吳天冬　戚澍

摘要：? 在桉樹短輪伐期工業(yè)用材林的伐區(qū)調(diào)查時(shí)，往往要估算整個(gè)采伐小班的林木株數(shù)。為了實(shí)現(xiàn)快速林木株數(shù)統(tǒng)計(jì)，提出一種基于無人機(jī)航拍影像與OpenCV圖像識(shí)別計(jì)數(shù)的處理方法，對航拍的林地影像進(jìn)行灰度轉(zhuǎn)化、二值化、形態(tài)學(xué)處理、連通區(qū)域分割計(jì)算等處理。最后基于二值圖片，標(biāo)記每株樹木影像的質(zhì)心編號(hào)，從而實(shí)現(xiàn)圖像范圍內(nèi)的林木株數(shù)統(tǒng)計(jì)。結(jié)果表明，該方法可將每株樹冠有效分離出來，成功解決了計(jì)數(shù)目標(biāo)粘連現(xiàn)象對后續(xù)分析、測量產(chǎn)生干擾的問題，算法基于Python+OpenCV平臺(tái)，語言簡便易行。經(jīng)測試，識(shí)別準(zhǔn)確率可達(dá)99%，是一種有效的林木株數(shù)計(jì)數(shù)方法。

關(guān)鍵詞：? OpenCV;? 桉樹人工林;? 圖像處理;? 樹木計(jì)數(shù)

中圖分類號(hào)：? ?S 792. 39? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：? ?A? ? ? ? ? ? ? ? 文章編號(hào)：1001 - 9499（2020）05 - 0037 - 02

伐區(qū)調(diào)查中常用的方法為布設(shè)標(biāo)準(zhǔn)地樣點(diǎn)，再圍繞樣點(diǎn)范圍內(nèi)開展標(biāo)準(zhǔn)地調(diào)查工作，最后核算材積小班內(nèi)樣點(diǎn)林木株數(shù)、胸徑、樹高，得出樣地內(nèi)的林木蓄積量，結(jié)合伐區(qū)面積勾繪，折算小班出材量。

伐區(qū)調(diào)查中，樣地布設(shè)往往存在抽樣不均勻、樣地布設(shè)面積不準(zhǔn)確、小班內(nèi)林窗空地?zé)o法計(jì)算排除等問題，從而導(dǎo)致整個(gè)小班林木株數(shù)偏高或偏低，進(jìn)而影響伐區(qū)調(diào)查的準(zhǔn)確度和精度。無人機(jī)航拍在伐區(qū)調(diào)查中可規(guī)劃航線后拍攝航拍圖像，后期加工為正射影像圖和三維影像圖，對小班面積核準(zhǔn)和伐區(qū)作業(yè)設(shè)計(jì)起到輔助作用。目前，基于航拍正射影像開展桉樹人工林林木株數(shù)的統(tǒng)計(jì)尚未有相關(guān)研究報(bào)道，鑒于此，本文基于圖像識(shí)別常用的分水嶺算法，通過對航拍林地的正射影像圖進(jìn)行圖像識(shí)別，實(shí)現(xiàn)了一種快速的林木株數(shù)統(tǒng)計(jì)方法，從而為伐區(qū)調(diào)查中的蓄積量估算等提供更為準(zhǔn)確的方式，也為無人機(jī)數(shù)據(jù)在數(shù)字林業(yè)中的應(yīng)用提出了可行的方向。

1 航拍影像預(yù)處理

選取經(jīng)軟件處理后的航拍正射影像圖，截取部分小班內(nèi)的林木圖像作為研究對象（圖1）。原始航拍圖像拍攝于廣西梧州岑溪市，采用大疆精靈3se航拍器于2018年8月20日拍攝，機(jī)身攜帶數(shù)碼相機(jī)型號(hào)為FC300SE，等效焦距20 mm，曝光參數(shù)為光圈f2.8，ISO速度100，曝光時(shí)間1/250 s，圖片拍攝位置信息為：110.95539794E;22.89956153N;海拔710 m。選用Python+OpenCV作為工具，采用分水嶺算法，進(jìn)行林木株數(shù)統(tǒng)計(jì)。

1. 1 灰度圖轉(zhuǎn)化

考慮到桉樹樹冠圖像顏色單調(diào)，為便于處理，首先刪去圖像的色度和飽和度信息，僅保留亮度信息，將測試圖片轉(zhuǎn)化為灰度圖，再采用OTSU算法將圖像二值化，將圖像前景背景分離。

1. 2 圖像形態(tài)學(xué)操作

由于圖片中樹冠影像粘連程度不一，運(yùn)用“開運(yùn)算”進(jìn)一步分離圖像邊緣。設(shè)置一個(gè)5×5的卷積核，先進(jìn)行圖像開運(yùn)算，去除圖像中的噪聲和孔洞，再進(jìn)行腐蝕操作，減小前景物體，初步分離前景中的粘連物體，去除噪聲并且消除二值化帶來的孔洞。

1. 3 分水嶺算法

采用分水嶺算法進(jìn)一步分離前景中的物體，通過距離變換來得到每個(gè)非零像素點(diǎn)與其最近的零像素點(diǎn)之間的距離，輸出為距離，根據(jù)距離變換得到的結(jié)果，再次進(jìn)行二值化操作，閾值為距離變換得到的距離，從而縮小前景物體。

1. 4 根據(jù)二值化圖勾畫輪廓

首先轉(zhuǎn)化數(shù)據(jù)類型，連通域函數(shù)接收8位單通道二值圖像，再使用連通域函數(shù)，label與原圖大小一致，對應(yīng)為當(dāng)前像素為第幾個(gè)輪廓;stats對應(yīng)輪廓信息，每行有5個(gè)值，分別為x、y、width、height、area;centroids對應(yīng)每個(gè)連通區(qū)域的質(zhì)心點(diǎn)。

2 林木株數(shù)計(jì)算

將質(zhì)心點(diǎn)作為圓心，勾畫實(shí)心圓，標(biāo)記對應(yīng)質(zhì)心點(diǎn)的編號(hào)并計(jì)數(shù)，并輸出計(jì)數(shù)統(tǒng)計(jì)結(jié)果。

3 實(shí)驗(yàn)結(jié)果

本文憑借OpenCV使用分水嶺算法，采用自適應(yīng)閾值的方法進(jìn)行圖像分割，從表1可以看出，與目視統(tǒng)計(jì)人工計(jì)數(shù)的方法相比，該算法的計(jì)數(shù)結(jié)果是準(zhǔn)確的，準(zhǔn)確度高達(dá)99%。

4 結(jié) 論

本文基于Python+OpenCV，提出了一種林木株數(shù)自動(dòng)計(jì)數(shù)算法，該方法可以對桉樹人工林的航拍圖像進(jìn)行灰度轉(zhuǎn)化、二值化等預(yù)處理，通過分水嶺算法分離粘連物體，實(shí)現(xiàn)對每株樹木的樹冠進(jìn)行提取，進(jìn)而實(shí)現(xiàn)對小班內(nèi)林木株數(shù)的自動(dòng)化計(jì)數(shù)。與人工目視統(tǒng)計(jì)相比，該方法的統(tǒng)計(jì)結(jié)果誤差在1%以內(nèi)，完全滿足實(shí)際使用需要。結(jié)果表明，本方法適用于林業(yè)領(lǐng)域?qū)﹁駱淙斯ど唐妨址^(qū)中的林木株數(shù)統(tǒng)計(jì)，簡便可行，是一種有效的計(jì)數(shù)方法。

參考文獻(xiàn)

[1] 戴建國，? 薛金利，? 趙慶展，等.? 利用無人機(jī)可見光遙感影像提取棉花苗情信息[J].? 農(nóng)業(yè)工程學(xué)報(bào)，? 2020，? 36（4）：? 63 - 71.

[2] 荊偉斌，? 胡海棠，? 程成，? 等.? 基于深度學(xué)習(xí)的地面蘋果識(shí)別與計(jì)數(shù)[J].? 江蘇農(nóng)業(yè)科學(xué)，? 2020，? 48（5）：? 210 - 219.

[3] 張黎黎，? 王軍民，? 陳璨.? 基于 OpenCV距離變換的物體計(jì)數(shù)系統(tǒng)研究[J].? 電子測量技術(shù)，? 2019，? 42（21）：? 97 - 100.

[4] 潘佚，? 吳思宇，? 邱蕾.? 基于數(shù)學(xué)形態(tài)學(xué)的紅細(xì)胞計(jì)數(shù)算法[J]. 南華大學(xué)學(xué)報(bào)（自然科學(xué)版），? 2017，? 31（2）：? 51 - 55.

[5] 齊帥.? 基于計(jì)算機(jī)視覺的粘連類圓圖像分割與統(tǒng)計(jì)算法研究[D].? 南昌：? 南昌大學(xué)，? 2014.

第1作者簡介：? 吳天冬（1989-），? 男，? 助理工程師，? 研究方向?yàn)閿?shù)字林業(yè)。

收稿日期： 2020 - 05 -? 20

（責(zé)任編輯：? ?張亞楠）