引言
农作物在生长培育过程中常常会受各种病害的侵染，处理不当会造成农产品产量和质量的下降。如果过度使用农药防治，不但使农产品中农药残留超标，甚至会造成生态环境的破坏。及时、精准地提取病害特征是识别病害和防治病害的前提条件。本研究采用计算机图像处理技术，针对农业生产中最常见的黄瓜侵染性病害的典型病例—霜霉病，进行了特征提取的研究。
随着计算机处理能力的不断增强以及数字图像采集装置的不断发展，农业生产日趋向智能化和精准化。利用数字图像处理技术监测作物生长状况，势必成为现代精准农业生产的重要组成部分。近年来，该领域的文献资料十分丰富。赵聪慧等对黄瓜霜霉病进行了图像预处理方法的研究与实验，采用了中值滤波法作为提取纹理特征前的图像平滑预处理; 采用一阶微分作为提取病斑形状前的图像分割预处理，虽然没有提取纹理与形状的特征参数，但是对其图像预处理方法进行了比较实验的研究。柴阿丽等对番茄叶部病害图像进行了识别的研究，利用计算机视觉技术分别从病斑的颜色、纹理和形状 3 个方面提取了若干特征参数，并建立了贝叶斯判别模型，对番茄病害进行了识别。王树文等运用图像处理、神经网络等技术对黄瓜叶部病害进行检测与病害程度分级，提取 3 种病害特征共 22 个参数，利用 BP 人工神经网络算法进行病害分类，其分类的精度达到 95% 以上。
本研究以计算机图像处理为技术手段，以黄瓜霜霉病叶片图像为研究对象，进行图像预处理和特征参数提取的实验性研究。
1 图像预处理
研究中，利用高精度数码照相机或者摄像头等光学设备直接获得数字图像，省去了图像数字转换的过程。尽管采取了各种措施来提高摄像质量，但由于光学设备的成像特点，所得到的图像仍然存在一定的干扰因素，影响黄瓜霜霉病害的特征提取。利用数字图像处理研究中的一些预处理算法可大大提高图像中的病害表现形式，为精确提取病害特征创造了有利条件。
1． 1 图像分割处理
图像分割处理也叫做阈值分割处理，其目的是为了提取叶片中的病害部位。对于输入图像的各像素，灰度值在某一定值( 称之为阈值 T) 范围内，赋予输出图像的像素值为 0( 黑色) 或 255( 白色) 。经过变换后，图像变为二值图像，其叶片的病害部位与正常部位形成较大反差。这样，病害部位被提取出来了。
1． 2 图像平滑处理
经过光学 CCD 镜头获得的图像通常会受噪声等干扰，去除图像噪声的处理称之为图像平滑处理。研究中，采用 3 × 3 邻域像素范围内的中值滤波法去除图像的噪声。所谓中值滤波法，就是在输入图像 3 ×3邻域像素范围内，取得中心像素 8 个邻域的平均值作为输出图像的像素值。对比试验表明，此方法对于降低病害图像样本的噪声干扰具有十分明显的效果。
1． 3 图像边缘检测处理
为了突出图像中病害的形状特征，对病害图像做边缘检测处理。由于病斑部位的边缘呈阶梯状变化，所以采用一阶微分算子进行边缘检测，则fx表示 x 方向的微分，fy表示 y 方向的微分。【1-3】
2 病害特征提取
根据农业植保专家的经验与查阅相关文献资料，得出黄瓜霜霉病的主要表现特征为: 通常先由植株中部叶片开始发病，逐渐向上和下部扩展。发病初期，叶片上出现褪绿斑，扩展后形成黄褐色不规则形病斑。湿度高时，叶片背面先呈水浸状，而后产生灰黑色霉层。叶背病斑的坏死处会渗出无色或浅黄色小液滴。病斑很快扩展，1 ～2 天内因其扩展受叶脉限制而呈多角形，尤以早晨的水浸状角状病斑最明显，中午稍微隐退。后期，病斑及附近叶肉呈铁锈色。病重时，叶片布满病斑，互相连片，致使叶缘卷曲干枯，最后叶片枯黄。
基于黄瓜霜霉病的以上表现特征，经反复研究试验，从病斑的颜色、形状以及叶片纹理 3 方面提取病害图像的特征参数。
2． 1 统计量特征提取
图像的统计量特征是针对灰度图像而言，可以直观地描述图像中像素灰度值的分布情况。对于黄瓜病害叶片，其统计量特征也能说明一定的问题。将一幅黄瓜病害灰度图像的一阶概率分布定义为【公式】
式中 b —像素的灰度值，取值范围为[ 0 255 ];n —总像素数;n( b) —该窗口内灰度值为 b 的像素数。用图像表示称之为图像的灰度直方图，其统计量特征包括:【公式1】
均值高的灰度图像，其对应的图像亮度值也一定是高的。【公式2 】
方差高的灰度图像，其对应的图像对比度也一定是高的。【公式3】
能量和熵反映了图像灰度分布的不均匀性。分布越不均匀，图像的能量值越大，熵值则越低。【4】
惯性矩描述了其灰度共生矩阵值在图像中分布情况和局部变化情况，其值的大小反映灰度图像纹理的变化和图像的清晰度。【5】
局部平稳性描述了图像纹理的局部变化情况，其值的大小反映了叶片图像纹理的规则程度。黄瓜霜霉病叶片的灰度统计量特征如表 1 所示。【表1】
2． 2 颜色特征提取图像
黄瓜叶片感染病害后，从颜色上会发生明显变化，所以颜色特征是识别病害的重要依据。利用彩色图像直方图，能够直观地描述其 R，G，B 各分量的分布情况，用直方图中的柱形高度来表示各像素点出现的频度; 由于病害样本图像中每个像素的颜色都表示为( R，G，B) 一组值，所以每个像素的颜色都对应着 R和 G，R 和 B 的关系图中的 1 个点。在关系直方图中，用明暗的点表示出现的频度，越亮的地方表示出现的频度越高。
2． 3 形状特征提取
在黄瓜叶片受霜霉病侵染时，因其病斑扩展受叶脉的限制，会呈现出不规则多边形的形状特征。经过预处理后，病斑的形状一般会由 1 条封闭的曲线所围成，这些不规则图形的一些几何特征可以描述出霜霉病的形状特征。
1) 面积 A : 计算所有封闭图形中的像素值之和。【6】
3) 圆形度 C : 用于描述病斑区域接近于圆形程度的特征量，其取值范围为［0，1］。C 值越小，越接近于圆形; 反之，越偏离圆形，形状也越复杂。【7】
随机选取叶片上的 10 个病斑，计算上述病斑形状特征参数，得到如下数据。
3 结论
1) 分析了当前计算机图像处理技术在农作物生长监测中的应用现状，该方法是实现精准农业生产的重要组成部分。
2) 以黄瓜霜霉病图像为例，研究了几种图像预处理方法，从而为准确提取其病害特征参数创造了有利条件。
3) 根据黄瓜霜霉病的病例表现，分别从统计量、颜色以及形状 3 个方面提取有效特征 15 个，作为病害识别分类器的输入。
参考文献:
［1］ 彭可为，李婵． 数字图像技术在植物病害自动识别中的研究进展［J］． 江西农业学报，2012，24( 9) : 69 －71．
［2］ 陈兵旗，郭学梅，李晓华． 基于图像处理的小麦病害诊断算法［J］． 农业机械学报，2009，40( 12) : 190 －195．
［3］ 岑喆鑫，李宝聚，石廷霞，等． 基于彩色图像颜色统计特征的黄瓜炭疽病和褐斑病的识别研究［J］． 园艺学院，2007，34( 6) : 1425 － 1430．
［4］ 邹修国． 基于计算机视觉的农作物病虫害识别研究现状［J］． 计算机系统应用，2011，20( 6) : 238 －142．
［5］ 李旺，唐少先． 基于图像处理的农作物病害识别研究现状［J］． 湖南农机，2012，39( 1) : 176 －178．
［6］ 赵聪慧，张静，王双喜． 黄瓜霜霉病图像预处理方法研究［J］． 农机化研究，2010，32( 1) : 60 －63．
［7］ 柴阿丽，李宝聚． 基于计算机视觉技术的番茄叶部病害识别［J］． 园艺学报，2010，37( 9) : 1423 －1430．
［8］ 王树文，张长利． 基于图像处理技术的黄瓜叶片病害识别的研究［J］． 东北农业大学学报，2012，43( 5) : 69 －73．
［9］ 程伯瑛． 蔬菜生理病害疑症识别与防治［M］． 北京: 金盾出版社，2011．
