本發(fā)明涉及圖像處理，尤其涉及一種基于圖像處理的蘋果病害檢測系統(tǒng)。

背景技術(shù)：

1、蘋果炭疽葉枯病是一種由炭疽病菌引起的病害，主要危害蘋果樹的葉片，嚴(yán)重時也可危害果實。該病害會導(dǎo)致蘋果樹大量落葉，樹勢變?nèi)?，產(chǎn)量下降。為了及時預(yù)防該病害，需要在早期就及時發(fā)現(xiàn)干預(yù)。早期病斑面積小，分布少，由于光照，葉子葉脈，臟污等環(huán)境因素干擾，人工難以及時觀察到病斑存在及嚴(yán)重程度，因此需要對蘋果葉子進(jìn)行病害檢測，防止錯過最佳干預(yù)時間。

2、現(xiàn)有技術(shù)中，通過采用單一的閾值對蘋果葉子的灰度圖像進(jìn)行圖像分割，得到病斑圖像，進(jìn)而根據(jù)病斑圖像進(jìn)行病害檢測。

3、由于病斑初期為顏色較淺，面積較小的黃褐色或紅褐色小點，周圍有不規(guī)則紅褐色或黃褐色暈圈，與葉子本身顏色呈現(xiàn)漸變的相似的顏色，因此在環(huán)境干擾下灰度圖像呈現(xiàn)不出較為明顯的變化，無法采用單一的閾值分割處理。但由于病斑相對于葉子本身具有凹陷，放射性生長的特征，因此使用區(qū)域生長算法，按照病斑自身生長特性進(jìn)行生長，能夠取得效果較好，更符合現(xiàn)實變化情況的分割圖像。

4、因此，如何選取區(qū)域生長算法中的生長種子點以及生長準(zhǔn)則，以獲取更準(zhǔn)確的病斑圖像成為亟需解決的問題。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明實施例提供了一種基于圖像處理的蘋果病害檢測系統(tǒng)，以解決如何選取區(qū)域生長算法中的生長種子點以及生長準(zhǔn)則，以獲取更準(zhǔn)確的病斑圖像的問題。

2、本發(fā)明實施例中提供了一種基于圖像處理的蘋果病害檢測系統(tǒng)，該系統(tǒng)包括：

3、疑似強病斑區(qū)域獲取模塊，用于采集蘋果葉片圖像，對所述蘋果葉片圖像進(jìn)行灰度化處理，得到蘋果葉片的灰度圖像，獲取所述灰度圖像中的至少一個疑似強病斑區(qū)域；

4、強病斑區(qū)域獲取模塊，用于分別計算每個所述疑似強病斑區(qū)域中的各個像素點的梯度值以及梯度方向，根據(jù)所述各個像素點的梯度值以及梯度方向，分別獲取每個所述疑似強病斑區(qū)域中的強病斑區(qū)域；

5、方向集合獲取模塊，用于針對任一強病斑區(qū)域，根據(jù)所述強病斑區(qū)域中預(yù)設(shè)的n個鄰域方向，將所述強病斑區(qū)域中的所有像素點劃分為n個方向集合；

6、強病斑特征值獲取模塊，用于獲取每個所述強病斑區(qū)域的方向集合，針對任一鄰域方向，根據(jù)所述鄰域方向上所有方向集合中各個像素點的梯度值和灰度值，確定所述鄰域方向的強病斑特征值；

7、圖像處理模塊，用于獲取每個所述鄰域方向的強病斑特征值，根據(jù)每個所述鄰域方向的強病斑特征值，對所述灰度圖像進(jìn)行區(qū)域生長，得到蘋果病害檢測結(jié)果。

8、進(jìn)一步的，所述強病斑區(qū)域獲取模塊中根據(jù)所述各個像素點的梯度值以及梯度方向，分別獲取每個所述疑似強病斑區(qū)域中的強病斑區(qū)域，包括：

9、計算所述灰度圖像中每個像素點的梯度值，將所述灰度圖像中除疑似強病斑區(qū)域以外的區(qū)域作為無病斑區(qū)域，獲取所述無病斑區(qū)域中各個像素點的梯度值，計算所述無病斑區(qū)域的梯度值均值；

10、針對任一疑似強病斑區(qū)域，選擇所述疑似強病斑區(qū)域中梯度值小于所述無病斑區(qū)域的梯度均值的像素點作為目標(biāo)像素點，將所有目標(biāo)像素點組成的區(qū)域作為目標(biāo)強病斑區(qū)域；

11、對所述目標(biāo)強病斑區(qū)域中的每個像素點的梯度方向作反向延長線，得到所有反向延長線之間的至少一個交點，獲取每個所述交點的坐標(biāo)；

12、根據(jù)每個所述交點的坐標(biāo)，對所有交點進(jìn)行聚類，得到至少一個簇類，統(tǒng)計每個所述簇類中的交點數(shù)量，根據(jù)簇類的總數(shù)量和每個所述簇類中的交點數(shù)量得到強病斑區(qū)域。

13、進(jìn)一步的，所述強病斑區(qū)域獲取模塊中根據(jù)簇類的總數(shù)量和每個所述簇類中的交點數(shù)量得到強病斑區(qū)域，包括：

14、對每個所述簇類中的交點數(shù)量進(jìn)行歸一化處理，得到歸一化值，計算所有歸一化值的均值，將所述均值與預(yù)設(shè)均值之間的差值絕對值作為分布系數(shù)；

15、將所述目標(biāo)強病斑區(qū)域中梯度值最小的像素點作為實際中心點，選取所述簇類中的交點數(shù)量最多的簇類作為目標(biāo)簇類，針對任一目標(biāo)簇類，獲取所述目標(biāo)簇類的簇類中心，得到所述簇類中心與所述實際中心點的距離；

16、將所述分布系數(shù)與常數(shù)1的相加結(jié)果作為第一變量，將所述距離與常數(shù)1的相加結(jié)果作為第二變量，將第一變量與第二變量的乘積的倒數(shù)作為發(fā)射系數(shù)；

17、若所述發(fā)射系數(shù)在預(yù)設(shè)范圍內(nèi)，則將所述目標(biāo)簇類中的交點所屬的反向延長線上的像素點組成的區(qū)域標(biāo)記為強病斑區(qū)域。

18、進(jìn)一步的，所述方向集合獲取模塊中根據(jù)所述強病斑區(qū)域中預(yù)設(shè)的n個鄰域方向，將所述強病斑區(qū)域中的所有像素點劃分為n個方向集合，包括：

19、選取所述強病斑區(qū)域中梯度值最小的像素點作為目標(biāo)中心點，以目標(biāo)中心點為中心，建立預(yù)設(shè)尺寸的網(wǎng)格，根據(jù)所述網(wǎng)格按照預(yù)設(shè)的n個鄰域方向?qū)λ鰪姴“邊^(qū)域中的所有像素點進(jìn)行分類，將位于同一鄰域方向的像素點作為一個方向集合，得到n個方向集合。

20、進(jìn)一步的，所述強病斑特征值獲取模塊中根據(jù)所述鄰域方向上所有方向集合中各個像素點的梯度值和灰度值，確定所述鄰域方向的強病斑特征值，包括：

21、針對任一強病斑區(qū)域，選取所述強病斑區(qū)域中梯度值最小的像素點作為目標(biāo)中心點，計算所述強病斑區(qū)域在所述鄰域方向上的方向集合中各個像素點與所述目標(biāo)中心點之間的梯度方向角度，組成梯度方向角度集合，根據(jù)所述梯度方向角度集合得到角度區(qū)間；

22、獲取所有強病斑區(qū)域在所述鄰域方向上對應(yīng)的角度區(qū)間，在所有角度區(qū)間中選取至少三個角度區(qū)間得到至少一個角度區(qū)間交集，將每個所述角度區(qū)間交集所涉及的角度區(qū)間的數(shù)量作為每個所述角度區(qū)間交集的權(quán)重系數(shù)，選擇所述權(quán)重系數(shù)大于預(yù)設(shè)值的所述角度區(qū)間交集進(jìn)行合并，得到初始角度區(qū)間；

23、將所述目標(biāo)中心點分別放入每個所述強病斑區(qū)域在所述鄰域方向上對應(yīng)的方向集合中，分別獲取每個所述方向集合中的最大灰度值和最小灰度值，計算所有最大灰度值的均值作為最大均值，計算所有最小灰度值的均值作為最小均值，將所述最大均值與所述最小均值之間的差值作為初始閾值差；

24、將所述灰度圖像按照灰度級劃分出明顯光照區(qū)域和無明顯光照區(qū)域，根據(jù)所述明顯光照區(qū)域和所述無明顯光照區(qū)域的灰度值對所述初始角度區(qū)間和所述初始閾值差進(jìn)行增加或減少，得到所述鄰域方向的強病斑特征值。

25、進(jìn)一步的，所述強病斑特征值獲取模塊中將所述灰度圖像按照灰度級劃分出明顯光照區(qū)域和無明顯光照區(qū)域，包括：

26、構(gòu)建所述灰度圖像的灰度直方圖，在所述灰度直方圖中將灰度級劃分為多個灰度級區(qū)間，針對任一灰度級區(qū)間，將所述灰度級區(qū)間中包含的每個灰度級對應(yīng)的頻數(shù)進(jìn)行累加，得到所述灰度級區(qū)間的頻數(shù)和；

27、將所有灰度級區(qū)間的頻數(shù)和進(jìn)行相加得到總頻數(shù)和，將每個所述灰度級區(qū)間的頻數(shù)和與所述總頻數(shù)和之間的比值作為區(qū)間頻率；

28、選取所述區(qū)間頻率中區(qū)間頻率最大對應(yīng)的灰度級區(qū)間作為目標(biāo)區(qū)間，針對所述灰度直方圖中除所述區(qū)間頻率最大對應(yīng)的灰度級區(qū)間以外的任一灰度級區(qū)間，計算所述區(qū)間頻率最大對應(yīng)的灰度級區(qū)間的區(qū)間頻率與所述灰度級區(qū)間的區(qū)間頻率之間的差值，若所述差值小于預(yù)設(shè)差值，則將所述灰度級區(qū)間作為目標(biāo)區(qū)間，將所有目標(biāo)區(qū)間中包含的像素點組成的區(qū)域作為無明顯光照區(qū)域；

29、在所有目標(biāo)區(qū)間中選擇灰度級最大對應(yīng)的灰度級區(qū)間作為閾值區(qū)間，將所有灰度級區(qū)間中大于所述閾值區(qū)間的灰度級區(qū)間作為參考區(qū)間，針對任意兩個相鄰的參考區(qū)間，若所述兩個相鄰的參考區(qū)間的區(qū)間頻率之間的差值小于預(yù)設(shè)差值，則將所述兩個相鄰的參考區(qū)間作為最終區(qū)間，將所有最終區(qū)間中包含的像素點組成的區(qū)域作為明顯光照區(qū)域。

30、進(jìn)一步的，所述強病斑特征值獲取模塊中根據(jù)所述明顯光照區(qū)域和所述無明顯光照區(qū)域的灰度值對所述初始角度區(qū)間和所述初始閾值差進(jìn)行增加或減少，得到所述鄰域方向的強病斑特征值，包括：

31、計算所述明顯光照區(qū)域中所有像素點的灰度值的均值作為第一灰度均值，計算所述無明顯光照區(qū)域中所有像素點的灰度值的均值作為第二灰度均值，將所述第一灰度均值與所述第二灰度均值之間的差值與所述初始閾值差相加得到最終閾值差；

32、計算所述明顯光照區(qū)域中所有像素點的梯度方向角度的均值作為第一角度均值，計算所述無明顯光照區(qū)域中所有像素點的梯度方向角度的均值作為第二角度均值，將所述第一角度均值與所述第二角度均值之間的差值作為目標(biāo)角度差值，將所述初始角度區(qū)間中的最小值減去所述目標(biāo)角度差值作為最小角度，將所述初始角度區(qū)間中的最大值加上所述目標(biāo)角度差值作為最大角度，將所述最小角度和所述最大角度組成最終角度區(qū)間；

33、將所述最終閾值差和所述最終角度區(qū)間作為所述鄰域方向的強病斑特征值。

34、進(jìn)一步的，所述圖像處理模塊中根據(jù)每個所述鄰域方向的強病斑特征值，對所述灰度圖像進(jìn)行區(qū)域生長，得到蘋果病害檢測結(jié)果，包括：

35、在所述明顯光照區(qū)域中，將梯度值最小的像素點作為初始種子點，按照所述預(yù)設(shè)的n個鄰域方向進(jìn)行生長，針對所述初始種子點的任一鄰域方向，將在所述鄰域方向上與所述初始種子點相鄰的像素點作為生長點，將在所述鄰域方向上與所述生長點相鄰的像素點作為待生長點，若所述生長點的灰度值與所述待生長點的灰度值之間的差值小于或等于所述鄰域方向的最終閾值差，且所述生長點的梯度方向角度在所述鄰域方向的最終角度區(qū)間內(nèi)，則將所述生長點和所述初始種子點標(biāo)記為病斑點；

36、獲取所述初始種子點的每個鄰域方向上的病斑點，對所有病斑點中除梯度值最小的像素點以外的所有像素點的梯度方向作反向延長線，獲取所有反向延長線的交點，根據(jù)所有反向延長線的交點和所有病斑點中梯度值最小的像素點計算發(fā)射系數(shù)，若所述發(fā)射系數(shù)在所述預(yù)設(shè)范圍內(nèi)，則將所述生長點作為新的種子點繼續(xù)生長，得到所述明顯光照區(qū)域中的所有病斑點；

37、將所述明顯光照區(qū)域中的所有病斑點和所述無明顯光照區(qū)域作為蘋果病害檢測結(jié)果。

38、進(jìn)一步的，所述疑似強病斑區(qū)域獲取模塊中對所述蘋果葉片圖像進(jìn)行灰度化處理，得到蘋果葉片的灰度圖像，獲取所述灰度圖像中的至少一個疑似強病斑區(qū)域，包括：

39、對所述灰度圖像進(jìn)行閾值分割和開閉運算，得到疑似強病斑灰度圖像，對所述疑似強病斑灰度圖像進(jìn)行掩膜得到至少一個疑似強病斑區(qū)域。

40、本發(fā)明實施例與現(xiàn)有技術(shù)相比存在的有益效果是：

41、本發(fā)明提供了一種基于圖像處理的蘋果病害檢測系統(tǒng)，包括疑似強病斑區(qū)域獲取模塊，用于采集蘋果葉片圖像，對所述蘋果葉片圖像進(jìn)行灰度化處理，得到蘋果葉片的灰度圖像，獲取所述灰度圖像中的至少一個疑似強病斑區(qū)域；強病斑區(qū)域獲取模塊，用于分別計算每個所述疑似強病斑區(qū)域中的各個像素點的梯度值以及梯度方向，根據(jù)所述各個像素點的梯度值以及梯度方向，分別獲取每個所述疑似強病斑區(qū)域中的強病斑區(qū)域；方向集合獲取模塊，用于針對任一強病斑區(qū)域，根據(jù)所述強病斑區(qū)域中預(yù)設(shè)的n個鄰域方向，將所述強病斑區(qū)域中的所有像素點劃分為n個方向集合；強病斑特征值獲取模塊，用于獲取每個所述強病斑區(qū)域的方向集合，針對任一鄰域方向，根據(jù)所述鄰域方向上所有方向集合中各個像素點的梯度值和灰度值，確定所述鄰域方向的強病斑特征值；圖像處理模塊，用于獲取每個所述鄰域方向的強病斑特征值，根據(jù)每個所述鄰域方向的強病斑特征值，對所述灰度圖像進(jìn)行區(qū)域生長，得到蘋果病害檢測結(jié)果。其中，根據(jù)病斑的凹陷性特征以及發(fā)射性特征按照8鄰域的方向?qū)ふ覞M足病斑特征規(guī)律的強病斑區(qū)域，然后將強病斑區(qū)域按照8鄰域的方向分組后得到各個鄰域方向的強病斑特征值，用于后續(xù)對灰度圖像進(jìn)行區(qū)域生長的生長條件，再遍歷灰度圖像，將灰度圖像中梯度值最小的像素點作為種子點，按照8鄰域的方向遍歷周圍像素點，將強病斑特征值作為生長條件，通過區(qū)域生長算法得到更準(zhǔn)確的病斑圖像，獲得蘋果病害檢測結(jié)果，方便人們及時進(jìn)行蘋果病害預(yù)防處理。