全 文 ：园 艺 学 报 2007，34 (6)：1425—1430
Acta Horticulturae Sinica
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
岑枯鑫 ，李宝聚 ，石延霞 ，黄海洋 ，刘 君 ，廖宁放 ，冯 洁
( 中国农业科学院菜蔬花卉研究所，北京100081； 北京师范大学数学科学学院，北京 100875； 北京理工大学颜色
科学与工程国家重点实验室，北京 100081)
摘 要：为了进行数字化 、标准化、无损伤定量识别植物病害，运用数字图像分析技术，对生产中两
种常见的黄瓜病害 (黄瓜炭疽病和黄瓜褐斑病)进行研究。利用图像的颜色统计特征对来自不同时期的病
害样本图像进行分类和识别。采用逐步判别分析，选取显著性较大的特征参量，建立起黄瓜炭疽病、黄瓜
褐斑病和无病区域的分类器模型。结果表明，对黄瓜炭疽病、黄瓜褐斑病和无病区域的正确回判率分别达
到96．67％ ，93．33％和 100％。测试集 中，黄瓜炭疽病、黄瓜褐斑病和无病区域的正确识别率分别达到
83．33％ ，80．00％和 100％ ，说明利用彩色图像颜色统计特征对植物病害进行识别有可行性。
关键词：黄瓜 ；植物病害；彩色图像；颜色；统计特征；定量识别
中图分类号：S 642．2 文献标识码：A 文章编号：0513-353X (2007)06—1425-06
Discrimination of Cucumber Anthracnose and Cucumber Brown Speck Base
on Color Image Statistical Characteristics
CEN Zhe．xin’
， LI Bao-ju’ ，SHI Yan．xia’，HUANG Hai．yang ，LIU Jun ，LIAO Ning．fang ，and FENG Jie
( Insititute ofVegetables and Flowers，Chinese Academy ofAgricultural Sciences，BeUing 100081，China； Department ofMathe—
matics Bering Normal University，BeOing 100875，China； State Professional Laboratory ofColor Science and Engineering，Bei—
ringInstitute ofTechnology，Bering 100081，China)
Abstract：In order to carrying on a digital，normalize，quantitative and undestroied method for plant dis·
ease discriminating，two kinds of familiar cucumber diseases(cucumber anthracnose and cucumber brown
speck)were researched in the method of picture processing．Color characteristic parameters coming from dif-
ferent periods of disease simple were used to classifcation and identification．Using stepwise discriminant anal·
ysis to select significant parameters ，and the bavesian classifer method was proposed to classify cucumber an·
thracnose，cucumber brown spot and healthy region．The result shows that the correct discrimination of cucum·
ber anthracnose，cucumber brown spot and healthy region were 96．67％ ，93．33％ and 100％ ，respectively．
For the test set，the corect discrimination of cucumber anthracnose，cucumber brown spot and healthy region
were 83．33％ ，80．00％ and 100％ ，respectively．The results show that it is feasible to identify and classify
plant diseases using color image statistical characteristics．
Key words：Cucumber；Plant disease；Color image；Color；Statistical characteristics；Quantitative
discrimination
多年来植物的病害诊断大都是采用传统的经验定性诊断方法，植病工作者凭经验，从患病植物明
显的不正常反应发展到显示出症状 ，进行人工识别来加以判断，受人的主观因素影响较大，对专家的
收稿 日期：2007一O5—23；修回日期：2007—08—08
基金项 目：国家 ‘863’项 目 (2006AA10Z210)；国家 自然科 学基 金项 目 (60678052)；科 研 院所社 会 公益 研究 专项
(2004DIB4J153)；农业部蔬菜遗传与生理重点开放实验室项目
通讯作者Author for corespondence(E—mail：hbaoju62197975@126．tom)
维普资讯 http://www.cqvip.com
维普资讯 http://www.cqvip.com
6期 岑醋鑫等：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
1．2 图像预处理
获得的数码照片以JPEG格式传人计算机。为了减轻图像处理时的运算量，先对样本进行剪裁，
用图像处理软件剪辑出黄瓜炭疽病和黄瓜褐斑病病斑区域各 60幅图像 (其 中每种病包括初期、中
期、后期图像各 2O幅)，以及无病部区域 6O幅图像。图像处理软件采用由美国 The Math Works开发
的 Matlab 7．0．1软件。
1．3 颜色的定量分析
颜色空间是表示颜色的一种数学方法，人们用它来指定和产生颜色，使颜色形像化 (姚海根，
2001)。本研究中将 HIS的颜色模型和 RGB的颜色模型配合使用区别黄瓜炭疽病和黄瓜褐斑病病斑颜
色特征。RGB模型向HIS的转化公式为：
I=(R+G+B)／3 (1)
B≤G，H=W；B>G，H=2P—W (2)
S=[1—3 min(R，G，B)]／R+G+B (3)
R，G，B分别代表红、绿、蓝的值。(2)式中W=OOS {(R—G—B)／[(R—G) + (R—B)
(G—B)] }。
利用 Matlab 7．0．1软件的图像工具处理箱自带的 imhist函数，得到图像的直方图图像。图像的直
方图是图像的重要统计特征，代表了颜色的组成和图像中各颜色成分的数量，因此病变叶片的颜色评
价可通过分析图像直方图来获得。
为了找出能区分两种病害的颜色特征值，利用归一化直方图的统计特征分别计算颜色 R、G、B
成分，计算色调 H的均值、方差、偏度、峰值、能量、熵 6个统计特征参数，计算公式：
P(b)=H(b)／A0；b=．∑
．
bp(b)；
bk=1／8 ∑(b—b) P(b)；
b 1
8 =∑(b—b) P(b)；
b = l
b =1／8 ∑(b—b) P(b)一3；
b = 1
b =
．
∑
．[P(b)] ；
b = () [()] (4)
(4)式中： ()为灰度
L
2
_
级
P
，
b
(
1
)
g
为
P
直
b
P b H b 方图，AO为图像的面积，b为均值，8 为方差，b 为偏度，
b 为峰值 ，b 为能量，b 为熵 (崔艳丽，2005)。
1．4 数据分析处理
用 Matlab 7．0．1软件中自带的图像处理工具箱为图像处理和分析平台，统计计算以上特征参数，
数据统计分析采用常用统计分析 SAS软件。黄瓜炭疽病和黄瓜褐斑病病斑区域各 3O幅图像 (其中每
种病包括初期、中期、后期图像各1O幅)以及无病部区域3O幅图像的统计数据，作为训练集；黄瓜
炭疽病和黄瓜褐斑病病斑区域以及无病部区域另外各3O幅图像的统计数据，作为测试集。
2 结果与分析
2．1 颜色 R、G、B成分和色调 H统计分析
利用上述统计公式 (1)～(4)，对剪辑的黄瓜炭疽病病斑、黄瓜褐斑病病斑和无病健康部位各3O
幅图像 ，计算颜色 R、G、B成分和色调 H的均值 、方差、偏度、峰值、能量、熵共6个特征参数。
统计结果如表 1所示。
维普资讯 http://www.cqvip.com
1428 园 艺 学 报 34卷
R
G
B
H
黄瓜炭疽病 l
Cucumber anthracnose 2
3
3O
黄瓜褐斑病 l
Cucumber brown speck 2
3
无病健康部位
Healthy region
黄瓜炭疽病
Cucumber anthracnose
黄瓜褐斑病
Cucumber brown speck
无病健康部位
Healthy region
黄瓜炭疽病
Cucumber anthracnose
黄瓜褐斑病
Cucumber brown speck
无病健康部位
Healt}lyregion
黄瓜炭疽病
Cucumber anthracnose
黄瓜褐斑病
Cucumber brown speck
无病健康部位
Healthy region
一 0．54214 227．77
— 0．68342 l72．39
一 O．17725 210．83
一 O．5l 2l5．65
一 1．3O67 221．35
一 1．677l 234．6
一 1．O553 238．73
一 1．1496
O．O56l
— O．1
O．6o746
一 O．12
O．Ol14l
O．Ol064
O．01274
O．Ol677
0．032075
0．02958
0．0299
O．Ol9ll
0．0247
0．03365
O．O4387
0．015l
O．o0932
O．o0833
O．OlO6l
O．Ol09
O．01963
0．02556
O．Ol698
O．Ol889
0．0262l
0．02078
0．0201l
O．Ol201
O．12398
O．12325
O．17746
O．15993
0．06l86
O．O5l9l
O．o5265
0．0258
O．O58l7
0．07694
0．07288
209．27
l29．72
108．22
96．6l8
123．5
4．5638
4．6682
4．4873
4．2265
3．6282
3．7365
3．6904
4．1689
3．8343
3．545
3．2927
4．2834
4．7668
4．92o9
4．686
4．6699
4．1495
3．9O82
4．259l
4．1939
3．864
3．9996
4．O7o9
4．5756
2．3301
2．2674
2．04 33
2．1627
2．9382
3．1387
3．1O6
3．8923
3．O622
2．9O62
2．8144
0．22879
O．11437
一 O．O4826
— 0．25363
1．6964
2．1914
O．64365
2．O92
0．88937
1．O489
0．15659
0．47828
— 0．53367
一 O．1l95l
— O．4O283
0．143O5
1．8654
1．64 8l
0．49397
一 O．1152
— 0．08627
O．O3l3l
0．64 608
— 0．74l26
— 0．73326
— 0．45537
— 0．12924
一 O．16o99
1．2545
1．4603
1．8563
O．608l3
1．9234
— 0．28436
0．67637
— 0．1466
1．2428
0．3598
2．5714
7．588
一 O．698l8
一 O．28447
— 0．58314
— 0．83233
— 0．4896l
2．3552
— 0．5287
30 0．09663 2．5298 0．40895
4．0447
3．9055
4．13O9
4．2393
4．O542
3．6799
3．6699
3．453l
4．224l
4．04 8
3．8859
3．795
199．88
193．9
l8O．O2
2lO．65
2l1．7l
223．88
227．28
l88
142．04
l83．33
l84
58．58
32．44
25．6
O8．18
143．29
2lO．35
221．55
l85．27
207．75
141．49
102．67
86．707
81．537
31．834
31．182
33．187
32．73
46．24
48．02
49．405
41．274
103．77
l14．56
l21．59
66．153
O．01959
0．02288
O．Ol867
O．Ol65
O．O2153
0．03476
O．O3195
0．039
O．Ol749
0．02209
0．0239
0．02723
— 0．3987
— 0．5539
O．O9284
— 0．43404
一 1．1l34
一 1．1737
一 O．84o08
一 O．75605
O．1l6o4
一 O．7O504
0．14778
— 0．40101
O．O7664
一 O．o035l l
0．3262l
— O．06145
一 1．2089
一 1．2436
一 1．O945
一 1．1466
一 1．1955
— 0．09789
0．383
一 O．38O47
0．7044l
O．o0837
O．8l946
2．2737
0．38588
0．47279
O．O9O88
一 O．1o086
一 O．5l9o9
一 1．O472
— 0．39354
一 O．19447
2l9．97
172．39
243．25
376．83
308．65
232．36
156．05
74．40 3
283．14
2l2．36
l52．94
l2O．74
6l7．O3
769．15
476．86
298．84
l06．58
l44．35
l17．45
384．53
l28．8l
83．945
43．O53
373．02
876．4l
l91．4
722．57
699．28
376．66
220．96
494．29
454．06
l71．77
178．25
2o9．67
595．93
6．960l
5．5775
4．3365
8．1776
30．982
43．384
36．368
304 ．89
41．558
48．3l6
25．98l
9．5084
“
⋯
”
： 省略。“⋯”：Ehde
●2 3 ～如 ● 2 3 ～∞ ● 2 3 ～如 ● 2 3 ～∞ ● 2 3 ～如 ●2 3 ～∞ ● 2 3 ～∞ ● 2 3 ～∞ ●2 3 ～∞ ● 2 3
维普资讯 http://www.cqvip.com
6期 岑拮鑫等：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
2．2 模型建立与检验
根据本研究的实际情况，将包含不同发病时期的黄瓜炭疽病、黄瓜褐斑病病斑图像 (其中每种
病包括初期、中期、后期图像各 10幅)和无病部区域 30幅图像，作为样本训练集建立分类器模型。
统计的参数包括颜色 R、G、B成分和色调 H的均值、方差、偏度、峰值、能量、熵共 6个特征参
数。由于统计的特征参数较多，且对模型的贡献大小不一，因此在建立模型时采用 SAS逐步判别分析
选出前4个贡献较大的特征参数，逐步判别分析从模型没有变量特征参数开始，每一步都对模型进行
检验，把模型外对模型的判别力贡献最大的变量特征参数加到模型中，同时考虑已经在模型中但又不
符合留在模型中条件的变量特征参数从模型中剔除。
如表2所示，H均值特征参数对模型的贡献最大，偏 R 达0．543，其次是 R均值、G均值和B能
量
表2 采用逐步判别分析选取前4个贡献较大的特征
Table 2 Selection of four features of individual wheat kernel
using stepdisc analysis
将选人的4个特征参数建立起黄瓜炭疽病 、黄瓜褐斑病、无病部区域对应的判别函数为：
G1(X) = 一64．522+0．6272X1-0．0418X2+15．4526X3 —0．1525X4；
G2(X) = 一40．0392+0．476X1-0．0149X2+9．645X3 —0．0615X4；
G3(X) = 一49．295+0．0836X1+0．1684X2+13．3011X3+0．9829X4。
应用上述线性判别模型对参加建模的黄瓜炭疽病、黄瓜褐斑病病斑和无病区域各 30幅图像样本
进行回判，对于无病健康的识别率为 100％，黄瓜炭疽病和褐斑病的识别率分别为 93．33％和
96．67％ 。
由于判别模型是根据训练样本信息得到，故可能夸大判别效果。为了验证模型的可信度，以未参
加建模的黄瓜炭疽病、黄瓜褐斑病病斑和无病区域另外各30幅图像样本，作为测试集对模型进一步
检验，结果对于无病健康的识别率为 100％，黄瓜炭疽病和褐斑病的识别率分别为 83．33％和
80．oo％，说明本研究构建的判别模型判别效果良好 (表 3)。
表3 样本回判、测试结果
Table 3 The discrimination results of the training and texting set of samples
名称
Nalne
堡奎墼 ! 型墼 !竺! 竺 !! 垩堕 主 ! 竺 竺
训练样本 测试样本 训练样本 测试样本 训练样本 测试样本
Training sample Testing samples Training samples Testing samples Training samples Testing samples
维普资讯 http://www.cqvip.com
园 艺 学 报 34卷
3 讨论
本研究利用计算机图像处理技术对黄瓜炭疽病病斑、黄瓜褐斑病病斑及无病部区域的彩色图像进
行了统计分析，比较结果发现：对黄瓜炭疽病、黄瓜褐斑病和无病区域 的正确回判率分别达到
96．67％、93．33％和 100％；在测试集中，黄瓜炭疽病、黄瓜褐斑病和无病区域的正确识别率分别达
到 83．33％、80．00％和 100％，说明应用颜色统计特征对植物病害进行识别具有可行性。
近年来，随着计算机和信息技术在农业中的广泛普及与应用，利用计算机图像分析技术实现植物
病害的无损定量诊断，进而及时地采取相应的拯救措施，可以大大提高经济效益，具有重要意义。
本研究的拍摄条件均在田间自然光照条件下，建立的判别模型以期为将来推广到田间应用奠定基
础。但是由于拍摄状态和光照等环境因素对颜色特征存在影响，发病程度及病斑的典型性可能对判断
准确率也有影响，这些因素对拍摄照片中颜色特征的定量关系有待进一步研究。植物病变叶片的症状
特征在纹理、形状上也有所体现 (Pydipati et a1．，2006)，对于多种病害的识别研究，还需借助模式
识别的方法，综合考虑决定植物病害症状的物理特征进行识别。
References
Ahmad I S，Reid J F．1996．Evaluation of color representations for maize image．Agricultural Engineering Research，63：185—196．
Castleman K R．2000．Digtal image processing．Beijing：Tsinghua University Pres．(in Chinese)
Castleman K R．2000．数字图像处理．北京：清华大学出版社．
Cui Yan—li．2005．Image processing and extracting color features of greenhouse diseased leaf．Transactions of the Chinese Society of Agricultural
Engineering，21(2)：32—35．(in Chinese)
崔艳丽 ．2005．温室植物病害的图像处理及特征值提取方法的研究．农业工程学报，21(2)：32—35．
Du C J．2006．Learning techniques used in computer vision for food quality evaluation．Journal of Food Engineering，72：39—55．
Hu Chun—hua，Li Ping—ping．2004．Application of computer image procesing to extract color feature of nutrient deficiency leaves． Computer
Measurement and Control，12(9)：859—862．(in Chinese)
胡春华，李萍萍．2004．计算机图像处理在缺素叶片颜色特征识别方面的应用．计算机测量与控制，12(9)：859—862．
Mao Han—ping，Xu Gui—li，Li Ping—ping． 2003． Study on application of genetic algorithm to features selection of leaves image for diagnosing vege—
table disease of nutrient deficiency．Journal of Jiangsu University(Natural Science Edition)，24(2)：1—5．(in Chinese)
毛罕平，徐贵力，李萍萍．2003．基于遗传算法的蔬菜缺素叶图像特征选择研究．江苏大学学报 (自然科学版)，24(2)：1—
5．
Pydipati R，Burks T F，Lee W S．2006．Identification of citrus disease using color texture features and discriminant analysis．Computers and
Electronics in A culture，52 ：49—59．
Yao Hai—gen．2001．Chromatolagy．Beijing：Beijing Science and Technology Press：61—97．(in Chinese)
姚海根．2001．色彩学．北京：北京科学技术出版社：61—97．
维普资讯 http://www.cqvip.com