基于圖像的植物葉片質(zhì)量評價算法的基本理論基礎(chǔ)概述1.1形態(tài)學(xué)質(zhì)量評價算法的概念數(shù)學(xué)形態(tài)學(xué)算法[17]是一門新誕生的圖像分析學(xué)科，其基本理論和方法已在視覺檢測、機器視覺、醫(yī)學(xué)圖像分析等諸多領(lǐng)域取得了成功應(yīng)用。應(yīng)用該方法可以用來解決抑制噪聲、特征提取、邊緣檢測、分割圖像、形狀的識別、圖像的恢復(fù)與重建以及圖像的壓縮等圖像處理問題。1.1.1形態(tài)學(xué)算法的基本構(gòu)成本文主要研究的是形態(tài)學(xué)算法和局部圖像質(zhì)量度量在植物葉片種類識別和病蟲害檢測方面的應(yīng)用，主要是用來實現(xiàn)對植物葉片圖像的分類識別和破損與否檢測。本算法的實現(xiàn)過程要包括植物葉片樣本的采集和收納、葉片圖像的預(yù)處理（包括尺寸大小和分辨率的統(tǒng)一，圖像灰度化，葉片圖像的降噪處理等等）、葉片圖像破損與否的檢測、圖像空洞的填充、葉片圖像種類的識別和結(jié)果分析幾個步驟，實驗步驟框圖如圖1所示。葉片圖像的獲取葉片圖像的獲取圖像的預(yù)處理圖像的預(yù)處理葉片數(shù)據(jù)庫的建立葉片數(shù)據(jù)庫的建立葉片特征的提取葉片特征的提取葉片圖像破損檢測葉片圖像破損檢測訓(xùn)練葉片樣本訓(xùn)練葉片樣本病害識別病害識別測試葉片樣本測試葉片樣本非線性映射網(wǎng)絡(luò)非線性映射網(wǎng)絡(luò)破損圖像填充破損圖像填充葉片種類的識別葉片種類的識別圖1葉片病害與種類檢測步驟框圖此次葉片樣本主要來源于Plantvillage工程[18]和校園內(nèi)或者生活中周邊實地的采集。葉病害圖像數(shù)據(jù)集Plantvillage工程是一個面向所有用戶開放的免費數(shù)據(jù)庫，該數(shù)據(jù)庫有很多不同種類的農(nóng)作物病害圖像。我所建立的是一個13種植物葉片，以及40張病害破損葉片，共計300張植物葉片的圖像樣本。1.1.2植物葉片的預(yù)處理因為彩色葉片圖像噪聲較多，存在色差等各種問題，所以為了改善葉片圖像的質(zhì)量，能夠讓圖像顯示出更多的細節(jié)特點，同時提高圖像的清晰對比度，突出圖像的特征或者圖像中不需要的特征，故對植物葉片圖像按照以下的權(quán)值加權(quán)平均進行灰度化。QUOTE（2-1）公式（2-1）中Gray為所選固定的灰度值，R、G、B為植物葉片圖像的三個顏色分量。接下來將葉片圖像灰度值轉(zhuǎn)化為雙精度，然后灰度值歸一化到0-1之間，再進行二值化，閾值0.4進行分割。其中，進行閾值分割的目的是檢測識別出植物葉片的主體的部分，使其與復(fù)雜的背景部分區(qū)分開來。由于本文采取的葉片病害檢測是利用葉片的破損與否判定葉片是否存在病蟲害，故邊緣分割和區(qū)域分割的方法是不適用的。為此，本文采用了閾值分割法中的最大類間方差法[19]進行圖像的分割，該方法求圖像最佳閥值的公式如公式2-2：

&g=arg?式中：：灰度值為的頻率；：目標(biāo)部分比例；：背景部分比例；：目標(biāo)均值；：背景均值；：總均值。1.1.3植物葉片破損的檢測及破損的填充在圖像的分析和處理領(lǐng)域中，連通域的分析方法[20]比較適用于本文。連通域分析方法能夠?qū)⒅参锶~片圖像中的彼此相互獨立的各個連通的區(qū)域?qū)ふ也⑶覍⑵錁?biāo)記出來[21]，這種直觀的表示方法能讓我們快速發(fā)現(xiàn)植物葉片的破損，對我們進行葉片的破損檢測很有幫助。本文的具體實現(xiàn)方法是采用連通域標(biāo)記的方法，對二值圖像中的白色像素進行獨立的標(biāo)記，致使每一個單獨的聯(lián)通區(qū)域表現(xiàn)成被標(biāo)記的模塊，然后通過數(shù)字展示出來，從而使得葉片被識別出由于病蟲害而造成的葉片的破損。圖2二值化圖像破損檢測結(jié)果由上圖顯示結(jié)果我們可以看出，因為本文采用的連通域標(biāo)記的方法，對二值圖像中的白色像素進行獨立的標(biāo)記，致使每一個單獨的聯(lián)通區(qū)域表現(xiàn)成被標(biāo)記的模塊。即使這片楓葉上存在一個極小的蟲洞，但是二值化圖像破損檢測同樣將其檢測出來并做上了標(biāo)記，對葉片的病害檢測尤為重要。將二值化破損檢測的圖像中檢測出來的破損連通域填補連接是圖像填充的基本思路，通過找到像素值為0展示為破損的區(qū)域，并將其賦予填充顏色，就可以實現(xiàn)圖像填充。本文通過除掉圖像中細小的連通域的做法，完成植物破損葉片圖像的填充，既能填補圖像中的所有孔洞，還不會對葉片樣本的整體質(zhì)量產(chǎn)生干擾。圖像填充能夠有效改善圖像的質(zhì)量，降低破損因素對葉片圖像分類識別產(chǎn)生的干擾。1.1.4形態(tài)學(xué)濾波器形態(tài)學(xué)濾波器是由圖像最基礎(chǔ)的形態(tài)的變換——膨脹以及腐蝕組合而構(gòu)成的。具體算法如下：a、腐蝕（Erosion）運算設(shè)A和B是Z中的集合，使用B對A進行腐蝕，可表示為AΘB，其定義為：AΘB={z|（B）z∈A}（2-3）在上述公式中，集合A為輸入圖像，集合B稱為結(jié)構(gòu)元素?？梢姡褂肂對A進行腐蝕是所有B中包含于A中的點z的集合用z平移。腐蝕運算是一種消除邊界點的過程，結(jié)果是使目標(biāo)縮小，孔洞增大，因而可以有效地消除孤立噪聲點，達到濾波處理圖像內(nèi)部的效果。b、膨脹（Dilation）運算膨脹運算可以看作是腐蝕運算的對偶運算，集合B把集合A進行膨脹，可表示為A⊕B，其定義如下：A⊕B={z|（B）z∩A≠Φ}（2-4）以上公式所表示的是以得到B的相對于它自身原點的映像，由z對映像進行位移為基礎(chǔ)，A被B膨脹是所有位移z的集合。膨脹可使目標(biāo)增大，孔洞縮小，可填補目標(biāo)物體中的孔洞，形成連通域，達到對圖像外部作濾波處理的效果。c、開(open)運算AoB=(AΘB)⊕B（2-5）表示集合A最先被集合B所腐蝕。，而后又被集合B所膨脹。因為開運算具有消除細小物體,在纖細處分離物體，平滑較大物體的邊界而又不明顯改變其面積的作用。d、閉(Close）運算A﹒B=(A⊕B)ΘB