摘 要

本文借助图像处理软件MATLAB，设计了一种能对采集的植物叶片图像进行图像分析和处理,进而快捷、准确的计算叶片面积和周长的算法,对现代农业有着重要意义。

论文的研究内容：首先，通过手机相机获得植物叶片图像，之后进行灰度化和中值滤波操作；接着，采用最大类间方差法（OTSU）法进行阈值分割，并得到植物叶片的二值化图像；之后，进行去除边缘干扰和填充空洞操作；然后，提取叶片的完整轮廓和去除叶柄得到叶面图像；最后，在参照物基础上利用像素统计法、8方向链码法计算得到叶片的面积和周长。

研究结果表明：此算法能快速且准确的实现植物叶片面积和周长的测量，为了更加便捷地测量，本文利用MATLAB的GUI功能实现了一个基于图像处理技术的植物叶片面积和周长测量系统，能以一种用户在视觉上更加直观和简便的方式，完成植物叶片参数的测量，既建立了界面与用户的互动交流，表现出用户界面友好性，也在很大程度上减少了用户的认知负担。

本文的特色：基于图像处理技术的植物叶片面积和周长测量算法具有操作便利、运算速度快、测量结果精确等特点。

关键词：图像处理；像素统计法；叶片面积测量；8链码法；叶片周长测量

Abstract

In this paper, with the image processing software MATLAB, an algorithm for image analysis and processing of collected plant leaf images is designed, which can quickly and accurately calculate the leaf area and perimeter. It is of great significance to modern agriculture.

The research content of the thesis: Firstly, the image of plant leaves is obtained by mobile phone camera, followed by graying and median filtering operation; then, the maximum inter-class variance method (OTSU) method is used for threshold segmentation, and the binarization of plant leaves is obtained. Image; afterwards, the edge removal and filling cavity operations are performed; then, the complete contour of the blade is extracted and the petioles are removed to obtain the leaf image; finally, the area of the blade is calculated by the pixel statistical method based on the reference object, and the 8-direction chain code is used to calculates the circumference of the blade.

The results show that the algorithm can quickly and accurately measure the leaf area and circumference of plants. For more convenient measurement, this paper uses the GUI function of MATLAB to realize a plant leaf area and perimeter measurement system based on image processing technology. The measurement of plant leaf parameters can be completed in a visually more intuitive and simple manner by a user, which not only establishes the interaction between the interface and the user, but also shows the user interface friendliness, and also greatly reduces the user#39;s Cognitive burden.

The characteristics of this paper: The plant leaf area and perimeter measurement algorithm based on image processing technology has the characteristics of convenient operation, fast calculation speed and accurate measurement results.

Key Words：Image processing; pixel statistical method; blade area measurement; 8-chain code method; blade circumference measurement

目 录

第1章 绪论 1

1.1研究的背景、目的和意义 1

1.2 国内外研究现状 2

1.3 课题研究内容 3

第2章 植物叶片面积和周长计算的理论基础 4

2.1 系统整体设计框图 4

2.2 叶片图像的采集 4

2.3 叶片图像的预处理 5

2.3.1 灰度化 5

2.3.2 中值滤波 5

2.4 阈值分割 6

2.4.1 直方图双峰法 6

2.4.2 迭代法 6

2.4.3 自适应阈值法 7

2.4.4 最大类间方差法（OTSU） 7

2.5 边界检测 7

2.6叶片面积和周长的计算 8

第3章 植物叶片面积和周长计算的算法设计 10

3.1 采集叶片图像 10

3.2 预处理叶片图像 10

3.2.1 灰度化叶片图像 10

3.2.2 中值滤波叶片图像 11

3.3 二值图像的获取 12

3.4 清杂补洞及轮廓提取 13

3.4.1 清理干扰及填补孔洞 13

3.4.2 提取轮廓 14

3.5 叶面图像的获取 15

第4章 植物叶片面积和周长测量系统的实现 16

4.1 MATLAB及其GUI功能的简介 16

4.2 叶片参数测量系统的界面设计 16

4.3 叶片参数测量系统的演示效果 17

4.4 计算叶片面积和周长 18

4.4.1 计算叶片的面积 18

4.4.2 计算叶片的周长 19

4.5 计算结果分析 20

4.6 系统分析 20

4.7 小结 21

第5章 结论 22

参考文献 23

附 录 25

致 谢 32

第1章 绪论

1.1研究的背景、目的和意义

植物在人类生活中扮演着极其重要的角色。绿色植物的作用主要包括：通过光合作用产生氧气，并不断减少空气中的二氧化碳含量，使得生物圈中的碳氧比维持在相对平衡的状态；吸附颗粒粉尘，净化空气；进行光合作用制造的有机物，是所有生物的食物来源和能量来源；其发达的根系可防止水土流失；通过吸水和蒸腾作用影响生物圈的水循环；提供棉麻质原料，供人类穿着；提供木材、形成化石能源，供人类使用；亦满足人类感官需求，陶冶情操等方面。综上，人类生活的方方面面都与植物有着密切的联系。叶片参数可以反映植物生长的诸多情况，通过叶片参数的测量可以得知植物的生长状况、受虫害影响程度、产品产量和质量，反映植物对其生长环境和培育条件等外界条件的适应情况。叶片面积和周长对研究作物生长情况、发育规律、遗传育种、指导农业生产有着深远的影响^[1]。常用的植物叶片参数测量的方法主要有叶面积仪测定法、回归方程法、九宫格法以及剪纸称重法四种方法。其中，叶面积仪法测量结果精确度高、误差小，操作简单、测量速度快，数据存储容量大，适用范围广，但其价格十分昂贵，并且维修困难；方格法主要用于对其他测定结果的比较，但具有耗费时间长、操作效率低且运算结果不精确等缺陷；剪纸称重法虽原理简单，但受叶片形状、人为操作因素以及纸张均匀性和厚薄等影响较大，也导致测量结果的精确程度不高；根据叶片的简单测量数据建立数据模型来预测叶片面积，称为回归方程法，主要有一元线性回归法、多元线性回归法和多元非线性回归法，三种回归方法结果都与实际叶面积显著相关^[2]。

随着我国科学技术的快速的发展，数字图像处理技术已在众多领域中得到了广泛的应用，为人类的生活提供了极大地便利。例如，水利部门为了解水灾情况而分析遥感图像以获取水势监控信息；国防及测绘部门为获得相关的地域地貌信息而使用与航测或卫星相关的图像处理技术^[3]；医疗部门开发了基于各种数字图像技术自动诊断各种疾病的医疗设施来用于其他的医学用途；为了给人们提供更加准确的天气信息，气象部门对气象云图进行数字图像处理来监测天气状况的变化；农林部门通过遥感图像了解植物生长情况，从而做出合理的农业规划（如土壤营养、农作物生长、产量的估算等）以监视病虫害发展并对其进行及时的治理^[4][5]。将现代科学技术应用到传统的农业中，为创造一个高产、优质、低耗的农业生产体系以一个合理利用资源、利于环境保护的、有较高转化效率的农业生态系统做打好坚实的基础，这在当今的农业研究中已经成为主流趋势。

通过对植物叶片参数测量的研究，可以从所得的叶片参数数据中判定植物生长情况、生长规律、遗传育种，即对指导农业生产有着重要的意义，还可以制定相应的高产栽培措施以提高作物产量，不仅合理利用资源、利于环境保护且有较高转化效率，以努力实现创造一个高产、优质、低耗的农业生产体系的美好目标。另外，叶片的各个参数通常是植物分类学中的重要指标。不可忽略的是，相比于传统的测量方法，基于数字图像处理的测量方法，具有由计算机自动处理而操作便利、运算速度快以及测量结果精确以及低费用等特点。

因此，基于图像处理技术研究植物叶片面积和周长的测量，在深入研究现代化农学及对农业生产提供有效指导方面有着非同寻常的影响。

1.2 国内外研究现状

关于植物叶片的参数测量，在国内外先前一般是手工测量，工作量大、工作效率低并且测量结果的精确性难以保证。后来，测量中的自动化程度不断提高，测量的便捷性、测量效率以及测量结果的精确性等随之不断提高，直至现在，相关的研究仍有很大的研发需求和应用前景。

2004年，张健钦等设计了一套软件系统用于测量叶片面积。该系统使用CCD完成叶片图像的采集，然后以迭代法为阈值分割的实现方法，处理得到了叶片图像对应的二值图像，接着采用能在去除噪声的同时保留图像边缘细节的中值滤波法实现对图像噪声的去除，并使用Krisch边缘算子提取到叶片轮廓，最后在参照物的基础上，等比例计算得到叶片面积^[6]；同年，郑卫红等研究叶片周长和面积等参数的测量算法，结合轮廓跟踪法与扫描线种子填充法，提出了提高周长测量精度的方法^[7]； 2006年，李震等基于图像处理技术进行了深入研究，使用 MATLAB软件开发平台实现了识别多叶片图像中各独立叶片的功能，并完成了同时计算出每个叶片面积的算法的设计^[8]；2009年，岳利军和汪仁煌等提出了一种基于机器视觉来提取植物叶片角点、周长和面积等参数的方法，该方法通过链码来表示植物叶片的边界线以获取准确的目标图像轮廓，经验证，该方法能够更精确地识别植物叶片^[9]；2014年，郭文川和周超超等基于Android手机平台实现了一个植物叶片面积的快速无损测量系统，将获取到的包含被测植物叶片与已知面积参照物的图像依次进行图像灰度化、平滑滤波、二值化、几何校正和连通区域标记等操作后，测量计算得出植物叶片的面积值^[10]。

另外，相比于国内，国外研究植物叶片参数测量的范围更加广泛，也更加地深入，包括诸多对叶脉、锯齿等复杂参数的研究。因此，相较而言，国外的研究技术也更加成熟^[11]。

2006年，Wu Q F和Zhou C L等深入研究了植物叶片形状、锯齿和叶脉等特征并对植物叶片进行识别分类，其中采用的分类器是BP神经网络^[12]； 2007年，Rouphael Y和Colla G等为测量植物叶片的面积而使用了以植物叶片的长度、宽度和面积等为参数的回归方程法，经大量实验数据表明，当独立变量设置为叶片宽度的平方时将获得精确程度最高的叶片面积值^[13]；2014年，Yu Song和Chris A Glasbey等结合立体声和飞行时间图像实现了对叶片面积的自动无损测量，现主要用于在温室环境中实现一些测量难度较高的植物叶片图像的测量^[14]。

1.3 课题研究内容

设计一种算法能对采集的植物叶片图像进行图像分析和处理,进而快捷、准确的计算叶片的面积和周长,掌握图像分析的基本原理，了解图像识别设计的流程，分析用户需求并设计主要功能模块，设计合理的算法实现其功能。

首先，利用手机相机对植物叶片进行拍照，获取叶片图像，即图像采集；其次，为了减小图像原始数据量，避免影响图像处理的速度，通常先将彩色图像转化成灰度图像，即灰度化；接着，中值滤波去噪 ，因为用手机相机拍摄叶片时，图片的质量因外界环境中的光线和突变声音而降低，并且发现有噪声点出现图像中；然后，将目标区域从背景区域分离出来，实现图像二值化，即阈值分割；接着，轮廓提取，因为植物叶片的轮廓对植物叶片的研究具有很大的意义，它是叶片自身目标区域的一部分，从中能获得丰富的形状特征信息；然后，去除边缘干扰并填充叶片孔洞，以完整测量叶片的面积和周长；接着，去除叶柄获得叶面图像，以精确测量叶片的面积和周长；然后，在参照物的基础上利用像素统计法和8方向链码法分别计算得到叶片面积和周长；最后，利用MATLAB的GUI功能，设计实现植物叶片面积和周长测量系统，以便用户更加直观和简便、快速且准确的实现植物叶片参数的测量。

第2章 植物叶片面积和周长计算的理论基础

2.1 系统整体设计框图

首先，利用手机相机获取叶片图像，即图像采集；其次，为减小图像原始数据量，将彩色图像转化成灰度图像，即灰度化；接着，中值滤波去噪 ，是因为拍摄叶片时，外界光线和背景环境都会导致图像中出现噪声点；然后，将目标区域从背景区域分离出来，实现图像二值化，即阈值分割；接着，轮廓提取，因为植物叶片的轮廓研究植物叶片重要意义；然后，去除边缘干扰并填充叶片孔洞，以完整测量叶片的面积和周长；接着，去除叶柄获得叶面图像，以精确测量叶片的面积和周长；最后，在参照物的基础上利用像素统计法和8方向链码法分别计算得到叶片面积和周长。系统整体框图如图2.1。

图2.1 系统整体框图

2.2 叶片图像的采集

首先，将带有参考正方形的白纸平放在桌面；然后，桌边架好手机支架，并使手机相机镜头光轴垂直于白纸，调整支架至手机处于适宜高度,将待测量植物叶片放置在白纸上的参照物左侧，对焦以保证图像的清晰度，之后拍摄得到植物叶片图像。

2.3 叶片图像的预处理

2.3.1 灰度化

用手机相机拍摄的植物叶片图像是彩色的，会占用较大存储空间，使图像处理的速度大大降低。因此，为了提高之后操作的处理速度，一般将彩色图像转化成灰度图像，以便进行后续处理，常用的图像灰度化的算法主要有以下4种：

(1)分量法。彩色图像中的红(R)、绿(G)、蓝(B)三分量的亮度,可根据应用需要选取一种作为灰度图作为三个灰度图像的灰度值。即或亦或。

式中是彩色图像在点处经灰度化后的灰度值，、以及分别是彩色图像在点处的红色、绿色以及蓝色分量。

(2)最大值法。将彩色图像中的红(R)、绿(G)、蓝(B)三分量亮度的最大值作为灰度图像的灰度值。即

（2.1）

(3)平均值法。对彩色图像的红(R)、绿(G)、蓝(B)三个分量的亮度求平均，从而得到灰度图像的灰度值，具体公式如下：

（2.2）

(4)加权平均法。为得到灰度图像的灰度值，将彩色图像中的红(R)、绿(G)、蓝(B)三个分量以不同的权值进行加权平均。其中绿色权值最高、红色次之、蓝色权值最低是根据人眼对不同颜色敏感度来确定的，因此对RGB三分量进行不同权值的求和，能使得到的灰度图像更加合理化^[15]。所以，具体公式如下:

（2.3）

2.3.2 中值滤波

由于利用手机相机拍摄叶片时，外界光线和背景环境的干扰会使得图像中产生一定的噪点，对图片的质量有一定的影响。因此，为消除图像中的噪声需进行降噪处理。常用的去躁方法有：

(1)均值滤波。它是典型的线性滤波算法，其基本原理是用均值代替原图像中的各个像素值。但是，均值滤波会在图像滤波的同时，使得图像的细节部分遭到破坏。尤其是对于椒盐噪声，不能有效地保留图像细节，从而无法有效地去除噪声点，这将使得图像不再清晰。

(2)中值滤波法。该方法先将图像邻域内的像素按灰度级升序排列，然后取灰度级排序结果的中间值作为该像素的灰度值,从而实现图像去躁，是一种非线性的平滑滤波方法。它在平滑脉冲噪声方面非常有效,可以保护图像尖锐的边缘，会选择适当的点来替代污染点的值，即能在去除噪声的同时较好地保持图像边缘。它对椒盐噪声处理效果较好，而对高斯噪声表现较差。

2.4 阈值分割