版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、<p> 畢 業(yè) 論 文</p><p> 題 目: 基于Matlab圖像處理求番茄葉面積 </p><p><b> 作 者:</b></p><p><b> 學(xué) 號: </b></p><p><b> 專
2、 業(yè): </b></p><p><b> 班 級: </b></p><p><b> 指導(dǎo)老師: </b></p><p> (姓 名) (專業(yè)技術(shù)職務(wù))</p><p><b> 評 閱 者: </b></p>
3、;<p> (姓 名) (專業(yè)技術(shù)職務(wù))</p><p><b> 年 月 </b></p><p><b> 畢業(yè)論文中文摘要</b></p><p><b> 畢業(yè)論文外文摘要</b></p><p><b>
4、 目 錄</b></p><p><b> 1 引言1</b></p><p> 1.1 研究背景1</p><p> 1.2 研究意義1</p><p><b> 2 測定原理2</b></p><p> 3 番茄葉圖像處理計算葉面積的實(shí)現(xiàn)過
5、程2</p><p> 3.1 Matlab簡介3</p><p> 3.2 圖像的獲取3</p><p> 3.3 圖像預(yù)處理4</p><p> 3.3.1去除對精確計算葉面積有影響的不利因素4</p><p> 3.3.2 調(diào)整圖像大小4</p><p> 3.4
6、圖像灰度變換5</p><p> 3.5 圖像分割5</p><p> 3.6 調(diào)節(jié)圖像對比度7</p><p> 3.7 邊緣檢測8</p><p> 3.8 圖像形態(tài)學(xué)處理10</p><p> 3.8.1 填補(bǔ)縫隙10</p><p> 3.8.2 填充10<
7、;/p><p> 3.8.3 平滑11</p><p> 3.9 圖像中值濾波12</p><p> 3.10 標(biāo)記13</p><p> 3.11計算葉面積14</p><p> 4 結(jié)果與分析14</p><p> 4.1測量方法精度驗(yàn)證14</p><
8、;p><b> 結(jié)論16</b></p><p><b> 參考文獻(xiàn)17</b></p><p><b> 致謝18</b></p><p> 基于Matlab圖像處理求番茄葉面積</p><p><b> 1 引言</b></
9、p><p><b> 1.1 研究背景</b></p><p> 目前常用的葉面積測定方法主要有網(wǎng)格法、復(fù)印稱重法、測定葉片長寬建立回歸方程法、系數(shù)法、葉面積測量儀等。其中網(wǎng)格法測量的精度較高,但是速度很慢,耗時多。稱重法比較煩瑣,不能精確測定單片葉子的面積,且誤差較大。并且,傳統(tǒng)的方法都需要從植物上采集大量的功能葉片,進(jìn)行破毀性測量,這或多或少的對植物造成了一定程度
10、的傷害,進(jìn)而會影響到農(nóng)學(xué)試驗(yàn)的連續(xù)性。雖然這幾種測定方法已經(jīng)在傳統(tǒng)農(nóng)業(yè)研究中得到廣泛應(yīng)用,但是它們?nèi)匀淮嬖谥鴾y量精度低、測量范圍小、儀器設(shè)備昂貴、操作煩瑣的特點(diǎn)。隨著計算機(jī)圖像處理技術(shù)水平的提高,圖像處理技術(shù)被廣泛應(yīng)用到農(nóng)林業(yè)工程領(lǐng)域,具有操作實(shí)時、結(jié)果準(zhǔn)確的特點(diǎn),可節(jié)省大量的人力、物力和時間。鑒于傳統(tǒng)葉面積檢測法的缺點(diǎn)和計算機(jī)圖像處理技術(shù)的優(yōu)點(diǎn),研究人員開始探索用圖像處理技術(shù)來檢測葉面積的方法。而本研究利用Matlab圖像處理技術(shù)對植
11、物葉面積進(jìn)行快速準(zhǔn)確無損的測量。</p><p> 在本文中,我們首先把用普通數(shù)碼相機(jī)采集到的番茄葉圖像輸入計算機(jī),然后利用MATLAB豐富的圖像處理函數(shù)和強(qiáng)大的圖形處理功能對其進(jìn)行處理獲得較為理想圖像,最后測量出番茄葉的面積。與同組使用photoshop圖像處理法測定結(jié)果相比較,Matlab圖像處理軟件測定葉面積具有很強(qiáng)的可行性,并且我還在試圖尋找一種更為簡便、快速并能準(zhǔn)確計算葉面積的方法,為植物生長實(shí)驗(yàn)提供
12、更加準(zhǔn)確的數(shù)據(jù)。</p><p><b> 1.2 研究意義</b></p><p> 葉片是植物進(jìn)行光合作用的主要器官,是生態(tài)系統(tǒng)中初級生產(chǎn)者的能量轉(zhuǎn)換器。葉片性狀特征直接影響到植物的基本行為和功能。葉面積是植物研究中的一個常用指標(biāo),是生理生化、遺傳育種、栽培等方面研究經(jīng)??紤]的重要內(nèi)容。葉面積的大小決定著光合有效輻射的大小,葉面積的大小直接影響到植物生產(chǎn)力的高
13、低,葉面積大小對植物抗逆性影響很大,葉面積的變化也直接影響植物水分生理的變化過程。因此,探討準(zhǔn)確快速測算葉面積的方法,對于指導(dǎo)農(nóng)業(yè)生產(chǎn)實(shí)踐活動,制定高產(chǎn)、優(yōu)質(zhì)和高效的栽培技術(shù)措施具有積極的意義。并且測定植物葉片面積,往往是研究一些與植物葉片面積相關(guān)的生理生化指標(biāo)首要解決的問題。例如,對小面積葉片的光合速率進(jìn)行測定時,需要知道這些葉片的實(shí)際面積,以此換算標(biāo)準(zhǔn)光合速率。而且該方法實(shí)現(xiàn)了對植物葉片的非破壞性測量,并能保證測量精度。通過對實(shí)驗(yàn)數(shù)
14、據(jù)的比較分析也驗(yàn)證了該文提出方法的可行性。</p><p><b> 2 測定原理</b></p><p> 本文提出利用計算機(jī)圖像處理技術(shù)對葉面積進(jìn)行測定。首先將待測葉片摘下,放于放有參照物的背景底板上,用透明物壓平,再通過一定分辨率的數(shù)碼相機(jī)將番茄葉片拍成數(shù)碼相片,即將番茄葉片信息轉(zhuǎn)換成了計算機(jī)可識別的圖像信息。由于數(shù)字圖像都是由一個個像素點(diǎn)組成,因此只要知到
15、每個像素點(diǎn)代表的真實(shí)面積后,就可以通過番茄葉的像素數(shù)求出其面積。故葉面積計算公式如下:</p><p><b> (1)</b></p><p> 其中S代表葉片面積,S0代表參照物的實(shí)際面積,代表葉片的像素個數(shù),代表參照物的像素個數(shù)。</p><p> 所以當(dāng)參照物的實(shí)際面積S0面積已知,再通過圖像處理得到葉片像素個數(shù)、參照物像素個數(shù),
16、即可求得葉片面積。</p><p> 3 番茄葉圖像處理計算葉面積的實(shí)現(xiàn)過程</p><p> 如圖 1 所示,即為葉面積計算的工作流程圖。先將獲取后的原圖像先進(jìn)行預(yù)處理(去除陰影、調(diào)整大小),再由RGB 圖像轉(zhuǎn)換為灰度圖像,然后再將轉(zhuǎn)換后的灰度圖像進(jìn)行圖像分割二值轉(zhuǎn)換(差方法去除背景),然后通過邊緣檢測得到精準(zhǔn)的葉子輪廓,后經(jīng)圖像形態(tài)學(xué)處理、中值濾波、標(biāo)記得到番茄葉的像素個數(shù),最后經(jīng)
17、過計算得到番茄葉片的面積。</p><p> 圖1 葉面積計算的工作流程圖</p><p> Figure 1 Flow chart of leaf area of work</p><p> 其中番茄葉圖像的處理過程是圖像處理法測量其葉面積的關(guān)鍵,所以,本文在獲取番茄葉圖像后,應(yīng)用Matlab軟件對圖像進(jìn)行處理和分析。</p><p>
18、; 3.1 Matlab簡介</p><p> Matlab是由MathWorks 公司開發(fā)的一種主要用于數(shù)值計算及可視化圖形處理的工程語言。它是目前國際上最流行、應(yīng)用最廣泛的科學(xué)與工程計算軟件,它將數(shù)值分析、矩陣計算、圖形圖像處理、信號處理和仿真等諸多強(qiáng)大的功能集成在較容易使用的交互式計算機(jī)環(huán)境中,為科學(xué)研究、工程應(yīng)用提供了一種功能強(qiáng)、效率高的編程工具。</p><p> 其中Ma
19、tlab在圖像處理中的應(yīng)用是由一系列支持圖像處理的操作函數(shù)組成,如幾何操作、區(qū)域操作、塊操作、濾波、變換、圖像分割、圖像邊緣提取、圖像增強(qiáng)等,為便于應(yīng)用,在該軟件中形成圖像處理工具包。圖像處理工具包的函數(shù)種類很多:圖像顯示、圖像文件輸入與輸出、幾何操作、像素值統(tǒng)計、圖像分析與增強(qiáng)、圖像濾波、濾波器、圖像變換、圖像類型轉(zhuǎn)換等。該工具包與其它一樣,使用者可以根據(jù)需要自行編寫函數(shù)。</p><p><b>
20、 3.2 圖像的獲取</b></p><p> 葉面積的測量系統(tǒng)硬件部分主要有成像設(shè)備、計算機(jī)、參照物以及測量所用夾具。成像設(shè)備選用普通的數(shù)碼相機(jī)(300萬像素以上),借助于數(shù)碼相機(jī)來獲取圖像,可以不破壞葉片的群體結(jié)構(gòu),真正地檢測葉片的生長規(guī)律。計算機(jī)必須裝有Matlab軟件,并且可以穩(wěn)定快速的運(yùn)行Matlab軟件。參照物是測量中一個關(guān)鍵的設(shè)備,本研究中選用一個1平方厘米的方形紙板作為參照,它必須要
21、能與底板有很大的顏色差別,并且,參照物面積一定要準(zhǔn)確,因?yàn)閰⒄瘴锏拿娣e將直接影響測量的精度。測量所用夾具必須要具備以下特點(diǎn):能夠構(gòu)建一個與葉片顏色有很大差別的背景,選擇白色的紙板。并能使參照物固定在背景紙板上。</p><p> 在具體操作過程中,需要在嚴(yán)格的物距下進(jìn)行葉片的采樣,以保證每個像素代表的真實(shí)面積不變,需要垂直拍攝番茄葉片,而且要求光學(xué)器件的線性度高,鏡頭的焦距不可變,可見此法在獲取圖像上要求較高。
22、</p><p> 獲取的圖像總共有9張,其中8張是固定在背景紙板上的番茄葉的圖像,1張是背景圖像,即白色紙板。</p><p><b> 3.3 圖像預(yù)處理</b></p><p> 3.3.1去除對精確計算葉面積有影響的不利因素</p><p> 由于圖像是人工用數(shù)碼相機(jī)拍攝的,所以獲得的圖像會出現(xiàn)很多影響準(zhǔn)
23、確計算葉面積的因素,比如2號葉子在拍攝時出現(xiàn)了面積很大的陰影部分,如果不進(jìn)行去除陰影處理,那葉片的面積就會偏大,即就算結(jié)果=實(shí)際面積+陰影部分的面積。這樣就直接影響了我們的計算精度,造成誤差。</p><p> 所以本文在這里運(yùn)用Photoshop軟件對圖像進(jìn)行了去除陰影處理。處理前后效果如圖2所示。通過運(yùn)行程序計算面積得到:</p><p> 處理前計算面積為S=485mm2 ;處理
24、后計算面積為S=412mm2</p><p> a)處理前圖像 b)處理后圖像</p><p> 圖2陰影處理前后效果對比</p><p> Figure 2 Comparison shadow effects before and after treatment</p><p&
25、gt; 3.3.2 調(diào)整圖像大小</p><p> 由于圖像是由數(shù)碼相機(jī)拍攝獲得的,所以獲得的圖像會很大(3264×2448),如果直接用Matlab進(jìn)行圖像處理,會大大的增加圖像處理的工作量,并且程序運(yùn)行也很慢,有時還會出現(xiàn)未響應(yīng)的情況,這樣不僅不能很快得到想要的圖像處理效果,而且可能會使我們得到的數(shù)據(jù)和圖像丟失,進(jìn)而影響我們的計算的速度。因此,我們要先對原始圖像進(jìn)行大小的調(diào)整。程序如下:<
26、/p><p> image = imread(image_name); %讀入原始圖像</p><p> image1 = imresize(image,0.2); %調(diào)整原始圖像大小縮小至它的0.2倍</p><p> [x y z] = size(image1)</p><p> figure,imshow(ima
27、ge1); %顯示調(diào)整后的原始圖像(如圖3所示)</p><p> 調(diào)整前圖像尺寸為X=3264;Y=2448;Z=3。調(diào)整后的圖像尺寸為X=652;Y=490;Z=3。</p><p> 3.4 圖像灰度變換</p><p> 由于數(shù)碼相機(jī)拍攝到的圖像是真彩圖像,即RGB 格式。為了進(jìn)行下一步處理,需要先將真彩圖像轉(zhuǎn)換成灰度圖像?;叶茸儞Q是
28、圖像增強(qiáng)的另一種重要手段,它可以使圖形動態(tài)范圍加大,使圖像對比度擴(kuò)展,圖像更加清晰,特征更加明顯。程序如下:</p><p> image2=rgb2gray(image1); %將調(diào)整后的原始圖像轉(zhuǎn)換為灰度圖</p><p> figure,imshow(image2); %顯示調(diào)整后的原始圖像的灰度圖(如圖4所示)</p><p&g
29、t; 圖3調(diào)整后的原始圖像 圖4調(diào)整后原始圖像的灰度圖</p><p> Figure 3 Adjusted original image Figure 4 Adjusted grayscale original image </p><p><b> 3.5 圖像分割</b></p&
30、gt;<p> 為了便于計算機(jī)自動對圖像進(jìn)行識別和處理,必須進(jìn)行圖像分割。所謂圖像分割,就是按照一定的原則,將一副圖像分為若干個互不相交的小區(qū)域。這些小區(qū)域是某種意義下具有共同屬性的像素的連通集合,即集合中任意兩個點(diǎn)之間都存在著完全屬于該集合的連通路徑。圖像分割也可以理解為將圖像中有意義的特征區(qū)域或者需要應(yīng)用的特征區(qū)域提取出來,這些特征區(qū)域可以是像素的灰度值、物體輪廓曲線、紋理特性等。因此要獲取圖像中參考物的面積及圖像中
31、作物葉片的參數(shù),首先要將參考物目標(biāo)和葉片目標(biāo)從原圖像中分割出來。</p><p> 目前,用于圖像分割的方法很多,閾值法是一種簡單有效的圖像分割法,它用一個或幾個閾值將圖像的灰度級分為幾個部分,將屬于同一部分的像素視為相同的物體。閾值是指在圖像分割時,作為區(qū)分物體與背景像素的門限,大于或等于閾值的像素屬于物體,而其他像素則屬于背景。利用閾值法,對于物體與背景之間存在明顯差別的圖像,分割效果十分有效,只要閾值選取
32、合適,將每個像素與之比較,進(jìn)行二值化或者半二值化處理,就可以很好地將對象從背景中分離出來。</p><p> 而本文所研究的番茄葉片通過閾值法不能很好的把圖像進(jìn)行分割,所以在本文中將采用差分法進(jìn)行圖像分割。圖像差分方法其實(shí)就是圖像數(shù)學(xué)運(yùn)算中的減法運(yùn)算,采用差分法去除圖像的背景,是一種常用于檢測圖像變換及運(yùn)動物體的圖像處理方法,圖像差分可以作為許多圖像處理的準(zhǔn)備步驟。</p><p>
33、在Matlab中,使用imsubtract函數(shù)可以將一幅圖像從另一幅圖像中減去。就是先將一幅輸入圖像的像素值從另一幅輸入圖像相應(yīng)的像素值中減去,再將相應(yīng)的像素值之差作為輸出圖像相應(yīng)的像素值。程序如下:</p><p> image = imread(image_name); %輸入原始圖像</p><p> image1 = imread('Bac
34、kground.jpg'); %輸入背景圖像</p><p> grayscale = rgb2gray(image); %灰度轉(zhuǎn)換</p><p> grayscale1 = rgb2gray(image1);</p><p> subtract=imsubtract(grayscale1,gra
35、yscale); %差分運(yùn)算去除背景</p><p> figure,imshow(subtract); %顯示輸出圖像即差分圖像(如圖5所示)</p><p> 在這里,為了消除圖像中的邊緣對象,還需要使用imclearborder命令。命令格式如下:</p><p> noborder=imclearborder
36、(image,coon);</p><p> 上式中coon表示連通性,其定義為:在一個連通:集中的任意兩個像素之間,都存在一條完全由這個集合的元素構(gòu)成的連通路徑。而去除圖像背景正是根據(jù)像素間連通性概念判斷哪些像素與邊緣像素相連通,從而將這部分背景物體去除。程序如下:</p><p> R=imclearborder(subtract,8);</p><p>
37、 figure,imshow(R); %顯示去除邊緣對象的圖像(如圖6所示)</p><p> 圖5 差分圖像 圖6 去除邊緣對象的圖像</p><p> Figure 5 Difference image Figure 6 Remove the e
38、dge of the image</p><p> 3.6 調(diào)節(jié)圖像對比度</p><p> 由于拍攝圖像時受到光照強(qiáng)弱的影響,導(dǎo)致灰度圖像在整個灰度范圍分布不是很均勻?;叶鹊牟痪鶆驎竺娴拿娣e計算產(chǎn)生誤差,所以必須對圖像進(jìn)行灰度調(diào)整。而圖像增強(qiáng)正是調(diào)整灰度的最佳工具。圖像增強(qiáng)就是為了改善視覺效果和便于人和機(jī)器對圖像的理解和分析,根據(jù)圖像的特點(diǎn)或存在的問題采取的簡單改善方法或者加強(qiáng)特
39、征的措施。一般情況下,圖像增強(qiáng)是按特定的需要突出一幅圖像中的某些信息,同時削弱或去除某些不需要的信息的處理方法,也是提高圖像質(zhì)量的過程。圖像增強(qiáng)的目的是使圖像的某些特性方面更加鮮明、突出,使處理后的圖像更適合人眼視覺特性或機(jī)器分析,以便于實(shí)現(xiàn)對圖像的更高級的處理和分析。</p><p> 從圖6可以看出來,處理后的圖像比較暗,必須進(jìn)行適當(dāng)?shù)恼{(diào)節(jié)對比度處理,這樣可以將原本模糊不清甚至根本無法分辨的原始圖像處理成清
40、晰的富含大量有用信息的可使用圖像,有效地去除圖像中的噪聲、增強(qiáng)圖像中的邊緣或其他感興趣的區(qū)域,從而更加容易對圖像中感興趣的目標(biāo)進(jìn)行檢測和測量。</p><p> Matlab提供的imadjust函數(shù),它可以使圖像動態(tài)范圍加大,使圖像對比度擴(kuò)展,從而增大反差,使圖像的細(xì)節(jié)清晰,達(dá)到增強(qiáng)目的。程序如下:</p><p> image=imadjust(image,[0.2 0.6],[0
41、 1]);</p><p> figure,imshow(image); %顯示調(diào)節(jié)對比度后的圖像(如圖7所示)</p><p> 圖7 調(diào)節(jié)對比度后的圖像</p><p> Figure 7 After adjusting the image contrast</p><p><b> 3.
42、7 邊緣檢測</b></p><p> 圖像邊緣檢測對圖像識別和計算機(jī)分析十分有用,邊緣檢測能勾畫出目標(biāo)物體,使觀察者—目了然;邊緣蘊(yùn)含了豐富的內(nèi)在信息,是圖像識別中重要的圖像特征之一。從本質(zhì)上說,圖像邊緣是圖像局部特性不連續(xù)的反映,即圖像局部亮度變化最顯著的部分,如灰度值的突變、顏色的突變、紋理結(jié)構(gòu)的突變等,它標(biāo)志著一個區(qū)域的終結(jié)和另一個區(qū)域的開始。它存在于目標(biāo)與背景、目標(biāo)與目標(biāo)、區(qū)域與區(qū)域、基元
43、與基元之間,因此它是圖像分割所依賴的重要特征,也是圖像識別中提取圖像特征的一個重要屬性。</p><p> 利用邊緣檢測來分割圖像,其基本思路是先檢測圖像中的邊緣點(diǎn),再按照某種策略將邊沿點(diǎn)連接成輪廓,從而構(gòu)成分割區(qū)域。由于邊緣檢測是所要提取目標(biāo)和背景的分界線,提取出邊緣才能將目標(biāo)和背景分開,因此邊緣檢測技術(shù)對于數(shù)字圖像處理十分重要。</p><p> Matlab中edge函數(shù)用于灰度
44、圖像邊緣的提取,其語法結(jié)構(gòu)是:</p><p> BW=edge(amage,‘method’, thresh, direction);</p><p> 其返回的圖像與讀取圖像amage是大小一樣的二進(jìn)制圖像。method表示圖像邊緣提取所采用的方法,thresh表示該圖像邊緣提取方法所采用的閾值,所有小于閾值的圖像邊緣都被忽略,缺省時自動選取閾值。direction表示為所采用方法
45、指定方向,具有方向時才會使用。direction為字符串,其中horizontal 表示水平方向,vertical 表示垂直方向,both 表示兩個方向(缺省值)。</p><p> 常用的邊緣提取方法有Robert算子、Sobel算子、Prewitt算子和Canny 算子等。本文針對番茄葉的特征,對每個算子進(jìn)行對比,如圖8所示。四種算子邊緣檢測編程如下:</p><p> image
46、1=edge(image,'sobel');</p><p> image2=edge(image,'roberts'); </p><p> image3=edge(image,'prewit');</p><p> image4=edge(image,'canny');</p>
47、<p><b> figure;</b></p><p> subplot(2,2,1);</p><p> imshow(image1);title('sobel圖像邊緣提取')</p><p> subplot(2,2,2);</p><p> imshow(image2);tit
48、le('roberts圖像邊緣提取')</p><p> subplot(2,2,3);</p><p> imshow(image3);title('prewit圖像邊緣提取')</p><p> subplot(2,2,4);</p><p> imshow(image4);;title('
49、canny圖像邊緣提取')</p><p> 圖8 四種算子的邊緣提取圖</p><p> Figure 8 The four edge detection operator image</p><p> 發(fā)現(xiàn)Robert算子對番茄葉圖像處理的效果較好,故選用Robert 算子來進(jìn)行邊緣檢測。但是1號番茄葉的弱邊緣比較多,選用canny算子效果較好。&
50、lt;/p><p> 3.8 圖像形態(tài)學(xué)處理</p><p> 3.8.1 填補(bǔ)縫隙</p><p> 由邊緣檢測效果圖8可以看到,雖然edge函數(shù)提取了圖像的大概輪廓,但是邊緣線存在斷裂的情況,沒有完整而精確地描繪出葉子和參照物的輪廓。在這里可以通過strel函數(shù)和imdilate函數(shù)對圖像進(jìn)行膨脹操作,填補(bǔ)邊緣的縫隙。</p><p>
51、<b> 程序如下:</b></p><p> I=strel('line',3,90);</p><p> H=strel('line',3,0);</p><p> image=imdilate(image2,[I H]);</p><p> figure,imshow(im
52、age); %顯示填補(bǔ)邊緣縫隙后的圖像(如圖9所示)</p><p> 圖9 填補(bǔ)邊緣縫隙后的圖像</p><p> Figure 9 After to fill the gap edge image </p><p><b> 3.8.2 填充</b></p><p> 膨脹后的圖
53、像精確顯示了葉片和參照物的外圍輪廓,但是在葉片內(nèi)部還有很多的孔隙,可以利用imfill函數(shù)對這些孔隙進(jìn)行填充,</p><p><b> 程序如下:</b></p><p> filled = imfill(image,'holes');</p><p> figure,imshow(filled);
54、 %顯示填充后的圖像(如圖10所示)</p><p> 圖10 填充后的圖像</p><p> Figure 10 After filling the image</p><p><b> 3.8.3 平滑</b></p><p> 對于分割的結(jié)果,邊緣不是很光滑,需要利用菱形結(jié)構(gòu)元素對圖像進(jìn)行平滑處理。程
55、序如下:</p><p> SeD=strel('diamond',1);</p><p> final=imerode(filled,SeD);</p><p> final=imerode(final,SeD);</p><p> figure,imshow(final); %顯示平滑后
56、的圖像(如圖11所示)</p><p> 圖11 平滑后的圖像</p><p> Figure 11 Smoothed images</p><p> 3.9 圖像中值濾波</p><p> 各類圖像處理系統(tǒng)在圖像的采集、獲取、傳送和轉(zhuǎn)換(如成像、復(fù)制掃描、傳輸以及顯示等)過程中會出現(xiàn)系統(tǒng)噪音,會影響以后所求數(shù)值的準(zhǔn)確度,所以需要對圖
57、像進(jìn)行濾波。圖像的噪聲濾波器有很多種,常用的有線性濾波器,非線性濾波器。采用線性濾波如鄰域平滑濾波,對受到噪聲污染而退化的圖像復(fù)原,在很多情況下是有效的。但大多數(shù)線性濾波器具有低通特性,去除噪聲的同時也使圖像的邊緣變模糊了。而另一種非線性濾波器如中值濾波,在一定程度上可以克服線性濾波器所帶來的圖像模糊問題,在濾除噪聲的同時,能較好地保留圖像的邊緣信息。</p><p> 中值濾波在衰減噪聲的同時不會使圖像的邊界
58、模糊,這是中值濾波得到廣泛應(yīng)用的原因。中值濾波去除噪聲的效果依賴于2 個要素:領(lǐng)域的空間范圍和中值計算中涉及的像素數(shù)。一般來說,小于濾波器面積一半的亮或暗的物體基本上會被濾除,而較大的物體幾乎會原封不動地保存下來,因此,中值濾波器的空間尺寸必須根據(jù)現(xiàn)有的問題來進(jìn)行調(diào)整。較簡單的模板是n ×n 的方形(注:此處的n通常是奇數(shù)) ,計算時將使用到所有的n2個像素點(diǎn)??傊? 中值濾波算法具有較好的理論基礎(chǔ),并且在濾除噪音的同時能很好
59、地保護(hù)信號的細(xì)節(jié)信息(邊緣、銳角)。它也是一種較簡單又很常用的濾波平滑方法,具有較好的實(shí)用價值。它的基本原理是采用鄰域內(nèi)的像素灰度值的中值來作為處理后像素點(diǎn)的灰度值。</p><p><b> 程序如下:</b></p><p> final = medfilt2(final,[3 3]); %對圖像進(jìn)行中值濾波,濾波窗口默認(rèn)值為[3 3] &l
60、t;/p><p> final = medfilt2(final,[3 3]); </p><p> final = medfilt2(final,[3 3]); </p><p> final = medfilt2(final,[3 3]); </p><p> final = medfilt2(final,[3 3]);</
61、p><p> final = medfilt2(final,[3 3]);</p><p> final = medfilt2(final,[3 3]);</p><p> final = medfilt2(final,[3 3]);</p><p> final = medfilt2(final,[3 3]);</p>&
62、lt;p> final = medfilt2(final,[3 3]);</p><p> final = medfilt2(final,[3 3]);</p><p> figure,imshow(final); %顯示濾波后圖像(見圖12所示)</p><p> 圖12 濾波后的圖像</p><p>
63、Figure 12 Filtered images</p><p><b> 3.10 標(biāo)記</b></p><p> 這個功能是確定圖像中的目標(biāo)對象并予以標(biāo)記。調(diào)用bwlabe函數(shù)尋找連通成份而且用惟一的數(shù)字將他們分類標(biāo)記。bwlabe函數(shù)可以接受一個二值圖像和指定各目標(biāo)對象的連通性的值(4或8,表示4或8連通)作為輸入。</p><p>
64、;<b> 程序如下:</b></p><p> L=bwlabel(final,8); </p><p> s=regionprops(L,'Area','Centroid'); </p><p> k= ismember(L, f
65、ind([s.Area] >= 2200)); %去除小于2200的區(qū)域 </p><p> number=size(s,1); %孔數(shù)</p><p> area=[s.Area]; %面積</p><p> centroid=c
66、at(1,s.Centroid); % Centroid,為以后標(biāo)記提供位置</p><p> imshow(k);hold on; %在區(qū)域上標(biāo)記面積(如圖13所示)</p><p> for i=1:number</p><p> text(centroid(i,1),
67、centroid(i,2),num2str(area(i))); %標(biāo)記</p><p><b> end</b></p><p> 圖13 標(biāo)記葉子和參照物的像素個數(shù)圖像</p><p> Figure 13 Marks the number of leaves and reference pixels image</p>
68、<p><b> 3.11計算葉面積</b></p><p> 從圖13可以很清楚的看到葉子和參照物的像素個數(shù),根據(jù)測量原理知道,S0= ,=2794,=11537。</p><p><b> 故可以得到葉面積</b></p><p><b> 4 結(jié)果與分析</b></p
69、><p> 4.1測量方法精度驗(yàn)證</p><p> 為了驗(yàn)證數(shù)字圖像處理葉面積結(jié)果的可行性,本文應(yīng)用photoshop圖像處理的方法對同一片番茄葉子再次進(jìn)行測量。雖然目前對于葉面積的測量未有十分精確的方法,但是對于葉片平展但不規(guī)則的葉片使用photoshop圖像處理法測量,有很高的精確度。</p><p> 由結(jié)果可以看出,用Matlab圖像處理求得的葉面積與與
70、同組使用photoshop圖像處</p><p> 理法測定結(jié)果相比較,求得的結(jié)果很相近,本文共對8片番茄葉子進(jìn)行以上兩種測量面</p><p> 積方法的分析,數(shù)據(jù)如表1所示。</p><p> 表1 Matlab圖像法葉面積測量及Photoshop圖像法葉面積測量結(jié)果對比</p><p> Tab.1 Matlab image L
71、afayette area measurement and Photoshop image </p><p> contrast measurements Lafayette area</p><p> 由表1可以看出,用Matlab圖像法計算的葉面積與photoshop圖像法得到的葉面積結(jié)果很相近,相對誤差的平均值為1.005%。因此本文所采用的算法可以應(yīng)用于實(shí)際葉面積的測定。<
72、;/p><p><b> 結(jié)論</b></p><p> 文中提出的基于圖像處理番茄葉面積的測量方法,利用在Matlab平臺下開發(fā)的程序,實(shí)現(xiàn)了對番茄葉片的圖像中葉片的圖像處理并同步計算葉面積。將經(jīng)過圖像處理所得的葉面積與photoshop圖像法測得的面積進(jìn)行對比,兩者間相對誤差的平均值為0.92%,實(shí)驗(yàn)表明基于圖像處理求葉面積的方法具有較高的精確度和穩(wěn)定性,可應(yīng)用于
73、番茄葉面積的實(shí)際測量。</p><p> 通過對多幅番茄葉圖像(共8幅)進(jìn)行圖像處理計算面積,結(jié)果表明,利用Matlab進(jìn)行圖像處理,只需用幾個簡單的函數(shù)就可以實(shí)現(xiàn)對復(fù)雜的圖像進(jìn)行處理并進(jìn)行數(shù)據(jù)計算的過程。方法簡便、易行,不僅減少了重復(fù)測量直徑所花費(fèi)的大量時間、提高了試驗(yàn)效率,也避免了人工測量時結(jié)果不可靠、精度不高的缺點(diǎn),使得到的試驗(yàn)結(jié)果更為可靠、準(zhǔn)確。</p><p><b>
74、; 參考文獻(xiàn)</b></p><p> [1]柏軍華,王克如,初振東等.葉面積測定方法的比較研[J].石河子大學(xué)學(xué)報,2005.23(2):216-218.</p><p> [2]孫建成,曾培峰等.二值圖像的區(qū)域標(biāo)識與噪聲去除[J].天津工業(yè)大學(xué)報,2006.25(1):45-47.</p><p> [3]賈愛蓮,張淑娟.基于Matlab的植
75、物葉面積數(shù)字?jǐn)z影圖像處理[J].山西農(nóng)業(yè)大學(xué)學(xué)報,2006.26(1).</p><p> [4]李震,洪添勝等.植物多葉片圖像目標(biāo)識別和葉面積測量方法[J]. 華南農(nóng)業(yè)大學(xué)學(xué)報,2007.28(3).</p><p> [5]陳愛軍.基于圖像處理的植物葉片參數(shù)的測量[J].東北林業(yè)大學(xué)學(xué)報,2007.37(4):46-47,53[6]王永皎,張引,張三元.基于圖像處理的植物葉面積測
76、量方法[J].計算機(jī)工程,2006.32(8). [7]譚峰,高艷萍.基于圖像的植物葉面積無損測量方法研究[J]. 農(nóng)業(yè)工程學(xué)報,2008.24(5)170-173</p><p> [8]岡薩雷斯.數(shù)字圖像處理(matlab版)[M].電子工業(yè)出版社,2006.</p><p> [9]何希平,張瓊?cè)A.基于MATLAB的圖像處理與分析[J]. 重慶工商大學(xué)學(xué),2003.2
77、0(2).</p><p> [10]羅軍輝,馮平等.Matlab7.0 在圖像處理中的應(yīng)用[M].北京:機(jī)械工業(yè)出版社,2005.</p><p> [11]張強(qiáng), 王正林. 精通MATLAB 圖像處理[M] . 北京: 電子工業(yè)大學(xué)出版社, 2009: 49- 50.</p><p> [12]劉關(guān)君,王大海等.植物葉面積的快速精確測定方法[J].東北林業(yè)
78、大學(xué)學(xué)報,2004.32(5):82-83.</p><p> [13]左欣,韓斌,程嘉林.基于數(shù)字圖像處理的植物葉面積測量方法[J].計算機(jī)工程與應(yīng)用.2OO6,27(2):194—221.</p><p> [14]何東健. 數(shù)字圖像處理[M].西安電子科技大學(xué)出版社. 2003. 29-32</p><p> [15]孫建成,曾培峰,禹素萍,等.二值圖像
79、的區(qū)域標(biāo)識與噪聲去除[J].天津工業(yè)大學(xué)學(xué)報,2006,25(1):45-47.</p><p><b> 致謝</b></p><p> 未覺池塘春草夢,階前梧葉已秋聲。轉(zhuǎn)眼間即將告別我的大學(xué)求學(xué)生涯。掐指一算,我在美麗的農(nóng)大校園已經(jīng)學(xué)習(xí)生活了四年時問,畢業(yè)之際,除了對未來的無限憧憬之外心中更多了幾分不舍。</p><p> 四年的求學(xué)
80、生涯在師長、親友的大力支持下,走得辛苦卻也收獲滿囊,在論文即將付梓之際,思緒萬千,心情久久不能平靜。我急切地想要把我的敬意和贊美獻(xiàn)給老師。在論文寫作過程中,韓老師無論在提綱的擬定還是論文的修改與最后的定稿,都提出了許多建設(shè)性的修改意見,論文的字里行間都凝結(jié)了韓老師的心血和期望。師恩厚重,實(shí)非言語可表。授人以魚不如授人以漁,置身其間,耳濡目染,潛移默化,使我不僅接受了全新的思想觀念,樹立了宏偉的學(xué)術(shù)目標(biāo),還領(lǐng)會了基本的思考方式。最后再一次
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 畢業(yè)論文-基于Photoshop圖像處理的番茄葉面積測量.doc
- 畢業(yè)論文-基于Photoshop圖像處理的番茄葉面積測量.doc
- 開題報告-基于Photoshop圖像處理的番茄葉面積測量.doc
- 開題報告-基于Photoshop圖像處理的番茄葉面積測量.doc
- 原稿!!基于photoshop圖像處理的番茄葉面積測量【開題報告+外文翻譯+畢業(yè)論文】
- 原稿!!基于photoshop圖像處理的番茄葉面積測量【開題報告+外文翻譯+畢業(yè)論文】
- 基于圖像處理的植物葉面積測定方法的研究.pdf
- 手持活體葉面積測量儀速測黃瓜葉面積的方法
- 臺式葉面積測量儀的研制.pdf
- 基于TM影像的葉面積指數(shù)反演.pdf
- 便攜式重疊葉面積測量儀的設(shè)計與實(shí)現(xiàn).pdf
- 基于FCM彩色圖像分割的森林冠層葉面積指數(shù)反演.pdf
- 葉面積掃描儀測量及操作方法詳解
- 便攜式活體葉面積測量儀的研制.pdf
- 便攜式葉面積儀的研制.pdf
- 便攜式智能信息終端的葉面積測量系統(tǒng)開發(fā).pdf
- 基于極化雷達(dá)的植被葉面積指數(shù)反演模型研究.pdf
- 基于高光譜的稻麥葉面積指數(shù)監(jiān)測研究.pdf
- 學(xué)年論文基于matlab的圖像處理
- 基于像元信息分解的葉面積指數(shù)模型及長江三角洲葉面積指數(shù)動態(tài)監(jiān)測.pdf
評論
0/150
提交評論