張倩

摘要： 近年來(lái)，農(nóng)業(yè)智能化水平日趨提高，大量?jī)?yōu)質(zhì)的農(nóng)業(yè)視覺(jué)圖像是準(zhǔn)確獲取農(nóng)業(yè)產(chǎn)量、制定農(nóng)藥噴灑計(jì)劃、病蟲(chóng)害分析等的依據(jù)，而在大多數(shù)情況下，由于圖像傳感器中電壓不穩(wěn)定、成像環(huán)境復(fù)雜等因素的存在，導(dǎo)致所獲取的圖像清晰度不佳。對(duì)此，提出了一種改進(jìn)的自適應(yīng)中值濾波算法，該算法首先采用基于圖像像素灰度值的二步判別法來(lái)準(zhǔn)確檢測(cè)圖像中的噪聲，然后針對(duì)圖像中目標(biāo)輪廓的復(fù)雜性，設(shè)計(jì)出3類(lèi)多方向的濾波模板，并且結(jié)合圖像中非噪聲像素點(diǎn)與噪聲像素點(diǎn)間的幾何距離，進(jìn)行加權(quán)濾波。以時(shí)令水果圖像進(jìn)行測(cè)試，結(jié)果表明，本研究算法對(duì)于圖像的濾波處理效果明顯好于中值濾波算法及其已有的2類(lèi)改進(jìn)型算法。

關(guān)鍵詞： 農(nóng)業(yè)視覺(jué)圖像；中值濾波；噪聲檢測(cè)；幾何距離；加權(quán)濾波

中圖分類(lèi)號(hào)：TP391；S126 文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1002-1302（2015）08-0419-02

近年來(lái)，農(nóng)業(yè)智能化水平逐步提高，具體表現(xiàn)在將計(jì)算機(jī)技術(shù)、激光紅外技術(shù)與傳統(tǒng)農(nóng)業(yè)分析方法相結(jié)合，最直觀的體現(xiàn)是通過(guò)對(duì)傳統(tǒng)農(nóng)業(yè)機(jī)械加裝相關(guān)圖像信息采集傳感器件來(lái)獲取農(nóng)作物視覺(jué)圖像，并將其傳到室內(nèi)計(jì)算機(jī)系統(tǒng)內(nèi)，借助圖像處理技術(shù)對(duì)圖像所承載的農(nóng)業(yè)信息進(jìn)行判讀和分析，根據(jù)圖像分析結(jié)果來(lái)對(duì)農(nóng)作物的長(zhǎng)勢(shì)進(jìn)行評(píng)估，對(duì)病蟲(chóng)害進(jìn)行分析 [1-2]。圖像傳感器由于自身電壓不穩(wěn)定，農(nóng)業(yè)機(jī)械行進(jìn)過(guò)程中會(huì)發(fā)生一定程度的顛簸以及圖像拍攝的環(huán)境有時(shí)候比較惡劣等因素，導(dǎo)致所獲取的圖像清晰度不佳，因此，研究該類(lèi)圖像的處理方法勢(shì)在必行。中值濾波算法 [3-4]作為一種較為實(shí)用的數(shù)字圖像處理方法，由于其原理簡(jiǎn)單、運(yùn)算簡(jiǎn)便，得到了廣泛應(yīng)用，誕生了一些改進(jìn)型算法，如加權(quán)中值濾波 [5]、極值中值濾波 [6]等。但該類(lèi)算法對(duì)于細(xì)節(jié)信息豐富的農(nóng)業(yè)視覺(jué)圖像處理效果不盡如人意，為此，本研究通過(guò)對(duì)中值濾波算法進(jìn)行改進(jìn)，以探索一種適合于該類(lèi)圖像的濾波算法。

1 中值濾波算法及其改進(jìn)

1 1 中值濾波算法原理及其特性分析

對(duì)于任意一幅數(shù)字圖像而言，若受到噪聲的干擾，圖像中部分像素點(diǎn)的灰度值會(huì)發(fā)生重大變化，若要去除該類(lèi)噪聲，可通過(guò)采用一定大小的規(guī)則窗口（一般為3×3、5×5、7×7等，模板長(zhǎng)寬尺寸相等）在圖像中按照從左往右或從上往下的順序滑動(dòng)。當(dāng)該窗口的中心停留于某像素點(diǎn)時(shí)，記該像素點(diǎn)的灰度值為f（x，y）（x、y為該像素點(diǎn)在圖像中的坐標(biāo)），那么該點(diǎn)的中值濾波結(jié)果可表示為：

f′（x，y）=median{f（x-1，y+1），f（x，y+1），f（x+1，y+1），f（x-1，y），f（x+1，y），f（x-1，y-1），f（x，y-1），f（x+1，y-1）}。 （1）

其中，f（x-1，y+1）等為尺寸3×3濾波窗口中除了f（x，y）之外的像素點(diǎn)灰度值；median{}為取中間值操作。

該算法對(duì)于圖像中的每一個(gè)像素點(diǎn)反復(fù)執(zhí)行式（1）計(jì)算過(guò)程，通過(guò)采用噪聲點(diǎn)一定大小的鄰域內(nèi)像素點(diǎn)灰度值來(lái)對(duì)噪聲點(diǎn)進(jìn)行修正，從而達(dá)到去除噪聲的目的。但大量研究表明，該算法也具有一些不足之處：（1）該算法對(duì)圖像中每一個(gè)像素點(diǎn)逐個(gè)進(jìn)行取中間值操作，雖然能夠抑制噪聲，但是，圖像即便是受到高強(qiáng)度噪聲的干擾，圖像中真正受到噪聲污染的像素點(diǎn)仍然占一小部分。如果對(duì)所有像素點(diǎn)都進(jìn)行計(jì)算，不但導(dǎo)致一些未被噪聲污染的像素點(diǎn)被當(dāng)作噪聲點(diǎn)處理，導(dǎo)致圖像失真，而且也延長(zhǎng)了圖像處理時(shí)間。（2）特別是對(duì)于農(nóng)業(yè)視覺(jué)圖像而言，圖像存在著大量農(nóng)產(chǎn)品的根、葉片、果實(shí)等信息，邊緣輪廓較為復(fù)雜，且連續(xù)性較強(qiáng)，如果將濾波窗口固定為矩形形式，無(wú)法有效顧及該類(lèi)信息的特征。

1 2 中值濾波改進(jìn)算法

針對(duì)上述分析結(jié)果，本研究嘗試將中值濾波算法進(jìn)行改進(jìn)，使其更適合于農(nóng)業(yè)視覺(jué)圖像處理工作。

1 2 1 噪聲點(diǎn)的二步檢測(cè)法 圖像中一旦含有噪聲，必將導(dǎo)致其中一部分噪聲點(diǎn)的像素值發(fā)生變化，基于這一特征，提出了一種噪聲點(diǎn)的二步檢測(cè)方法。

步驟1：采用尺寸為5×5的方形窗口在圖像中按照從左到右或者從上到下的順序逐個(gè)像素點(diǎn)移動(dòng)，若該窗口位于圖像中某區(qū)域時(shí)，計(jì)算該窗口中25個(gè)像素點(diǎn)的灰度均值f[TX-]，那么，可按照下式對(duì)圖像進(jìn)行噪聲檢測(cè)：

f（xi，yi）≤f[TX-]

f（xi，yi）>f[TX-][JB）] （i=1，2，3， ，25）。 （2）

其中，f（xi，yi）為5×5的方形窗口重第i個(gè)像素點(diǎn)灰度值。通過(guò)式（2）處理后，圖像像素大體分為2類(lèi)：一類(lèi)為目標(biāo)區(qū)域，另一類(lèi)為背景區(qū)域。

步驟2：為了從步驟1所得到的目標(biāo)區(qū)域和背景區(qū)域中進(jìn)一步檢出噪聲點(diǎn)，采用下式繼續(xù)進(jìn)行處理：

│f（xi′，yi′）-f[TX-]1│≥[SX（]2[]3[SX）]f[TX-]1

│f（xi-i′，yi-i′）-f[TX-]2│≤[SX（]1[]3[SX）]f[TX-]2[JB）]（i′<25；i-i′<25） 。 （3）

其中，f（xi′，yi′）為目標(biāo)區(qū)域中任意一像素點(diǎn)灰度值；i為目標(biāo)區(qū)域中像素點(diǎn)個(gè)數(shù)，i-i′為背景區(qū)域中像素點(diǎn)的個(gè)數(shù)；f[TX-]1、f[TX-]2分別為目標(biāo)區(qū)域和背景區(qū)域的像素灰度平均值。通過(guò)式（3）處理后，逐步將圖像中灰度值過(guò)高、過(guò)低的像素點(diǎn)當(dāng)做噪聲點(diǎn)檢測(cè)出來(lái)，該類(lèi)點(diǎn)作為后續(xù)濾波的對(duì)象。

1 2 2 多個(gè)方向加權(quán)濾波 針對(duì)農(nóng)業(yè)視覺(jué)圖像中目標(biāo)物邊緣輪廓的連續(xù)性和復(fù)雜性，設(shè)計(jì)出如圖1所示的3個(gè)具有方向性的濾波模板。

步驟1：采用圖1-a對(duì)經(jīng)過(guò)噪聲檢測(cè)后的農(nóng)業(yè)視覺(jué)圖像進(jìn)行水平方向的濾波處理，當(dāng)該模板位于圖像中任意一位置時(shí)，此時(shí)有3類(lèi)情況：

（1）若該模板中，經(jīng)過(guò)檢測(cè)后的噪聲點(diǎn)個(gè)數(shù)為4（除待濾波的像素點(diǎn)之外）時(shí)，可以認(rèn)為該模板中包括待濾波的像素點(diǎn)在內(nèi)是圖像中目標(biāo)物輪廓的一部分，可不作處理；endprint