一种基于多尺度分析的温室田间植物叶片边缘提取方法及其系统的制作方法
【专利摘要】本发明涉及数字图像处理【技术领域】，尤其涉及一种基于多尺度分析的温室田间植物叶片边缘提取方法及其系统。该方法利用不同尺度空间图像信息的差异，选择不同的分割方法，进行综合分析，获得理想的分割结果。在获取实验图像后，对图像进行适当的平滑滤波，针对图像中存在的不同类型的伪边缘，进行分类处理。综合尺度空间中canny边缘检测和OTSU阈值分割在不同尺度中的不同情况和各类伪边缘的不同特点，以形态学处理和逻辑运算等方法，按位运算去除内部和外部伪边缘，提高了边缘检测精确度，降低了叶片识别错误率。
【专利说明】一种基于多尺度分析的温室田间植物叶片边缘提取方法及其系统
【技术领域】
[0001]本发明涉及数字图像处理【技术领域】，尤其涉及一种基于多尺度分析的温室田间植物叶片边缘提取方法及其系统。
【背景技术】
[0002]叶片是果树营养物质的制造器官，是产量形成的基础。农业生产中需要获取大量的叶片生长信息。为通过图像获取叶片生长信息，实现果园生产自动监测，需要对田间果树叶片图像进行图像增强与分割算法研究。图像分割是图像分析和图像理解的基础，能够为进一步图像处理提供重要的信息。植物叶片图像分割能够为植物特征提取提供重要依据，如叶片面积计算、叶片病虫害检测和叶片三维重建等，从而可以实时监测植物的生长状况，提前预防病虫害等。有助于科学种植，提高作物产量等。
[0003]图像分割是根据具体的任务需求，将感兴趣的部分(目标)从图像的其他信息(背景)中分离出来，是图像处理的重要组成部分，也是图像分析和理解的基础，更是一门计算机视觉技术。目标分割是图像分析和图像理解的关键步骤，同时准确完整的植物叶片边缘信息也是基于数字图像处理技术的作物生物量获取的首要前提，例如可以进行生长状况检测，叶绿素含量测定，病虫害预警，以及基于目标特征的叶片三维形态重建恢复，进而实现无损精确的立体植物叶面积计算，及数字果园的可视化管理等。不论是基于图像的叶片面积周长、茎干直径等生长要素的获取，还是营养状况、成熟度检测，所有分析的基础是图像中所需目标的准确提取。只有建立在准确的目标提取方法上的其他参数获得才是有价值的，基于这些参数所做的分析和得到的结论才是有意义的。准确的分析可以提供用于病虫害分析的正确的纹理、形状信息，可以提供三维重建中匹配的同名像点，可以提供采摘机器人正确的运动方位。只有完整精确地将图像分割、目标分离出来，基于目标的特征提取和参数测量才可以剔除掉大量的图像冗余信息，转换图像灰度信息到更抽象的一系列特征数据集，突出而完备的表达重要信息，方便对图像后续的分析和理解。
[0004]边缘检测分割则通常是在梯度图像的基础上进行的。利用图像一阶导数的极值或二阶导数的零点作为判断边缘点的基本依据。边缘检测的优点是边缘定位准确、运算速度快。边缘检测一般分为三个步骤:首先利用一些边缘检测算子检测出图像中可能的边缘点；其次，对有一定厚度的边缘进行复杂的边缘细化，得到精确的、厚度为一个像素的边缘；最后，利用边缘闭合技术得到封闭的边缘。但植物叶片图像通常具有以下特征:背景复杂，叶片较多，易重叠，叶片表面不够光滑，叶脉与叶片的色彩差异较大，叶子边缘有些地方梯度变化不明显，叶片与叶柄相连处、枝条重叠处难以分开，有些果树现场叶片图像由于光照不同而表现为几种不同亮度的区域，内部梯度变化过于明显。这些特征导致分割的结果是，既不能保证边缘的连续性和封闭性，又在高细节区存在许多大量的碎边缘、伪边缘，难以确定哪些边缘是真正的目标边缘。
【发明内容】
[0005](一 )要解决的技术问题
[0006]本发明要解决的技术问题是:提出一种基于多尺度分析的温室田间植物叶片边缘提取方法及其系统，对不同类型的伪边缘实施不同处理，提高边缘检测精确度，降低叶片识别错误率。
[0007]( 二 )技术方案
[0008]为实现上述目的，本发明提供一种基于多尺度分析的温室田间植物叶片边缘提取方法，该方法包括:
[0009]S1.抓取温室田间植物图像，截取包含单一完整叶片的目标子图像，将所述目标子图像转换为灰度图像，使用wiener滤波去噪；
[0010]S2.对SI去噪后获得的图像采用四层‘db5’小波分解，并重构第一层图像得到图像Π，重构第三层图像得到图像f2 ；
[0011]S3.对步骤S2获得的图像fl使用canny边缘检测得到低尺度边缘图像f3，使用OTSU阈值分割得到低尺度的OTSU阈值分割图像f4，对步骤S2获得的图像f2使用OTSU阈值分割得到高尺度的阈值分割图像f5 ；
[0012]S4.第一类伪边缘的处理:对步骤S3得到的低尺度阈值图像f4进行外部伪边缘处理，得到用于擦除外部伪边缘的外模板区域图像f6 ；
[0013]S5.对步骤S4得到的图像f6运用逻辑非运算后再与步骤S3得到的边缘图像f3逻辑与，获得擦除外部伪边缘的图像f7 ；
[0014]S6.对步骤S3获取的高尺度阈值图像f5进行内部轮廓处理，得到用于擦除内部伪边缘的内模板图像Π8;
[0015]S7.对步骤S6得到的内模板图像Π8运用逻辑非运算，再与步骤S5得到的图像f7逻辑与运算，获得最终的边缘图像Π9 ；
[0016]优选地，S4中所述对图像f4进行外部伪边缘处理，得到用于擦除外部伪边缘的外模板区域图像f6包括:
[0017]S4.1.以半径为NI个像素的圆形为结构元，用该结构元对图像f4实施形态学腐蚀操作，其中NI为正整数；
[0018]S4.2.填充经S4.1得到的图像中由于腐蚀操作造成的孔洞；
[0019]S4.3.选取经S4.2得到的图像中面积最大的连通区域；
[0020]S4.4.以半径为N2个像素的圆形为结构元，用该结构元对S4.3选取的最大连通区域进行形态学腐蚀操作，其中N2为正整数；
[0021]S4.5.选取经S4.4得到的图像中面积最大的连通区域；
[0022]S4.6.以半径为N3个像素的圆形为结构元，用该结构元对S4.5选取的最大连通区域进行形态学膨胀操作，得到用来擦除外部伪边缘的外模板图像f6，其中N3为正整数，且N3大于N2和NI之和；
[0023]优选地，NI等于2，N2等于4，N4等于8。
[0024]优选地，所述对图像f5进行内部轮廓处理，得到用于擦除内部伪边缘的内模板图像fl8包括:
[0025]S6.1.对步骤S3获取的高尺度阈值图像f5进行第二类伪边缘处理，得到用以擦除第二类伪边缘的图像fl I;
[0026]S6.2.对图像f5进行第三类伪边缘处理，得到用以擦除第三类伪边缘的图像fl6 ；
[0027]S6.3.对S6.1得到的图像Π1和S6.2得到的图像Π6进行处理，得到用于擦除内部伪边缘的图像f 18;
[0028]优选地，S6.1所述对图像f5进行第二类伪边缘处理，得到擦除第二类伪边缘的图像Π1包括:
[0029]S6.1.1.构造半径为N4的圆形结构元，用该结构元对图像f5实施形态学腐蚀操作，以断开粘连，其中N4为正整数；
[0030]S6.1.2.填充经S6.1.1得到的图像的孔洞，选取面积最大的连通区域；
[0031]S6.1.3.构造半径为N5的圆形结构元，用此结构元对经S6.1.2选取的最大面积连通域实行形态学膨胀操作，得到图像f8，其中N5为正整数；
[0032]S6.1.4.以步骤S6.1.3获得的图像f8为掩膜对步骤S2得到的图像f2进行第二次OTSU阈值分割，得到图像f9 ；
[0033]S6.1.5.对阈值图像f9和步骤S5得到的图像f7，用图像f7逻辑异或图像f9，从而用图像f7中的边缘连接图像f9中分离的区域；
[0034]S6.1.6.填充经S6.1.5得到的图像的内部孔洞，然后选取面积最大的连通区域，将该连通区域作为用以擦除第二类伪边缘的内模板高光区域图像fll。
[0035]优选地，N4等于6，N5等于3。
[0036]优选地，所述对第五图像f5进行第三类伪边缘处理，得到用以擦除第三类伪边缘的图像f 16包括:
[0037]S6.2.1.将S6.1.3中获取的图像f8除去S6.1.4中所获取的高光部分图像f9之后剩余的区域记为图像f 10;
[0038]S6.2.2.对于图像f 10以及步骤S5得到的边缘图像f7，构造水平方向和垂直方向的四个臂部各为N6个像素的线性十字结构元即以要膨胀的那个像素为中心，水平和垂直单像素延伸的线性十字状结构元；用该结构元对图像f7实行形态学膨胀操作，从而连接低尺度下断开的细碎canny边缘，其中N6为正整数；
[0039]S6.2.3.对经S6.2.2得到的图像实行形态学细化操作，得到图像Π2 ；
[0040]S6.2.4.将步骤S6.2.1得到的图像HO进行逻辑非运算，再与第图像Π2进行逻辑与运算，以获取图像Π2在图像HO中的部分边缘子图像，记得到的内部边缘的图像为图像 fl3 ；
[0041]S6.2.5.将图像fl3的边缘与图像HO的边缘进行逻辑与运算，从而保留了细化的边缘和位于图像f1内部的纹理，实现对图像Π3的闭合，得到图像Π4 ；
[0042]S6.2.6.构造半径为N7的圆形结构元，用此结构元对图像HO实施形态学腐蚀操作，再与图像f 14按位逻辑异或运算，以连接f 10中的碎片块，同时分割外部粘连，记得到的图像为Π5，其中N7为正整数；
[0043]S6.2.7.填充图像Π5中的孔洞，选取面积最大的连通区域作为图像fl6，fl6为擦除第三类边缘的内部纹理模板。
[0044]优选地，N6等于4，N7等于4。
[0045]优选地，所述对图像fll和图像Π6进行处理，得到用于擦除内部伪边缘的图像Π8包括:
[0046]S6.3.1.将步骤S6.1中获取的图像fll和步骤S6.2获取的图像Π6进行逻辑与运算，得到图像Π7;
[0047]S6.3.2.填充S6.3.1中得到的图像Π7中的内部孔洞；
[0048]S6.3.3.构造半径为N8个像素的圆形作为结构元，用该结构元对经S6.3.2得到的图像进行形态学腐蚀操作，得到用于擦除内部伪边缘的内模板图像Π8，其中NS为正整数。
[0049]优选地，N8等于2。
[0050]本发明还提供一种基于多尺度分析的温室田间植物田间叶片边缘提取系统，该系统包括:
[0051]预处理模块:用于叶片子图获取和滤波，包括:首先图像采集设备获取植物叶片的原始图像；利用与叶片大小相近的窗口，以特定步长，遍历裁切叶片原始图像，获得包含单个叶片的子区域作为目标子图像；获得叶片子图之后，转化为灰度图，对灰度图像进行wiener滤波处理,去除图像的噪声；
[0052]外部轮廓处理模块，对第一类伪边缘进行处理，对原图进行db5小波分解，在第一尺度上进行重构和canny分割以及第一次OTSU分割；获得边缘图像和区域图像，对获取的区域图像进行形态学处理，获得用以除去外部粘连的外模板图像，外模板图像与边缘图像逻辑运算，获得用以擦去外部粘连的canny边缘图像；
[0053]内部高光即二次OTSU的前景部分区域处理模块，对第二类伪边缘进行处理，将高光区域和部分canny边缘图像进行逻辑异或运算，即用部分原始canny边缘拼接断开的部分，对逻辑运算后的图像填洞并取面积最大的连通区域为第二类目标内部高亮区；对该高亮区逻辑非操作后与canny边缘逻辑与，获得擦除叶片内部高亮区伪边缘的图像；
[0054]内部纹理伪边缘处理模块，对第三类伪边缘进行处理，对canny边缘膨胀后细化，采用逻辑异或运算用细化的canny封闭边缘将第三类目标区域的不同的区块连接，并切割外部粘连；对获得的图像进行填洞，再腐蚀操作，取面积最大连通区域作为第三类目标区域即除去伪边缘的图像区域；
[0055]叶片整体边缘获取模块，对所获取的内部高光区域和去除第三类伪边缘的内部区域进行逻辑与运算，对得到的图像形态学填充之后，再进行形态学腐蚀操作，所获取的图像即为内模板区域，将该区域图像逻辑非之后再和去除外部伪边缘得到的边缘图像逻辑与运算，所得到的图像即为最终叶片整体边缘图像。
[0056]本发明还提供一种基于多尺度分析的温室田间植物田间叶片边缘提取系统，其特征在于，该系统包括:
[0057]Canny连接模块:用于以canny边缘连接碎块区域，以获得用于去除canny边缘内部伪边缘干扰的内模板，包括:以部分原始的canny边缘线与对二次OTSU的前景区域进行逻辑异或运算，连接二次OTSU的前景区域的内部碎块，填充逻辑运算后图像内部的孔洞，以获取前景最大连通区域；通过构造线性十字结构元对canny边缘进行膨胀，再对膨胀之后的图像进行无限次细化操作获取二次OTSU的背景区域的内部细化边缘；通过该边缘与二次OTSU的背景区域的外边缘的逻辑与的封闭边缘线，对该背景区域进行逻辑异或运算，即由canny细化后的封闭边缘线连接该区域的图像碎块，且分割外部粘连；然后填充运算后图像内部的孔洞，以获取去除外部粘连和连接内部碎块的背景连通区域；
[0058]尺度分析模块:将多尺度分析作为研究图像特征的工具，首先在不同尺度空间上，用不同的分割方法对应的图像特征进行差异研究，提炼多尺度上图像特征的不同表达；通过利用形态学操作和逻辑运算，将不同单一尺度上的图像按位运算，解析出去除外部和内部伪边缘的叶片图像完整边缘。
[0059]优选地，还包括:分类处理模块，用于将低尺度下较为精细的伪边缘及其区域分为三大类:第一类伪边缘及区域:真实叶片外部的伪边缘，即第一次OTSU处理后的背景部分的伪边缘及区域；第二类伪边缘及区域:真实叶片内部且亮度稍高的灰阶均匀区域的伪边缘，即二次OTSU处理后的前景的伪边缘及区域:其亮度比一次OTSU处理得到的前景部分亮度稍高，为一次OTSU处理所得到的前景的一部分；第三类边缘及区域:真实叶片内部灰度差异较大的纹理伪边缘，即该区域是二次OTSU处理所得到的背景，它也是一次类间方差的前景的一部分，视觉表现为内部灰度差异较大；然后用于针对这三类不同的伪边缘的性质特征采用不同的处理方法，最后获得不包含以上三类伪边缘的真实边缘。
[0060](三)有益效果
[0061]本发明的方法针对草莓叶片形态各异、背景复杂且相互交叠，以及温室黑色薄膜的反射造成叶片局部不均匀光照所造成的温室田间植物叶片分割结果不理想的情况，以及由于叶片自身纹理清晰，梯度变化较大，对真实边缘的检测也有所干扰的现状，提出了一种基于多尺度分析的温室田间植物叶片边缘提取方法，利用不同尺度空间图像信息的差异，选择不同的分割方法，进行综合分析，获得理想的分割结果。在获取实验图像后，对图像进行适当的平滑滤波，针对图像中存在的不同伪边缘，以不同的方法进行处理除去内部和外部伪边缘，提高了边缘检测精确度，降低了叶片识别错误率。另外，本发明还提出的一种新的canny边缘闭合接边方式,通过构造十字线元结构对canny边缘进行处理,得到的边缘更为真实准确。本专利中将多尺度分析作为研究图像特征的工具，边缘提取精度高，运算速度快，适用范围广。
【专利附图】
【附图说明】
[0062]图1基于多尺度分析的温室田间植物叶片边缘提取方法流程图；
[0063]图2外部伪边缘处理流程图；
[0064]图3第二类伪边缘处理流程图；
[0065]图4第三类伪边缘处理流程图；
【具体实施方式】
[0066]本发明提出的基于多尺度分析的温室田间植物叶片边缘提取算法及其系统，结合附图和实施例详细说明如下。
[0067]本发明的方法及其系统通过试验筛选，针对温室田间植物叶片形态各异、背景复杂且相互交叠，以及温室黑色薄膜的反射造成叶片局部不均匀光照所造成的温室田间植物叶片分割结果不理想的情况，以及由于叶片自身纹理清晰，梯度变化较大，对真实边缘的检测也有所干扰的现状，本发明所提出的一种基于多尺度分析的温室田间植物叶片边缘提取方法及其系统，利用不同尺度空间图像信息的差异，选择不同的分割方法，进行综合分析，可完整、准确、高成功率地提取通过实时在线系统所获取的植物现场图像叶片边缘。其以包含单个叶片的子区域作为目标图像，将已锁定在子区域附近的分割区域子图作为处理对象；综合利用图形图像处理算子，对区域子图进行滤波增强处理；针对不同类型的伪边缘提出了不同的分割算法，利用形态学处理、采用OTSU阈值和canny算子分割相结合的方法，进行提取图像边缘的优势互补的逻辑运算处理。
[0068]在下面的实施例中温室田间植物以草莓为例进行说明，本领域技术人员应该理解，本发明的多尺度分析的温室田间植物叶片边缘提取方法及其系统同样可以适用于其他温室田间植物。
[0069]如附图1所示，依照本发明，一种基于多尺度分析的温室田间植物叶片边缘提取方法，包括步骤:
[0070]S1.抓取温室自然光条件下的草莓图像，截取图像，获得包含单一完整叶片的目标子图像。读取图像，转换为灰度图像后，使用wiener滤波去噪；
[0071]截取包含单一完整叶片的目标子图像的方法为:首先图像采集设备获取植物叶片的原始图像；利用与叶片大小相近的窗口，以特定步长，遍历裁切叶片原始图像，获得包含单个叶片的子区域作为目标子图像。
[0072]S2.对SI去噪后的图像采用四层‘db5’小波分解，并重构第一层和第三层图像，分别记为fl和f2 ；
[0073]S3.对S2获得的f I使用canny边缘检测和OTSU阈值分割，对f2使用OTSU阈值分割，分别记分割后的图像为f3、f4和f5。其中f3是低尺度的canny边缘图像，f4是低尺度的OTSU阈值分割图像，f5是高尺度的OTSU阈值分割图像；
[0074]强调的是，本发明将低尺度下较为精细的伪边缘及其区域分为三大类:①第一类边缘及区域:真实叶片外部的伪边缘及区域(第一次类间方差的background(背景)部分的伪边缘及区域)；②第二类边缘及区域:真实叶片内部且亮度稍高的灰阶均匀区域的伪边缘(第二次类间方差的foreground(前景)的伪边缘及区域:其亮度比第一次类间foreground部分亮度稍高,为第一次类间方差的foreground的一部分)！③第三类边缘及区域:真实叶片内部灰度差异较大的纹理伪边缘(第二次类间方差的background为第一次类间方差的foreground的一部分，表现为内部灰度差异较大)。针对这三类不同的伪边缘的性质特征采用不同的处理方法，最后获得不包含以上三类伪边缘的真实边缘。
[0075]S4.在该步骤中进行第一类伪边缘的处理:对S3得到的低尺度阈值图像f4进行外部伪边缘处理(详见图2及后面对其的相应的说明)，得到用于擦除外部伪边缘的第一类外模板区域f6 ；
[0076]S5.对S3得到的边缘图像f3和S4得到的外模板区域f6，通过逻辑运算获得去除外部伪边缘的边缘图像f7。对f6运用逻辑非运算，再与边缘图像f3逻辑与，获得擦除外部伪边缘的边缘图像f7，表达为:f7 = f3&(?f6)；
[0077]S6.对S3获取的高尺度阈值图像f5应用内部轮廓处理程序，得到用于擦除内部伪边缘的内模板区域Π8 ；
[0078]S7.对S6得到的内模板区域f 18和S5得到的边缘图像f7进行逻辑运算获得最终的边缘图像Π9:即对内模板区域Π8运用逻辑非运算，再与擦除外部伪边缘的f7逻辑与运算，获得最终的边缘图像Π9，表达为:fl9 =(?fl8)&f7。
[0079]如附图2所示，S4进一步包括:
[0080]S4.1.以半径为2个像素的圆形为结构元，用该结构元对f4实施形态学腐蚀操作，断开较弱的粘连和接触，在这里，结构元的半径也可以为其他大小；
[0081]S4.2.填充经S4.1处理后的图像中由于腐蚀操作造成的孔洞；
[0082]S4.3.选取面积最大的连通区域；
[0083]S4.4.以半径为4个像素的圆形为结构元，用该结构元对最大连通区域进行形态学腐蚀操作，断开较强的粘连和接触；在这里，结构元的半径也可以为其他大小。
[0084]S4.5.选取步骤4.4处理后得到的图像中的面积最大的连通区域；
[0085]S4.6.以半径为8的圆形为结构元，用该结构元对最大连通区域进行形态学膨胀操作，将这个比真实边缘大2个像素的区域作为用来擦除外部伪边缘的外模板f6，在这里，该结构元的半径也可以为其他大小，
[0086]其中，S6具体包括:
[0087]S6.1.对第二类伪边缘的处理:对步骤S3得到的高尺度阈值图像f5进行内部轮廓处理，得到擦除第二类伪边缘的内模板高光区域图像fll ；
[0088]S6.2.对步骤S3得到的高尺度阈值图像f5进行第三类伪边缘处理，得到用以擦除第三类伪边缘的内部纹理模板Π6 ；
[0089]S6.3.通过对fll和Π6进行处理，得到用于擦除内部伪边缘的内模板区域Π8 ；
[0090]如附图3所示，步骤S6.1具体包括:
[0091]S6.1.1.对于S3获取的高尺度OTSU阈值分割图像f5，构造半径为6的圆形结构元，用该结构元对f5实施形态学腐蚀操作，断开粘连；
[0092]S6.1.2.填充断开粘连之后图像的孔洞，取面积最大的连通区域；
[0093]S6.1.3.构造半径为3的圆形结构元，对最大面积连通域实行形态学膨胀操作，记处理后图像为f8，在这里，该结构元的半径也可以为其他大小；
[0094]S6.1.4.以f8为掩膜对S2得到的重构图像f2进行二次OTSU阈值分割，记为f9 ；
[0095]S6.1.5.对于二次OTSU分割后得到的阈值图像f9和除去外部伪边缘的边缘图像f7，用f7逻辑异或f9，用f7中的边缘连接f9中分离的区域，同时可以切割外部粘连，表达为:f7~f9 ;此处用canny边缘实现接线:用f7的边缘(original边缘的一部分,是用f6取出的:f7 = f6&f3)连接f9内部的碎块，同时切割外部粘连；
[0096]S6.1.6.填充S6.1.5中产生的内部孔洞，并取面积最大的连通区域，将该区域作为擦除第二类伪边缘的内模板高光区域图像fll ；
[0097]如附图4所示，对第三类伪边缘的处理进一步包括:
[0098]S6.2.1.将S6.1.4中f8除去高亮区域f9剩余的区域记为HO ；
[0099]S6.2.2.对于f 10以及除去外部伪边缘的边缘图像f7，构造水平垂直各4个像素的线性十字结构元即以要膨胀的那个像素为中心，水平和垂直单像素延伸的线性十字状结构元。对图像f7实行形态学膨胀操作，连接低尺度下断开的细碎canny边缘；
[0100]S6.2.3.对相互连接的膨胀边缘实行形态学细化操作，记图像为Π2 ；
[0101]S6.2.4.获取细化边缘图像fl2在flO中的部分边缘子图像，记该内部边缘的图像为 Π3，表达为:fl3 = fl2&(?HO)；
[0102]S6.2.5.将Π3的边缘与HO的边缘叠加，从而保留了细化的边缘和位于HO内部的纹理，实现对fl3的闭合，记此时得到的图像为Π4，表达为:fl4 = fl3&(fl0的边缘线)；
[0103]S6.2.6.将HO腐蚀四个像素后，与图像Π4逻辑异或运算，以连接HO中的碎片块，同时分割外部粘连，此时记得到的图像为Π5 ;表达为:fl5 = fl0~fl4 ；
[0104]S6.2.7.填充图像fl5中的孔洞，并取面积最大的连通区域，记图像为Π6，将Π6作为擦除第三类边缘的内部纹理模板；
[0105]其中，内模板图像Π8获取步骤进一步包括:
[0106]S6.3.1.将S6.1中获取的叶片内部高光图像fll和S6.2获取的内部纹理模板Π6区域相加，得到图像f 17，表达为:fl7 = Π6&Π1 ；
[0107]S6.3.2.填充图像H7中产生的内部孔洞；
[0108]S6.3.3.构造半径为2的圆形为结构元，用该结构元对填洞后的图像实行形态学腐蚀操作，得到比真实边缘小2个像素的，用于擦除内部伪边缘的内模板图像Π8，在这里，该结构元的半径也可以为其他大小。
[0109]形态学腐蚀与膨胀指的是:以自己定义的某个结构作为结构元，利用这个结构元的大小为基准腐蚀或者膨胀像素值。腐蚀就是使原图像的每个像素的像素值与结构元每个像素的像素值按照一定的规则相减，膨胀就是使像素值增加。形态学细化就是去除所提取出的边缘图像的细小分枝。形态学细化就是去除所提取出的边缘图像的细小分枝。
[0110]本发明还提出了一种基于多尺度分析的温室田间植物叶片边缘提取系统，该系统包括:
[0111]预处理模块:叶片子图获取和滤波，包括:首先图像采集设备获取植物叶片的原始图像；利用与叶片大小相近的窗口，以特定步长，遍历裁切叶片原始图像，获得包含单个叶片的子区域作为目标子图像。获得叶片子图之后，转化为灰度图，对灰度图像进行Wiener滤波处理，去除图像的噪声。
[0112]外部轮廓处理模块，对第一类伪边缘进行处理，对原灰度图像进行db5小波分解，在第一尺度上进行重构和canny分割以及第一次OTSU分割，获得边缘图像和区域图像，对获取的区域图像进行形态学处理，获得用以除去外部粘连的外模板图像，外模板图像与边缘图像逻辑运算，获得擦去外部粘连的canny边缘图像。
[0113]内部高光区域处理模块，对第二类伪边缘进行处理，将高光区域和canny边缘图像进行逻辑异或运算，即用部分原始canny边缘拼接断开的部分。对逻辑运算后的图像填洞并取面积最大的连通区域为第二类目标内部高亮区，对该高亮区逻辑非操作后与canny边缘逻辑与，获得擦除叶片内部高亮区伪边缘的图像。
[0114]内部纹理伪边缘处理模块，对第三类伪边缘进行处理，对canny边缘膨胀后细化，采用异或逻辑运算用细化canny封闭边缘将第三类目标区域的不同的区块连接，并切割外部粘连。对获得的图像进行填洞，再腐蚀操作，取面积最大连通区域作为第三类目标区域即除去伪边缘的图像区域。
[0115]叶片整体边缘获取模块:对所获取的内部高光区域和去除第三类伪边缘的内部区域进行逻辑与运算，对得到的图像形态学填充之后，再进行形态学腐蚀操作，所获取的图像即为内模板区域，将该区域图像逻辑非之后再和去除外部伪边缘得到的边缘图像逻辑与运算，所得到的图像即为最终叶片整体边缘图像。
[0116]本发明还提出了一种基于多尺度分析的温室植物田间叶片边缘提取系统，其特征在于，该系统包括:
[0117](I)Canny连接模块:提出了一种新的运用canny边缘连接碎块区域的方法，以获得可以用于去除canny边缘内部伪边缘干扰的内模板。
[0118]以部分原始的canny边缘线与对二次OTSU的foreground区域进行逻辑异或运算，连接二次OTSU的foreground区域的内部碎块,填充逻辑运算后图像内部的孔洞，以获取foreground最大连通区域。
[0119]通过构造线性十字结构元对canny边缘进行膨胀，再对膨胀之后的图像进行无限次细化操作获取二次OTSU的background区域的内部细化边缘。通过该边缘与二次OTSU的background区域的外边缘的逻辑与的封闭边缘线。运用该细化的封闭边缘线对该background区域进行逻辑异或运算，然后填充运算后图像内部的孔洞，以获取去除外部粘连和连接内部碎块的background连通区域。
[0120](2)尺度分析模块:将多尺度分析作为研究图像特征的工具，首先在不同尺度空间上，用不同的分割方法对应的图像特征进行差异研究，提炼多尺度上图像特征的不同表达。通过利用形态学操作和逻辑运算，将不同单一尺度上的图像按位运算，解析出去除外部和内部伪边缘的叶片图像完整边缘。
[0121]该系统还可以包括:
[0122]分类处理模块，用于将低尺度下较为精细的伪边缘及其区域分为三大类:①第一类伪边缘及区域:真实叶片外部的伪边缘(第一次类间方差OTSU处理后的background部分的伪边缘及区域)第二类伪边缘及区域:真实叶片内部且亮度稍高的灰阶均匀区域的伪边缘(二次类间方差OTSU处理后的foreground的伪边缘及区域:其亮度比一次类间方差得到的foreground部分亮度稍高,为一次类间方差所得到的foreground的一部分);③第三类边缘及区域:真实叶片内部灰度差异较大的纹理伪边缘(该区域是二次类间方差所得到的background,它也是一次类间方差的foreground的一部分,视觉表现为内部灰度差异较大)。针对这三类不同的伪边缘的性质特征采用不同的处理方法，最后获得不包含以上三类伪边缘的真实边缘。
[0123]本发明所提出的基于多尺度分析的温室田间植物叶片边缘提取方法及其系统，具有以下优点:
[0124]在获取实验图像后，对图像进行适当的平滑滤波。针对图像中存在的不同类型的伪边缘，对图像中的伪边缘进行分类处理。并运用尺度分析的方法，在不同的单一尺度上按位以不同的方法进行处理除去内部和外部伪边缘，提高了边缘检测精确度，降低了叶片识别错误率。另外，本发明还提出的一种新的运用canny边缘连接碎块区域的方法。并通过构造十字线元结构对canny边缘进行处理，得到的用以连接区域碎块的封闭边缘。使得所获得叶片目标整体边缘更为真实准确。本专利中将多尺度分析作为研究图像特征的工具，边缘提取精度高，运算速度快，适用范围广。
[0125]本发明的所提出的基于多尺度分析的温室田间植物叶片边缘提取方法，可以通过各种硬件、软件和固件实现，例如可以在MATLAB中进行图像处理来完成本发明的方法，但本发明不限于此。
[0126]以上实施方式仅用于说明本发明，而并非对本发明的限制，有关【技术领域】的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。
【权利要求】
1.一种基于多尺度分析的温室田间植物叶片边缘提取方法，其特征在于，该方法包括步骤: 51.抓取温室田间植物图像，截取包含单一完整叶片的目标子图像，将所述目标子图像转换为灰度图像，使用wiener滤波去噪； 52.对SI去噪后获得的图像采用四层‘db5’小波分解，并重构第一层图像得到图像fl，重构第三层图像得到图像f2; 53.对步骤S2获得的图像fl使用canny边缘检测得到低尺度边缘图像f3，使用OTSU阈值分割得到低尺度的OTSU阈值分割图像f4，对步骤S2获得的图像f2使用OTSU阈值分割得到高尺度的阈值分割图像f5 ； 54.第一类伪边缘的处理:对步骤S3得到的低尺度阈值图像f4进行外部伪边缘处理，得到用于擦除外部伪边缘的外模板区域图像f6 ； 55.对步骤S4得到的图像f6运用逻辑非运算后再与步骤S3得到的边缘图像f3逻辑与，获得擦除外部伪边缘的图像f7 ； 56.对步骤S3获取的高尺度阈值图像f5进行内部轮廓处理，得到用于擦除内部伪边缘的内模板图像f 18 ； 57.对步骤S6得到的内模板图像Π8运用逻辑非运算，再与步骤S5得到的图像f7逻辑与运算，获得最终的边缘图像Π9。
2.如权利要求1所述的基于多尺度分析的温室田间植物叶片边缘提取方法，其特征在于，S4中所述对图像f4进行外部伪边缘处理，得到用于擦除外部伪边缘的外模板区域图像f6包括: S4.1.以半径为NI个像素的圆形为结构元，用该结构元对图像f4实施形态学腐蚀操作，其中NI为正整数； S4.2.填充经S4.1得到的图像中由于腐蚀操作造成的孔洞； S4.3.选取经S4.2得到的图像中面积最大的连通区域； S4.4.以半径为N2个像素的圆形为结构元，用该结构元对S4.3选取的最大连通区域进行形态学腐蚀操作，其中N2为正整数； S4.5.选取经S4.4得到的图像中面积最大的连通区域； S4.6.以半径为N3个像素的圆形为结构元，用该结构元对S4.5选取的最大连通区域进行形态学膨胀操作，得到用来擦除外部伪边缘的外模板图像f6，其中N3为正整数，且N3大于N2和NI之和。
3.如权利要求2所述的基于多尺度分析的温室田间植物叶片边缘提取方法，其特征在于，NI等于2，N2等于4，N4等于8。
4.如权利要求1中所述的基于多尺度分析的温室田间植物叶片边缘提取方法，其特征在于，所述对图像f5进行内部轮廓处理，得到用于擦除内部伪边缘的内模板图像Π8包括: S6.1.对步骤S3获取的高尺度阈值图像f5进行第二类伪边缘处理，得到用以擦除第二类伪边缘的图像f 11 ； S6.2.对图像f5进行第三类伪边缘处理，得到用以擦除第三类伪边缘的图像Π6 ； S6.3.对S6.1得到的图像Hl和S6.2得到的图像Π6进行处理，得到用于擦除内部伪边缘的图像fl8。
5.如权利要求4所述的基于多尺度分析的温室田间植物叶片边缘提取方法，其特征在于，S6.1所述对图像f5进行第二类伪边缘处理，得到擦除第二类伪边缘的图像Π1包括: S6.1.1.构造半径为N4的圆形结构元，用该结构元对图像f5实施形态学腐蚀操作，以断开粘连，其中N4为正整数； S6.1.2.填充经S6.1.1得到的图像的孔洞，选取面积最大的连通区域； S6.1.3.构造半径为N5的圆形结构元，用此结构元对经S6.1.2选取的最大面积连通域实行形态学膨胀操作，得到图像f8，其中N5为正整数； S6.1.4.以步骤S6.1.3获得的图像f8为掩膜对步骤S2得到的图像f2进行第二次OTSU阈值分割，得到图像f9 ； S6.1.5.对阈值图像f9和步骤S5得到的图像f7，用图像f7逻辑异或图像f9，从而用图像f7中的边缘连接图像f9中分离的区域； S6.1.6.填充经S6.1.5得到的图像的内部孔洞，然后选取面积最大的连通区域，将该连通区域作为用以擦除第二类伪边缘的内模板高光区域图像fll。
6.如权利要求5所述的基于多尺度分析的温室田间植物叶片边缘提取方法，其特征在于，N4等于6，N5等于3。
7.如权利要求4所述的基于多尺度分析的温室田间植物叶片边缘提取方法，其特征在于，所述对第五图像f5进行第三类伪边缘处理，得到用以擦除第三类伪边缘的图像Π6包括: S6.2.1.将S6.1.3中获取的图像f8除去S6.1.4中所获取的高光部分图像f9之后剩余的区域记为图像f 10; S6.2.2.对于图像HO以及步骤S5得到的边缘图像f7，构造水平方向和垂直方向的四个臂部各为N6个像素的线性十字结构元，即构造以要膨胀的那个像素为中心、水平和垂直四个方向延伸N6个单像素的线性十字状结构元；用该结构元对图像f7实行形态学膨胀操作，从而连接低尺度下断开的细碎canny边缘，其中N6为正整数； S6.2.3.对经S6.2.2得到的图像实行形态学细化操作，得到图像Π2 ； S6.2.4.将步骤S6.2.1得到的图像HO进行逻辑非运算，再与第图像Π2进行逻辑与运算，以获取图像Π2在图像HO中的部分边缘子图像，记得到的内部边缘的图像为图像fl3 ； S6.2.5.将图像fl3的边缘与图像HO的边缘进行逻辑与运算，从而保留了细化的边缘和位于图像HO内部的纹理，实现对图像f 13的闭合，得到图像f 14; S6.2.6.构造半径为N7的圆形结构元，用此结构元对图像f 10实施形态学腐蚀操作，再与图像Π4按位逻辑异或运算，以连接HO中的碎片块，同时分割外部粘连，记得到的图像为Π5，其中N7为正整数； S6.2.7.填充图像fl5中的孔洞，选取面积最大的连通区域作为图像fl6，fl6为擦除第三类边缘的内部纹理模板。
8.如权利要求7所述的基于多尺度分析的温室田间植物叶片边缘提取方法，其特征在于，N6等于4，N7等于4。
9.如权利要求4所述的基于多尺度分析的温室田间植物叶片边缘提取方法，其特征在于，所述对图像fll和图像fl6进行处理，得到用于擦除内部伪边缘的图像Π8包括: S6.3.1.将步骤S6.1中获取的图像fll和步骤S6.2获取的图像f 16进行逻辑与运算，得到图像Π7; S6.3.2.填充S6.3.1中得到的图像Π7中的内部孔洞； S6.3.3.构造半径为N8个像素的圆形作为结构元，用该结构元对经S6.3.2得到的图像进行形态学腐蚀操作，得到用于擦除内部伪边缘的内模板图像Π8，其中NS为正整数。
10.如权利要求9所述的基于多尺度分析的温室田间植物叶片边缘提取方法，其特征在于，N8等于2。
11.一种基于多尺度分析的温室田间植物田间叶片边缘提取系统，其特征在于，该系统包括: 预处理模块:用于叶片子图获取和滤波，包括:首先图像采集设备获取植物叶片的原始图像；利用与叶片大小相近的窗口，以特定步长，遍历裁切叶片原始图像，获得包含单个叶片的子区域作为目标子图像；获得叶片子图之后，转化为灰度图，对灰度图像进行wiener滤波处理,去除图像的噪声； 外部轮廓处理模块，对第一类伪边缘进行处理，对原图进行db5小波分解，在第一尺度上进行重构和canny分割以及第一次OTSU分割；获得边缘图像和区域图像，对获取的区域图像进行形态学处理，获得用以除去外部粘连的外模板图像，外模板图像与边缘图像逻辑运算，获得用以擦去外部粘连的canny边缘图像； 内部高光即二次OTSU的前景部分区域处理模块，对第二类伪边缘进行处理，将高光区域和部分canny边缘图像进行逻辑异或运算，即用部分原始canny边缘拼接断开的部分，对逻辑运算后的图像填洞并取面积最大的连通区域为第二类目标内部高亮区；对该高亮区逻辑非操作后与canny边缘逻辑与，获得擦除叶片内部高亮区伪边缘的图像； 内部纹理伪边缘处理模块，对第三类伪边缘进行处理，对canny边缘膨胀后细化，采用逻辑异或运算用细化的canny封闭边缘将第三类目标区域的不同的区块连接，并切割外部粘连；对获得的图像进行填洞，再腐蚀操作，取面积最大连通区域作为第三类目标区域即除去伪边缘的图像区域； 叶片整体边缘获取模块，对所获取的内部高光区域和去除第三类伪边缘的内部区域进行逻辑与运算，对得到的图像形态学填充之后，再进行形态学腐蚀操作，所获取的图像即为内模板区域，将该区域图像逻辑非之后再和去除外部伪边缘得到的边缘图像逻辑与运算，所得到的图像即为最终叶片整体边缘图像。
12.一种基于多尺度分析的温室田间植物田间叶片边缘提取系统，其特征在于，该系统包括: Canny连接模块:用于以canny边缘连接碎块区域，以获得用于去除canny边缘内部伪边缘干扰的内模板，包括:以部分原始的canny边缘线与对二次OTSU的前景区域进行逻辑异或运算，连接二次OTSU的前景区域的内部碎块，填充逻辑运算后图像内部的孔洞，以获取前景最大连通区域；通过构造线性十字结构元对canny边缘进行膨胀，再对膨胀之后的图像进行无限次细化操作获取二次OTSU的背景区域的内部细化边缘；通过该边缘与二次OTSU的背景区域的外边缘的逻辑与的封闭边缘线，对该背景区域进行逻辑异或运算，即由canny细化后的封闭边缘线连接该区域的图像碎块，且分割外部粘连；然后填充运算后图像内部的孔洞，以获取去除外部粘连和连接内部碎块的背景连通区域； 尺度分析模块:将多尺度分析作为研究图像特征的工具，首先在不同尺度空间上，用不同的分割方法对应的图像特征进行差异研究，提炼多尺度上图像特征的不同表达；通过利用形态学操作和逻辑运算，将不同单一尺度上的图像按位运算，解析出去除外部和内部伪边缘的叶片图像完整边缘。
13.权利要求12的基于多尺度分析的温室田间植物田间叶片边缘提取系统，其特征在于，还包括:分类处理模块，用于将低尺度下较为精细的伪边缘及其区域分为三大类--第一类伪边缘及区域:真实叶片外部的伪边缘，即第一次OTSU处理后的背景部分的伪边缘及区域；第二类伪边缘及区域:真实叶片内部且亮度稍高的灰阶均匀区域的伪边缘，即二次OTSU处理后的前景的伪边缘及区域:其亮度比一次OTSU处理得到的前景部分亮度稍高，为一次OTSU处理所得到的前景的一部分；第三类边缘及区域:真实叶片内部灰度差异较大的纹理伪边缘，即该区域是二次OTSU处理所得到的背景，它也是一次类间方差的前景的一部分，视觉表现为内部灰度差异较大；然后用于针对这三类不同的伪边缘的性质特征采用不同的处理方法，最后获得不包含以上三类伪边缘的真实边缘。
【文档编号】G06T5/00GK104318546SQ201410513634
【公开日】2015年1月28日 申请日期:2014年9月29日 优先权日:2014年9月29日
【发明者】王建仑, 韩彧, 崔晓莹, 赵霜霜 申请人:中国农业大学