本文就是用孢子捕捉儀的顯微圖像采集系統對楊樹(shù)病害孢子進(jìn)行采集，然后用數字圖像處理識別技術(shù)進(jìn)行研究，最后實(shí)現對楊樹(shù)病害孢子的自動(dòng)識別計數。此法既提高了計數的準確率和數據收集的速度，又節省了大量的人力和物力，為楊樹(shù)病害預測預報提供了一種快速先進(jìn)的手段。
    根據孢子測量的要求，在孢子捕捉儀上設計了顯微圖像采集系統，如圖1所示。它由攝影顯微鏡、計算機和監視器等組成。另外還有自行開(kāi)發(fā)的集圖像采集、處理與孢子識別計數等功能于一身的軟件。
    將孢子取樣器按一定距離排放在田間現場(chǎng)、定時(shí)定期將取樣器帶回實(shí)驗室，用顯微圖像采集系統對楊樹(shù)病害孢子進(jìn)行采集，得到768 X 576像素大小的24位彩色圖像。為了敘述方便，本文選取其中的楊樹(shù)腐爛病害孢子圖片的一部分來(lái)說(shuō)明間題。
3. 1去除背景光并將圖像灰度化
為了消除光源光強變化影響及系統中噪聲干擾，本文將原始圖像減去背景光圖像，并利用總亮度公式川將彩色圖像變?yōu)?位灰度圖像:
f=0222R+0. 7076+0. 071B （1）
式中f為變換后的灰度圖像的亮度，即灰度值。
3.2 IMHS平滑算法
為提高孢子識別率，必須進(jìn)一步去除圖像中的噪聲。在研究和比較已有平滑技術(shù)的基礎上，本文提出一種改進(jìn)的最大均勻性平滑算法( (1)對圖像f(x,y)的(x,y)點(diǎn)重復步驟(2),(3)。
(2)對點(diǎn)((x,y)的17個(gè)梯形區域求極差和中值。
(3)判定最小極差區域，將中值賦給點(diǎn)((X,Y)。
(4)結束。
用IMHS算法濾波處理的圖像。為了比較，我們同時(shí)給出了經(jīng)高斯濾波后的圖像。
3. 3閨值分割
將孢子從背景中分割出來(lái)，這是識別過(guò)程中最關(guān)鍵的一步。研究中采用自動(dòng)閉值法處理，得到二值圖像�？梢钥闯鯥MHS法的濾波效果較好，它可以濾除空洞噪聲，很好地保持了飽子邊界的完整性。
3. 4膨脹處理
經(jīng)過(guò)濾波、二值化處理后，孢子變小了。為了使識別的效果更佳，本文對分割后的二值圖像進(jìn)行膨脹處理。能夠很明顯地看出膨脹的效果。
3. 5圖像邊界提取及細化
一般來(lái)說(shuō)，結構元素是八連通時(shí)，所得邊界為四連通；而結構元素是四連通時(shí)，所得的邊界為八連通。
本課題提取孢子邊界是為了計算周長(cháng)和求取傅里葉子，而八連通的邊界平滑性好，更接近真實(shí)飽子。因此本文采用四連通的結構元素。
由于圖中的飽子邊界有一定的寬度，必須對其進(jìn)行細化處理。本文采用一種并串結合的細佬處理方法，它是在Hilditch經(jīng)典細化算法的基礎上，做一些改進(jìn)。
3. 6自動(dòng)識別計數
楊樹(shù)病害孢子圖像經(jīng)邊緣提取和圖像分割等操作，獲取了孢子的形狀，而孢子的形狀特征為識別提供了重要信息，因此，在圖像處理與識別領(lǐng)域經(jīng)常根據物體形狀來(lái)識別物體困并計數。圖10就是自動(dòng)識別計數的結果。
4結論
本文首先由孢子捕捉儀的顯微圖像采集系統獲得孢子圖像，經(jīng)去噪聲、圖像平滑、閡值分割和膨脹，得到二值化圖像，然后對它進(jìn)行邊緣提取和細化，最后實(shí)現孢子的自動(dòng)計數。研究中對53幅楊樹(shù)病害孢子圖像進(jìn)行自動(dòng)識別計數，正確率達到9800。這項技術(shù)為楊樹(shù)病害預測預報提供了一種快速先進(jìn)的手段。