【正文】 目錄 III 目 錄第一章 緒論 .......................................................... 1 引言 ............................................................ 1 國內(nèi)外研究現(xiàn)狀 .................................................. 1 機(jī)器視覺法 .................................................. 1 光譜分析法 .................................................. 2 分水嶺算法在去粘連方面的研究現(xiàn)狀 ............................ 2 本文的研究內(nèi)容和技術(shù)路線 ........................................ 3 研究內(nèi)容 .................................................... 3 技術(shù)路線 .................................................... 4 第二章 棉花葉面蚜蟲的圖像獲取 ........................................ 5 試驗(yàn)系統(tǒng)組成 .................................................... 5 試驗(yàn)軟件系統(tǒng) ................................................ 5 棉花葉面蚜蟲的采集 .............................................. 5 蚜蟲圖像采集 ................................................ 5 第三章 蚜蟲區(qū)域的提取 ................................................ 7 HSV 顏色空間模型 ................................................ 7 從 RGB 到 HSV 的轉(zhuǎn)換及其實(shí)現(xiàn) .................................. 7 圖像分割概述 .................................................... 8 基于聚類分析的圖像分割方法 .................................. 9 K 均值聚類分割算法的工作原理 ............................... 10 Kmeans 聚類算法的一般步驟及處理流程 ....................... 10 kmeans 聚類閾值分割的后處理 ................................... 10 灰度化處理 ................................................. 10 形態(tài)學(xué)濾波 ..................................................... 11 實(shí)驗(yàn)結(jié)果分析 .................................................. 14 第四章 棉花葉面蚜蟲圖像的計(jì)數(shù) ....................................... 15 連通區(qū)域標(biāo)記法計(jì)數(shù) ............................................. 15 目錄 IV 像素間的連通性 ............................................. 15 連通區(qū)域標(biāo)記法 ............................................. 16 連通區(qū)域標(biāo)記法計(jì)數(shù)結(jié)果 ..................................... 17 第五章 結(jié)論與展望 ................................................... 19 結(jié)論 ........................................................... 19 展望 ........................................................... 19 致謝 ................................................................ 21 參考文獻(xiàn) ............................................................ 22 附錄 ................................................................ 24 源代碼 .............................................................. 24 第一章 緒論 1 第一章 緒論 引言 棉花是世界上第一位的天然纖維作物和第二大油料作物，是全球經(jīng)濟(jì)的支柱之一。對 19 個(gè)帶蟲葉片樣本的統(tǒng)計(jì)結(jié)果表明，對白粉虱的分割圖象直接進(jìn)行個(gè)體計(jì)數(shù)的準(zhǔn)確率達(dá) 91． 99％。該方法可有效地解決了目標(biāo)物體粘連問題，同時(shí)把該算法用于對粘連物體的計(jì)數(shù)方面，使本來繁瑣、復(fù)雜的圖像計(jì)數(shù)變得十分簡單、便捷。 石河子大學(xué)學(xué)士學(xué)位論文 4 技術(shù)路線 本文的技術(shù)路線如圖 11所示： 圖 11 技術(shù)路線 開始 讀入原圖像 原圖轉(zhuǎn)換為 HSV 模型 原圖轉(zhuǎn)換為灰度圖 提取 H 顏色分量 通過腐蝕重建來實(shí)現(xiàn)平滑處理 利用 Kmeans 聚類尋找閾值 使用局部極大值濾波得到形態(tài)特征 利用閾值分割出蚜蟲顏色特征的區(qū)域 進(jìn)一步腐蝕去粘黏 特征圖像一 特征圖像二 合成最終蚜蟲區(qū)域圖像 對連通區(qū)域進(jìn)行計(jì)數(shù) 結(jié)束 第二章 棉花葉面蚜蟲的圖像獲取 5 第二章 棉花葉面蚜蟲的圖像獲取 棉花葉面蚜蟲圖像是進(jìn)行圖像處理最原始的數(shù)據(jù)，圖像的采集是指通過各種設(shè)備得到害蟲圖像隨著環(huán)境因素、蚜蟲自身狀態(tài)等各種因素的變化，圖像也會發(fā)生變化。實(shí)驗(yàn)獲得的圖像為的彩色圖像， 5 幅， jpg 格式。 S 和 V值范圍為 0～ 1。圖像分割就是把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。模糊 C均值算法是在模糊數(shù)學(xué)基礎(chǔ)上對 K均值算法的推廣，是通過最優(yōu)化 一個(gè)模糊目標(biāo)函數(shù)實(shí)現(xiàn)聚類，它不像 K均值聚類那樣認(rèn)為每個(gè)點(diǎn)只能屬于某一類，而是賦予每個(gè)點(diǎn)一個(gè)對各類的隸屬度，用隸屬度更好地描述邊緣像素亦此亦彼的特點(diǎn)，適合處理事物內(nèi)在的不確定性。 灰度化處理是把含有亮度和色彩的彩色圖像變成灰度圖像的過程，一般分為 3 個(gè)步驟： (1)求得某點(diǎn)的 R、 G、 B三個(gè)分量； (2)求得該點(diǎn)的亮度值 Y； (3)寫回新的 256 色位圖時(shí)，令 R=G=B=Y。 （ 3）形態(tài)學(xué)開運(yùn)算 A被 B的形態(tài)學(xué)開運(yùn)算可以記做 A B，這種運(yùn)算是 A被 B腐蝕后再用 B來膨脹腐蝕結(jié)果： A B=(A B) B (35) 形態(tài)學(xué)開運(yùn)算完全刪除了不能包含結(jié)構(gòu)元素的對象區(qū)域，平滑了對象的輪廓，斷開了狹窄的連接，去掉了細(xì)小的突出部分。 石河子大學(xué)學(xué)士學(xué)位論文 16 (a)四連通 （ b）八連通 圖 42 不同連通方式下的區(qū)域劃分 連通區(qū)域標(biāo)記法 連通區(qū)域標(biāo)記：是指將圖像中符合某種連通規(guī)則連通的像素用相同的標(biāo)號來表示。 但是，對比原蚜蟲圖像和最終蚜蟲提取圖像可知：最終蚜蟲提取圖像中依然存在極少數(shù)粘連特別嚴(yán)重的蚜蟲 (肉眼也很難區(qū)分 )沒有分割開，這也是腐蝕去粘連后利用連通區(qū)域標(biāo)記法計(jì)數(shù)存在誤差的主要原因。 (3)本文在計(jì)數(shù)方面引入了連通區(qū)域標(biāo)記法計(jì)數(shù)，在此基礎(chǔ)上引入其他蚜蟲特征因子 (如長寬比、圓度等 )來進(jìn)一步提高計(jì)數(shù)準(zhǔn)確率。39。 srcG=src(:,:,2)。 else myIdx=1。 subplot(1,2,2)。 figure。腐蝕去粘黏：特征區(qū)域二 39。只蚜蟲 39。 fgm=imdilate(fgm,se)。)。imshow(src)。 Idx=reshape(Idx,iSize(1),iSize(2))。imshow(src)。 參考文獻(xiàn) 22 參考文獻(xiàn) [1] 許彪．鞍山地區(qū)黃瓜蚜蟲發(fā)生特點(diǎn)及防治．遼寧農(nóng)業(yè)科學(xué)， 20xx(s)： 6061． [2] 沈佐銳，于新文．溫室白粉虱自動計(jì)數(shù)技術(shù)研究初報(bào)陰．生態(tài)學(xué)報(bào)， 20xx， 2l(1)： 9499． [3] 陳佳娟，紀(jì)壽文，李娟，趙學(xué)篤．采用計(jì)算機(jī)視覺進(jìn)行棉花蟲害程度的自動測定四。 3)確定棉花葉面蚜蟲的計(jì)數(shù)方法 將利用 Kmeans 聚類算法進(jìn)行數(shù)據(jù)分類實(shí)現(xiàn)圖像的閾值分割所得到的特征圖像與通過形態(tài)學(xué)腐蝕操作及局部極大值濾波所得到的特征圖像進(jìn)行合并，得到最終蚜蟲區(qū)域圖像，采用連通區(qū)域標(biāo)記法對最終合成的蚜蟲區(qū)域圖像進(jìn)行蚜蟲計(jì)數(shù)。 (a)四連通標(biāo)記結(jié)果 （ b）八連通標(biāo)記結(jié)果 圖 43 不同的連通方式下標(biāo)記結(jié)果 由圖可知采用不同的連通方式得到的連通區(qū)域的數(shù)量不同，影響蚜蟲的計(jì)數(shù)結(jié)果。