测量树叶长宽比研究.docVIP

测量树叶长宽比研究 　　【摘 要】众所周知世界上没有相同的树叶，每片树叶的形状都有所不同，即使外观上多么的相似，但实际却各有不同。这主要是取决于树叶长、宽、高的比例，而这些比例尺寸就代表了树叶的最大特征，若是将不同的树叶放在一起进行比较，那就需要依靠于树叶之间的长宽比、面积、边缘曲率以及斜率等来进行比较，这些数据的计算都关系到树叶测量的准确度，还涉及到了对树叶的分类，所以，可以采用数学形态学与像素跟踪相结合的计算方式将树叶进行分离叶柄，除此之外，还可以采用霍特林变换法来计算树叶的最小外接矩形，从而能够快速的测量出树叶的长宽比。 　　【关键词】测量 树叶 长宽比 图像处理 叶柄 　　树叶，直接代表了一种植物的关键器官，其作为一种外在的表现形态来表达某种植物的种类或生长情况，是一种外在的意识形态，让人看它就能猜出其代表的是哪种植物，给人一种比较醒目的感觉。而由于自然界的不断成长，出现的植物种类也越来越多，使人们对自然界中植物的认识越来越模糊，这就激发了一些专业人士对自然界植物种类的研究，而若要想研究某种植物就必须从其外在生长的树叶入手。在研究中若是仅仅依靠于人的眼睛去看或是依靠于人的大脑去猜测，根本就没有准确性，也无法取得人们的认可。而在如今的社会中科学技术的快速发展，使得计算机技术也突飞猛进，这使人们不在苦恼于如何才能准确的对树叶进行测量。相关专家将计算机技术及时运用到了对树叶的测量中，通过计算机技术中的图像处理方法来对树叶的形状、颜色以及叶脉等特征进行识别，而这一技术的运用在很大程度上提高了测量树叶长宽比的效率，所以在植物研究界中得到了广泛的运用。而在对树叶的研究中，针对树叶的外在特征上，JOAO等一些人员对此提出了需要将树叶外在形状上的链码和椭圆傅里叶谐波运用函数的计算方法来进行识别，而王晓峰等人员在研究时，将已经获得的树叶形状作为基础条件，更深一步的将叶片的矩形度、圆形度和偏心率等特征计算了出来，为计算树叶的长宽比做了坚实的基础。而王忠芝等人员对于树叶长宽上的研究利用了数学中的幂函数回归方程来进行计算，这样可以将树叶的长宽比运用计算机技术自动进行识别和分类，同时为了保证测量树叶长宽比的准确度，可对树叶长宽比进行测量之前先使用数学形态学和像素跟踪结合的方式将叶片与叶柄进行分离，之后再根据霍特林的计算方式将树叶的长宽比计算出来，从而能够确保树叶测量的准群度。 　　1.二值化 　　对树叶进行测量，第一步需要把RGB图像变换为灰度图像，从而能够便于查找适当的阈值将树叶和背景进行准确的分离。然而一些树叶的形状是不同的，而且在颜色和形状上还有很大的不同之处，所以，在进行分离时不能将阈值设置为固定的值，这时要依照于树叶自身的图像从而利用某种计算方式将其算法设置为一定的动态计算。而对于树叶的测量来说，可以使用最大类间方差法来计算阈值，利用这种方式进行研究的关键理念为：只有先获取一个良好的阈值，才能够将树叶和背景这两个像素之间的分类进行最大化的区分，以此来实现树叶与背景之间的准确分离，这样为下一步对树叶进行计算奠定了一定的基础。其专门设计的计算方式为：可以将灰度图像f（x，y）建立成某一灰度值t，还可以采用此灰度值将树叶的图像划分成A和B两类，将其中所涉及到的灰度值设置为[0，t]之间，而在这个区域之间的种类可以将其归为A类，将灰度值设置在[t+1.255]之间时可以将树叶的像素划分为B类，此时就可以将A类B类之间存在的方差D设置为 　　D=W1W2（U1-U2）2 　　这个式子中的W1和W2分别是A类和B类像素点占图像总像素点的比例，而U1和U2分别为A类和B类像素点的平均灰度，根据以上的分析可以在固定的区间[0，255]之间对t值进行改变，从而可以快速的取得关于D值的一些数值。然而在这些数值中出现的最大D值所对应的t值就会成为树叶与背景之间类间方差最合适的阈值，得出的这个阈值就可以准确的将树叶和背景之间进行有效的划分。 　　因为一些树叶基础像素的灰度值和背景的灰度值是非常相似的，所以，在对树叶和背景进行分离的同时可以把树叶的像素点作为判断背景的基础条件，以此来避免在树叶成像中出现树叶上的一些空洞，为了确保树叶的一些数值参数特点来说，这样可以将数据中的一些参数准确的表达出来，这种方法获取的数值准确度是非常高的，但若是出现了这些空洞，还是需要对其采取一些解决措施的，而具体的解决方法为：可以根据实际情况在树叶的图像中查找出背景像素值为1，从而对此值周围的一些数值进行具体的分析，可以从中查找出是否有像素为0的树叶存在，若是发现有像素值为0的树叶，就可以把这个树叶的像素值转变成固定值0，从而可以准确的总结出背景的像素职位为1，树叶的像素值为0，这种方式的运用可以很好的对树叶之间的空洞进行补充，以下是对树叶的空洞进行补充后图像，如