像素灰度值小于低阈值，则判定所述像素不是边缘像素；若像素灰度值处于高阈值和低阈值之间，则判断所述邻接像素灰度值与高阈值和低阈值的大小；若邻接像素灰度值大于高阈值，则判定所述邻接像素是边缘像素；若邻接像素灰度值不大于高阈值，则判定所述邻接像素不是边缘像素；根据确定的边缘像素获取虫害灰度图像的虫害边缘轮廓线。
[0039]采用双阈值法可以减少假边缘数量。选择两个阈值，根据高阈值得到一个边缘图像，这样一个图像含有很少的假边缘，但是由于阈值较高，产生的图像边缘可能不闭合，未解决这样一个问题采用了另外一个低阈值。在高阈值图像中把边缘链接成轮廓，当到达轮廓的端点时，在断点的邻域点中寻找满足低阈值的点，再根据此点收集新的边缘，直到整个图像边缘闭合。
[0040]上述实施例，结合梯度、直方图、阈值进行分割，能有效改善分割结果。
[0041]直方图阈值分割方法只是针对少数不同类别物体彼此灰度相差很大时，才能进行有效的分割。当原始图像的灰度直方图的双峰不明显时，分割后得不到理想的图像。因此，在对灰度虫害图像进行直方图阈值分割之前，先将虫害灰度图像转化为梯度图像，梯度不仅是一种重要的数学运算，在图像增强中也是突出细节信息的一种重要方法，图像梯度可以有效减少输入图像信号的零频和低频成分，提取或突出灰度图像的边缘和细节，从而提高图像的分辨率和识别率。因此，将梯度、直方图、阈值结合起来可以提高边缘提取的丰富度和精确性。
[0042]步骤S30，利用种子点填充方法对所述虫害边缘轮廓线内的虫害区域进行填充，使得所述虫害区域的像素值等于所述虫害边缘轮廓线的像素值，得到二值图像；
[0043]在本步骤中，对提取出虫害边缘轮廓线的虫害灰度图像进行二值化处理，利用种子点填充方法将虫害边缘轮廓线内的区域填充为轮廓线的像素值，从而形成两个区域:虫害区域和背景区域。
[0044]在一个实施例中，对于步骤S30中的利用种子点填充方法对所述虫害边缘轮廓线内的虫害区域进行填充，使得所述虫害区域的像素值等于所述虫害边缘轮廓线的像素值，得到二值图像之后，还可以包括如下步骤:
[0045]滤去所述二值图像多余的区域和边缘；利用空洞填充算法对所述二值图像进行填充。
[0046]由于虫害区域内部纹理分布不均匀，在填充区域内部后，有时会遗留下一些小的孔洞，这时，使用孔洞填充算法将其填充，得到一个完整的虫害分割二值图像，有助于提高虫害数量统计分析的精确性。
[0047]在一个实施例中，对于步骤S30中的利用种子点填充方法对所述虫害边缘轮廓线内的虫害区域进行填充，使得所述虫害区域的像素值等于所述虫害边缘轮廓线的像素值，得到二值图像，可以包括如下步骤:
[0048]输入一个种子点到所述虫害区域；获取边缘轮廓线的像素值，判断种子点邻域像素的灰度值与所述边缘轮廓线像素值的大小；若种子点邻域像素的灰度值不等于所述边缘轮廓线像素灰度值，则将所述边缘轮廓线像素值赋予所述种子点邻域像素。遍历所述虫害区域内的像素，满足上述条件，则将所述边缘轮廓像素值赋予虫害区域内的像素，得到二值图像；其中，所述二值图像由虫害区域内像素和背景区域像素组成；所述虫害区域像素的值相等，所述背景区域像素的值相等。
[0049]例如，在对虫害图像进行分割时，将提取到的虫害区域边缘像素值设为1，图像中的其他像素值设为O。此时，虫害区域内像素值和叶片背景区域内像素值均为0，则需要利用虫子点填充方法，通过遍历虫害轮廓线内的所有像素，将虫害区域内的像素重新赋为I。这样就得到虫害区域为白色，背景区域为黑色的二值图像。
[0050]步骤S40，确定所述二值图像中虫害区域的面积，根据所述虫害区域的面积大小确定农作物叶子的虫害数量。
[0051]在本步骤中，将得到的虫害二值图像进行数量统计，得到叶片上虫害的总数。确定虫害的危害程度，为做好农业虫害防治工作提供依据。
[0052]综合上述实施例的技术方案，虫害分析方法具有如下明显有点:
[0053]第一，效率高，传统方案中，需要操作人员人为眼镜观察，获得虫害的数量及危害程度。劳动量大。采用计算机视觉的方法，只需要人工拍摄照片，分析结果就可以呈现出来，大大提高了虫害分析效率。
[0054]第二，提高精确度。由于人眼观察依赖于经验，因而个体之间的观察结果差异较大，导致出现大误差。而计算机自动分析方法克服了上述缺陷，能够精确的计算出虫害的数量及危害程度。
[0055]综上所述，上述技术方案可以快速、准确地确定农作物害虫叶螨在叶片上的数量，解决了必须由研究技术人员人工进行观测和分析的问题，减轻了技术人员的人工负担，为农作物保护研究提供了一个现代化辅助方法和工具。
[0056]参考图2所示，图2为本发明的农作物叶子虫害检测系统结构示意图，包括:
[0057]采集模块10，用于获取农作物叶子的虫害图像，对所述虫害图像进行灰度化得到虫害灰度图像；
[0058]边缘检测模块20，用于采用边缘检测技术提取所述虫害灰度图像的虫害边缘轮廓线；其中，虫害边缘轮廓线为虫害区域与背景的分界线；
[0059]第一填充模块30，用于利用种子点填充方法对所述虫害边缘轮廓线内的虫害区域进行填充，使得所述虫害区域的像素值等于所述虫害边缘轮廓线的像素值，得到二值图像；
[0060]统计模块40，用于确定所述二值图像中虫害区域的面积，根据所述虫害区域的面积大小确定农作物叶子的虫害数量。
[0061]在一个实施例中，所述农作物叶子虫害检测系还可以包括:
[0062]去噪模块，用于根据所述虫害灰度图像的图片特征选择合适的滤波器对所述虫害灰度图像进行滤波去噪处理。
[0063]在一个实施例中，所述农作物叶子虫害检测系统还可以包括:
[0064]滤除模块，用于滤去所述二值图像多余的区域和边缘；
[0065]第二填充模块，用于利用空洞填充算法对所述二值图像进行填充。
[0066]在一个实施例中，所述边缘检测模块20可以包括:
[0067]梯度计算单元，用于利用梯度算子计算所述虫害灰度图像的梯度图像；
[0068]边缘提取单元，用于利用阈值法对所述梯度图像进行边缘提取，得到虫害灰度图像的虫害边缘轮廓线。
[0069]在一个实施例中，所述梯度计算单元梯度计算单元用于利用梯度算子计算所述虫害灰度图像的梯度图像的过程具体可以包括:
[0070]利用导数算子计算所述虫害灰度图像在直角坐标系中水平方向和竖直方向两个方向的偏导数，并根据所述水平方向和竖直方向两个方向的偏导数计算出梯度大小和方向；
[0071]比较所述虫害灰度图像设定像素的灰度值与其梯度方向上前后两个像素的灰度值的大小；
[0072]若所述设定像素的灰度值大于所述梯度方向上前后两个像素的灰度值，则判定所述设定像素属于边缘像素；
[0073]若所述设定像素的灰度值不大于所述梯度方向上前后两个像素的灰度值，则判定所述设定像素不属于边缘像素。
[0074]在一个实施例中，所述边缘提取单元用于利用阈值法对所述梯度图像进行边缘提取，得到虫害灰度图像的虫害边缘轮廓线的过程具体可以包括:
[0075]计算所述梯度图像的直方图，利用所述直方图确定一个高阈值和一个低阈值；
[0076]判断梯度图像的像素值与所述高阈值和低阈值大小；
[0077]若像素灰度值大于高阈值，则判定所述像素是边缘像素；
[0078]若像素灰度值小于低阈值，则判定所述像素不是边缘像素；
[0079]若像素灰度值处于高阈值和低阈值之间，则判断所述像素的邻接像素灰