袁雪霞，尹新富

（1.鄭州財(cái)經(jīng)學(xué)院信息工程學(xué)院，河南 鄭州 450000；2.鄭州財(cái)經(jīng)學(xué)院教務(wù)處，河南 鄭州 450000）

靈芝（Ganoderma lucidum） 作為一種重要的食（藥） 用菌，被廣泛地用在各種中藥制劑中。近年來，靈芝栽培也正向著工廠化栽培方向發(fā)展。在靈芝工廠化栽培過程中，需要根據(jù)靈芝不同階段的生長狀態(tài)調(diào)整噴水、光照和通風(fēng)等環(huán)境參數(shù)，人工根據(jù)靈芝子實(shí)休的形態(tài)來判斷生長階段，存在一定的判斷失誤風(fēng)險(xiǎn)，人為主觀觀察生長狀態(tài)會(huì)有一定的錯(cuò)誤機(jī)率，造成靈芝工廠化生產(chǎn)時(shí)的車間溫濕度、光照時(shí)間等不能及時(shí)調(diào)節(jié)。同時(shí)，靈芝的成熟形態(tài)也需要人工根據(jù)經(jīng)驗(yàn)進(jìn)行判斷，一般是當(dāng)菌蓋邊緣生長點(diǎn)完全消失時(shí)，標(biāo)志著靈芝子實(shí)體發(fā)育成熟，但具體何時(shí)進(jìn)行靈芝孢子粉的采摘還是需要目測經(jīng)驗(yàn)判斷；而且在靈芝作為中藥材，其品質(zhì)等級劃分也是依靠人工分揀挑選[1]，費(fèi)時(shí)費(fèi)力還容易出錯(cuò)。

基于上述問題，采用計(jì)算機(jī)視覺和圖像識別技術(shù)，對靈芝生長形態(tài)和長勢通過圖像識別進(jìn)行自動(dòng)科學(xué)判斷，即時(shí)掌握靈芝生長信息，就可以為靈芝的生長環(huán)境控制、采摘收獲以及等級劃分等提供科學(xué)的依據(jù)[2]。

1 靈芝圖像的增強(qiáng)處理

在食用菌工廠化生產(chǎn)過程中，會(huì)安裝許多監(jiān)控設(shè)備，用于監(jiān)控生長狀態(tài)和環(huán)境參數(shù)[3]。通過這些監(jiān)控設(shè)備對靈芝生長狀態(tài)圖像進(jìn)行采集，就可以獲得第一手的數(shù)字圖像。

采集到的靈芝數(shù)字圖像包含的信息量非常大，分辨率越高的圖像越清晰。一般而言，清晰度高的圖像便于科研工作人員分析提取某些特征和特殊信息。然而在靈芝生產(chǎn)實(shí)際中，由于受環(huán)境噪聲及采集設(shè)備本身的性能限制，會(huì)導(dǎo)致得到的圖像清晰度降低，可研究分析的性能或?qū)嵱眯源蟠蠼档蚚4]。所以，為了能讓人們對圖像信息得到準(zhǔn)確無誤的理解，便于做出正確的信息決策和后繼應(yīng)用，很有必要對采集到的原始圖像進(jìn)行增強(qiáng)處理，一方面去除干擾噪聲，另一方面提高細(xì)節(jié)清晰度和層次感。

1.1 靈芝圖像增強(qiáng)算法

為了提高靈芝圖像的質(zhì)量，采用平滑處理來去除圖像的噪聲干擾，盡量保持靈芝圖像的邊緣輪廓和細(xì)節(jié)特征，圖像平滑中最常用的有消噪聲掩模法、多圖像平均法、鄰域平均法等方法。

消噪聲掩模法[5]可用于消除隨機(jī)相加噪聲，但隨著平滑作用的加強(qiáng)，所帶來的副作用會(huì)越大，實(shí)際圖像反而會(huì)更模糊；而多圖像平均法是以噪聲干擾的統(tǒng)計(jì)學(xué)特征為基礎(chǔ)，由于很難得到多幅圖像，在實(shí)際應(yīng)用也受到很多限制。因此，采用鄰域平均法，用于靈芝圖像的噪聲消除。

鄰域平均法的數(shù)學(xué)表達(dá)式如式（1）所示。

式中：f（x-m,y-n）為給定的靈芝圖像；g（x,y）為經(jīng)過噪聲消除后得到圖像；M為鄰域內(nèi)所包含的像素總數(shù)；S為事先確定的鄰域，但該鄰域不包括f（x,y）這個(gè)點(diǎn)。

例如，一個(gè)半徑為1的鄰域可表示為：

式中：h（x，y）為低通濾波器的脈沖響應(yīng)函數(shù)。對應(yīng)半徑為1的鄰域，該響應(yīng)函數(shù)的值為：

1.2 梯度值及閾值P的求取

在靈芝圖像的處理過程中，圖像像素點(diǎn)的梯度值求取是一個(gè)必要的步驟，在圖像增強(qiáng)處理中，不論是依據(jù)梯度值屬性，還是依據(jù)子塊均值差屬性，都是將圖像劃分成兩個(gè)等價(jià)類。梯度值屬性將圖像劃分成亮暗兩個(gè)等價(jià)類，子塊均值差將圖像劃分成噪聲區(qū)和非噪聲區(qū)兩個(gè)等價(jià)類，從而對圖像進(jìn)行亮區(qū)和暗區(qū)的劃分。但前提是要正確計(jì)算圖像象素點(diǎn)梯度值的大小，因而計(jì)算象素點(diǎn)的梯度值是必不可少的，其具體方法如下。

圖像在點(diǎn)x（m，n）處，梯度對應(yīng)一階導(dǎo)數(shù)，梯度算子是一階導(dǎo)數(shù)算子，梯度G[x（m，n）]的幅度計(jì)算為：

對于數(shù)字圖像，可用差分法代替上式的微分法，上式可改寫為：

式中：△mx=x（m，n）-x（m+1，n）；△nx=x（m，n）-x（m，n+1）。

采用近似形式表示為：

根據(jù)上述計(jì)算就可以求得圖像中每一點(diǎn)的梯度值大小，需要注意的是其中最后一行和最后一列用其前一行或前一列的梯度值近似代替。算出梯度值后，一是可以完成圖像梯度信息的知識化，二是方便于接下來劃分亮暗區(qū)閾值P的求取，P可以按照下式求得：

式中：閾值P為所有像素點(diǎn)梯度值均方和的平均值。

1.3 子塊均值及閾值的計(jì)算

圖像中特定形狀窗口內(nèi)像素灰度值均值的求取是圖像處理的常用算法，根據(jù)這一算法的基本方法，我們?nèi)§`芝圖像中的一個(gè)4×4方形子塊，計(jì)算其灰度值均值，標(biāo)記子塊s的均值為V（s），則其計(jì)算公式如下：

式中：x（m，n）為圖像在點(diǎn)（m，n）處的像素灰度值。

子塊的劃分提取是計(jì)算其均值的前提，這里可運(yùn)用MATLAB中的矩陣子塊調(diào)用指令，設(shè)劃分好子塊后的矩陣為h，原矩陣為H，且原始圖像H的大小為M×N，則有：

式中：m，n分別為子塊矩陣集h中單個(gè)小矩陣塊的寬度和高度上的像素點(diǎn)數(shù)；a=M/m，b=N/n，且a，b都為正整數(shù)。這里設(shè)m＝n＝4，對于大小為256×256的靈芝圖像來說，a＝b＝64，即將原始圖像可劃分成64×64=4 096個(gè)4×4的子塊圖像。劃分好子塊后，既可按照上述均值V（s） 的計(jì)算方法計(jì)算各個(gè)子塊的灰度均值。閾值是通過分析圖像噪聲統(tǒng)計(jì)特性來估計(jì)的，由于圖像中干擾噪聲基本屬于高斯噪聲，對其均值和均方值分別進(jìn)行統(tǒng)計(jì)后，取閾值為3倍的均方值，其中均值和均方值計(jì)算方法如式（11）、 （12） 所示：

2 基于遺傳算法的靈芝圖像分割

2.1 圖像分割與遺傳算法

圖像分割是圖像處理中的一項(xiàng)技術(shù)，是在不同條件要求下，將一張圖像分割成具有特定特征的區(qū)域，并提取其中感興趣目標(biāo)的過程。而遺傳算法是一種利用生物染色體遺傳理論的算法，它模擬了生物在自然選擇進(jìn)化過程中一代代不斷優(yōu)化從而達(dá)到最佳生存狀態(tài)過程。

對于二維圖像來說，可以將遺傳算法應(yīng)于圖像分割中，對圖像分割過程中的閾值進(jìn)行優(yōu)化選擇，快速、準(zhǔn)確地進(jìn)行圖像分割，利用遺傳算法的優(yōu)勢來提高圖像分割的性能。

遺傳算法通過對多個(gè)個(gè)體的迭代搜索來逐步找出圖像分割問題的最優(yōu)解，多個(gè)個(gè)體組所構(gòu)成的群體作為進(jìn)化的對象，個(gè)體的染色體代表待優(yōu)化問題的解，個(gè)體的適應(yīng)度值就是由解的值計(jì)算得到的適應(yīng)函數(shù)的值，反映的是個(gè)體的適應(yīng)能力。算法主要流程見圖1。

如圖1所示，初始種群中的每個(gè)體通過隨機(jī)方法產(chǎn)生后，首先遵循適者生存、優(yōu)勝劣汰的進(jìn)化規(guī)則，根據(jù)適應(yīng)度值的大小，判斷個(gè)體的優(yōu)劣程度，依此進(jìn)行選擇，然后按照交叉概率從當(dāng)前種群中隨機(jī)選取2個(gè)個(gè)體，交換部分基因形成2個(gè)新的個(gè)體，構(gòu)成下一代的染色體，最后按照變異概率使個(gè)體基因的某一位發(fā)生變化，這樣可以維持種群的多樣性，往復(fù)迭代，直至條件滿足。

2.2 圖像分割中的遺傳算法

標(biāo)準(zhǔn)的遺傳算法編碼方法有二進(jìn)制編碼、格雷編碼、浮點(diǎn)數(shù)編碼等多種編碼方式，由于圖像分割的目的就是將感興起的部分從圖像背景中分割出來，因此需要確定一個(gè)灰度的分割閾值。而遺傳算法可以進(jìn)行快速全局搜索，利用遺傳算法的這一特性就可以快速對圖像分割閾值進(jìn)行搜索，得到最優(yōu)的分割閾值，從而提高圖像分割效率?？梢杂萌旧w來表示分割閾值，從而確定編碼染色體，編碼方式采用浮點(diǎn)數(shù)編碼，以提高遺傳算法的計(jì)算精度。在開始進(jìn)行初始種群選擇時(shí)，按照遺傳算法的啟發(fā)式方法進(jìn)行給定變量的微調(diào)，這樣得到的初始種群都在可行域范圍內(nèi)。

選擇適應(yīng)度函數(shù)的目的實(shí)際上是為了評價(jià)最優(yōu)閾值，采用遺傳算法增加罰函數(shù)，使優(yōu)秀個(gè)體盡可能遺傳到下代，這樣遺傳到下一代的個(gè)體將更加靠近最優(yōu)閾值。在選擇方式上，為了便于和改進(jìn)遺傳算法做比較，這里采用的選擇方式為隨機(jī)遍歷抽樣法，通過隨機(jī)遍歷抽樣，選擇到的個(gè)體將遺傳到下一代中。通過計(jì)算，將種群中每個(gè)染色體的適應(yīng)度值按照適應(yīng)度值的大小進(jìn)行排序，從中選擇閾值排名靠前的個(gè)體來替代排名靠后的個(gè)體。

進(jìn)行遺傳交叉和變異，將得到的新個(gè)體再重復(fù)上面的適應(yīng)度計(jì)算，從而完成一代進(jìn)化的過程，得到新的更優(yōu)的遺傳個(gè)體。將這樣的遺傳進(jìn)化過程進(jìn)行重復(fù)，一般在進(jìn)行5代進(jìn)化后，平均適應(yīng)度值就已經(jīng)不超過1%，此時(shí)就可以得到最優(yōu)的閾值，按照這個(gè)閾值對圖像進(jìn)行分割處理就能得到更為完整的分割圖像。

3 結(jié)論

靈芝圖像分割的關(guān)鍵就是找到圖像的最優(yōu)分割閾值。因此使用遺傳算法中的染色體來表示分割閾值，利用遺傳算法的快速全局搜索能力來對最佳閾值進(jìn)行搜索，大大提高了傳統(tǒng)閾值法的分割效率，而且分割結(jié)果也有一定的優(yōu)化?？梢钥焖賹㈧`芝圖像從原始采集圖像中分離出來，得到更加清晰完整的靈芝生長形態(tài)，使計(jì)算機(jī)能夠自動(dòng)識別靈芝長勢形態(tài)，從而精準(zhǔn)確定靈芝所處的生長階段，采取相應(yīng)的養(yǎng)護(hù)栽培方式，減少人工辨別失誤。