数字图像处理技术来计算滁菊花盘和花蕊的面积，为滁菊分级划分提供依据。【方法方法】首先对采集到的滁菊图像进行蓝色通道灰度化处理；其次进行图像分割，对分割后的图像进行形态学处理，从而去除孔洞；最后分别用区域生长算法、差值运算分离出参考装置区域、滁菊花盘区域和花蕊区域，并统计各区域像素点的个数。由于参考装置的面积已知，根据比例关系可计算出滁菊花盘面积和花蕊面积。【结果结果】采用该方法计算出的滁菊花盘和花蕊面积准确，效率高。【结论结论】该方法解决了人工计算滁菊花盘和花蕊面积存在的数据不可靠问题，具有重要的现实意义。关键词：滁菊；花盘；花蕊；面积中图分类号：TP391.41文献标志码：A文章编号：1003-5168（2023）13-0022-05DOI：10.19968/ki.hnkj.1003-5168.2023.13.004The Calculation Method of Flower Disk and Flower Core of ChuzhouChrysanthemum Based on Digital Image Processing TechnologyDING HaitaoWU BinLI LanlanGONG Qiang(School of Information Engineering,Chuzhou Polytechnic,Chuzhou 239000,China)Abstract:Purposes The aim was to calculate the area of flower disc and stamen of Chuzhou Chrysanthemum morifolium by digital image processing technology,so as to provide basis for classification ofChuzhou Chrysanthemum morifolium.Methods Firstly,the collected Chuzhou chrysanthemum imageswere grayed by blue channel.Secondly,image segmentation is performed,and morphological processingis performed on the segmented image to remove holes.Finally,the reference device area,Chuzhou chrysanthemum disk area and stamen area were separated by region growing algorithm and difference operation respectively,and the number of pixels in each area was counted.Since the area of the reference device is known,the area of the flower disc and the area of the stamen can be calculated according to theproportional relationship.Findings The area of flower disc and stamen of Chuzhou Chrysanthemum calculated by this method was accurate and efficient.Conclusions This method solves the problem of unreliable data in manual calculation of the area of flower discs and stamens of Chuzhou Chrysanthemummorifolium,and has important practical significance.Keywords:Chuzhou Chrysanthemum;flower disc;flower core;area第13期230引言滁菊是安徽省滁州市特产，同时滁菊也是中国国家地理标志产品，其药用价值极高，具有疏风、清热、明目、解毒等功效，种植范围也十分广泛。目前，国内对滁菊的研究主要集中在滁菊的化学成分、栽培技术、制茶工艺、药用价值、食用价值等领域，如贾雨朦等1对滁菊酚类、多糖、类胡萝卜素提取物抗氧化能力及含量进行研究，结果表明：滁菊的总酚和黄酮含量较高，要高于大洋菊等菊花，多糖和类胡萝卜素含量较低；詹歌等2将HACCP体系引入到滁菊的热泵干制工艺中，提高滁菊茶品质，助力滁州市地方经济发展；于云霞3从筛选优质滁菊种苗开始，通过设定不同定植期、不同定植密度、不同摘心和抹芽方案，种植出富硒滁菊，运用生物炭来提高滁菊抗涝能力，为生产出高产优质的滁菊提供理论依据；翟果等4对观赏菊识别进行研究，通过数字图像处理技术对菊花品种进行识别，正确识别率在92%以上。滁菊具有很高的药用价值和经济价值，如何选育出花盘、花蕊较大的品种，对增加滁菊的产量具有重要意义。针对上述问题，本研究通过数字图像处理技术对滁菊花盘区域和花蕊区域进行有效分离，并准确计算出对应区域的面积，对滁菊花形级别划分具有重要意义，可为农业专家选育滁菊新品种提供参考。1计算方法1.1蓝色通道图像提取在RGB模型5中，每一种基色都有256个亮度等级，分别提取各通道图像，并对其进行比较。由于采集到的滁菊图像为全彩色图像，图像处理起来比较慢，通过分析滁菊图像的特点，对滁菊图像进行灰度化处理。滁菊图像包括花盘和花蕊，花盘为玉白色，花蕊为金黄色。对采集到的彩色滁菊图像直接进行灰度化处理，发现花蕊、花盘区域的灰度值差距不大，继续对其进行图像分割产生的效果不好。通过对图像处理效果的对比，选取蓝色通道图像，并进行灰度化处理，此时花蕊、花盘区域差别最大。1.2最大类间方差法最大类间方差法（OSTU）6通过选取初始阈值来把图像分为两组，计算图像的组间方差和组内方差，二者比值越大，分割效果越好。通过遍历灰度像素值来计算组间方差和组内方差的比值，最大比值对应的阈值即为分割阈值。假定图像f(x,y)的灰度区间为0,L-1，选择一阈值将图像像元分为两组。先分别计算两组像元的像元数、灰度均值、均方差及图像总像元数、灰度均值，再计算组内方差和组间方差。组内方差越小，组内像素越相似；组间方差越大，两组的差别越大；组间方差与组内方差的比值越大，分割效果越好。通过改变初始阈值的取值，比值最大的分组所对应的阈值即为最终分割阈值。1.3形态学处理1.3.1灰度腐蚀运算。在对灰度图像处理过程中，用结构元素b(x,y)来定义输入图像f(x,y)腐蚀运算，见式（1）7。(fb)(s,t)=min f(s+x,t+y)-b(x,y)|(s+x,t+y)Df,(x,y)Db（1）式中：Df、Db分别为输入图像f(x,y)和结构元素b(x,y)的定义域；平移参数s+x、t+y要限制在图像f(x,y)的定义域内。灰度腐蚀运算是逐点计算的，即逐点计算遍历到的点的局部范围内各点与结构元中对应元素点灰度值的差，选取最小的差值作为该点的腐蚀结果值。经过腐蚀运算后，边缘部分灰度值较大的点，其灰度值有所减小，图像边缘会向灰度值较高区域内部收缩。1.3.2灰度膨胀运算。在灰度图像处理中，用结构元素b(x,y)来定义输入图像f(x,y)的膨胀运算，见式（2）。(fb)(s,t)=max f(s-x,t-y)+b(x,y)|(s-x,t-y)Df,(x,y)Db（2）灰度膨胀运算是逐点计算的，即逐点计算遍历到的点的局部范围内各点与结构元中对应元素点灰度值的和，选取最大的和值作为该点的膨胀结果值。经膨胀运算后，边缘部分灰度值较大的点，其灰度值会有所增加，图像边缘会向灰度值较低的区域扩充。若输入图像含有较暗的细节部分，且其面积或宽度比结构元素小很多，很容易因膨胀而被消除掉。1.3.3灰度开运算。灰度形态学中的开运算和二值图像形态学处理类似，用结构元素b对灰度图像f进行开运算，即先对灰度图像进行腐蚀运算，再对其进行膨胀运算，具体表示见式（3）。fb=(f)b b（3）一般来说，开运算能去除图像中孤立的小点、毛刺和小桥(即连通两块区域的一些小点），且图像的基本位置和形状大小不会发生改变。丁海涛，等.基于数字图像处理技术的滁菊花盘和花蕊面积的计算方法24第13期1.3.4灰度闭运算。灰度形态学中的闭运算和二值图像的形态学处理类似，用结构元素b对灰度图像f进行开运算，即先对灰度图像进行膨胀运算，再对其进行腐蚀运算，具体表示见式（4）。fb=(f)b b（4）一般来说，闭运算能填平图像中灰度值较小的一些“小湖”（即小孔），弥合小裂缝，且目标总体位置和形状大小不会发生改变8。1.4区域生长区域生长是根据预先定义的生长准则，对像素或子区域进行组合，从而连接成更大的区域。从一组种子点开始，将邻域像素中和种子点性质相似的像素添加到每个种子上，从而形成生长区域9。生长准则如下：当种子点周围区域图像的像素值f(x,y)与种子点像素值的像素差的绝对值不大于设定阈值时，把该点属性置为TRUE，并将其添加到种子点生长形成区域中，否则将属性设置为FALSE，不将其添加到该种子点生长区域中。其中，Q为在每个位置(x,y)处所用的属性；f(x0,y0)为种子点处的像素值；x、y为图像像素点坐标值；x0、y0为种子点坐标值。可用形态学中集合的反射和平移来表示基于结构元的操作，结构元是一些小集合或子图像，可用于研究图像中感兴趣的特性。常用的结构元中，除元素是结构元的成员（灰色元素）外，还必须指定结构元的原点（结构元中一般用黑色标注）。本研究采用十字形结构元10，可知水平方向和垂直方向的结构元素数都为2N+1（N0），N为单一方向结构元素数。1.5参考装置为准确计算出滁菊花盘区域和花蕊区域的面积，在滁菊图像采集台上同时放置已知面积的圆形参考装置和滁菊。在采集滁菊图像时，也要对参考装置图像进行采集。在图像处理过程中，要分离出花盘区域、花蕊区域、参考装置区域，通过对像素点的计算，分别得到参考装置区域、花盘区域、花蕊区域的像素数N参考、N花盘、N花蕊。由于参考装置的面积S参考已知，通过计算得到花盘区域和花蕊区域的面积S花盘、S花蕊，见式（5）和式（6）。S花盘=S参考N花盘N参考（5）S花蕊=S参考N花蕊N参考（6）2试验结果与分析在 VC+6.0软件中通过编程实现对图像的处理，所用的PC机配置为3.6 GHz CPU、8 G内存。试验中所用到的图像是通过固定相机拍摄得到的，摄像头与滁菊的间距为1020 cm，图像采集台的背景为黑色，采集台上参考装置为白色圆形装置，直径为8 cm。处理滁菊图像大小为460 px495 px。将采集到的图像进行蓝色通道灰度化处理，结果如图1所示，图1中大圆为参考装置。由图1可以看出，花蕊区域几乎为黑色，灰度值很小，花盘区域和参考装置区域为灰白色，像素点灰度值高，故各区域的特征明显，灰度值相差较大，有利于对图像进行分割处理。图1滁菊蓝色通道灰度化利用最大类间方差法对图1进行处理，得到的结果如图2所示。图2为二值化后的图像，参考装置区域和花盘区域的像素点值为255，采集台背景区域和花蕊区域图像的像素值为0，且滁菊花盘、滁菊花蕊、参考装置的形状保存完好，分割效果良好，但存在少量的小孔洞，要进一步处理。图2分割后的图像由于形态学开运算和闭运算不会改变图像的基本位置和形状大小。根据分割后图像的具体特征，发现图像中白色花盘区域存在一些像素值为0丁海涛，等.基于数字图像处理技术的滁菊花盘和花蕊面积的计算方法第13期25的黑点，故选取闭运算对图2进行处理，处理后的图像如图3所示。由图3可知，小的黑点已被去除，且参考装置区域、花盘区域、花蕊区域保存完好。闭运算处理后的图像各区域特征明显，根据区域生长算法和差值运算来提取各区域图像。从图像起始点开始进行区域生长，区域生长种子点的像素值为0，第一次区域生长后的结果如图4所示，图4中花蕊区域已被去除。采取基于结构元的区域生长算法，选取十字形结构元对图4进行第二次区域生长，其中 N=80，区域生长后的结果如图 5所示。从图5可以看出，图像仅剩参考装置，滁菊花盘区域和花蕊区域均被去除，使用像素值统计计算法对图5中像素点为255的像素数N参考进行计算，结果为46 499。图3闭运算处理的图像图4第一次区域生长图5第二次区域生长对图4和图5进行差值运算，得到只含有花盘区域的图像，结果如图6所示。同样的，可根据像素值统计计算法对图6中像素点为255的像素数进行计算，结果为15 456。对图4与图3进行差值运算，得到只含有花蕊区域的图像，结果如图7所示。根据像素值统计计算法对图7中像素点为255的像素数，结果为2 101。图6花盘区域图7花蕊区域根据圆形面积公式计算出参考区域的面积为 16 cm2，保留两位小数，参考区域的面积为50.24 cm2。由式（5）可计算出花盘区域面积为16.70 cm2，由式（6）可计算出花蕊区域面积为2.27 cm2。根据花盘、花蕊面积等对滁菊划定级别，从而为农业生产提供重要参考。例如，对花盘进行分级，S花盘A为一级花盘、BS花盘 A为二级花盘、S花盘B），单位为cm2。花蕊分级可参照花盘分级的方法。3结语通过对蓝色通道的滁菊灰度图像进行分割丁海涛，等.基于数字图像处理技术的滁菊花盘和花蕊面积的计算方法26第13期处理，经形态学闭运算处理，再经区域生长算法、差值运算得到参考装置区域、花盘区域、花蕊区域，统计各区域有效像素点个数。由于参考区域的面积已知，根据比例计算出花盘区域和花蕊区域的面积。该方法解决了以往人工测量法计算滁菊花盘面积和花蕊面积带来的数据不可靠问题，通过试验证明该方法有效，且优势明显、数据准确，是滁菊分级划分、农业专家选育优良滁菊品种的重要依据。参考文献:1 贾雨朦，陈芹芹，毕金峰，等.滁菊的功能成分及其体外抗氧化活性 J.食品科学，2019（23）：66-72.2 詹歌，贾小丽，龙门，等.HACCP体系在滁菊热泵干制工艺中的应用 J.滁州学院学报，2020（2）：12-17.3 于云霞.不同栽培措施对滁菊产量和品质的影响 D.南京：南京农业大学，2017.4 翟果，李志敏，路文超，等.基于图像处理技术的观赏菊品种识别方法研究 J.中国农机化学报，2016（2）：105-110，115.5 韩磊，曲中水.一种RGB模型彩色图像增强方法 J.哈尔滨理工大学学报.2014（6）：59-64.6 吴东洋，业宁，徐波，等.基于Ostu算法的木材缺陷图像分割 J.计算机与数字工程，2012（10）：116-118.7 戴青云，余英林.数学形态学在图象处理中的应用进展 J.控制理论与应用，2001（4）：478-482.8 王芳，钱炜，李文超.基于数学形态学的图像边缘提取方法 J.机械工程与自动化，2015（1）：46-48.9 陈忠，赵忠明.基于区域生长的多尺度遥感图像分割算法 J.计算机工程与应用，2005（35）：7-9.10 王培珍，丁海涛，刘纯利，等.基于结构元的煤显微图像轮廓提取算法 J.煤炭学报，2014（S1）：285-288.丁海涛，等.基于数字图像处理技术的滁菊花盘和花蕊面积的计算方法