1 項(xiàng)目簡介

1.1 項(xiàng)目概述

本項(xiàng)目旨在運(yùn)用Python語言分析和闡述計(jì)算機(jī)視覺技術(shù)中的目標(biāo)檢測(cè)在農(nóng)作物病蟲害方面的應(yīng)用。具體而言，我們將運(yùn)用Python語言運(yùn)行并得出目標(biāo)葉面中已遭受病蟲害的面積，然后分析是否需要進(jìn)行農(nóng)藥噴灑等防治病蟲害的進(jìn)一步肆虐，進(jìn)而幫助農(nóng)名伯伯更好地管理農(nóng)作物，減少損失、增加產(chǎn)量……

1.2 前期準(zhǔn)備

首先，尋找檢測(cè)目標(biāo)：這里我們針對(duì)一片部分遭受病蟲害的葉片進(jìn)行檢測(cè)處理

對(duì)葉片分析處理用到python語言及部分第三方庫

在這里：

Python環(huán)境：3.8.2

python編譯器：JetBrains PyCharm 2018.1.2 x64

第三方庫：OpenCV、ilmutils、easygui、numpy、PIL等

2 項(xiàng)目分析

2.1 代碼詳解

導(dǎo)入用到的所有庫

import cv2

import imutils

import easygui

from PIL import Image, ImageDraw, ImageFont

import numpy as np

事先將有病蟲害的葉片部分做畫圖處理（涂成白色） 背景圖

導(dǎo)入圖片并做黑白處理

# foliageNew 作為背景圖，是人為事先在葉子有病蟲害的地方用畫筆涂改為白色的圖片，讀取它

PSpicture = cv2.imread(r"E:foliageNew.png")

# 將圖片 foliageNew 轉(zhuǎn)換為黑白圖像

PSpicture = cv2.cvtColor(PSpicture, cv2.COLOR_BGR2GRAY)

對(duì)背景圖再做高斯處理 

# 對(duì)圖片 foliageNew 進(jìn)行高斯處理

PSpictureGS = cv2.GaussianBlur(PSpicture, (21, 21), 0)

同時(shí)事先將目標(biāo)檢測(cè)葉片同樣做畫圖處理（涂成白色） 

對(duì)其做相同處理

# foliageWhite 是葉子目標(biāo)檢測(cè)圖，讀取它

originalPicture = cv2.imread(r"E:foliageWhite.png")

# 將圖片 foliageWhite 轉(zhuǎn)換為黑白圖像

originalPicture = cv2.cvtColor(originalPicture, cv2.COLOR_BGR2GRAY)

# 對(duì)圖片 foliageWhite 進(jìn)行高斯處理

originalPictureGS = cv2.GaussianBlur(originalPicture, (21, 21), 0)

對(duì)兩張?zhí)幚砗蟮膱D片做差，返回的值代表其差異之處 

# 對(duì)圖片 foliageNew 和 foliageWhite 做差（對(duì)比），返回的結(jié)果代表他們的差異之處

pictureDelta = cv2.absdiff(PSpictureGS, originalPictureGS)

因?yàn)橹笠玫较嚓P(guān)數(shù)據(jù)，所以事先查看圖片像素大小

# x, y 是圖片的像素大小

x, y = pictureDelta.shape

print(x, y)

 此值與圖片屬性中所示的值相同，這也正是我們期望的結(jié)果

當(dāng)然，這里我們可以做一下邊緣檢測(cè)進(jìn)一步確認(rèn)我們想要的檢測(cè)目標(biāo)區(qū)域

# pictureDelta 是圖像的區(qū)域，canny 是圖像的輪廓(白色區(qū)域)

img = cv2.GaussianBlur(pictureDelta, (3, 3), 0)

# Canny 邊緣檢測(cè)

canny = cv2.Canny(img, 0, 100)

確定目標(biāo)檢測(cè)區(qū)域（這里是輪廓區(qū)域，不是整個(gè)圖像區(qū)域）

即在第二次做高斯處理的那個(gè)圖像上確定檢測(cè)區(qū)域（像素值為白的區(qū)域就是我們想要的目標(biāo)區(qū)域）

# 畫輪廓，存儲(chǔ)要識(shí)別的像素值的位置，記錄在 distinguishLeaf 數(shù)組中

for i in range(x):

    for j in range(y):

        if any(originalPicture[i, j] == [255, 255, 255]):  # 顏色為白色的時(shí)候，占位

            distinguishLeaf.append([i, j])

遍歷上述得出的目標(biāo)區(qū)域（已存入數(shù)組中，接下來也就是對(duì)數(shù)組進(jìn)行操作）

其中LeafArea是目標(biāo)檢測(cè)葉面的面積（多個(gè)像素點(diǎn)的累積值）

       greenLeafArea是目標(biāo)葉面中綠色部分的面積（多個(gè)像素點(diǎn)的累積值）

因?yàn)橹白鲞^灰度處理（‘img’圖像），故這里只需查看該像素點(diǎn)值是否為黑（即值是否等于0）

很易得出，非黑色部分為葉片綠色部分，因此一旦確定非黑，像素點(diǎn)個(gè)數(shù) +1

for t in distinguishLeaf:

    k, l = t

    LeafArea = LeafArea + 1

    if img[k, l] != 0:

        # print(canny0[k, l])

        greenLeafArea += 1

 至此，成功了一大半，接下來要做的就是輸出病蟲害葉面占的比重值

scale = 100 - (greenLeafArea/LeafArea)*100

percentage = "病蟲害葉面占比為：" + str(scale) + ' %'

print(percentage)

當(dāng)然，我們可以進(jìn)一步體現(xiàn)一下：若病蟲害葉面遭受病蟲害達(dá)到某一值，及時(shí)提醒農(nóng)名伯伯噴灑農(nóng)藥進(jìn)行防治。

if scale < 95:

    easygui.msgbox('警告！葉片遭受病蟲害！請(qǐng)盡早噴灑農(nóng)藥！')

這里再贅述一點(diǎn)，就是可以輸出運(yùn)行代碼中每一步的圖像處理結(jié)果，就像這樣

cv2.imwrite("這里是存入本地圖片地址", 這里是要輸出哪一步圖片的代碼名稱)

canny0 = cv2.imread("這里是存入本地圖片地址")

cv2.imshow('這里是圖像標(biāo)題名稱', imutils.resize(canny0))

2.2 總觀代碼

# 導(dǎo)庫

import cv2

import imutils

import easygui

from PIL import Image, ImageDraw, ImageFont

import numpy as np

# foliageNew 作為背景圖，是人為事先在葉子有病蟲害的地方用畫筆涂改為白色的圖片，讀取它

PSpicture = cv2.imread(r"E:foliageNew.png")

# 將圖片 foliageNew 轉(zhuǎn)換為黑白圖像

PSpicture = cv2.cvtColor(PSpicture, cv2.COLOR_BGR2GRAY)

# 對(duì)圖片 foliageNew 進(jìn)行高斯處理

PSpictureGS = cv2.GaussianBlur(PSpicture, (21, 21), 0)

# foliageWhite 是葉子目標(biāo)檢測(cè)圖，讀取它

originalPicture = cv2.imread(r"E:foliageWhite.png")

# 將圖片 foliageWhite 轉(zhuǎn)換為黑白圖像

originalPicture = cv2.cvtColor(originalPicture, cv2.COLOR_BGR2GRAY)

# 對(duì)圖片 foliageWhite 進(jìn)行高斯處理

originalPictureGS = cv2.GaussianBlur(originalPicture, (21, 21), 0)

# 對(duì)圖片 foliageNew 和 foliageWhite 做差（對(duì)比），返回的結(jié)果代表他們的差異之處

pictureDelta = cv2.absdiff(PSpictureGS, originalPictureGS)

# x, y 是圖片的像素大小

x, y = pictureDelta.shape

# print(x, y)

# pictureDelta 是圖像的區(qū)域，canny 是圖像的輪廓(白色區(qū)域)

img = cv2.GaussianBlur(pictureDelta, (3, 3), 0)

# Canny 邊緣檢測(cè)

canny = cv2.Canny(img, 0, 100)

# 定義輪廓(一片葉子)總面積

LeafArea = 0

# 定義綠葉（未被病蟲害葉面）的面積

greenLeafArea = 0

# 定義列表，用來存放要識(shí)別的像素點(diǎn)的位置

distinguishLeaf = []

# 畫輪廓，存儲(chǔ)要識(shí)別的像素值的位置，記錄在 distinguishLeaf 數(shù)組中

for i in range(x):

    for j in range(y):

        if any(originalPicture[i, j] == [255, 255, 255]):  # 顏色為白色的時(shí)候，占位

            distinguishLeaf.append([i, j])

canny0 = cv2.add(originalPictureGS, canny)

# 判斷葉面顏色

for t in distinguishLeaf:

    k, l = t

    LeafArea = LeafArea + 1

    if img[k, l] != 0:

        # print(canny0[k, l])

        greenLeafArea += 1

# 統(tǒng)計(jì)綠葉占比

scale = 100 - (greenLeafArea/LeafArea)*100

percentage = "病蟲害葉面占比為：" + str(scale) + ' %'

print(percentage)

# cv2.imwrite("這里是存入本地圖片地址", 這里是要輸出哪一步圖片的代碼名稱)

# canny0 = cv2.imread("這里是存入本地圖片地址")

# cv2.imshow('這里是圖像標(biāo)題名稱', imutils.resize(canny0))

if scale < 95:

    easygui.msgbox('警告！葉片遭受病蟲害！請(qǐng)盡早噴灑農(nóng)藥！')

# 此行代碼用于避免輸出圖片發(fā)生閃退的現(xiàn)象

key = cv2.waitKey(0)

2.3 項(xiàng)目運(yùn)行結(jié)果

3 總結(jié)展望

從上述運(yùn)行結(jié)果來看，該片葉子已經(jīng)被病蟲害病害了越葉面面積的17%。此值已超過最小病害初定值，故最后彈出窗口顯示“警告！葉片遭受病蟲害！請(qǐng)盡早噴灑農(nóng)藥！”

此項(xiàng)目運(yùn)用簡單實(shí)例，介紹了計(jì)算機(jī)視覺技術(shù)在農(nóng)業(yè)方面的應(yīng)用，在幫助農(nóng)民贈(zèng)產(chǎn)脫貧方面起到了一定的作用。

這就是“互聯(lián)網(wǎng)+智慧農(nóng)業(yè)”的實(shí)例項(xiàng)目實(shí)現(xiàn)。

版權(quán)聲明：本專欄全部為CSDN博主「IT_change」的原創(chuàng)文章，遵循 CC 4.0 BY-SA 版權(quán)協(xié)議。

                  轉(zhuǎn)載請(qǐng)附上原文出處鏈接及本聲明。

感謝閱讀 ！ 感謝支持 !  感謝關(guān)注 ！

希望本文能對(duì)讀者學(xué)習(xí)和理解計(jì)算機(jī)視覺技術(shù)有所幫助，并請(qǐng)讀者批評(píng)指正！

2020年5月底于山西大同

END

————————————————

版權(quán)聲明：本文為CSDN博主「榮仔！最靚的仔！」的原創(chuàng)文章，遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請(qǐng)附上原文出處鏈接及本聲明。

原文鏈接：https://blog.csdn.net/IT_charge/article/details/106340456