基于图像处理的田间水稻叶瘟病斑分割方法#吴露露1，郑志雄1，齐龙1,2，马旭1,2，邝健霞1，陈国锐1**510152025303540（1.华南农业大学工程学院，广州510642；2.华南农业大学南方农业机械与装备关键技术省部共建教育部重点实验室，广州510642）摘要：本文针对病斑在叶片上易形成封闭边缘的特性，采用色度学模型、边缘提取和形态学等方法对田间稻叶瘟病斑进行分割。利用2R-G色差分量提取图像上的图斑；采用Canny算法对2R-G色差分量图斑进行边缘检测，通过自定义边缘封闭修复模版对边缘进行修复；利用HIS模型的H分量提取的叶片正常部位信息与修复后图像做掩膜运算，获得叶片范围内的病斑边界，然后运用形态学运算剔除图斑中未闭合的边缘线；最后采用归一化绿蓝差值指数（NormalizedDifferenceGreenandBlueIndex,DNGBI）对封闭的非病斑区域进行阈值过滤，提取出稻瘟病病斑。试验结果表明：对叶瘟病斑的正确识别率可达到90.26%。关键词：色差模型；边缘检测；DNGBI；水稻叶瘟病；病斑中图分类号：S24SegmentationMethodofRiceLeafBlastBasedonimageprocessingWULulu1,ZHENGZhixiong1,QILong1,2,MAXu1,2,KUANGJianxia1,CHENGuorui1(1.CollegeofEngineering,SouthChinaAgriculturalUniversity,GuangZhou510642;2.KeyLaboratoryofKeyTechnologyonAgricultureMachinaandEquipment(SouthChinaAgriculturalUniversity,MinistryofEducation,GuangZhou510642)Abstract:Thepapertooktheadvantageofclosededgefeature,colorimetricmodel,edgedetectionandmorphologymethodswereusedtodetectriceleafblast.First，cannyalgorithmwasusedfor2R-Gcomponentimagetodetectlesionedge.Afterthat,thestudyproposedamarginalsealrepairtemplatetorepairedges.MaskoperationwasconductedusingrepairedimageandgreenleafimagewhichwasextractedbyHcomponentinHISmodel,andthelesionboundaryofleafblastwereobtained.Onthisbase,morphologymethodwereusedtofiltertheedgelinethatwasnotclosed.Finally,DNGBIwasusedtofilteroutunclosedarea,andleafblastwasextracted.Theresultsshowedthatthecorrectrecognitionratewas90.26%ofleafblast.Keywords:colorimetricmodel;edgedetection;DNGBI;riceleafblast;diseasespot0引言农作物叶片病斑能够直接反映病害种类及危害程度。研究农作物叶片病斑的图像识别，及时发现病情，并对其进行动态地、实时地监控，对农作物病害的有效防控具有重要意义[1]。随着计算机视觉技术的不断发展和在各领域的应用，对作物病害信息进行实时监控和诊断已逐渐成为可能。作为计算机视觉病害检测的重要组成部分，病斑的分割结果将影响对病害的判断。由于叶片病斑图像呈现出特征多样性、复杂性和模糊性等特点，采用传统的病斑图像检测方法，很难将病斑准确分割[2]。病斑有自身的发生与表现规律，可综合利用病斑形状、基金项目：国家自然科学基金资助项目（31108017）；博士学科点专项科研基金（20104404120002）；现代农业产业技术体系建设专项资金资助（CARS-01-33）---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---作者简介：吴露露，（1981-），女，博士，主要从事农作物病害检测与图像处理方面的研究。Email：wll566577@126.com通信联系人：齐龙，（1979-），男，博士，副研究员，主要从事现代农业智能装备与精准农业方面的研究。qilong@scau.edu.cn-1----本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---颜色等特征进行检测。本研究以感染稻瘟病的水稻叶片为研究对象，结合色度学模型、边缘检测、形态学运算和DNGBI指数等方法对稻叶瘟病斑进行分割，为稻瘟病的检测和诊断提供基础。1材料与方法451.1田间图像采集与预处理试验田位于广东省从化市吕田镇，水稻品种为CO39，田间稻叶瘟包含不同病害等级[3]。在自然光照且无风条件下，用CanonA490数码照相机采集田间水稻稻瘟病叶片图像。试验共采集了30幅田间采集的水稻叶瘟图像，所采集的图像包含不同等级叶瘟病斑信息，成像清晰，图像大小为2594×1994像素。将图像处理成为500...