论文部分内容阅读
摘要： 在桉树短轮伐期工业用材林的伐区调查时，往往要估算整个采伐小班的林木株数。为了实现快速林木株数统计，提出一种基于无人机航拍影像与OpenCV图像识别计数的处理方法，对航拍的林地影像进行灰度转化、二值化、形态学处理、连通区域分割计算等处理。最后基于二值图片，标记每株树木影像的质心编号，从而实现图像范围内的林木株数统计。结果表明，该方法可将每株树冠有效分离出来，成功解决了计数目标粘连现象对后续分析、测量产生干扰的问题，算法基于Python+OpenCV平台，语言简便易行。经测试，识别准确率可达99%，是一种有效的林木株数计数方法。
关键词： OpenCV; 桉树人工林; 图像处理; 树木计数
中图分类号： S 792. 39 文献标识码： A 文章编号：1001 - 9499（2020）05 - 0037 - 02
伐区调查中常用的方法為布设标准地样点，再围绕样点范围内开展标准地调查工作，最后核算材积小班内样点林木株数、胸径、树高，得出样地内的林木蓄积量，结合伐区面积勾绘，折算小班出材量。
伐区调查中，样地布设往往存在抽样不均匀、样地布设面积不准确、小班内林窗空地无法计算排除等问题，从而导致整个小班林木株数偏高或偏低，进而影响伐区调查的准确度和精度。无人机航拍在伐区调查中可规划航线后拍摄航拍图像，后期加工为正射影像图和三维影像图，对小班面积核准和伐区作业设计起到辅助作用。目前，基于航拍正射影像开展桉树人工林林木株数的统计尚未有相关研究报道，鉴于此，本文基于图像识别常用的分水岭算法，通过对航拍林地的正射影像图进行图像识别，实现了一种快速的林木株数统计方法，从而为伐区调查中的蓄积量估算等提供更为准确的方式，也为无人机数据在数字林业中的应用提出了可行的方向。
1 航拍影像预处理
选取经软件处理后的航拍正射影像图，截取部分小班内的林木图像作为研究对象（图1）。原始航拍图像拍摄于广西梧州岑溪市，采用大疆精灵3se航拍器于2018年8月20日拍摄，机身携带数码相机型号为FC300SE，等效焦距20 mm，曝光参数为光圈f2.8，ISO速度100，曝光时间1/250 s，图片拍摄位置信息为：110.95539794E;22.89956153N;海拔710 m。选用Python+OpenCV作为工具，采用分水岭算法，进行林木株数统计。
1. 1 灰度图转化
考虑到桉树树冠图像颜色单调，为便于处理，首先删去图像的色度和饱和度信息，仅保留亮度信息，将测试图片转化为灰度图，再采用OTSU算法将图像二值化，将图像前景背景分离。
1. 2 图像形态学操作
由于图片中树冠影像粘连程度不一，运用“开运算”进一步分离图像边缘。设置一个5×5的卷积核，先进行图像开运算，去除图像中的噪声和孔洞，再进行腐蚀操作，减小前景物体，初步分离前景中的粘连物体，去除噪声并且消除二值化带来的孔洞。
1. 3 分水岭算法
采用分水岭算法进一步分离前景中的物体，通过距离变换来得到每个非零像素点与其最近的零像素点之间的距离，输出为距离，根据距离变换得到的结果，再次进行二值化操作，阈值为距离变换得到的距离，从而缩小前景物体。
1. 4 根据二值化图勾画轮廓
首先转化数据类型，连通域函数接收8位单通道二值图像，再使用连通域函数，label与原图大小一致，对应为当前像素为第几个轮廓;stats对应轮廓信息，每行有5个值，分别为x、y、width、height、area;centroids对应每个连通区域的质心点。
2 林木株数计算
将质心点作为圆心，勾画实心圆，标记对应质心点的编号并计数，并输出计数统计结果。
3 实验结果
本文凭借OpenCV使用分水岭算法，采用自适应阈值的方法进行图像分割，从表1可以看出，与目视统计人工计数的方法相比，该算法的计数结果是准确的，准确度高达99%。
4 结 论
本文基于Python+OpenCV，提出了一种林木株数自动计数算法，该方法可以对桉树人工林的航拍图像进行灰度转化、二值化等预处理，通过分水岭算法分离粘连物体，实现对每株树木的树冠进行提取，进而实现对小班内林木株数的自动化计数。与人工目视统计相比，该方法的统计结果误差在1%以内，完全满足实际使用需要。结果表明，本方法适用于林业领域对桉树人工商品林伐区中的林木株数统计，简便可行，是一种有效的计数方法。
参考文献
[1] 戴建国， 薛金利， 赵庆展，等. 利用无人机可见光遥感影像提取棉花苗情信息[J]. 农业工程学报， 2020， 36（4）： 63 - 71.
[2] 荆伟斌， 胡海棠， 程成， 等. 基于深度学习的地面苹果识别与计数[J]. 江苏农业科学， 2020， 48（5）： 210 - 219.
[3] 张黎黎， 王军民， 陈璨. 基于 OpenCV距离变换的物体计数系统研究[J]. 电子测量技术， 2019， 42（21）： 97 - 100.
[4] 潘佚， 吴思宇， 邱蕾. 基于数学形态学的红细胞计数算法[J]. 南华大学学报（自然科学版）， 2017， 31（2）： 51 - 55.
[5] 齐帅. 基于计算机视觉的粘连类圆图像分割与统计算法研究[D]. 南昌： 南昌大学， 2014.
第1作者简介： 吴天冬（1989-）， 男， 助理工程师， 研究方向为数字林业。
收稿日期： 2020 - 05 - 20
（责任编辑： 张亚楠）
关键词： OpenCV; 桉树人工林; 图像处理; 树木计数
中图分类号： S 792. 39 文献标识码： A 文章编号：1001 - 9499（2020）05 - 0037 - 02
伐区调查中常用的方法為布设标准地样点，再围绕样点范围内开展标准地调查工作，最后核算材积小班内样点林木株数、胸径、树高，得出样地内的林木蓄积量，结合伐区面积勾绘，折算小班出材量。
伐区调查中，样地布设往往存在抽样不均匀、样地布设面积不准确、小班内林窗空地无法计算排除等问题，从而导致整个小班林木株数偏高或偏低，进而影响伐区调查的准确度和精度。无人机航拍在伐区调查中可规划航线后拍摄航拍图像，后期加工为正射影像图和三维影像图，对小班面积核准和伐区作业设计起到辅助作用。目前，基于航拍正射影像开展桉树人工林林木株数的统计尚未有相关研究报道，鉴于此，本文基于图像识别常用的分水岭算法，通过对航拍林地的正射影像图进行图像识别，实现了一种快速的林木株数统计方法，从而为伐区调查中的蓄积量估算等提供更为准确的方式，也为无人机数据在数字林业中的应用提出了可行的方向。
1 航拍影像预处理
选取经软件处理后的航拍正射影像图，截取部分小班内的林木图像作为研究对象（图1）。原始航拍图像拍摄于广西梧州岑溪市，采用大疆精灵3se航拍器于2018年8月20日拍摄，机身携带数码相机型号为FC300SE，等效焦距20 mm，曝光参数为光圈f2.8，ISO速度100，曝光时间1/250 s，图片拍摄位置信息为：110.95539794E;22.89956153N;海拔710 m。选用Python+OpenCV作为工具，采用分水岭算法，进行林木株数统计。
1. 1 灰度图转化
考虑到桉树树冠图像颜色单调，为便于处理，首先删去图像的色度和饱和度信息，仅保留亮度信息，将测试图片转化为灰度图，再采用OTSU算法将图像二值化，将图像前景背景分离。
1. 2 图像形态学操作
由于图片中树冠影像粘连程度不一，运用“开运算”进一步分离图像边缘。设置一个5×5的卷积核，先进行图像开运算，去除图像中的噪声和孔洞，再进行腐蚀操作，减小前景物体，初步分离前景中的粘连物体，去除噪声并且消除二值化带来的孔洞。
1. 3 分水岭算法
采用分水岭算法进一步分离前景中的物体，通过距离变换来得到每个非零像素点与其最近的零像素点之间的距离，输出为距离，根据距离变换得到的结果，再次进行二值化操作，阈值为距离变换得到的距离，从而缩小前景物体。
1. 4 根据二值化图勾画轮廓
首先转化数据类型，连通域函数接收8位单通道二值图像，再使用连通域函数，label与原图大小一致，对应为当前像素为第几个轮廓;stats对应轮廓信息，每行有5个值，分别为x、y、width、height、area;centroids对应每个连通区域的质心点。
2 林木株数计算
将质心点作为圆心，勾画实心圆，标记对应质心点的编号并计数，并输出计数统计结果。
3 实验结果
本文凭借OpenCV使用分水岭算法，采用自适应阈值的方法进行图像分割，从表1可以看出，与目视统计人工计数的方法相比，该算法的计数结果是准确的，准确度高达99%。
4 结 论
本文基于Python+OpenCV，提出了一种林木株数自动计数算法，该方法可以对桉树人工林的航拍图像进行灰度转化、二值化等预处理，通过分水岭算法分离粘连物体，实现对每株树木的树冠进行提取，进而实现对小班内林木株数的自动化计数。与人工目视统计相比，该方法的统计结果误差在1%以内，完全满足实际使用需要。结果表明，本方法适用于林业领域对桉树人工商品林伐区中的林木株数统计，简便可行，是一种有效的计数方法。
参考文献
[1] 戴建国， 薛金利， 赵庆展，等. 利用无人机可见光遥感影像提取棉花苗情信息[J]. 农业工程学报， 2020， 36（4）： 63 - 71.
[2] 荆伟斌， 胡海棠， 程成， 等. 基于深度学习的地面苹果识别与计数[J]. 江苏农业科学， 2020， 48（5）： 210 - 219.
[3] 张黎黎， 王军民， 陈璨. 基于 OpenCV距离变换的物体计数系统研究[J]. 电子测量技术， 2019， 42（21）： 97 - 100.
[4] 潘佚， 吴思宇， 邱蕾. 基于数学形态学的红细胞计数算法[J]. 南华大学学报（自然科学版）， 2017， 31（2）： 51 - 55.
[5] 齐帅. 基于计算机视觉的粘连类圆图像分割与统计算法研究[D]. 南昌： 南昌大学， 2014.
第1作者简介： 吴天冬（1989-）， 男， 助理工程师， 研究方向为数字林业。
收稿日期： 2020 - 05 - 20
（责任编辑： 张亚楠）