基于数字图像处理技术测定植物叶片属性.doc

基于数字图像处理技术测定植物叶片属性 一、实验名称：基于数字图像处理技术测定植物叶片属性。 二、实验目的 掌握并熟练使用matlab R2014b软件； 采用合适的分割方法对原图片进行图像分割，获取目标叶片； 将分割后的图片进行去噪增强处理； 通过matlab软件来测定目标叶片的属性； 通过手工网格法计算出目标叶片实际属性，并与实验结果对比修改。 三、实验原理 实验通过手动网格法测出叶片实际面积值，并与通过matlab图像处理计算出的实验面积值对比，研究测试运用matlab图像处理技术提取叶片面积的可行性。 实验中，将已知属性的小方格（1cm*1cm）作为参照物与所测叶片置于同一平面的白纸上，用手机相机获取图像。由于数字图像都是由一个个像素点组成，可以根据像素点比例和参照物属性求出植物叶片属性。 叶片面积计算公式如下： 式1：叶片面积 = 参照物面积× 叶片周长计算公式如下： 式2：叶片周长 = 参照物周长× 四、实验步骤 （1）网格测面积 手工制作网格纸一张（最小格边长5mm），将叶片轮廓描于纸上，计算轮廓所占方格数（未占满格的均按半格计算），得出实际面积约为24cm2。用一根细线围绕叶子一周，然后拉直，测其周长为22.2cm。 图1：获取的原图片（黑方格为参照物） 图2：网格法求叶片实际面积 （2）matlab图像处理提取叶片属性 1、图像灰度处理 图3：灰度图像 2、中值滤波 图4：中值滤波 3、二值化 图5：二值化图像 4、颜色反转 5、提取边缘 6、填补边缘空隙 7、图像切割 对分割后的图像进行图像切割，平均分为三份（如图6、7）。 图6：切割后的叶片图像 图7：切割后的参照物图像 8、分别计算目标叶片和参照物图像的像素数 由于分割后的图像均为二值图像（0和255），所以目标叶片和参照物图像的像素数可以运用sum()函数列出以下式子得出： 参照物像素数=sum(sum(参照物图像))/255; 目标叶片像素数=sum(sum(目标叶片图像))/255; 9、分别计算目标叶片和参照物的实验周长 首先运用bwconncomp函数分析滤波后图像的连通域个数，然后运用regionprops函数计算各连通域周长。 五、结论分析 通过式1、式2得出叶片实验面积为：23.626692 cm2、周长21.697166cm。 图8：实验结果截图 与网格法得出的实际面积约为24 cm2对比，误差为0.37 cm2，周长的误差则为0.5cm，误差较小，可以接受。 六、实验代码 a=imread(leaf.jpg); figure,imshow(a);title(原图像); b=rgb2gray(a); figure,imshow(b);title(灰度图); c=medfilt2(b); figure,imshow(c);title(中值滤波); level=graythresh(c); d=im2bw(c,level); figure,imshow(d);title(二值化); e=imcomplement(d); figure,imshow(e);title(颜色反转); image1 = edge(e,sobel); image2 = edge(e,roberts); image3 = edge(e,prewitt); image4 = edge(e,canny); figure; subplot(2,2,1); imshow(image1);title(soble图像边缘提取) subplot(2,2,2); imshow(image2);title(roberts图像边缘提取) subplot(2,2,3); imshow(image3);title(prewitt图像边缘提取) subplot(2,2,4); imshow(image4);title(canny图像边缘提取) I = strel(line,3,90); H = strel(line,3,0); t = imdilate(image4,[I H]); figure,imshow(t);title(填补边缘缝隙的图像); filled = imfill(t,holes); figure,imshow(filled);title(填充空隙后的图像); SeD = strel(diamond,1); final = imerode(filled,SeD); final = imerode(final,SeD); figure,imshow(