[发明专利]一种作物叶片图像的增强方法和装置

说明书

本发明提供一种作物叶片图像的增强方法和装置，包括：S1、对于采集到的彩色图像进行缩放，获取作物叶片彩色图像；S2、基于改进的引导滤波算法对作物叶片彩色图像进行滤波处理，获取第一彩色图像；S3、用所述作物叶片彩色图像减去所述第一彩色图像，获取第二彩色图像，所述第二彩色图像是所述第一彩色图像的细节图像；S4、基于所述第二彩色图像中的像素亮度值的均值和所述第二彩色图像的每一像素的对比度，将所述第一彩色图像和所述第二彩色图像进行融合，获取作物叶片的增强图像。本发明对作物叶片图像进行了增强，降低了噪声影响，突出了图像中的有用信息，提高了图像质量；克服了现有技术中存在的颜色失真、增强效果不明显等问题。

技术领域

本发明涉及数字图像处理技术领域，更具体地，涉及一种作物叶片图像的增强方法和装置。

背景技术

叶片是作物外部形态中反应最为敏感的器官。根据完整的叶片图像可以准确地实现作物种类归属的判断、生长状况的监测、病虫害的识别等。在大田环境下采集作物叶片图像时，由于环境复杂、光照变化、雾霾、天气等干扰因素的影响，严重降低了所采集的作物叶片图像的质量。目前，常用的图像增强技术在对叶片图像进行增强时效果不是十分理想。

现在主要有几种进行叶片图像增强的方法。一是利用中值滤波技术进行图像增强，当图像边缘信息比较复杂的时候，效果较差。二是小波变换法，这种方法则主要存在多级小波分解的计算量较大，图像增强效率低的问题，且没有考虑人类视觉系统的因素，增强后图像易出现失真现象，难以获得令人满意的图像增强效果。然后是基于Retinex理论的图像增强方法，以及在此基础上发展的单尺度Retinex、多尺度Retinex和带彩色恢复多尺度Retinex算法等改进算法，主要存在会出现不同程度的彩色失真的问题。

发明内容

本发明提供一种克服上述问题的一种作物叶片图像的增强方法和装置。

根据本发明的一个方面，提供一种作物叶片图像的增强方法，包括：S1、对于采集到的彩色图像进行缩放，获取作物叶片彩色图像；S2、基于改进的引导滤波算法对所述作物叶片彩色图像进行滤波处理，获取第一彩色图像；S3、用所述作物叶片彩色图像减去所述第一彩色图像，获取第二彩色图像，所述第二彩色图像是所述第一彩色图像的细节图像；S4、基于所述第二彩色图像中的像素亮度值的均值和所述第二彩色图像的每一像素的对比度，将所述第一彩色图像和所述第二彩色图像进行融合，获取作物叶片的增强图像。

优选地，步骤S1进一步包括：基于双线性插值方法对所述采集到的彩色图像进行归一化处理，获取所述作物叶片彩色图像，所述作物叶片彩色图像的大小为col×row，其中，col为预设的所述作物叶片彩色图像在宽度上的像素个数，row为预设的所述作物叶片彩色图像在高度上的像素个数。

优选地，步骤S4之后还包括：S5、对所述作物叶片的增强图像进行归一化处理，获取归一化彩色图像。

优选地，步骤S2进一步包括：S21、对于所述作物叶片彩色图像在RGB颜色空间上的对应于红色的红色子图像、对应于绿色的绿色子图像和对应于蓝色的蓝色子图像，分别获取滤波后红色子图像、滤波后绿色子图像和滤波后蓝色子图像；S22、将所述滤波后红色子图像、所述滤波后绿色子图像和所述滤波后蓝色子图像组合，获取所述第一彩色图像。

优选地，步骤S21进一步包括：S211、通过下组公式，基于最小二乘法获取设定半径范围内所述红色子图像的中心像素点的邻域内的线性系数：

其中，E为最小化代价函数，i为邻域窗口内的像素点，ω_k为邻域窗口，N为邻域窗口内像素点的个数，F_i为引导图像，p_i为红色子图像，为边缘权重因子，γ为约束因子，ε为设定参数，|gr(k)|为领域窗口中心点k处综合所有梯度方向的梯度幅值，a_k和b_k均为邻域内的线性系数；|gr(i)|为综合所有梯度方向的梯度幅值；