摘 要

我国植物种类丰富，数量庞大，每种植物都有各自不同的特征。植物的智能识别对于研究植物亲属关系、植物归类、探究园艺经济价值和保护生态系统多样性具有重要意义。植物叶片具备植较为明显的特点且二维图片不会丢失特征，可以进行数字化处理，是智能识别植物的重要手段。数字化技术相对于传统人工识别方法更为快捷方便，可以大规模推广，如何精确地对叶片进行分割是研究的重点。

现今，存在多种图像分割的算法，本文对多种算法进行测试，通过对比得出不同算法的特点以及适应于何种情况。首先对采集10种叶片并进行灰度化预处理，然后用边缘检测算法的不同算子、阈值分割算法、数学形态学算法和以及小波域的MRF算法对处理好叶片进行分割实验测试，最后将测试结果对比，利用MALTAB软件的GUI界面将测试结果展示出来，分析算法的优劣，得出MRMRF算法的分割效果更为出色。

关键词：图像分割；MRMRF算法；预处理；GUI界面；

Research on Plant Leaf Image Segmentation Algorithms

ABSTRACT

Our country is rich in plant species and huge in number. Each plant has its own characteristics. Intelligent identification of plants is of great significance to the study of plant kinship, plant classification, horticultural economic value and the protection of ecosystem diversity. Leaves of plants have obvious characteristics of planting and two-dimensional images will not lose features. They can be digitized, which is an important means of intelligent identification of plants. Compared with the traditional manual identification method, the digital technology is more rapid and convenient, and can be widely promoted. How to segment the blades accurately is the focus of the research.

Nowadays, there are many kinds of image segmentation algorithms. In this paper, we test many kinds of algorithms and get the characteristics of different algorithms and what kind of situation they are suitable for. Firstly, 10 kinds of blades are collected and pretreated by gray level. Then, the different operators of edge detection algorithm, threshold segmentation algorithm, mathematical morphology algorithm and MRF algorithm in wavelet domain are used to test the segmentation of the processed blades. Finally, the test results are compared. The GUI interface of MALTAB software is used to show the test results. The advantages and disadvantages of the algorithm are analyzed and the MRMRF algorithm is obtained. The segmentation effect is better.

Key words: image segmentation; MRMRF algorithm; preprocessing;GUI interface;

目 录

1 绪论 1

1.1研究背景 1

1.2国外研究现状 1

1.3国内研究现状 2

1.4研究目的和意义 2

1.5研究内容及章节安排 2

2 MRMRF算法系统流程图及总体方案设计 4

2.1系统流程图 4

2.2总体设计方案 5

3 植物叶片图像预处理 7

3.1叶片图像采集 7

3.2样本灰度化 7

3.2.1图像的分类 7

3.2.2 RGB图转灰度图 8

4 图像分割 9

4.1传统图像分割算法 9

4.1.1边缘检测法 9

4.1.2阈值分割算法 15

4.1.3数学形态学运算 17

4.2 小波域MRF算法 19

4.2.1 算法原理 19

4.2.2 算法流程 20

5 平台搭建及测试结果 23

5.1平台搭建 23

5.1.1安装MATLAB软件 23

5.1.2 GUI图形用户界面设计 23

5.2测试结果 25

结论与展望 30

致 谢 31

参考文献 32

1 绪论

1.1研究背景

地球上植物种类繁多，维持着氧气和二氧化碳的平衡，作为生态链的前端为自然界提供能量，是生态系统很重要的一部分。人类已知的植物只是一部分，还有很多未知的植物，对植物进行识别归类是植物学研究的重点，但面对如此庞大复杂的植物群体，任何植物学家都不能全部识别，这就给植物学研究和保护带来了困难，所以需要建立植物数据库，将已知植物记录在其中，方便研究人员查询。随着人们保护生态环境、维护物种多样性意识的觉醒，不仅是专业学者需要去研究植物学，非专业人员也要提高对植物的认识。随着计算机和互联网的发展，植物学知识的传播有了更广的途径，普通人也可以通过计算机来认识植物，众多学者开始利用计算机强大的计算能力来对植物进行识别研究，计算机相对于人工操作更具有高效性，避免了人的主观影响。以植物分类来分析，植物也有更花朵、果实、根、茎、叶等器官，最便捷有效的识别方法是从各种类型的植物的不同叶片开始分析，不同叶片的色彩及其叶脉是植物分类相关依据的重要组成部分，叶片的二维图像避免了特征的丢失，拥有其他植物器官没有的外观优势。计算机对植物进行识别前需要提取图片中的叶片特征，如何合理地分割出叶片是 数字化图像处理中最重要的一步，直接决定了后续研究效果。随着当代图像分割技术的发展，对植物叶片分割的相关研究取得了很大的进展，但对于精确地分割出叶片、排除其他环境干扰还存在难点。目前对植物的叶子上的脉络进行相关分析已经成为众多学科研究的最基本的工作之一，尤其是涉及植物和农业相关专业的学科研究，进行这类研究可以促进数字化的技术与林业农业产业相结合。与此同时，这项研究也可以促进计算机方面的科学研究，特别是计算机图形学，计算机视觉和自动化这一类的学科。不仅如此，最重要的意义在于，通过对植物叶片图像分割进行研究，可以对植物种类的甄别，类别分化以及关系定义具有重大的促进作用。

1.2国外研究现状

国外学者对植物叶片图像分割的研究最早可以追溯到1991年，Franz等^[1]人就建议采用植物叶片边缘曲率来鉴定植物类别但受限于计算机理论以及软件和硬件条件。近年来，随着计算机性能的提高，图像处理技术的发展，以及全球数字农业的发展，植物叶片的图像处理与分析逐渐引起人们的关注，并取得了一定的效果。Mokhtarian等^[2]人开发了用于自掩蔽叶识别的多尺度固化空间法(CSS);Y.F.Li等^[3]人利用基于细胞神经网络的蛇模型提取静脉；美国的哥伦比亚大学在国家自然科学基金会的资金注入下在2007年研发出了一种便携式植物识别的设备原型^[4]，这类设备原型是基于虚拟现实技术的。这是时至今日第一次报告的植物分类的硬件原型。当前，对植物叶片图像分割算法的研究背景过于简单，复杂或者说深入背景下的研究十分少见并且研究的效果并没有到达预期的效果，需要不同背景的不同因素相结合得出不同的结论是目前研究的一大难题。图像分割技术正朝着更快速、更准确的方向发展。也有很多方法。结合其他理论，提出了基于阈值分割、边缘分割 、基于区域的分割和图像分割等^[5]方法。随着数学、计算机科学等^[6]信息学科的迅速发展和新理论的引进，图像分割技术又取得了重大突破，产生了神经网络分割技术、遗传算法分割技术、聚类分割技术以及多学科图像分割技术、基于小波变换的ALE分割技术，基于小波域的多分辨率图像分割技术。

1.3国内研究现状

植物叶片的图像分割技术在国内发展较晚且成果较少。傅弘等^[7]提出了人工神经网络叶脉提取方式;黄德双等^[8]人发明了BSA-RSPL（植物叶片识别系统）来识别残缺变形叶片；在2010年合肥智能机械研究所智能计算实验室和合肥植物园^[9]通过模式识别技术和数字图像处理技术，共同开发了植物叶片图像识别系统成功地用来识别植物类别，在植物生长调查和教学方面获得了广泛应用；王晓松等^[10]探讨了自然图像抠图技术在图像分割中的应用。胡静等^[11]提出了基于全卷积神经网络的植物叶片分割算法，用多数逻辑函数代替多类预测函数，将分割任务转化为二分类问题，提出更充分评估植物叶片分割性能的ROC曲线。新的理论每年都在源源不断的产生，推动着图像分割技术的蓬勃发展。

1.4研究目的和意义

我国植物种类繁多，对植物进行大规模研究极为复杂，对植物的识别及归类进行数字化管理具有重要意义。植物叶片作为二维图片，是计算机识别植物最重要和简洁的依据之一，可用于建立庞大的数据库以便于植物学研究和疾病防治。植物叶片图像分割技术是数字化图像处理的基础，是分析图像极为重要的一环，图像分割成果的质量将直接决定图像分析的结果的好坏，对植物叶片图像分割的研究显得尤为重要。^[12]本课题将寻找更有效的图像分割算法，对植物叶片进行更清晰的分割，准确高效地对植物叶片进行识别，以便进行图像分析。

1.5研究内容及章节安排

本课题研究了对植物叶片进行图像分割的不同算法，将基于小波域的马尔科夫随机场图像分割算法(MRMRF)与传统算法进行对比，采用MATLAB软件展示测试结果并进行对比，得出MRMRF算法相对于其他算法的优越性。

本课题共有5个章节，主要内容如下：