一种柏科植物冠形图像分析方法与流程

本发明涉及植物图像分析技术领域，具体地说是一种柏科植物冠形图像分析方法。

背景技术：

树冠是承载树木光合作用器官的最重要部分，树冠的大小和形状是树木的生物学和生态学特征之一，也直接反映着树木的生长和健康状态(王斐等,2015)，而且在很大程度上受周围环境的影响和制约。作为第一性生产力的森林培育,其基本的功能是光合作用、固定CO₂,在生产生物产品的同时改善生态环境。因此，需要适宜的空间环境满足其对光照和水肥资源的需求，也就是说需要一个合适的营养空间或面积作为其功能实现的平台。立地条件不同能够满足这种需求的能力不一，树体生长状态也存在差异。在一定年龄范围内和立地条件下，树木的正常营养面积往往反映在其树冠的投影面积之中。除了较为可靠的密度定位试验研究以外，密度与树高、胸径和冠幅等常规的测树因子之间的数量关系常用于确定适宜的保留株数和疏伐强度。有直接应用相关分析而得的模型确定适宜密度的做法，也有用冠形系数法的(Иизломескн,1981；刘君然等,1986)；该法首先研究确定冠形系数，而后依据冠形系数与林木平均高的关系确定适宜的林木株数(Мерзленко,1987)。

以往对树木的研究中有很大一部分涉及对树冠的研究,但是对冠形的解析研究为数不多。以往研究树冠的方法多种多样，包括目视法、直接测量法,专用设备法、相关分析法以及数字图像分析法等等。目视法受观测人员主观影响大、可靠性偏低；直接测量法工作量大、难度大不适合大面积观测使用；一些专用设备目前正处于研究试行阶段；尽管也有人进行过相关分析法的尝试,其使用依然依赖于一些测树因子的直接观测。数字图像分析法进行数字图像手工量测，较为繁琐。

技术实现要素：

针对数字图像手工测量的繁琐和不足，本发明提供了一种柏科植物冠形图像分析方法，其能够应用数字图像自动测定冠形参数，以便判别树木的健康状态、适宜的营养面积和林分密度。

本发明解决其技术问题采取的技术方案是：一种柏科植物冠形图像分析方法，其特征是，包括以下步骤：

1)获取目标树冠的图像

以蓝天为背景，在光线良好的顺光条件下活体拍摄而得到的树梢向上的端正RGB图像，并保存为24位真彩色的bmp格式文件；

2)目标树冠图像处理

首先运行识别程序打开RGB图像，其次对目标树图像进行灰度处理和二值化处理，然后进行边缘点分析识别出图像中所有边缘点；最后进行区域对象分析，确定相邻点组成的区域对象；

3)进行目标图像的有效区域分析

首选确定有效区域对象：将以图像的上顶点、下顶点、左顶点、右顶点和中间点作为区域参考点对区域对象进行分析，包含区域参考点的区域将被筛选出来，选择包含中间点作为区域参考点的最大区域作为有效区域，并释放其他边缘点和区域对象；

然后将有效区域分析转变为有效线段分析：对于有效区域内的边缘点逐行分析，选择一行内最左侧的左边缘点和最右侧的右边缘点作为此行有效线段的两个端点构建有效线段，同时释放其它无效边缘点；

4)确定目标图像中的树基

基于树冠与被分析区域的位置关系特点选择有效区域的上下中间点作为线段参考点，从有效线段中分析出距离该线段参考点最近的有效线段，作为后续分析的参考线段；以参考线段的长度为基准，从有效区域的底部对有效线段依次向上分析，第1个小于此基准长度的线段对象，将被视为树基的代表线段；

5)计算冠形系数

首先根据有效区域的上部边缘位置线段及有效线段的长度确定树梢和树冠最宽部位，然后分别以树梢和树基之间的距离确定为树高(Sg)、树冠最宽位置线段的距离确定为冠幅(Gf)，最后依据公式(1)计算冠形系数：

冠形系数＝Sg/Gf (1)

6)计算冠形指数

从树冠最宽部位到树基的高度被定义为冠中高(Gzg)，然后依据公式(2)计算冠形指数：

冠形指数＝Gf/Gzg (2)

7)输出二值化有效区域图像，并绘制冠幅和树高线段；

8)依据公式(3)计算适宜营养面积和密度：

N＝10000/(H/Cc)² (3)

其中，N为适宜密度的保留株数，Cc为侧柏林分平均冠形系数，H为某林分平均树高。

优选地，在目标树冠图像处理的过程中，

运行识别程序打开RGB图像的过程为：运行识别程序并赋值目标图像的完整路径参数，对参数及目标图像文件的有效性进行判别后打开RGB图像，并把RGB图像的色彩数据加载到内存；

对参数及图像有效性进行判别的过程为：首先判断是否提供参数，如果没有提供参数，将提示异常而退出；如果有参数则对参数提供的目标图像文件进行判断，如果参数提供的目标图像文件不存在或者格式不正确，将提示异常而退出，如果目标图像文件存在且格式正确则打开RGB图像；

对目标树图像进行灰度处理的过程为：采用公式：

Gray＝R*0.299+G*0.587+B*0.114将RGB图像进行单一化处理转换为0～255之间的灰度值；

对目标树图像进行二值化处理的过程为：采用图像整体灰度的平均值作为阈值，进行二值化的判断处理；大于阈值的像素点色彩设置为255，小于阈值的像素点色彩设置为0，从而以阈值将像素点划分为2类；

对目标树图像进行边缘点分析的过程为：对目标图像的所有像素点进行分析，分析与被分析像素点紧邻的8个方向上的像素点是否全部为0或全部为255，如果全部为单一色彩，说明当前点不是边缘点；如果并非全部为相同数值0或255，将被作为边缘点看待；假设被分析像素点为(x,y)，与该被分析像素点紧邻的8个方向像素点依次为(x-1,y-1)、(x,y-1)、(x+1,y-1)、(x-1,y)、(x+1,y)、(x,y+1)、(x+1,y+1)和(x-1,y+1)；

所述对目标树图像进行区域对象分析的过程为：针对目标图像的所有边缘点，通过位置坐标进行区域的关系分析；在上、下、左、右四个位置点上如果存在直接关联的边缘点，将被视为一个区域的边缘点，否则，被视为不同区域的边缘点。

优选地，对目标树图像进行区域对象分析的过程中，采用逐步推进与修正的方法，通过2个边缘点的关系分析，如果2个边缘点在相同区域内，将会对区域的上下左右位置的坐标进行修正；如果不在相同区域内，将会创建新的区域，同时还会分析已经创建的区域，如果区域之间存在重合、交叉的情况，将合并为一个区域对象；假设被分析的边缘点坐标为(x,y)，则该边缘点四个方向的边缘点坐标依次为(x,y-1)、(x,y+1)、(x-1,y)和(x+1,y)。

优选地，依公式(3)确定的林分密度主要取决于平均树冠直径的大小，若将测算而来的褐土立地平均冠形系数2.54代入公式(3)后得到如公式(4)所示的经验模型：

N＝10000/(0.377H)² (4)

其中，N为适宜密度的保留株数，H为某林分平均树高。本发明开发的程序可以在树冠解析的同时，确定相应树高级的密度控制区间。

优选地，还包括确定目标图像中的树冠底部的过程，以树基代表线段的长度为基准，对有效线段对象从有效区域的参考线段位置向下依次分析，长度发生急剧变化的线段对象将被视为树冠底部的代表线段。

优选地，所述冠形指数是在我国北方主要栽培树种侧柏的冠形指数；冠形指数从大到小分别对应冠形指数>1的塔形树冠、冠形指数为[0.7-1.0]的梭形树冠和冠形指数小于0.7的倒梨形树冠。

优选地，在获取目标树冠的图像过程中，如果获取的目标树冠图像有其它物体的干扰时,应用图像处理软件去除背景和其它物体。

优选地，所述图像处理软件包括Photoshop软件。

本发明的有益效果是：

本发明可以批量处理以蓝天为背景或者经手工去除背景和干扰物的RGB数字图像，并解析其中的侧柏树冠，确定其树高、冠幅、冠中高等参数；能够应用数字图像自动计算冠形指数、冠形系数等参数指标，以便判别树木的健康状态、适宜的营养面积和林分密度。

本发明立足于应用非接触、非破坏的数字图像拍摄法，简便可靠、省时省力。通过数字图像分析、构建冠形指数、冠形系数等参数进行了冠形分析。

鉴于数字图像手工量测较为繁琐，本发明实现了树冠图像的快速自动解析，并计算出冠形指数、冠形系数以及不同树高级对应的适宜林分密度。相对于传统的树冠观测和分析法,本发明采用自动解析技术，极大地提高了劳动生产率，减少了研究人员的野外作业量，提高了树冠分析的效率,为将来树冠自动分析专用设备的开发奠定基础。此外，图像解析法的应用更加适合难以涉足的、复杂地形范围内的树冠观测和解析。

附图说明

图1为本发明的方法流程图；

图2a为侧柏塔形或三角形树冠示意图，其中白色横线为冠幅，纵线为冠中高；

图2b是侧柏梭形或菱形树冠示意图，其中白色横线为冠幅，纵线为冠中高；

图2c为倒梨形或火炬形树冠示意图，其中白色横线为冠幅，纵线为冠中高；

图2d是塔形或三角形树冠示意图，其中白色横线为冠幅，纵线为树高；

图2e为梭形或菱形树冠示意图，其中白色横线为冠幅，纵线为树高；

图2f是倒梨形或火炬形树冠示意图，其中白色横线为冠幅，纵线为树高；

图3a是以蓝天为背景拍摄的典型树冠RGB图像；

图3b为经过手工去除背景后的树冠RGB图像；

图4a为蓝天背景的树冠图像经解析后的有效区域和冠幅、树高图像；

图4b为手工去除背景后的树冠图像经解析后的有效区域和冠幅、树高图像；

图5a为手动除去背景和干扰物体后,冠形系数的计算机解析值和手工计算值之间的相关关系示意图；

图5b是手动除去背景和干扰物体后,冠形指数的计算机解析值和手工计算值之间的相关关系示意图。

图5c为蓝天为背景条件下,冠形系数的计算机解析值和手工计算值之间的相关关系示意图；

图5d是蓝天为背景条件下,冠形指数的计算机解析值和手工计算值之间的相关关系示意图。

具体实施方式

为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。

如图1所示，本发明的一种柏科植物冠形图像分析方法，其特征是，包括以下步骤：

1)获取目标树冠的图像

以蓝天为背景，在光线良好的顺光条件下活体拍摄而得到的树梢向上的端正RGB图像，如图3a所示，并保存为24位真彩色的bmp格式文件；将图像保存为24位真彩色的bmp格式文件，为了提高批量处理的效率,存储的图像一般不超过1兆字节。如果获取的目标图像有其它物体的干扰时,应用相应的Photoshop等图像处理软件手动去除背景和其它物体，处理后的目标图像如图3b所示。

2)目标树冠图像处理

首先运行识别程序打开RGB图像，其次对目标树图像进行灰度处理和二值化处理，然后进行边缘点分析识别出图像中所有边缘点；最后进行区域对象分析确定相邻点组成的区域对象。

运行识别程序打开RGB图像的过程为：运行识别程序并赋值目标图像的完整路径参数，对参数及目标图像文件的有效性进行判别后打开RGB图像，并把RGB图像的色彩数据加载到内存；对参数及图像有效性进行判别的过程为：首先判断是否提供参数，如果没有提供参数，将提示异常而退出；如果有参数则对参数提供的目标图像文件进行判断，如果参数提供的目标图像文件不存在或者格式不正确，将提示异常而退出，如果目标图像文件存在且格式正确则打开RGB图像；图像正常访问后，将按照文件格式，把图像的色彩数据加载到内存，以供后续分析过程的使用。

对目标树图像进行灰度处理的过程为：采用公式：

Gray＝R*0.299+G*0.587+B*0.114将RGB图像进行单一化处理转换为0～255之间的灰度值；将色彩特征进行单一化处理，同时仍旧保留图像中被分析对象的轮廓等基本属性，不会对结果分析产生影响。

对目标树图像进行二值化处理的过程为：采用图像整体灰度的平均值作为阈值，进行二值化的判断处理；大于阈值的像素点色彩设置为255，小于阈值的像素点色彩设置为0，从而以阈值将像素点划分为2类，以此提高图像分析中基本特点的明确度。二值化处理处理过程中受图像背景影响较大，为了保证分析结果的可靠性，应尽可能选择蓝天背景的图像或者去除背景的图像。

对目标树图像进行边缘点分析的过程为：对目标图像的所有像素点进行分析，分析与被分析像素点紧邻的8个方向上的像素点是否全部为0或全部为255，如果全部为单一色彩，说明当前点不是边缘点；如果并非全部为相同数值0或255，将被作为边缘点看待；假设被分析像素点为(x,y)，与该被分析像素点紧邻的8个方向像素点依次为(x-1,y-1)、(x,y-1)、(x+1,y-1)、(x-1,y)、(x+1,y)、(x,y+1)、(x+1,y+1)和(x-1,y+1)；为了保证分析的准确，边缘点本身的颜色值约定为0，而不影响被分析的色彩对象。

所述对目标树图像进行区域对象分析的过程为：针对目标图像的所有边缘点，通过位置坐标进行区域的关系分析；在上、下、左、右四个位置点上(假设被分析的边缘点坐标为(x,y)，则该边缘点四个方向的边缘点坐标依次为(x,y-1)、(x,y+1)、(x-1,y)和(x+1,y))，如果存在直接关联的边缘点，将被视为一个区域的边缘点，否则，被视为不同区域的边缘点。对目标树图像进行区域对象分析的过程中，采用逐步推进与修正的方法，通过2个边缘点的关系分析，如果2个边缘点在相同区域内，将会对区域的上下左右位置的坐标进行修正；如果不在相同区域内，将会创建新的区域，同时还会分析已经创建的区域，如果区域之间存在重合、交叉的情况，将合并为一个区域对象。从而，保证每个边缘点都有对应区域对象，实现相关连像素点的区域确定与分析。

3)进行目标图像的有效区域分析

首选确定有效区域对象：将以图像的上顶点、下顶点、左顶点、右顶点和中间点作为区域参考点对区域对象进行分析，包含区域参考点的区域将被筛选出来，并选择包含中间点作为区域参考点的最大区域作为有效区域，并释放其他边缘点和区域对象；对区域对象进行分析过程中，与实际图像中被分析对象的位置有关系，需要被分析对象位于图像的中间位置(包含中间点的区域参考点)。对于可能存在的区域包含的情况，将选择最大的区域作为目标分析有效区域。同时，将无效的区域对象、边缘点对象释放掉，只保留有效数据，以保证后续分析的效率。

然后将有效区域分析转变为有效线段分析：对于有效区域内的边缘点逐行分析，选择一行内最左侧的左边缘点和最右侧的右边缘点作为此行有效线段的两个端点构建有效线段，同时释放其它无效边缘点。对于有效区域内的边缘点，一个x值可能会对应多个像素点；为了避免这个情况的干扰，更清晰反映被分析对象轮廓的数学属性，将一行内的边缘点进行合并转换为一个有效线段。边缘点有2种情况，左侧边缘点(边缘点坐标为(x,y)，那么(x-1,y)、(x-1,y-1)、(x-1,y+1)位置有一个像素的颜色值为255)、右侧边缘点(边缘点坐标为(x,y)，那么(x+1,y)、(x+1,y-1)、(x+1,y+1)位置有一个像素的颜色值为255)。选择一行内最左侧的左边缘点，最右侧的右边缘点，作为此行有效线段的两个端点。分析过程中被过滤掉的边缘点将被释放掉，以保证后续分析的效率。

4)确定目标图像中的树基

基于树冠与被分析区域的位置关系特点选择有效区域的上下中间点(即与树干平行的上下方向中间点)作为线段参考点，从有效线段中分析出距离该线段参考点最近的有效线段，作为后续分析的参考线段；以参考线段的长度为基准，从有效区域的底部对有效线段对象依次向上分析，第1个小于此基准长度的线段对象，将被视为树基的代表线段。还可以以类似方法确定目标图像中的树冠底部，以树基代表线段的长度为基准，对有效线段对象从有效区域的参考线段位置向下依次分析，长度发生急剧变化的线段对象将被视为树冠底部的代表线段。

5)计算冠形系数

首先根据有效区域的上部边缘位置线段及有效线段的长度确定树梢和树冠最宽部位，然后分别以树梢和树基之间的距离确定为树高(Sg)、树冠最宽位置线段的距离确定为冠幅(Gf)，最后依据公式(1)计算冠形系数：

冠形系数＝Sg/Gf (1)

冠形系数是指树高于冠幅的比值，是计算林木适宜营养面积和林分密度的重要指标。

6)计算冠形指数

从树冠最宽部位到树基的高度被定义为冠中高(Gzg)，然后依据公式(2)计算冠形指数：

冠形指数＝Gf/Gzg (2)

7)以图像名_01.bmp为目标文件输出二值化有效区域图像，并绘制冠幅和树高线段，以便直观图像分析结果，如图4a和图4b所示。

8)依据公式(3)计算适宜营养面积和密度：

N＝10000/(H/Cc)² (3)

其中，N为适宜密度的保留株数，Cc为侧柏林分平均冠形系数，H为某林分平均树高。

其实，依此式确定的林分密度主要取决于平均树冠直径的大小。依公式(3)确定的林分密度主要取决于平均树冠直径的大小，若将统计(山东省内统计)计算而来的褐土立地平均冠形系数2.54代入公式(3)后得到如公式(4)所示的经验模型：

N＝10000/(0.377H)² (4)

其中，N为适宜密度的保留株数，H为某林分平均树高。该模型可应用与侧柏林地的局部密度控制。

优选地，所述冠形指数是在我国北方主要栽培树种侧柏的冠形指数；冠形指数从大到小分别对应冠形指数>1的塔形树冠、冠形指数为[0.7-1.0]的梭形树冠和冠形指数小于0.7的倒梨形树冠。

通过对山东省石灰岩山地侧柏生态公益林的研究中发现，侧柏常见的塔形或三角形(如图2a和图2d所示)树冠以外，往往有火炬形以及二者之间过渡型，即梭形的树冠。本申请立足于应用非接触、非破坏的数字图像拍摄法，该方法简便可靠、省时省力。通过数字图像分析、构建冠形指数、冠形系数等参数对其进行了冠形分析。

所谓冠形图像分析是指应用数字图像法对树冠侧面形状的研究。用于分析侧柏树冠冠形的RGB图像是指在地面水平位置(仰角<10度)拍摄的侧柏树冠侧面图像,其中包括整个树干。拍摄使用的数码相机为Fuji SL305。除专门研究以外,拍摄以散生林木为主。为了避免拍摄距离的影响，本申请全部使用同一张图像不同部位的比值而构建冠形指数、冠形系数等参数，以提高图像间的可比性。

冠形分析使用Imagetool等图像处理软件量测不同树冠(图5.1)的形状指标，然后计算反映树冠重心位置的冠形指数(如图2a、图2b和图2c所示)、反映树高与冠幅比例关系的冠形系数(如图2d、图2e和图2f所示)。经过一系列的调研表明，侧柏常见的树形为塔形树冠(如图2a和图2d所示)，遭受逆境等胁迫后往往从下而上发生枝叶枯萎,树冠时而呈火炬形(如图2c和图2f所示)、呈梭形或倒梨形(如图2b和图2e所示)。近年来，应用图像分析法研究树冠的文献也有逐渐增加的趋势(Wang et al.,2016)。鉴于数字图像手工量测较为繁琐，本发明进一步应用计算机编程实现了树冠图像的快速自动解析，并计算出冠形指数、冠形系数以及不同树高级对应的适宜林分密度。这是本发明独创的一种自动解析技术。

依据本申请所述方法开发的程序应用于MSdos环境下，在该系统环境中执行程序并输入相应的图像地址和参数即可完成树冠解析，可以在树冠解析的同时，确定相应树高级的密度控制区间。图像数量较多时，可编制批处理文件一次性逐一完成。数量越多效率越高。

通过对典型树冠进行计算机解析来对本申请进行验证：选择有代表性的侧柏树冠侧面数字图像，首先用手工测算法计算各自的冠形指数和冠形系数，然后应用冠形解析程序批量测算对应的冠形指数和冠形系数。首先对手工去除背景和干扰物后的图像进行分析，结果是无论冠形系数(如图5a所示)还是冠形指数(如图5b所示)手工测定值和计算机解析值之间相关性达极显著水平，相关系数分别是0.985和0.946。而后对蓝天为背景图像进行解析,手工测定值和计算机解析值之间相关性达极显著水平，相关系数分别是0.953和0.955。

有研究报道称，侧柏叶面积指数与鳞叶体积以及单株总叶面积之间存在显著的相关关系，而鳞叶体积和总叶面积与冠幅的相关关系比株高密切，所以增大树冠实体体积和总叶面积的措施，促进冠幅的不断增大(郑翠娟等，2014)。而冠形系数又与树高因子之间关系不密切。因此，Иизломескн(1981)提出了以几乎不怎么相干的林木平均树高因子和冠形系数计算适宜营养面积和密度的公式，见公式3。

N＝10000/(H/Cc)² (3)

其中，N为适宜密度的保留株数，Cc为侧柏林分平均冠形系数，H为某林分平均树高。其实，依此式确定的林分密度主要取决于平均树冠直径的大小和树木的高度。若将在山东省内测算而来的褐土立地平均冠形系数值2.54代入公式3后得到公式4，

N＝10000/(0.377H)² (4)

其中，N为适宜密度的保留株数，H为某林分平均树高。

本申请涉及到的参考文献：

Л.Л.Иизломескн.1981.确定抚育间伐强度的方法,森林抚育间伐(中国林科院情报所编译),北京：中国林业出版社,124-126.

М.Л.Мерзленко.1987.最佳造林密度同营养面积的关系.世界林业研究,1987(l):28-30.

王斐,吴德军，翟国锋,臧丽鹏.2015.侧柏衰弱木、虫害木的热红外检测.光谱学与光谱学分析,35(12):3410-2415.

Wang F.,Wu D.J.,Yamamoto H.,Xing Sh.Y.,Zang L.P.2016.Digital image analysis of different crown shape of Platycladus orientalis.Ecological Informatics,34(2016):146-152.

刘君然.1986.林分适宜密度N＝10000/(H/k)的K值研究.东北林业大学学报,14(2):75-82.

郑翠娟，王勇，于金丹，戴立峰，白玲晓.2014.侧柏植株体积、叶面积的量测及其与株高、冠幅的关系.水土保持通报,34(2):182-185。

以上所述只是本发明的优选实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也被视为本发明的保护范围。