高 雅，焦 俊，孟珠李，倪 力，古 冉，辜麗川

(安徽農(nóng)業(yè)大學(xué) 信息與計(jì)算機(jī)學(xué)院，合肥 230036)

?

基于HE和MSR的玉米病蟲(chóng)害圖像預(yù)處理

高 雅，焦 俊，孟珠李，倪 力，古 冉，辜麗川

(安徽農(nóng)業(yè)大學(xué) 信息與計(jì)算機(jī)學(xué)院，合肥 230036)

針對(duì)大田玉米圖像采集時(shí)存在的過(guò)曝和欠曝圖像問(wèn)題，設(shè)計(jì)了一種將直方圖均衡算法(Histogram Equalization ,HE)和多尺度視網(wǎng)膜大腦皮層理論算法(Multi-Scale Retinex，MSR)相結(jié)合的混合算法，即先對(duì)圖像進(jìn)行MSR運(yùn)算，再使用HE算法，解決了HE存在的灰度級(jí)過(guò)度合并的問(wèn)題，降低了MSR存在的對(duì)比度低的缺陷。實(shí)驗(yàn)結(jié)果表明，從主觀評(píng)價(jià)上看，經(jīng)過(guò)MSR+HE處理后的圖像清晰度更高，細(xì)節(jié)更加豐富；從客觀指標(biāo)上看，利用MSR+HE處理后的圖像的對(duì)比度和平均梯度指標(biāo)均大于MSR或HE 單獨(dú)處理圖像后得到的指標(biāo)，表明MSR+HE算法穩(wěn)定性好、處理結(jié)果清晰、細(xì)節(jié)豐富，更適于農(nóng)田圖像處理。

玉米病蟲(chóng)害；直方圖均衡；多尺度視網(wǎng)膜大腦皮層算法

0 引 言

玉米是我國(guó)的三大農(nóng)作物之一，在我國(guó)的農(nóng)業(yè)生產(chǎn)中占有重要地位。[1]近年來(lái)，隨著農(nóng)業(yè)物聯(lián)網(wǎng)的不斷興起，[2-3]物聯(lián)網(wǎng)在玉米種植中的應(yīng)用也越來(lái)越多?，F(xiàn)在，在玉米田間架設(shè)圖像采集設(shè)備，將設(shè)備接入網(wǎng)絡(luò)，人們?cè)诩抑芯涂梢詫?shí)時(shí)觀察玉米病蟲(chóng)害情況。[4]但是，受天氣、采集儀器等影響，采集到的圖片時(shí)常存在過(guò)曝、欠曝等亮度問(wèn)題，不僅對(duì)機(jī)器識(shí)別有一定的影響，人眼往往也很難對(duì)之進(jìn)行觀察。故而希望能夠?qū)τ衩撞∠x(chóng)害圖片做一個(gè)亮度處理，使之更容易觀察和識(shí)別。

近幾年來(lái)，對(duì)圖像亮度處理的研究有很大進(jìn)展。2010年，屠珺、劉成良、李彥明[5]等人提出一種基于光照無(wú)關(guān)圖的蘋果識(shí)別方法，能夠大大調(diào)高蘋果采摘機(jī)器人在不同光線下的果實(shí)識(shí)別率；2015年，林天園、王杰[6]等人提出利用一種基于卷積變換與方差歸一化相結(jié)合的圖像光照均勻算法，對(duì)光照不均勻的圖片進(jìn)行處理，在很好的在保留圖像細(xì)節(jié)的同時(shí)，提高了圖像的質(zhì)量。但是目前針對(duì)玉米病蟲(chóng)害圖片亮度處理的并不多，由此，對(duì)亮度處理方法進(jìn)行研究，[7-10]發(fā)現(xiàn)常用的HE和MSR都有較好的效果，但是兩者結(jié)合后，能夠減弱HE灰度級(jí)過(guò)分合并，以及MSR對(duì)比度相對(duì)偏低的缺陷，處理的結(jié)果穩(wěn)定性高，能夠得到更易于人眼和機(jī)器觀察的圖像。

1 實(shí)驗(yàn)平臺(tái)

為了方便實(shí)驗(yàn)，利用Java和matlab混合編程編寫了一套“圖像亮度處理”程序。[11]用戶首先選擇需要處理圖片的路徑，程序讀取圖片顯示在界面上，然后用戶選擇一種圖像處理方法后，利用Java和Matlab對(duì)圖像進(jìn)行相應(yīng)的處理，處理結(jié)果保存在本地，最后程序讀取處理結(jié)果并顯示。處理流程和程序界面分別如圖1和圖2所示。

圖1 “圖像亮度處理”程序流程

圖2 “圖像亮度處理”程序界面

2 HE

HE是一種常用的光照處理方法，其計(jì)算速度快，能夠?qū)D像的灰度拉伸，且灰度級(jí)分布均勻，從而消減光照對(duì)圖像的影響，非常適合田間實(shí)時(shí)拍攝圖片的處理。

2.1 原 理

將輸入圖像轉(zhuǎn)換為在每一灰度級(jí)有近似相同的像素點(diǎn)數(shù)的輸出圖像。在經(jīng)過(guò)均衡化處理后的圖像中，像素將占有盡可能多的灰度級(jí)并且分布均勻。這樣，圖像將具有較高的對(duì)比度。HE的計(jì)算步驟如下：

當(dāng)灰度范圍在[0,1]且連續(xù)時(shí)，像素灰度的概率密度函數(shù)p(x)即為圖像的直方圖，即

p(x),0≤x≤1,

(1)

∫01p(x)dx=1。

(2)

設(shè)轉(zhuǎn)換前圖像的概率密度函數(shù)為pr(r)，轉(zhuǎn)換后的概率密度函數(shù)為ps(s)，轉(zhuǎn)換函數(shù)為s=f(r)，為了保證輸出圖像不會(huì)出現(xiàn)灰度反轉(zhuǎn)的現(xiàn)象，該函數(shù)應(yīng)該是一個(gè)單調(diào)遞增的函數(shù)。由此得到

(3)

轉(zhuǎn)換后的概率密度函數(shù)ps(s)依然要滿足(1)和(2)，故

(4)

兩邊積分得到

s=f(r)=∫0rpr(μ)du ，

(5)

當(dāng)灰度值分布在[0,255]時(shí)，乘以最大灰度值D，即

DB=f(DA)=D∫0DApDA(μ)dμ ，

(6)

其中，DB為轉(zhuǎn)換后的灰度值，DA為轉(zhuǎn)換前的灰度值。

對(duì)于離散的灰度級(jí)，轉(zhuǎn)換公式為

(7)

其中，Hi是第i級(jí)灰度的像素個(gè)數(shù)，C是像素總數(shù)。

2.2 效 果

為了觀察玉米病蟲(chóng)害圖像中亮度處理的效果，在安徽農(nóng)業(yè)大學(xué)農(nóng)翠園中玉米地的同一位置使用佳能70D數(shù)碼相機(jī)，分別拍攝了正常曝光、過(guò)曝和欠曝的三幅玉米病蟲(chóng)害圖片，為了便于處理，將這些圖全部裁剪成960px*960px的大小，如圖3所示，為了更加方便觀察以及與之后的圖像處理結(jié)果做比較，將圖3的圖像灰度化如圖4所示。

(a)正常曝光 (b)過(guò)曝 (c)欠曝

圖3 玉米實(shí)拍原圖

(a)正常曝光灰度化 (b)過(guò)曝灰度化 (c)欠曝灰度化

圖4 灰度化圖3

可以看出，圖3(b)和圖3(c)的由于光線過(guò)亮和過(guò)暗導(dǎo)致對(duì)比度太低，圖片細(xì)節(jié)不明顯，幾乎看不出是什么東西，這對(duì)圖像的機(jī)器識(shí)別和人眼觀測(cè)帶來(lái)了很大的困難。所以，對(duì)玉米病蟲(chóng)害圖像的亮度進(jìn)行處理是非常有必要的。

在“圖像亮度處理”程序中利用HE對(duì)上述三幅圖分別進(jìn)行處理，得到的結(jié)果分別如圖5所示。

(a)正常曝光HE (b)過(guò)曝HE (c)欠曝HE

圖5 HE處理結(jié)果

經(jīng)過(guò)HE處理后，圖像的灰度得到了拉伸，使得細(xì)節(jié)得到增強(qiáng)，欠曝和過(guò)曝的圖片對(duì)比度也都得到了提高，圖像輪廓比較清晰，而且三張圖經(jīng)過(guò)處理后得到的結(jié)果基本一致。但是HE會(huì)使圖像中像素個(gè)數(shù)較少的灰度級(jí)被過(guò)度合并，丟失圖像部分細(xì)節(jié)，比如最重要的玉米葉片上病蟲(chóng)害部分，對(duì)比度偏低，不是特別清晰。

3 MSR

MSR由于其在光照處理上具有很好的效果而廣泛使用，它通過(guò)計(jì)算相對(duì)色差，能夠還原場(chǎng)景中物體的真實(shí)色彩。

3.1 原 理

Retinex理論模型是由Land首先提出的，解釋了人類視覺(jué)系統(tǒng)是如何感知色彩的。Land發(fā)覺(jué)人類的視覺(jué)系統(tǒng)對(duì)傳入的圖像信息進(jìn)行了某種處理，僅僅保留了其本質(zhì)特征，這些特征在經(jīng)過(guò)大腦的處理后，在大腦中形成圖像。

Retinex理論首先假設(shè)照射光是空間平滑的，其次認(rèn)為物體的顏色是由反射光分量決定的。算法的主要思想為從元圖像中剔除照射光分量，提取反射光分量。

對(duì)圖像中每個(gè)像素點(diǎn)(x,y)，表示為：

S(x,y)=R(x,y)·L(x,y)，

(8)

其中，s(x,y)表示需要處理的原圖，r(x,y)代表反射圖像，l(x,y)代表入射光圖像。

(9)

其中r(x,y)為輸出圖像，*為卷積符號(hào)，F(xiàn)(x,y)為中心環(huán)繞函數(shù)，可以表示為：

(10)

其中，c表示高斯環(huán)繞尺度，λ是一個(gè)尺度，它的取值必須滿足：

(11)

由此得出單尺度視網(wǎng)膜大腦皮層算法(Single-Scale Retinex,SSR)，MSR是在SSR的基礎(chǔ)上發(fā)展而來(lái)的，一般選擇三個(gè)SSR進(jìn)行加權(quán)平均得到。計(jì)算公式如下：

(12)

其中K是高斯中心環(huán)繞函數(shù)的個(gè)數(shù)。

3.2 效 果

(a)正常曝光MSR (b)過(guò)曝MSR (c)欠曝MSR

圖6 原圖MSR

(a)灰度化的圖6(a) (b)灰度化的圖6(b) (c)灰度化的圖6(c)

圖7 灰度化的圖6

由處理結(jié)果可以看出，經(jīng)過(guò)MSR處理后，原先即使人眼不容易分辨的過(guò)曝和欠曝的圖像也相對(duì)清晰了。但是處理后圖像色彩的失真比較嚴(yán)重，而且灰度化以后更加可以看出圖像對(duì)比度偏低，顏色偏暗，細(xì)節(jié)增強(qiáng)不夠完善，尤其是圖7(b)，輪廓線非常不明顯。

4 HE與MSR的結(jié)合

從上面的實(shí)驗(yàn)可以看出，雖然HE和MSR對(duì)玉米病蟲(chóng)害圖像亮度處理都有一定效果，但是仍然存在許多缺陷，比如HE算法可能導(dǎo)致灰度級(jí)過(guò)分合并，喪失圖片部分細(xì)節(jié)，MSR算法得到的圖片顏色失真比較嚴(yán)重，對(duì)比度偏低，顏色偏暗。針對(duì)上述分析，推斷如果在MSR算法使用后再使用HE可以彌補(bǔ)各自的缺陷。

在“圖像亮度處理程序”中采用上述同樣的參數(shù)，將圖像經(jīng)MSR處理后進(jìn)行HE計(jì)算，得到的結(jié)果如圖8所示。

(a)正常光照?qǐng)DMSR+HE (b)過(guò)曝圖MSR+HE (c)欠曝圖MSR+HE

圖8 MSR+HE處理結(jié)果

相比圖5，圖像的細(xì)節(jié)更加豐富，由其是葉片和玉米須的部位，相比圖7，圖像的對(duì)比度更高，顏色偏暗的缺點(diǎn)得到了改善。

5 結(jié)果分析

雖然從主觀(人眼觀察)分析中得出將HE和MSR算法結(jié)合使用比這兩種算法單獨(dú)使用，在玉米病蟲(chóng)害圖像的亮度處理中效果更好的結(jié)論，但是為了避免主觀判斷帶來(lái)的誤差，對(duì)上述圖像進(jìn)行一個(gè)客觀的分析，即利用圖像質(zhì)量的一些衡量指標(biāo)對(duì)圖像的質(zhì)量進(jìn)行定量分析。

5.1 圖像質(zhì)量衡量指標(biāo)

圖像質(zhì)量衡量指標(biāo)有許多，由于需要對(duì)玉米病蟲(chóng)害圖片亮度處理后的細(xì)節(jié)豐富程度和清晰度進(jìn)行衡量，故而選擇用圖像的對(duì)比度和平均梯度進(jìn)行評(píng)價(jià)。[12]

(1)圖像對(duì)比度。對(duì)比度的值越大，則表示圖像的對(duì)比度越大，在一定程度上，圖像的清晰度更高。對(duì)比度的計(jì)算公式為：

(13)

其中，Gi表示四鄰域的灰度值，G表示中心像素的灰度值，m和n分別表示圖像的長(zhǎng)度和寬度(單位：像素)。

(2)平均梯度。平均梯度表示為在一個(gè)方向上圖像細(xì)節(jié)的平均變化率，它反映的是圖像的細(xì)節(jié)清晰程度，一般的，圖像的平均梯度越大則圖像的細(xì)節(jié)體現(xiàn)的越清楚。計(jì)算公式為：

G(x,y)=dxi+dxj，

(14)

dx(i,j)=I(i+1)-I(i,j),dy(i,j)=I(i,j+1)-I(i,j)。

(15)

5.2 結(jié)果分析

將原圖像、HE處理圖像、MSR處理圖像和MSR算法和HE結(jié)合(MSR+HE)處理圖像的對(duì)比度和平均梯度計(jì)算，結(jié)果如表1所示，這些數(shù)據(jù)都是由其相應(yīng)的灰度圖計(jì)算而來(lái)的。

表1 圖像質(zhì)量衡量指標(biāo)計(jì)算

根據(jù)表格統(tǒng)計(jì)的原圖及三種圖像處理方法處理結(jié)果的對(duì)比度和平均梯度數(shù)據(jù)，進(jìn)行如下分析。

(1)HE和MSR單獨(dú)，以及這兩個(gè)算法結(jié)合起來(lái)對(duì)過(guò)曝和欠曝的圖片進(jìn)行處理得到的圖像對(duì)比度和平均梯度，均大于原始的過(guò)曝和欠曝圖片的對(duì)比度和平均梯度，這表明這三種方法對(duì)豐富圖像細(xì)節(jié)和增加圖像清晰度都有一定的效果。

(2)雖然原圖的正常、過(guò)曝和欠曝的圖片的對(duì)比度和平均梯度相差很大，但是經(jīng)過(guò)HE和MSR+HE處理后，它們的對(duì)比度和平均梯度相差都比較小，這說(shuō)明這兩種算法對(duì)圖像亮度處理的穩(wěn)定性較好。

(3)MSR+HE處理后的圖像對(duì)比度和平均梯度均高于HE和MSR單獨(dú)使用處理后的圖像，這說(shuō)明MSR+HE對(duì)玉米病蟲(chóng)害圖像的亮度處理確實(shí)優(yōu)于HE算法，得到的結(jié)果更加清晰，細(xì)節(jié)更加豐富。

根據(jù)以上分析，綜合考慮圖像的處理結(jié)果和穩(wěn)定性，認(rèn)為MSR與HE算法結(jié)合使用能夠更好的對(duì)玉米病蟲(chóng)害圖片的亮度進(jìn)行處理，得到一個(gè)適于人眼觀察和機(jī)器識(shí)別的圖像。

6 結(jié)束語(yǔ)

針對(duì)田間設(shè)備實(shí)時(shí)拍攝的玉米病蟲(chóng)害圖片存在的過(guò)曝、欠曝等亮度上的缺陷，通過(guò)對(duì)圖像亮度處理方法的研究，發(fā)現(xiàn)HE和MSR算法結(jié)合可以彌補(bǔ)HE灰度級(jí)過(guò)分合并，以及MSR對(duì)比度相對(duì)偏低的缺陷，在提高處理結(jié)果穩(wěn)定性的同時(shí)，更好消減亮度對(duì)圖片造成的影響，使圖像更加清晰，細(xì)節(jié)更加豐富，使之更加易于人眼觀察和機(jī)器識(shí)別，為玉米田中玉米病蟲(chóng)害的實(shí)時(shí)觀察做出鋪墊，對(duì)玉米種植業(yè)具有重要意義。

[1] 陳志, 郝付平, 王鋒德,等. 中國(guó)玉米收獲技術(shù)與裝備發(fā)展研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2012, 43(12):44-50.

[2] Jiao J, Ma H, Qiao Y, et al. Design of Farm Environmental Monitoring System Based on the Internet of Things[J]. Advance Journal of Food Science & Technology, 2014, 6(3):368-373.

[3] 孔文, 焦俊, 王強(qiáng), 等 . 基于ARM的番茄葉綠素和氮的實(shí)時(shí)檢測(cè)與3G傳輸[J]. 安徽農(nóng)業(yè)科學(xué), 2015 ,43(30):347-350

[4] 焦俊, 張水明, 杜玉林, 等. 物聯(lián)網(wǎng)技術(shù)在農(nóng)田環(huán)境監(jiān)測(cè)中的應(yīng)用[J]. 中國(guó)農(nóng)學(xué)通報(bào), 2014, 30(20): 290-295.

[5] 屠珺, 劉成良, 李彥明,等. 基于光照無(wú)關(guān)圖的蘋果圖像識(shí)別方法[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2010, 26(S2):26-31.

[6] 林天圓, 王杰, 李金屏. 一種光照不均勻圖像的灰度校正方法[J]. 濟(jì)南大學(xué)學(xué)報(bào)(自然科學(xué)版), 2015, 29(6):401-405.

[7] 肖燕峰. 基于Retinex理論的圖像增強(qiáng)恢復(fù)算法研究[D].上海：上海交通大學(xué)電子信息與電氣工程學(xué)院, 2007.

[8] 范春年. 人臉識(shí)別中光照處理算法研究[D].南京：南京大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系, 2011.

[9] 張懿, 劉旭, 李海峰. 自適應(yīng)圖像直方圖均衡算法[J]. 浙江大學(xué)學(xué)報(bào)(工學(xué)版), 2007, 41(4):630-633.

[10] 黃曉慰. 基于光照不變性的農(nóng)產(chǎn)品(水果)圖像處理[D]. 合肥：安徽農(nóng)業(yè)大學(xué)信息與計(jì)算機(jī)學(xué)院, 2012.

[11] 仇成群, 劉成林, 沈法華,等. 基于Matlab和模糊PID的汽車巡航控制系統(tǒng)設(shè)計(jì)[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2012, 28(6):197-202.

[12] Madasu H, Devendra J. An Optimal Fuzzy System for Color Image Enhancement.[J]. IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society, 2006, 15(10):2956-2966.

[責(zé)任編輯：張永軍]

Image Preprocessing of Corn Pests and Diseases Based on HE and MSR

GAO Ya, JIAO Jun, MENG Zhu-li,NI Li,GU Ran,GU Li-chuan

(School of Information and Computer, Anhui Agricultural University, Hefei 230036, China)

About the problem of overexposure and underexposure of image collection in the corn field, designed a mix algorithm ,which combined Histogram Equalization and Multi-Scale Retinex together. That was to use MSR first for the image, then HE. Solved the issue of HE Grayscale excessive merger and got a lower defect of MSR contrast. As the experimental results suggested, from the point of view of subjective evaluation, this technology offered increased image clarity and getting more abundant in image details after MSR+HE processing ; from the point of view of objective indicators, the contrast and mean grads index utilized after MSR+HE image treatment were greater than what MSR and HE processed the image respectively; indicated MSR+HE algorithm had better stability, clearly processing result, rich details, more suitable for the field image processing.

corn diseases and pests;histogram equalization; multi-scale Retinex

2016-04-28

2016-07-20

安徽省科技廳國(guó)際合作項(xiàng)目(1403062031)和質(zhì)量工程項(xiàng)目(2014tszy090，2014jyxm091)資助。

高 雅 (1992—),女,安徽合肥人,安徽農(nóng)業(yè)大學(xué)信息與計(jì)算機(jī)學(xué)院2014級(jí)碩士研究生； 焦 俊(1964—),男,安徽合肥人,安徽農(nóng)業(yè)大學(xué)信息與計(jì)算機(jī)學(xué)院副教授,博士,碩士生導(dǎo)師。

TP391

A

2096-2371(2016)04-0047-07