張寶文，陶 佳，李 亮

（河北農(nóng)業(yè)大學(xué)信息科學(xué)與技術(shù)學(xué)院，河北 保定 071000）

目前一些研究借助信息技術(shù)和圖像處理來實現(xiàn)對中草藥的鑒別，通過邊緣梯度、小波變換、神經(jīng)網(wǎng)絡(luò)等方法對葉片、脈絡(luò)等圖像進(jìn)行特征提取與分類檢索，取得了一定的效果。但這些研究成果還難以滿足中草藥分類鑒別的全部需求。以石楠葉為研究對象，提取其橫切顯微圖像的顏色特征及紋理特征，引入鄰域點灰度值間的關(guān)系對其進(jìn)行優(yōu)化改進(jìn)，提取圖像的紋理特征，最終實現(xiàn)了更加準(zhǔn)確的圖像鑒別。本設(shè)計可對圖像處理和人工智能技術(shù)在中草藥鑒別方面的應(yīng)用起到一定的推動作用。

1 設(shè)計方案

中草藥石楠葉片識別系統(tǒng)主要包括圖像獲取與預(yù)處理（預(yù)處理包括分割）、目標(biāo)特征提取、判斷決策等模塊構(gòu)成，工作流程圖為：圖像獲取→圖像預(yù)處理→圖像分割→特征提取→識別決策。為實現(xiàn)中藥石楠葉片的識別，首先對石楠葉片樣本圖像進(jìn)行預(yù)處理，再提取顏色、形狀、紋理等特征；最后，對圖像進(jìn)行識別判斷。

2 石楠葉片圖像識別系統(tǒng)

2.1 石楠葉片圖像平滑處理

葉片圖像在采集、數(shù)字化、傳輸?shù)倪^程中會受到一定程度的噪聲干擾，而這些噪聲會對圖像質(zhì)量產(chǎn)生影響。因此，本設(shè)計通過圖像平滑消除噪聲，主要采用均值濾波算法和中值濾波算法。頻域圖像去噪聲首先要對石楠葉片的數(shù)字圖像進(jìn)行變換，令其從空域轉(zhuǎn)換到頻域，在此基礎(chǔ)上對頻域中的相關(guān)系數(shù)進(jìn)行處理；最后，對圖像進(jìn)行反變換，使其從頻域轉(zhuǎn)換到空域上來，實現(xiàn)降低或消除噪聲的目的。

2.2 石楠葉片圖像的邊緣檢測

針對石楠葉片圖像存在的邊緣特征缺陷，本設(shè)計采取邊緣檢測法對葉片圖像進(jìn)行識別（圖1）。邊緣檢測的實質(zhì)是采用某種算法提取圖像中的目標(biāo)與背景的交界線。即對圖像進(jìn)行灰度邊緣的增強處理，再設(shè)立門限，確定邊緣的像素位置。此項研究采用Roberts、Sobel、Prewitt、Laplacican-Gauss和 Canny 等算子[1]。

2.3 圖像分割

由于拍攝條件、其他鄰近植物、光線等因素的影響，部分葉面照片易受噪聲的干擾，需要進(jìn)行圖像分割。本研究運用閾值分割法，采用迭代法與自定義優(yōu)化結(jié)合的方法計算閾值。具體步驟如下：

圖1 Roberts算法處理以后的圖像Fig.1 The image treated by Roberts algorithm

（1）初值。統(tǒng)計出裂縫圖像的最小灰度值（Tmin）、最大灰度值為（Tmax），計算其平均值（T）：

（2）分割。根據(jù)計算出來的T進(jìn)行圖像分割，得到2個像素的集合，分別為：

（3）均值。計算像素的集合G1和G2的灰度平均值：

（4） 迭代。根據(jù) 滋1和 滋2計算新的閾值 T=1/2（滋1+滋2），重復(fù)步驟分割-均值-迭代，直到閾值T收斂到某一個范圍為止[2，3]。利用自動閾值法對葉子圖像進(jìn)行分割，結(jié)果如圖2。

圖2 自動閾值法對圖像分割前后對比Fig.2 Comparison of imagae before and after image segmentation by automatic threshold method

2.4 腐蝕

圖像的腐蝕處理的作用是消除物體邊界的像素，可以把小于設(shè)定的結(jié)構(gòu)元素的像素消除（圖3）。設(shè)A和B分別為二維別的歐氏空間的點集，A是一般的圖像的集合，B是結(jié)構(gòu)元素，用結(jié)構(gòu)元素B對圖像集合A進(jìn)行膨脹運算，其定義為：

圖3 腐蝕后的前后的對比圖Fig.3 Comparison of imagae before and after corrosion treatment

通過上述公式可知，通過相對于結(jié)構(gòu)元素的所有點的平移輸入圖像，再計算其并集即可得到膨脹處理后的圖像。而腐蝕運算處理通過將輸入的圖像平移了-b（b屬于結(jié)構(gòu)元素），再計算所有的交集即可得到腐蝕處理后的圖像[4，5]。

3 材料與方法

3.1 材料

隨機取3片石楠葉片，用以試驗。

3.2 方法

3.2.1 葉片顏色 采用MATLAB的rgb2hsv函數(shù)將RGB顏色圖轉(zhuǎn)換成HSV色圖。

3.2.2 葉片形狀 對葉片的面積、周長、內(nèi)切圓半徑和外切圓半徑進(jìn)行統(tǒng)計，運用MATLAB得到葉片輪廓的形狀參數(shù)，加以分析。其中，面積運用MATLAB的regionprops函數(shù)統(tǒng)計二值圖像的葉片區(qū)域像素數(shù)得到；葉片周長（即葉片的輪廓長度）用區(qū)域邊緣的相鄰點的距離表示。內(nèi)切圓的圓心即葉片輪廓圖像的質(zhì)心，半徑為質(zhì)心到葉片輪廓的最小的距離，外接圓的圓心即葉片輪廓圖像的質(zhì)心，半徑為質(zhì)心到葉片輪廓的最大的距離。

3.2.3 葉片紋理 通過采用邊緣檢測的方法以及圖像分割的方法，對葉片的紋理進(jìn)行計算。

4 結(jié)果與分析

4.1 石楠葉面的顏色特征分析

圖像的顏色呈顯著的穩(wěn)定性?；陬伾卣鹘⒌膶?yīng)的關(guān)系為點狀的像素，像素值即該元素的顏色值。利用MATLAB的rgb2hsv函數(shù)將RGB顏色圖轉(zhuǎn)換成HSV色圖（圖4）。大多數(shù)葉片的顏色是相似的，各種參數(shù)的差別比較?。ū?）。

圖4 HSV分量圖Fig.4 HSV component diagram

表1 葉片顏色特征Table 1 The characteristics of leaf color

4.2 石楠葉片形狀特征分析

采用無量綱參數(shù)描述形狀特征，運用MATLAB得到葉片輪廓的形狀參數(shù)（表2）。不同的石楠葉片的形狀特征存在較大的差異，易于區(qū)分。且此方法也可用于區(qū)分其他植物。

表2 葉片形狀無量綱特征Table 2 The dimensionless characteristics of leaf shape

4.3 石楠葉片紋理特征參數(shù)計算

不同品種的石楠葉片的紋理差異也較大（表3）。也可以用這樣的方法來對不同石楠進(jìn)行區(qū)分。綜合檢驗結(jié)果可見，石楠葉片的顏色差距較小，而在形狀和紋理方面有差異，可以用于對不同品種石楠葉片的檢測。

表3 葉片紋理特征Table 3 The characteristics of leaf texture

5 結(jié)論

本研究運用基于MATLAB的數(shù)字圖像處理的技術(shù)對石楠葉面彩色圖像進(jìn)行特征處理，建立了石楠葉片識別系統(tǒng)，對圖像進(jìn)行預(yù)處理、邊緣檢測、圖像分割，實現(xiàn)了對圖像特征的強化提??；通過對石楠葉面特征值的分析，完成了對中草藥石楠葉片的異常與否的檢測。試驗測試表明，該系統(tǒng)提高了對石楠葉面特征的識別率，對其他中草藥葉片的鑒別具有一定借鑒作用。

參考文獻(xiàn)：

［1］楊 帆.數(shù)字圖像處理與分析［M］.北京：北京航空航天大學(xué)出版社，2007.

［2］秦襄培，鄭賢中.MATLAB圖像處理寶典［M］.北京：電子工業(yè)出版社，2011.

［3］于萬波.基于MATLAB的圖像處理［M］.北京：清華大學(xué)出版社，2008.

［4］張志涌.精通MATLAB6.5［M］.北京：北航電子版，2002.

［5］唐常青.數(shù)學(xué)形態(tài)學(xué)方法及其應(yīng)用［M］.北京：科學(xué)出版社，1990.

［6］賀 鵬.基于葉片綜合特征的闊葉樹機器識別研究［D］.咸陽：西北農(nóng)林科技大學(xué)，2008.

［7］金飛劍.基于機器視覺的雜草圖像特征提取及識別研究［D］.鎮(zhèn)江：江蘇大學(xué)，2007.