全 文 ：第 !" 卷 第 ! 期
# $ % $ 年 ! 月
林 业 科 学
&’()*+(, &(-.,) &(*(’,)
./01 !"，*/1 !
,234，# $ % $
银中杨苗木光需求的图像分析法
王雪峰% 5 毕于慧% 5 罗景芳#
（%1 中国林业科学研究院资源信息研究所 5 北京 %$$$6%；#1 内蒙古赤峰市克什克腾旗联峰林场 5 赤峰 $#787$）
关键词：5 银中杨；光需求；图像识别；图像分割；-" 9" :"模型
中图分类号：&;7<5 5 5 文献标识码：,5 5 5 文章编号：%$$% = ;!<<（#$%$）$! = $%"% = $7
收稿日期：#$$6 = %% = $8。
基金项目：国家“<"8”课题（#$$",,%$>#!;）、#$$! 年留学回国基金及中国林业科学研究院基金（ (?@(+#$$6$%）资助项目。
!"#$% &’#()*+* ,%-./0 /1 2+$.- 3%%0 /1 -.% !"#$%$& ’%(’ A !) (*+"%,-*-&,&
B9CD EFGHGCD% 5 IJ KFLFJ% 5 -F/ MJCDH9CD#
（%1 !"#"$%&’ ()#*+*,*" -. /-%"#* !"#-,%&"# ().-%0$*+-) 1"&’)+2,"#，34/5 5"+6+)7 %$$$6%；
#1 1’" /-%"#*%8 3")*"% -. 9"#’+:"*")7 3-,)*8，3’+.")7 3+*8，())"% ;-)7-<+$5 3’+.")7 $#787$）
&4*-5#6-：5 (N9DG JO PLG 093DGOP JCH/3N9PJ/C 3GO/F3QG /H JCPG00JDGCP H/3GOP3R4 +LG SGTG0/2NGCP 9CS 9QQF39QR /H JN9DG
Q/N23GLGCOJ/C 93G SJ3GQP0R 3G09PGS P/ PLG SGTG0/2NGCP 9CS 9220JQ9PJ/C 23/QGOO /H JCPG00JDGCP JCH/3N9PJ/C PGQLC/0/DR JC
H/3GOP3R4 (C PLJO 93PJQ0G，UG OGDNGCPGS PLG =->,<,# $NGPL/S 9P HJ3OP，9CS PLGC 9C90RVGS PLG 0JDLP CGGS /H JP，9CS 9P 09OP Q/N293GS PLG JN9DG UJPL PLG JN9DGO /H RG00/UJCD
OGGS0JCDO H/3 S3/FDLP4 +LG 3GOF0PO JCSJQ9PG PL9P PLG OGGS0JCD Q9C :G OGDNGCPGS UG00 :R NJCJNFN SJOP9CQG SJOQ3JNJC9PJ/C
NGPL/S :9OGS /C -" 9" :" N/SG0，PLG D39SF90 23/QGOO /H 209CP QL9CDJCD H3/N D3GGC P/ RG00/U SFG P/ JC9SGWF9PG 0JDLP Q9C :G
OP9PGNGCPGS :R PLG QL9CDGO /H PLG 2G9X T90FG JC ! Q/N2/CGCP LJOP/D39N4 (C 9SSJPJ/C，JP N9R 9QLJGTG :GPPG3 3GOF0P FOJCD PLG
PLG T90FG /H ?" Q/N2/CGCP JC -" 9" :" N/SG0 P/ YFSDG JP JO S3/FDLP /3 09QX /H 0JDLP 0G9SJCD P/ OGGS0JCD RG00/UJCD4
7%) 8/50*：5 =->,<,# $5 5 近年来，在一些国际农林业学术会议上出现了
“智能林业”的概念（ZJ39HFYJ "* $<@，#$$<9；#$$<:），
“智能林业”的主体是林业机器人，与人类信息的
;$[以上来自视觉一样，机器人的主要信息源也是
图像。图像理解程度不仅关系到未来的林业技术走
向，也具有重要的战略意义，因此，图像技术被赋予
了新的使命而得到了极大重视。
图像技术的发展已经渗透到诸多领域，很多技
术已经得到成功应用，比如医学断层扫描、工业探伤
等。随着图像技术及计算机视觉技术的日臻完善，
人们开始关注非规则几何体图像的农、林业应用。
,LN9S 等（%66"）利用彩色图像信息评价缺水和缺
氮对玉米（A"$ 0$8#）生长的影响及由此而造成的植
株的 @\I 色彩特征变化，并把此结果作为灌溉和施
用氮肥决策时参考。&LJNJVF 等（%667）利用安装了
近红外滤镜的 ’’] 摄像机和近红外照明设备对植
物白天和夜间生长分别进行监测，得到植物白天和
夜间的平均生长率。^9RG3 等（%66;）利用数字图像
分析作为一种无损测量手段，通过获取单株植物在
不同生长阶段的生长参数，为建立植物生长模型提
供依据。近几年植物种分割类识别（ M9H93J "* $<@，
#$$"；M/_9/ "* $<@，#$$"；‘LJ0J22 "* $<@，#$$#）的文献
增多，有从图像开始区别田间植物与杂草的（吕朝
辉等，#$$%；王月青等，#$$!），也有统计禾苗株数的
（戴之祥等，#$$"；大角雅晴，#$$;）。从人类需求
看，可以把此类研究分为两大类：一类是完成到中间
结果（田有文等，#$$8；孙业明等，#$$7；王培珍等，
#$$6），另一类是给出最终结果（谭峰等，#$$6；王雪
峰等，#$$"）。通常情况，前者是后者的工作基础，
其精度直接影响后续研究。从图像技术看，完成到
中间结果对应图像处理分析内容，给出最终结果属
于图像理解和机器视觉范畴，而林业需求很多是要
求达到最终的应用目的。
本文以抗病虫能力强、耐寒耐瘠薄的速生丰产
林优良树种银中杨（=@ $图像为例，研究前景图像的提取方法，并在此基础上
研究如何利用植物的图像信息来判定其生长状态，
一方面为集约化人工培育苗木提供指导，同时为林
业机器人智能判断进行算法上的探讨。
林 业 科 学 !" 卷 #
!" 图像来源与分割、理解方法
$% $# 苗木图像来源 # 试验地选择自内蒙古赤峰红
庙子苗圃，银中杨图像采集地经纬度 !&’$()$(% *+,，
$$- ’*!)**% -+.，海拔 /0! 1，摄影机是 23454 .67
&*8，图像分辨率 0 /*! 9 & 00"。光照不足图像取自
苗圃周围的防护林内，苗木光照不足起因于上层树
冠遮挡，而苗圃地经营的苗木光照充足。本试验图
像中苗木除光照外，其他措施比如施肥、浇水量等均
相同，图像的摄影时间是苗木扦插后第 -" 天的上午
-：**—$$：**，摄影时天气晴朗、无风。
$% &# 图像分割中的彩色空间选择及分割算法 # 物
体的颜色是由它的反射光谱特性和光源特性所决定
的，由于物体的反射光谱特性不同，自然界的物体
呈现千变万化的颜色。有生命力的植物与无生命力
的土壤及其他物体的反射光谱特性是大不相同的，
因此，可根据植物和背景物颜色的差异来区分它
们。在数字图像处理中有多种表示物体颜色的彩色
空间，相关的彩色空间感知文献（ :;3<=>= !" #$%，
&**0）也很多。通过比较发现，对于本研究中所获
取的图像，在 2?. @" 3" A"彩色空间提取前景图像
具有更好的适应性；由于变换后的 @" 3" A"空间消
除了 0 个颜色分量之间的相关性，它更能表示出人
眼视觉的差别。
2?. @" 3" A"与 BCD 空间的变换，是通过 EFG
空间间接得到的，从 BCD 换算到 EFG 有不同的计
算公式（贾渊等，&**!），本文使用下面的转换矩阵：


&
’
(
)
*% !$& ! *% 0/H " *% $(* /
*% &$& " *% H$/ & *% *H& &

*% *$- 0 *% $$- & *% -/* /


*
+
,
。（$）
# # 2?. @" 3" A"与 EFG 之间的变换关系为：
-" ) $$" . ’( )I / $"，
#" ) /** . &( )I / . ’( )[ ]I ，
0" ) &** . ’( )I / . (( )[ ]I 。 （&





）
其中，
.（&） )
&
$
0， & 1 "( )&- 0，
$
0
&-( )" && 2 $" 3 $$"， 5JKLM{ 。（0）
&I N &
&4
，’I N ’
’4
，(I N (
(4
，&4，’4，(4 为标准白色（* N +
N , N &//）所对应的 &，’，( 值，用 8"/标准照明体
&4 N -/% *!，’4 N $**% **，(4 N $*(% (-。-
"为明度，
对应 O7? 空间中的亮度 5，#"和 0"是反映色度的颜
色分量，#"分量由绿色渐变到红色，0"分量由蓝色
渐变到黄色（图 $）。
图 $# @" 3" A"彩色空间
P>QR $# @" 3" A" =5<5M 15SL<
本文所用分割算法是利用图像中不同物体的色
彩特征作为分割依据，即根据图像彩色变换后的 #"
和 0"分量的值，用最小距离判别法作为判别准则，
将每个像素点进行归类。具体步骤如下：
$）从原图像中选取任意形状的叶片和背景图
像样本 6$，6&。
&）计算图像样本的平均色彩特征：
7"8 )
&
9
: ) $
&
4
; ) $
6"8（ :，;）
9 < 4
。 （!）
式中：" 表示图像的 & 个色彩分量$ #"，0"%，8 N
$，& 表示图像样本，9 9 4 表示图像样本的大小。
0）计算待分割图像中每个点与 & 个样本之间
的距离：
=8（ :，;） )
.#
"
（:，;）/ 7#
"( )
8
& 2 .0
"
（:，;）/ 70
"( )
8! &。（/）
式中：.（ :，;）表示原始图像中的像素点，比较 =8（ :，
;）的大小，将待分割点归入使 =8（ :，;）较小的一类。
$% 0# 植物光需求理解 # 图像分割后利用前景图像
来判断苗木的光需求状况，大大减少了背景的影响。
通过大量的银中杨图像测试发现，根据彩色图像直
方图中的 * 分量峰值变化可以很好判断当前植物
的光摄入情况，据此理解银中杨图像光照需求状况
效果很好。在目前的计算机系统中，彩色图像每一
个像素的颜色都是由 *，+，, 0 个分量的某种混合
而构成，每一个分量色深由 ( 位表示，即最大灰度值
是 &( N &/"，通常用 * 表示黑色，&// 代表纯白。统
计图像中 * T &// 每个灰度等级总共有多少像素，就
产生了 BCD 直方图。易见，图像直方图具有尺度、
旋转不变性。
由于苗木内在的变化会通过植物体外在的形
态、颜色等特征表现出来，比如干旱造成萎蔫、病虫
害造成叶片卷曲等，这也是人类经营苗木能够参考
的最主要最直接的标准。以下利用图像直方图从机
&"$
! 第 " 期 王雪峰等：银中杨苗木光需求的图像分析法
器人的角度考虑当前苗木对光的生长需求状况。
!" 结果与分析
#$ %! 苗木图像分割实例与分割前后的图像直方图
植物图像的复杂性，造成分割算法多样性并存，比如
可以采用色度坐标法分割和定位马铃薯图像（ &’()
!" #$%，%**+）。从本次试验所获取图像的分割效果
看，," (" -"空间内的最小距离法效果更佳，所以，
本文使用此方法提取前景植物图像。在计算上首先
根据式（%），（#）把图像转换到 ," (" -"空间内，然
后利用 %$ # 中的分割算法对图像进行分割。图 # 是
本算法分割前后的图像。
图 .! 分割前后的图像的直方图
/’01 .! 2’34506(7 58 56’0’)(9 ’7(0: (); 3:07:)4:; ’7(0:
($ 分割前图像直方图 &<: <’34506(7 58 4<: ’7(0: -:856: 3:07:)4(4’5)；-$ 分割后前景图像直方图
&<: <’34506(7 58 856:065=); ’7(0: (84:6 3:07:)4(4’5)1
图 #! ," (" -"算法分割苗木图像
/’01 #! >:07:)4(4’5) -? ," (" -" (9056’4<7
($ 原始图像 &<: 56’0’)(9 ’7(0:；-$ 分割出的前景图像
&<: 3:07:)4:; ’7(0: 58 856:065=);1
! ! 图 #( 是原始图像，主要包含植物、阴影、土壤 .
部分，前景是要继续研究的植物体部分，其他部分是
希望去除的背景。不改变前景部分，把背景部分像
素值用 @ 值（表现为黑色）替代，得到图 #- 的分割
结果。可以看到，除了叶片上沾染土壤的像素以及
纳入了少部分的杂草背景外，绝大多数植物体图像
被很好地保留下来，同时背景也被很好地剔除。需
要说明的是，在后续的分析中，宁可把更多的部分置
入背景，就是说，前景部分越“纯”，分析结果越
准确。
为了能够准确分析苗木图像的需光情况，在
ABC 空间分别绘制分割前图像和仅前景图像的
ABC 直方图（图 .）。可以看到，分割前的几条 &，’，
( 线交织在一起，规律不明显，而分割后的前景直方
图具有单一的峰值，几条线的变化趋于简单化。测
试了很多图像，发现背景越复杂的图像，其 ABC 直
方图越显复杂，但是其前景图像直方图却与图 .- 类
似，简单且规律性强，不同图像前景直方图的差异主
要表现在各曲线峰值对应的灰度值和曲线间的相关
度上。由此推断利用此指标可以推断植物的某些生
理状况。
#$ #! 苗木光需求判断 ! 光是光合作用的能量来源，
光照不足直接影响光合作用。植物的光合作用可分
为光反应和暗反应 # 个阶段，光反应是暗反应发生
的前提条件，暗反应只有发生了光反应才能持续发
生。在光照的情况下，# 个具有重要作用的叶绿素 (
吸收高峰在 ""@ )7 附近的蓝光区域和 D+@ )7 附近
的红光区域，叶绿素 - 的吸收高峰也是在蓝区和红
区，分别为 "E@ 和 DF@ )7，从而使处于 F@@ G D@@ )7
之间吸收很少的绿光反射出来而被摄影机捕捉到，
致使植物图像呈现绿色。在光饱和点之前随着光强
的增加，光合作用加速，植物浓绿；但是当光照不足
时，光合速率降低，植物吸收红光以及蓝光数量减
少，使更多的红光和蓝光反射出来。根据加色原理，
红、绿光合成黄色，红、绿、蓝合成白色，从摄影机获
取的图像看，光不足时植物表现为黄色或趋于白色
与之相符。
! ! 测试了大量图像发现，图像直方图中的 & 分量
曲线随着光照的减少逐步向右移动，并且与 ’ 分量
.D%
林 业 科 学 !" 卷 #
图 !# 不同光照图像及其前景 ! 分量直方图
$%&’ !# (%))*+*,- .%&/- 01,2%-%1, %34&*5 4,2 -/*%+ !601371,*,- /%5-1&+435 1) 5**2.%,&
48 光照正常图像 9/* %34&* 1) ,1+34. .%&/-；:8 不同光照图像 ! 分量直方图 9/* /%5-1&+43 1) !
01371,*,- 1) -/* %34&*5 ;,2*+ 2%))*+*,- .%&/- 01,2%-%1,；08 光照不足图像 9/* %34&* 1) %,5;))%0%*,- .%&/-’
曲线的相关度增加，植物表现出黄色、黄白色。图
!4 是光照正常的苗木图像，图 !0 是林下的光照不
足植物，图 !: 是这 < 张图像的 ! 直方图曲线，为便
于绘图对像素数进行了归一化。可以看到，图 !4 的
! 直方图峰值出现在灰度级 ==> 附近，而图 !0 的峰
值出现在 图峰值对应的灰度级大于 =@? 时，可能当前植物光
照不足。另外，从 !"# < 条直方图线的相关度看，光
照正常植物处于 ?8 ! A ?8 @ 前后，而光照不足的植物
通常大于 ?8 B。
<8 ># 苗木干旱与光照不足的图像颜色解析 # 从现
地情况看，苗木干旱也出现发黄症状，同时伴随打
蔫、萎缩等现象。本文也对水分不足的苗木图像与
光不足图像做一个简单比较。直观上，结合植物形
态和背景图像来判断植物水分供求状况将有助于得
到正确的结果，但考虑一致性，本文仅从植物反射光
性质方面做一些分析。
参照图像直方图的做法，在 C" 4" :"空间统计
缺水和缺光苗木图像 $"分量各分级的像素数。研
究发现，水分不足图像最多的像素数对应的 $"值较
大，而光照不足的 $"值较小。从测试的一些图像
看，水分不足的拥有最多像素峰值的 $"均大于 @?，
而光不足的 $"比 @? 小。图 @ 给出了干旱和光不足
图像的归一化像素数与 $"的曲线图。
综上所述，基于图像的银中杨苗木光需求分析
法总结如下（图 "）。
!" 结论及讨论
目前，对“智能林业”的概念还没有严格的界
定，但是随着信息技术及机器人研究的深入，它可能
图 @# 光、水不足图像的各 $"对应的像素数比较
$%&’ @# D1374+4-%1, 1) -/* ,;3:*+ 1) 7%E*.5 %, $"
01371,*,- 1) -/* %,5;))%0%*,- .%&/- 4,2 F4-*+62*)%0%*,- %34&*5
对现有的传统林业生产、科研带来革命性的影响。
本文从算法角度对这一概念所含具体内容做了一个
简单的尝试，期望为其可操作性提供一些借鉴。
利用基于 C" 4" :"空间的分割方法从土壤背景
中提取银中杨苗木图像，在此基础上对银中杨苗木
生长正常和光照不足图像进行了分析，用图像直方
图变化分析植物的光需求策略，即是否光照不足，同
时与干旱苗木图像做了对比。结果表明：用最短距
离法能够很好分割苗木图像，彩色图像中 ! 分量的
灰度直方图变化可以表述植物从绿到黄的渐进过
程，可以用于判断苗木的光需求；在 C" 4" :"空间
中，利用具有最多像素的 $"分量值的大小判断是干
旱还是光照不足所引起的苗木叶片发黄。如果是干
旱所致，经营者需要浇水，如果是光照不足的原因则
不需要浇水，从而避免未来机器人自动操作中见到
叶片发黄就认为是缺水的错误判断。
!"=
! 第 " 期 王雪峰等：银中杨苗木光需求的图像分析法
图 #! 苗木光需求的图像识别方法流程图
$%&’ #! ()* +,-. /)012 -+ 2)* %30&* 1*/-&-4%2%-4 3*2)-5 -+ ,%&)2 5*30454*66 -+ 6**5,%4&
! ! 本研究所用图像仅取自一个苗圃以及周边的防
护林内，范围相对较窄，使用更大范围的图像进一步
探讨光照不足、干旱等环境因子与苗木不同生长期
颜色的关系是今后的研究重点；另外，由于设备原
因，使用的光照不足图像是基于人类经验的判断，没
能够对植物生长地的光量子数量做详细测定，从应
用以及未来发展角度，有必要继续探讨光量子与苗
木反射光图像的具体数量关系。
参 考 文 献
大角雅晴 ’ 7889: デジタルスチルカメラを利用した直播水&苗立
ち数の目視計測 ’農業情報研究，;#（<）：;89 = ;;7’
戴之祥，邵陆寿，丁克坚，等 ’ 788#: 利用 > ? @ 分量比值图分割水稻植
株图像 ’安徽农业大学学报，<<（7）：7A" = 7AA’
贾 ! 渊，姬长英 ’ 788": 农产品自动检测中的常见颜色模型 ’ 农机化
研究，（"）：78B = 78A’
吕朝辉，陈晓光，吴文福，等 ’ 788;: 机器视觉田间植物检测与识别技
术 ’吉林工业大学学报：自然科学版，<;（<）：C8 = C"’
孙业明，关 ! 山，牛海波 ’ 788B: 基于小波变换的针叶苗木彩色图像
分割 ’东北电力学院学报，7B（#）：C = ;<’
谭 ! 峰，马晓丹 ’ 788C: 基于叶片的植物病虫害识别方法 ’ 农机化研
究，（#）："; = "<’
田有文，李成华 ’ 788<: 基于统计模式识别的植物病害彩色图像分割
方法 ’沈阳农业大学学报，<"（"）：<8; = <8"’
王培珍，石 ! 磊，许 ! 睿，等 ’ 788C: 基于改进 DE$( 算法的苗木图像
特征点提取 ’安徽工业大学学报，7#（<）：7AA = 7C8’
王雪峰，高 ! 义 ’ 788#: 郁闭林分中立木树高的重建技术研究 ’ 林业
科学，"7（#）：#; = #B’
王月青，毛文华，王一鸣 ’ 788": 麦田杂草的实时识别系统研究 ’ 农机
化研究，（#）：#< = ##’
F)305 E D，@*%5 G $’ ;CC#: HI0,J2%-4 -+ /-,-1 1*K1*6*4202%-46 +-1 30%L*
%30&*’ G -+ F&1%/J,2J10, H4&%4**1%4& @*6*01/)，#<：;AB = ;C#’
M%10+JN% O P，MJ M O，P-%/)% M Q，!" #$% 788A: (1%0, 2- 5*I*,-K
*R21*3* *4I%1-43*420, +%*,5 6*1I*1’ DESH F44J0, S-4+*1*4/* 788A，
7B9" = 7B99’
M%10+JN% O P，MJ M O，P-%/)% M Q，!" #$% 788A: Q*I*,-K%4& *R21*3*
*4I%1-43*42 +%*,5 6*1I*1’ )22K： ? ? ...’ 0K04’ 4*2 ? 3**2%4&6 ?
)0.0%%788A ? K1-K-60,6 ? 0&1%/J,2J1*’ )23,’
G0+01% F， H&)0,% M’ 788#: S-,-1 6*&3*4202%-4 6/)*3* +-1 /,066%+T%4&
.**56 +1-3 6J&01 U**2 J6%4& 30/)%4* I%6%-4’ E104%04 G-J140, -+
E4+-1302%-4 D/%*4/* 045 (*/)4-,-&T，"（;）：; = ;7’
G-V0- S W，>*-1&* H，Q0I%5 Q，!" #$: 788#: X,042 6K*/%*6 %5*42%+%/02%-4
J6%4& H,,%K2%/ $-J1%*1 ,*0+ 6)0K* 040,T6%6’ S-3KJ2*16 045 H,*/21-4%/6
%4 F&1%/J,2J1*，B8（7）：;7; = ;7"’
O0T*1 > H，Q0I%6-4 Q F’ ;CC9: F4 *,*/21-4%/ %30&* K,042 &1-.2)
3*06J1*3*42 6T62*3’ (10460/2%-46 -+ 2)* FDFH，<8（;）：7"7 =7"A’
X)%,%KK E， @02) (’ 7887: E3K1-I%4& K,042 5%6/1%3%402%-4 %4 %30&*
K1-/*66%4& UT J6* -+ 5%++*1*42 /-,-J1 6K0/* 21046+-1302%-46’
S-3KJ2*16 045 H,*/21-4%/6 %4 F&1%/J,2J1*，D)%3%LJ M，M*%46 @ Q’ ;CCB: S-3KJ2*1VI%6%-4VU06*5 6T62*3 +- 1K,042
&1-.2) 040,T6%6’ (10460/2%-46 -+ 2)* FDFH，(%04 Y $，D,0J&)2*1 Q S’ ;CCA: H4I%1-43*420,,T -50K2%I* 6*&3*4202%-4
0,&-1%2)3 +-1 -J25--1 %30&*6 6*&3*4202%-4’ S-3KJ2*1 045 H,*/2%-4%/6
%4 F&1%/J,2J1*，7;（<）：;B< = ;#A’
(Z0,/%/ O， (06%/ G’ 788<: S-,-J1 6K0/*6VK*1/*K2J0,， )%62-1%/0, 045
0KK,%/02%-40, U0/Z&1-J45’ ;8 2) ED[( ? DEQ S-,-1 E30&%4&
S-4+*1*4/*，（;）：<8" = <8A’
（责任编辑 ! 石红青）
B#;