1引言

    楊樹是我國最主要的速生用材樹種，它的主要病害有腐爛病、黑斑病等，都是經(jīng)氣流傳播、再侵染頻繁的重要真菌病害。所以，對空氣中孢子數(shù)量的測定是病害流行分析和預(yù)測中不可缺少的部分。目前孢子數(shù)量和萌發(fā)率的觀察、記錄和計算都是人工進行的。但是靠人工觀察和記數(shù)的方法，即使投入大量的人力物力，數(shù)據(jù)收集的速度也很難滿足要求。

    目前，孢子捕捉儀中的顯微圖像的處理與識別在細胞的智能化診斷、血細胞數(shù)的圖像檢測和病變細胞自動識別等方面已有了較好的應(yīng)用，但國內(nèi)外在植物病害的孢子圖像處理和識別方面的研究與應(yīng)用尚屬空白。

    本文就是用孢子捕捉儀的顯微圖像采集系統(tǒng)對楊樹病害孢子進行采集，然后用數(shù)字圖像處理識別技術(shù)進行研究，最后實現(xiàn)對楊樹病害孢子的自動識別計數(shù)。此法既提高了計數(shù)的準確率和數(shù)據(jù)收集的速度，又節(jié)省了大量的人力和物力，為楊樹病害預(yù)測預(yù)報提供了一種快速先進的手段。

2實驗設(shè)備及樣本

    根據(jù)孢子測量的要求，在孢子捕捉儀上設(shè)計了顯微圖像采集系統(tǒng)，如圖1所示。它由攝影顯微鏡、計算機和監(jiān)視器等組成。另外還有自行開發(fā)的集圖像采集、處理與孢子識別計數(shù)等功能于一身的軟件。

    將孢子取樣器按一定距離排放在田間現(xiàn)場、定時定期將取樣器帶回實驗室，用顯微圖像采集系統(tǒng)對楊樹病害孢子進行采集，得到768 X 576像素大小的24位彩色圖像。為了敘述方便，本文選取其中的楊樹腐爛病害孢子圖片的一部分來說明間題。

3識別計數(shù)過程

3. 1去除背景光并將圖像灰度化

為了消除光源光強變化影響及系統(tǒng)中噪聲干擾，本文將原始圖像減去背景光圖像，并利用總亮度公式川將彩色圖像變?yōu)?位灰度圖像:

f=0222R+0. 7076+0. 071B （1）

式中f為變換后的灰度圖像的亮度，即灰度值。

3.2 IMHS平滑算法

為提高孢子識別率，必須進一步去除圖像中的噪聲。在研究和比較已有平滑技術(shù)的基礎(chǔ)上，本文提出一種改進的最大均勻性平滑算法(<IMHS算法)。該算法可描述為:設(shè)圖像為F<X,Y)，表示像素點((X,Y)的灰度值。

(1)對圖像f(x,y)的(x,y)點重復步驟(2),(3)。

(2)對點((x,y)的17個梯形區(qū)域求極差和中值。

(3)判定最小極差區(qū)域，將中值賦給點((X,Y)。

(4)結(jié)束。

用IMHS算法濾波處理的圖像。為了比較，我們同時給出了經(jīng)高斯濾波后的圖像。

3. 3閨值分割

將孢子從背景中分割出來，這是識別過程中最關(guān)鍵的一步。研究中采用自動閉值法處理，得到二值圖像。可以看出IMHS法的濾波效果較好，它可以濾除空洞噪聲，很好地保持了飽子邊界的完整性。

3. 4膨脹處理

經(jīng)過濾波、二值化處理后，孢子變小了。為了使識別的效果更佳，本文對分割后的二值圖像進行膨脹處理。能夠很明顯地看出膨脹的效果。

3. 5圖像邊界提取及細化

一般來說，結(jié)構(gòu)元素是八連通時，所得邊界為四連通；而結(jié)構(gòu)元素是四連通時，所得的邊界為八連通。

本課題提取孢子邊界是為了計算周長和求取傅里葉子，而八連通的邊界平滑性好，更接近真實飽子。因此本文采用四連通的結(jié)構(gòu)元素。

由于圖中的飽子邊界有一定的寬度，必須對其進行細化處理。本文采用一種并串結(jié)合的細佬處理方法，它是在Hilditch經(jīng)典細化算法的基礎(chǔ)上，做一些改進。

3. 6自動識別計數(shù)

楊樹病害孢子圖像經(jīng)邊緣提取和圖像分割等操作，獲取了孢子的形狀，而孢子的形狀特征為識別提供了重要信息，因此，在圖像處理與識別領(lǐng)域經(jīng)常根據(jù)物體形狀來識別物體困并計數(shù)。圖10就是自動識別計數(shù)的結(jié)果。

4結(jié)論

本文首先由孢子捕捉儀的顯微圖像采集系統(tǒng)獲得孢子圖像，經(jīng)去噪聲、圖像平滑、閡值分割和膨脹，得到二值化圖像，然后對它進行邊緣提取和細化，最后實現(xiàn)孢子的自動計數(shù)。研究中對53幅楊樹病害孢子圖像進行自動識別計數(shù)，正確率達到9800。這項技術(shù)為楊樹病害預(yù)測預(yù)報提供了一種快速先進的手段。</IMHS算法)。該算法可描述為:設(shè)圖像為F<X,Y)，表示像素點((X,Y)的灰度值。