基于Android平台黄瓜叶部病害图像处理.docVIP

基于Android平台黄瓜叶部病害图像处理 　摘要：以Aridroid系统为平台构建黄瓜叶部病害图像处理系统，为田间管理者对黄瓜的栽培及病害防治管理提供科学指导。介绍该技术系统的开发环境，阐述系统的软、硬件设计方案，为该系统的推广及应用提供技术支持。　　关键词：图像处理 Android系统 病害 黄瓜　　中图分类号：TP391.4文献标识码：A文章编号：1674-1161（2015）02-0030-03　　在农学领域将Android手机软件技术与图像处理技术进行有机结合，可以促进Android手机软件技术在农业中的发展，实现农业技术信息化的创新。本研究以Android系统为平台进行设计，构建黄瓜叶部病害图像处理技术，方便田间管理者对黄瓜的栽培及病害防治进行管理。　　1开发环境　　Android支持在多个系统下进行开发，但在Linux下效率会更高。本研究在Windows操作系统下搭建了基于AndroidSDK+JavaJDK6+Eclipse3.5+ADT的应用程序开发环境，针对AndroidOS2.2及以上版本开发。　　2系统设计　　2.1系统硬件平台　　基于Android手机的黄瓜叶片病害检测系统由硬件和软件两部分组成。其中，硬件部分采用智能手机LenovoS880（联想公司），其操作系统为Android4.0，硬件配置为ARMv7，1GHzCPU，512MBRAM。　　2.2系统软件设计　　黄瓜叶片病害处理工作流程为：1）获取图像。用Android手机的摄像头拍摄被测黄瓜叶片的图像。2）图像处理。对采集的图像进行彩色图像分割、二值图像腐蚀和膨胀等处理。3）特征提取。用处理后的二值图像和原图相结合，得到颜色和纹理特征信息。　　该系统软件的主要功能是获取图像、图像处理（图像分割、图像腐蚀和膨胀）及图像特征提取。黄瓜病害处理系统软件的主界面如图1所示。　　2.2.1获取图像选择存储卡中的图像，点击图1软件主界面上的“选择样本图片”选项，获取所需叶片病害样本。获取样本效果如图2所示。　　2.2.2图像处理在获取图像的基础上，点击图1中　　“图像处理和特征提取”选项，实现彩色图像分割、二值图像腐蚀和膨胀。　　1）彩色图像分割。在Android系统下，应用an-droid.graphic’s.Bitmap类所提供的getPixel（）方法获取图像中每一个像素点的RGB信息，采用统计模式识别方法将黄瓜病害叶片的病斑和正常叶片分开。最终调用android.graphiCs.Bitmap类所提供的cre-ateBitmap（），setPixels（）方法将处理后的像素点还原成二值图像。　　2）二值图像腐蚀和膨胀。由于彩色图像分割后二值图像的病斑存在断裂和粘连的情况，需要进一步处理。腐蚀运算可去除图像中孤立的点和毛刺；膨胀运算可填充图像中的小孔和裂缝。运算结果如图3所示）。　　2.2.3图像颜色和特征提取若要提取病害黄瓜叶片病斑的颜色和纹理特征，需将分割后的图像信息和原图信息相结合，得到最终结果。　　1）颜色特征提取。黄瓜病害的颜色特征由CIEL*a*b*颜色空间所体现。而CIEL*a*b*颜色值由X，Y，Z三刺激值经非线性变换得出，而X，Y，Z三刺激值可由病斑部分随机像素点的R，G，B转换得到。萁公式如下：　　式中：Xo，Yo，Zo为标准白颜色的X，Y，Z的值。　　2）纹理特征提取。不同的病害在叶片上不仅表现出不同的颜色，也表现出不同的纹理。采用色度矩的方法对彩色图像纹理特征进行提取，色度矩可表征一幅病斑彩色纹理图像。其公式如下：　　若要提高病害黄瓜叶片纹理的识别率，需采州色度矩集CM55（MT（0，1），MT（1，0），MT（1，1），MT（2，1），MT（1，2），MD（0，1），MD（1，0），MD（1，1），MD（1，2），MD（2，1》作为黄瓜病害图像纹理特征在得到黄瓜病害图像病斑提取出来的颜色和纹理特征的13个值后，通过android.database.sqlite.SQLiteDatabase中的onCreate创建SQLite数据库，用来存储上述13个颜色及纹理特征信息（如表1所示）。　　3结语　　以Android系统为平台进行设计，构建黄瓜叶部病害图像处理系统，为田间管理者对黄瓜的栽培及病害防治管理提供了方便、快速、实用的叶片信息，指导其进行科学种植和管理。该系统具有体积小、成本低、便携性强等多方面优点，方便工作人员在田问使用。　　参考文献　　[1]郭文川，周超超，韩文霆.基于Android手机的植物叶片面积快速无损测量系统[J].农业机械学报，2014（1）：276-277.　　[2]田有文.现代图像识别技术诊断农作物病害[M]，中国农业出版社，2010.　　[3]张芳，付立思.基于图像处理技术的黄瓜叶部病害识别诊断系统