Phát hiện phổ quần thể rầy nâu dựa trên tiếp cận xử lý ảnh hình thái

Kỷ yếu Hội nghị Quốc gia lần thứ VIII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR); Hà Nội, ngày 9-10/7/2015<br /> DOI: 10.15625/vap.2015.000194<br /> <br /> PHÁT HIỆN PHỔ QUẦN THỂ RẦY NÂU DỰA TRÊN TIẾP CẬN<br /> XỬ LÝ ẢNH HÌNH THÁI<br /> Trần Công Nghị1, Trần Công Án1, Huỳnh Xuân Hiệp1, 2<br /> 1<br /> Khoa Công nghệ thông tin & Truyền thông, Trường Đại học Cần Thơ<br /> 2<br /> Nhóm nghiên cứu liên ngành DREAM-CTU/IRD<br /> tcnghivn@gmail.com, tcan@ctu.edu.vn, hxhiep@ctu.edu.vn<br /> TÓM TẮT - Các nghiên cứu về phát hiện phổ quần thể rầy nâu trong ảnh đang được quan tâm trong thời gian gần đây<br /> nhằm hỗ trợ giám sát các loài sâu bệnh trong nông nghiệp. Một trong những ứng dụng của hướng nghiên cứu này là sự kết hợp giữa<br /> các hệ thống bẫy đèn để tự động hóa việc đếm số lượng rầy nâu vào bẫy đèn để tự động hóa việc đếm số lượng rầy nâu vào bẫy đèn,<br /> vốn đang được thực hiện một cách thủ công. Trong bài viết này chúng tôi đề xuất một tiếp cận mới nhằm phát hiện phổ quần thể rầy<br /> nâu dựa trên các phép toán xử lý ảnh hình thái. Với tiếp cận này, các nét đặc trưng về cấu trúc hình dạng và kích thước của rầy nâu<br /> được làm rõ và trên cơ sở đó cho phép phát hiện phổ quần thể rầy nâu hiệu quả và chính xác. Cách tiếp cận này giúp giảm bớt thời<br /> gian, công sức và chi phí để phát hiện phổ quần thể rầy nâu trong ảnh (chẳng hạn như ảnh chụp từ các hệ thống bẫy đèn). Các kịch<br /> bản thực nghiệm cho thấy cách tiếp cận này cho kết quả tốt, phù hợp để trích lọc phổ quần thể rầy nâu và xác định được số lượng<br /> rầy nâu trong ảnh.<br /> Từ khóa - Xử lý ảnh hình thái, phổ quần thể rầy nâu, giám sát sâu bệnh, hệ thống bẫy đèn.<br /> <br /> I. GIỚI THIỆU<br /> Rầy nâu là một trong những loài dịch hại nguy hiểm nhất trên cây lúa hiện nay [1]. Chúng là tác nhân truyền<br /> nhiễm các loại bệnh nguy hiểm trên lúa gây tổn hại cho nền nông nghiệp nước ta cũng như các nước trồng lúa khác<br /> trên thế giới [1]. Vì vậy việc giám sát rầy nâu để xác định lịch gieo xạ cho lúa là một vấn đề cấp thiết đang được quan<br /> tâm. Một trong các phương pháp giám sát rầy nâu đang được sử dụng là dùng hệ thống bẫy đèn để theo dõi sự di cư<br /> của rầy nâu, giúp cho việc xác định lịch gieo xạ phù hợp. Tuy nhiên, việc phát hiện cũng như đếm số lượng rầy nâu vào<br /> bẫy đèn vẫn còn thực hiện bằng phương pháp thủ công, nên mất nhiều thời gian và công sức. Vì vậy, việc tìm ra một<br /> phương pháp phát hiện và đếm số lượng rầy vào đèn một cách tự động là hết sức cần thiết và cấp bách, giúp giảm công<br /> sức và thời gian trong công tác giám sát rầy nâu.<br /> Đã có nhiều hướng nghiên cứu khác nhau để phát hiện và hạn chế những tổn hại bị gây ra bởi rầy nâu trong<br /> nông nghiệp như nghiên cứu bản đồ gene có khả năng kháng rầy từ sự pha trộn hai giống lúa kháng rầy đã được cải<br /> tiến là IR64 và Azucena để tìm ra các định lượng tính trạng (QTLs) dùng cho phòng tránh rầy nâu [2]. Một nghiên cứu<br /> khác cũng liên quan tới việc tạo ra bản đồ gene phòng tránh rầy nâu dựa trên sự kết hợp hai giống lúa kháng rầy là ‘B5’<br /> và ‘Minghui 63’ [3]. Phương pháp nghiên cứu bản đồ gene để phòng tránh rầy nâu có ưu điểm là mang lại hiệu quả<br /> kháng rầy cao, tuy nhiên có khả năng làm thay đổi các đặc tính của giống lúa. Ngoài ra, khi sử dụng trong thời gian dài<br /> thì rầy nâu sẽ thích nghi với các gene này từ đó làm giảm hiệu quả kháng rầy. Hướng nghiên cứu thứ hai là dựa trên<br /> các đặc tính của cây lúa để phát hiện rầy nâu như nghiên cứu sử dụng hệ số phản xạ (reflectance) và hàm lượng diệp<br /> lục tố (SPAD reading) trên cây lúa để phát hiện mức độ nhiễm rầy [4] hoặc nghiên cứu phát hiện mật độ nhiễm rầy dựa<br /> vào các yếu tố môi trường như nhiệt độ, lượng mưa, độ ẩm tương đối [5]. Các nghiên cứu này giúp mở ra các hướng<br /> mới trong việc phát hiện và giám sát rầy nâu nhưng để mang lại hiệu quả thì cần phải có thời gian thực nghiệm và phân<br /> tích mối liên hệ giữa các yếu tố. Hướng nghiên cứu thứ ba là giám sát rầy nâu bằng cách ứng dụng công nghệ thông tin<br /> cụ thể là dựa vào xử lý tín hiệu hình ảnh như nghiên cứu về ảnh hưởng của rầy nâu dựa vào ảnh cây lúa [6], hoặc<br /> nghiên cứu về thiết kế hệ thống phát hiện rầy nâu dựa trên xử lý tín hiệu số [7]. Trong nghiên cứu này tác giả đã xây<br /> dựng được một hệ thống phát hiện rầy nâu dựa vào kỹ thuật thị giác máy cơ bản như phép toán phân ngưỡng sử dụng<br /> phân đơn ngưỡng (single-threshold segmentation) đồng thời áp dụng phép toán hình thái (mathematical morphology)<br /> để khử nhiễu và phát hiện rầy nâu dựa trên thuật toán trích lọc đường biên dựa trên biến đổi wavelet (Edge Extraction<br /> Based on Wavelet Transform). Hệ thống này cơ bản có thể phát hiện rầy nâu một cách tự đông tuy nhiên vẫn còn nhiều<br /> hạn chế do các hình ảnh rầy nâu được xử lý vẫn còn đơn giản (chưa giải quyết được các loại nhiễu phức tạp trong ảnh)<br /> và vẫn chưa đếm được số lượng rầy nâu trong ảnh. Ngoài ra phép toán hình thái chỉ đóng vai trò khử nhiễu và loại bỏ<br /> những phần thừa trong ảnh rầy nâu mà vẫn chưa tận dụng được ưu điểm của phép toán này đó là giúp phát hiện rầy nâu<br /> dựa trên làm rõ các nét đặc trưng về hình dạng, kích thước của chúng.<br /> Trong bài viết này chúng tôi đề xuất một hướng tiếp cận mới nhằm phát hiện phổ quần thể rầy nâu chủ yếu dựa<br /> vào các phép toán xử lý ảnh hình thái. Cách tiếp cận này giúp làm rõ các nét đặc trưng về hình dạng, kích thước của<br /> rầy nâu, cho phép phát hiện phổ quần thể rầy nâu một cách hiệu quả và chính xác. Kết quả nghiên cứu sẽ giúp hỗ trợ<br /> trong việc xây dựng hệ thống bẫy đèn tự động giám sát rầy nâu thí điểm tại vùng Đồng bằng sông Cửu Long.<br /> Bài viết được chia thành năm phần. Phần thứ nhất giới thiệu về mối nguy hại của rầy nâu trong nông nghiệp.<br /> Phần thứ hai trình bày về đặc điểm hình thái của rầy nâu và phép toán xử lý hình thái. Phần thứ ba đề cập đến mô hình<br /> phát hiện phổ quần thể rầy nâu. Phần thứ tư trình bày các thực nghiệm và cuối cùng là phần kết luận.<br /> <br /> 556<br /> 5<br /> <br /> PHÁT HIỆN PH QUẦN THỂ RẦY NÂU DỰA TRÊN TIẾP CẬN XỬ LÝ ẢNH HÌNH THÁI<br /> HỔ<br /> R<br /> ẬN<br /> <br /> II. ĐẶC ĐIỂ HÌNH TH CỦA RẦ NÂU VÀ PHÉP TOÁN XỬ LÝ HÌN THÁI<br /> ỂM<br /> HÁI<br /> ẦY<br /> P<br /> N<br /> NH<br /> A. Đặc điểm h<br /> A<br /> hình thái của rầy nâu<br /> a<br /> Rầy nâu (Nilaparvata lugens) [8] l một trong những loài sâu bệnh gây ra dịch hại trên lúa nghiêm trọng nhất ở<br /> u<br /> a<br /> là<br /> n<br /> u<br /> nước ta cũng n các vùng t<br /> n<br /> như<br /> trồng lúa khác trên thế giới. Chúng gây hại trực tiếp bằ cách chích hút nhựa ở cây lúa làm<br /> c<br /> h<br /> ằng<br /> h<br /> c<br /> giảm sức sống gây khô cháy toàn bộ cây lúa (gọi là hiệ tượng “chá rầy”). Rầy n còn là tác nhân gây ra nhiều bệnh<br /> g<br /> g<br /> y<br /> ện<br /> áy<br /> nâu<br /> c<br /> n<br /> rất nghiêm trọn ở cây lúa n bệnh lúa c lùn xoán lá [8]<br /> r<br /> ng<br /> như<br /> cỏ,<br /> á<br /> Rầy nâu có cơ thể m nâu vàng đỉnh đầu nhô ra phía trước Phần gốc râ có hai đốt n to, đốt roi râu dài và<br /> u<br /> màu<br /> c.<br /> âu<br /> nở<br /> nhỏ. Cánh tron suốt, giữa cạnh sau của mỗi cánh trướ có một đốm đen. Rầy đự có cơ thể d từ 3,6 – 4,<br /> n<br /> ng<br /> ớc<br /> m<br /> ực<br /> dài<br /> ,0mm. Rầy<br /> cái màu xanh nhạt và kích t<br /> c<br /> thước to hơn rầy đực; chiều dài cơ thể từ 4 – 5mm, b<br /> t<br /> bụng to tròn, ở khoảnh giữa mặt dưới<br /> a<br /> bụng có bộ ph để trứng b nhọn màu đen. Đặc điể hình thái để nhận dạng rầy nâu phụ thuộc vào các giai đoạn<br /> b<br /> hận<br /> bén<br /> u<br /> ểm<br /> đ<br /> c<br /> phát triển của chúng. Trứng rầy nâu đẻ th<br /> p<br /> g<br /> hành từng hàn vào bên tro trong bẹ c lúa, trứng rầy giống hìn hạt gạo,<br /> ng<br /> ong<br /> cây<br /> g<br /> nh<br /> dài từ 0,3 – 0,<br /> d<br /> ,4mm, mới đẻ màu trắng tr<br /> ẻ<br /> rong, sắp nở màu (Hình 1a Ấu trùng rầ nâu (rầy cá khi mới nở rất nhỏ,<br /> m<br /> a).<br /> ầy<br /> ám)<br /> n<br /> màu trắng sữa, càng lớn rầy chuyển thành màu nâu nhạ (Hình 1b). Đặc điểm hình thái của rầy trưởng thành có sự khác<br /> m<br /> ,<br /> y<br /> h<br /> ạt<br /> Đ<br /> h<br /> nhau tùy vào t<br /> n<br /> từng loại: rầy cánh dài có c<br /> cánh che phủ cả thân (Hình 1c); còn rầy cánh ngắn có cánh phủ đến đốt thứ 6<br /> c<br /> h<br /> ó<br /> n<br /> của thân mình (Hình 1d) [8]<br /> c<br /> ].<br /> <br /> (a)<br /> (b)<br /> (c)<br /> (d)<br /> Hình 1. Các gi đoạn phát tri của rầy nâu [9]. (a)-trứng, (b)-rầy non, (c)<br /> H<br /> iai<br /> iển<br /> (<br /> )-rầy cánh ngắn (d)-rầy cánh dài<br /> n,<br /> d<br /> <br /> B. Phép toán hình thái<br /> B<br /> Phép to hình thái (<br /> oán<br /> (mathematical morphology) là một nguyên lý phân tíc của cấu trú không gian [10]. Hình<br /> l<br /> )<br /> ch<br /> úc<br /> th (morpholo<br /> hái<br /> ogy) có nghĩa là hình dạng cấu trúc của đối tượng, nó diễn tả phạ vi về mối quan hệ giữa các thành<br /> a<br /> g<br /> a<br /> n<br /> ạm<br /> a<br /> phần của một đối tượng [10<br /> p<br /> 0][11]. Phép t<br /> toán hình thái được sử dụng để làm rõ n<br /> g<br /> những nét đặc trưng về hình dạng của<br /> h<br /> một đối tượng ví dụ như ph tích hình d<br /> m<br /> g<br /> hân<br /> dạng của một chiếc lá hay một loài côn t<br /> m<br /> trùng để phát hiện ra chúng Phần lớn<br /> g.<br /> các phép toán xử lý hình t<br /> c<br /> n<br /> thái được định nghĩa từ ha phép toán cơ bản là phé toán co ảnh (erosion) và giãn ảnh<br /> h<br /> ai<br /> c<br /> ép<br /> h<br /> (dilation). Yếu tố quan trọng trong các ph toán này là lựa chọn mộ phần tử cấu trúc có hình d<br /> u<br /> g<br /> hép<br /> à<br /> ột<br /> dáng phù hợp.<br /> 1. Phần tử cấu trúc<br /> 1<br /> u<br /> Đối với ảnh nhị phân phần tử cấu trúc là một ản có kích thư nhỏ gồm h giá trị là 0 hoặc 1, các giá trị bằng<br /> i<br /> n,<br /> u<br /> nh<br /> ước<br /> hai<br /> g<br /> 0 được bỏ qua trong quá trìn tính toán, g H(i, j) là ph tử cấu trú của ảnh nhị phân và được thể hiện như sau [12]:<br /> nh<br /> gọi<br /> hần<br /> úc<br /> c<br /> ( , ) ∈ 0, 1<br /> ố<br /> ủa<br /> ấu<br /> g<br /> ng<br /> hị<br /> Hình 2 mô tả một số hình dáng củ phần tử cấ trúc thường được sử dụn trên ảnh nh phân như dạng đường<br /> th chiều nga và dọc, hìn vuông, hình ellipse,…<br /> heo<br /> ang<br /> nh<br /> nh<br /> <br /> Hình vuông<br /> H<br /> <br /> Hình chéo<br /> <br /> Hình kim cương<br /> <br /> Hình đườn ngang<br /> ng<br /> <br /> H<br /> Hình đường dọc<br /> <br /> Hìn 2. Một số hình dáng của ph tử cấu trúc p<br /> nh<br /> hần<br /> phẳng<br /> <br /> 2. Phép co ản<br /> 2<br /> nh<br /> Phép co ảnh (erosion [11] nhị ph của tập hợ A bởi phần tử cấu trúc B là tập hợp c điểm z (z là gốc của<br /> o<br /> n)<br /> hân<br /> ợp<br /> n<br /> các<br /> phần tử cấu tr B) sao cho<br /> p<br /> rúc<br /> o<br /> là tập co của A. Phép co ảnh có th được dùng để làm mảnh các nét chữ dày, nhòe<br /> on<br /> p<br /> hể<br /> g<br /> h<br /> tr<br /> rong ảnh chụp văn bản. Ph co ảnh nh phân của tậ hợp A bởi phần tử cấu t<br /> p<br /> hép<br /> hị<br /> ập<br /> trúc B ký hiệu là ⊝ và được viết<br /> u<br /> à<br /> dưới dạng côn thức như sau [10][11][12]:<br /> d<br /> ng<br /> au<br /> ⊝<br /> <br /> |( ) ⊆<br /> <br /> Trần Công Nghị, Trần Công Án, Huỳnh Xuân Hiệp<br /> <br /> 557<br /> <br /> 3. Phép giãn ảnh<br /> Phép giãn ảnh (dilation) [11] nhị phân của tập hợp A bởi phần tử cấu trúc B là tập hợp các điểm z (z là gốc của<br /> giao với tập A tại ít nhất một điểm. Phép giãn ảnh có thể được dùng để làm<br /> phần tử cấu trúc B) sao cho phản xạ của<br /> dày các nét chữ mảnh trong ảnh chụp văn bản. Phép giãn ảnh nhị phân của tập hợp A bởi phần tử cấu trúc B ký hiệu<br /> là ⊕ B và được viết dưới dạng công thức như sau [10][11][12]:<br /> ⊕B<br /> <br /> ∩<br /> <br /> ⊆<br /> <br /> 4. Phép mở ảnh<br /> Phép mở ảnh (openning) [11] nhị phân của tập hợp A bởi phần tử cấu trúc B là sự áp dụng của phép toán co ảnh<br /> rồi phép toán giãn ảnh của tập hợp A và phần tử cấu trúc B. Phép mở ảnh có thể giúp loại bỏ các nét thừa của ký tự<br /> trong ảnh chụp văn bản. Ký hiệu của phép mở ảnh là ° B và được xác định bởi công thức:<br /> °B<br /> <br /> ( ⊝ )⊕<br /> <br /> 5. Phép đóng ảnh<br /> Phép đóng ảnh (closing) [11] nhị phân của tập hợp A bởi phần tử cấu trúc B là sự áp dụng của phép toán giãn<br /> ảnh rồi phép toán co ảnh của tập hợp A và phần tử cấu trúc B. Phép đóng ảnh có thể giúp khôi phục các nét đứt của ký<br /> tự trong ảnh chụp văn bản. Ký hiệu của phép đóng ảnh là ∙ và được xác định bởi công thức:<br /> ∙<br /> <br /> ( ⨁ )⊝<br /> <br /> III. MÔ HÌNH PHÁT HIỆN PHỔ QUẦN THỂ RẦY NÂU<br /> Mô hình phát hiện phổ quần thể rầy nâu (Hình 3) được thực hiện dựa trên tiếp cận xử lý ảnh hình thái. Đầu tiên<br /> ảnh chụp về rầy nâu được thu thập bằng camera hoặc thiết bị cảm biến. Sau đó hình ảnh sẽ được tiền xử lý để lọc<br /> nhiễu, nâng cao độ tương phản để nâng cao chất lượng ảnh. Sau khi được tiền xử lý hình ảnh sẽ được áp dụng các phép<br /> toán hình thái phù hợp để phát hiện phổ quần thể rầy nâu trong ảnh. Cuối cùng, thuật toán phân vùng ảnh được áp dụng<br /> để đếm số lượng cá thể rầy nâu trong ảnh. Kết quả sau khi áp dụng mô hình phát hiện phổ quần thể rầy nâu trong ảnh<br /> sẽ được tổng hợp và phân tích để đánh giá hiệu quả mô hình.<br /> Thu thập ảnh về<br /> rầy nâu (camera,<br /> cảm biến,…)<br /> <br /> Áp dụng các phép<br /> toán hình thái để phát<br /> hiện phổ quần thể rầy<br /> nâu trong ảnh<br /> <br /> Tiền xử lý<br /> <br /> Áp dụng thuật toán<br /> phân vùng ảnh để<br /> đếm số lượng cá<br /> thể rầy nâu<br /> <br /> Kết quả<br /> <br /> Hình 3. Mô hình phát hiện phổ quần thể rầy nâu<br /> <br /> A. Thu thập ảnh về rầy nâu<br /> Bước đầu tiên của mô hình là phải thu thập các hình ảnh về rầy nâu để làm tập dữ liệu thực nghiệm cho mô<br /> hình. Hình ảnh rầy nâu có thể được ghi lại bằng các loại công cụ ghi hình khác nhau (camera, cảm biến,…). Các hình<br /> ảnh thu được phải phù hợp với thực tế cần áp dụng (ví dụ trong tình huống này là các hình ảnh được ghi từ bẫy đèn nên<br /> hình ảnh có thể có độ sáng phân bố không đều và có nhiễu).<br /> B. Tiền xử lý<br /> Mục tiêu của bước tiền xử lý ảnh là để nâng cao chất lượng ảnh bằng cách lọc nhiễu và nâng cao độ tương phản<br /> của ảnh. Hình ảnh sau khi xử lý phải là ảnh nhị phân để áp dụng được các phép toán hình thái (Hình 5). Đầu tiên hình<br /> ảnh đầu vào được chuyển đổi thành ảnh xám, sau đó tiến hành nâng cao độ tương phản của ảnh xám và cuối cùng là<br /> chuyển đổi ảnh xám thành ảnh nhị phân.<br /> 1. Chuyển đổi ảnh RGB thành ảnh xám<br /> Các hình ảnh thu thập trong thực tế thường sử dụng hệ màu RGB, trong đó mỗi điểm ảnh (pixel) được tạo thành<br /> bởi cường độ của ba thành phần màu sắc: đỏ (red), xanh lá (green) và xanh dương (blue). Hệ màu RGB đòi hỏi nhiều<br /> không gian lưu trữ và mất nhiều thời gian trong việc xử lý hình ảnh, đặc biệt là khi áp dụng các phép toán hình thái. Vì<br /> vậy, chúng tôi sẽ tiến hành chuyển đổi ảnh màu qua ảnh xám trước khi tiến hành phát hiện và đếm số lượng rầy nâu.<br /> Phương pháp chuyển đổi được thực hiện theo công thức sau [13]:<br /> ( , )<br /> <br /> 0,2989<br /> <br /> 0,587<br /> <br /> 0,114<br /> <br /> Trong đó I(x, y) là mức xám tại điểm ảnh có tọa độ là (x, y). (R, G, B) là cường độ của màu đỏ, màu xanh lá và<br /> màu xanh dương.<br /> <br /> 558<br /> 5<br /> <br /> PHÁT HIỆN PH QUẦN THỂ RẦY NÂU DỰA TRÊN TIẾP CẬN XỬ LÝ ẢNH HÌNH THÁI<br /> HỔ<br /> R<br /> ẬN<br /> <br /> 2. Nâng cao đ tương phản của ảnh xám<br /> 2<br /> độ<br /> n<br /> m<br /> Sau khi chuyển sang ảnh xám thì c<br /> i<br /> công việc tiếp theo là tiến hành nâng cao độ tương phả để làm ảnh rõ nét hơn<br /> p<br /> h<br /> o<br /> ản<br /> dựa trên thuật toán căng tổ c<br /> d<br /> chức đồ (linea transform hi<br /> ar<br /> istogram) [13] Giải thuật đ<br /> ].<br /> được thực hiện dựa vào công thức sau:<br /> n<br /> g<br /> ( , )<br /> <br /> 255<br /> <br /> ( ( , )<br /> (<br /> <br /> )<br /> )<br /> <br /> Trong đ I(x, y) là m xám tại đi<br /> đó<br /> mức<br /> iểm ảnh có tọa độ là (x, y), max là giá tr mức xám lớ nhất trong ảnh, min là<br /> rị<br /> ớn<br /> ả<br /> giá trị mức xám nhỏ nhất tro ảnh, I’(x, y) là giá trị mức xám sau khi tiến hành c<br /> g<br /> m<br /> ong<br /> m<br /> k<br /> căng tổ chức đ tại điểm ảnh có tọa độ<br /> đồ<br /> h<br /> (x, y).<br /> 3. Chuyển đổ ảnh xám thà ảnh nhị ph<br /> 3<br /> ổi<br /> ành<br /> hân<br /> Để chu<br /> uyển đổi ảnh x<br /> xám thành ảnh nhị phân ch<br /> h<br /> húng tôi sử dụ phương ph phân ngư<br /> ụng<br /> háp<br /> ưỡng thích ứng (adaptive<br /> g<br /> th<br /> hreshold) [14]. Phương phá này thường được sử dụn trong trườn hợp hình ản có sự phân bố độ sáng không đều.<br /> áp<br /> g<br /> ng<br /> ng<br /> nh<br /> n<br /> k<br /> Do hình ảnh rầy nâu được g lại trong đ<br /> D<br /> ghi<br /> điều kiện trời tối dùng ánh sáng của bẫy đèn nên độ s<br /> y<br /> sáng trong ảnh sẽ không<br /> h<br /> đều nên chúng tôi chọn phư<br /> đ<br /> g<br /> ương pháp phâ ngưỡng thíc ứng trong tr<br /> ân<br /> ch<br /> rường hợp này<br /> y.<br /> <br /> (b)<br /> (c)<br /> (a)<br /> Hình 4. Hình ảnh k quả bước tiền xử lý. (a)-ảnh màu, (b)-ảnh x<br /> h<br /> kết<br /> h<br /> xám, (c)-ảnh nh phân<br /> hị<br /> <br /> C. Phân lớp p quần thể rầy nâu dựa t<br /> C<br /> phổ<br /> trên các phép toán hình thái<br /> p<br /> Do các hình ảnh rầy n được chụp lại trong điều kiện ánh sán không đồng đều nên các hình ảnh rầy nâu sau khi<br /> nâu<br /> p<br /> u<br /> ng<br /> g<br /> n<br /> được tiền xử lý có thể bị sai lệch, xuất hi các phần th hoặc thiếu so với hình dạng ban đầu Từ đó cần đề xuất một<br /> đ<br /> ý<br /> i<br /> iện<br /> hừa<br /> u<br /> u.<br /> đ<br /> phần tử cấu trú thứ nhất nhằ mục đích loại bỏ các nhiễu hạt nhỏ cũn như phục h lại hình dạn rầy nâu (Hình 5).<br /> p<br /> úc<br /> ằm<br /> ng<br /> hồi<br /> ng<br /> <br /> Hình 5. Phần tử cấu trúc thứ n được sử dụng để loại bỏ hạ sạn và khôi p<br /> H<br /> ử<br /> nhất<br /> ạt<br /> phục hình dạng rầy nâu trong ảnh<br /> ả<br /> <br /> Sau khi khôi phục đư hình dạng của rầy nâu trong ảnh. Bư tiếp theo ta cần áp dụng các phép toán hình thái<br /> i<br /> ược<br /> g<br /> t<br /> ước<br /> a<br /> g<br /> để loại bỏ các đối tượng kh<br /> đ<br /> hông phải rầy nâu dựa trên đặc điểm hình thái của rầy nâu. Để áp d<br /> h<br /> y<br /> dụng phép toán hình thái<br /> n<br /> th yếu tố quan trọng là phả tìm được ph tử cấu trú phù hợp vớ phép toán. P<br /> hì<br /> n<br /> ải<br /> hần<br /> úc<br /> ới<br /> Phần tử cấu tr này có thể được tìm<br /> rúc<br /> ể<br /> th bằng cách phân tích mộ vài mẫu rầy nâu từ đó suy ra được phần tử cấu trúc c tìm (Hình 6).<br /> hấy<br /> h<br /> ột<br /> y<br /> y<br /> n<br /> cần<br /> h<br /> <br /> Hình 6. Mộ số mẫu rầy đư sử dụng để tìm phần tử cấu trúc thứ hai.<br /> ột<br /> ược<br /> u<br /> <br /> Quá trìn phân lớp p quần thể r nâu được thực hiện dựa trên phép m ảnh (openin của phần tử cấu trúc<br /> nh<br /> phổ<br /> rầy<br /> a<br /> mở<br /> ng)<br /> t<br /> th nhất lên ản nhị phân th được ở bướ tiền xử lý. Phép toán này giúp loại bỏ n<br /> hứ<br /> nh<br /> hu<br /> ớc<br /> P<br /> y<br /> nhiễu hạt có k<br /> kích thước nhỏ phục hồi<br /> ỏ,<br /> kích thước và hình dạng của phần tử rầy nâu trong ảnh đồng thời cò giúp tách r các phần tử rầu nâu nằm gần nhau<br /> k<br /> a<br /> h<br /> òn<br /> rời<br /> ử<br /> m<br /> (Hình 7a). Sau khi áp dụng p<br /> u<br /> phép toán thì vẫn còn một số phần tử khô phải là rầy nâu tồn tại tr<br /> s<br /> ông<br /> y<br /> rong ảnh. Để loại bỏ các<br /> phần tử này th tiếp tục thực hiện phép to mở ảnh củ phần tử cấu trúc thứ hai v ảnh mới x lý. Kết quả sau khi áp<br /> p<br /> hì<br /> c<br /> oán<br /> ủa<br /> u<br /> với<br /> xử<br /> dụng các phép toán hình thá giúp phát hi phổ quần thể rầy nâu tro ảnh (Hình 7b).<br /> d<br /> p<br /> ái<br /> iện<br /> ong<br /> <br /> Trần Công Nghị, T<br /> T<br /> Trần Công Án, H<br /> Huỳnh Xuân Hiệp<br /> <br /> 559<br /> <br /> (a)<br /> (b)<br /> Hình 7. (<br /> (a)-Ảnh nhị phâ thu được khi áp dụng phép toán hình thái với phần tử cấu trúc thứ nhất, (b Ảnh nhị phâ thu được<br /> ân<br /> t<br /> v<br /> b)ân<br /> khi áp dụ phép toán hình thái với ph tử cấu trúc t hai<br /> ụng<br /> h<br /> hần<br /> thứ<br /> <br /> D. Đếm số lượ các cá thể trong phổ q<br /> D<br /> ợng<br /> quần thể rầy nâu dựa vào phương pháp g nhãn vùn tuần tự<br /> n<br /> p<br /> gán<br /> ng<br /> Chức n<br /> năng đếm số lư<br /> ượng rầy nâu t<br /> trong ảnh đã phát hiện phổ quần thể rầy n được thực hiện bằng ph<br /> p<br /> q<br /> nâu<br /> c<br /> hương pháp<br /> gán nhãn vùng tuần tự (sequ<br /> g<br /> g<br /> uential region labeling) [15] sử dụng khái niệm 4 liên t<br /> ]<br /> i<br /> thông (4-conn<br /> nected) [15]. Kết quả sau<br /> K<br /> khi thực hiện p<br /> k<br /> phương pháp n sẽ thu đượ các vùng được gán nhãn rời nhau trong ảnh (Hình 8<br /> này<br /> ợc<br /> ng<br /> 8).<br /> <br /> Hình 8 Ảnh thu được sau khi áp dụn thuật toán ph vùng<br /> 8.<br /> c<br /> ng<br /> hân<br /> <br /> Giải th<br /> huật: Phát hiện phổ quần thể rầy nâu.<br /> n<br /> Đầu vào: ảnh rầy nâu inImage<br /> y<br /> e.<br /> Đầu ra: ảnh sau khi phát hiện phổ quần thể rầy nâu outIm<br /> mage và số lượ rầy nâu co<br /> ợng<br /> ountBPH.<br /> Các bước trong g thuật:<br /> c<br /> giải<br /> Bư 1: tạo các h<br /> ước<br /> hình ảnh có k thước bằng với kích thư ảnh rầy nâ ban đầu inI<br /> kích<br /> ước<br /> âu<br /> Image:<br /> grayImage lưu ảnh xám<br /> e:<br /> m.<br /> binaryIma lưu ảnh n phân.<br /> age:<br /> nhị<br /> inverseIma lưu nghịc đảo của ảnh nhị phân.<br /> age:<br /> ch<br /> h<br /> morImage lưu ảnh sau khi áp dụng phép toán hình thái.<br /> e:<br /> p<br /> h<br /> outImage: lưu ảnh kết q sau khi áp dụng phép toán đếm số lượ rầy nâu.<br /> quả<br /> ợng<br /> Bư 2: khởi tạo phần tử cấu t<br /> ước<br /> o<br /> trúc áp dụng cho phép toán hình thái:<br /> c<br /> structElem<br /> ment1: phần tử cấu trúc có dạng hình thoi kích thước là 3.<br /> ử<br /> d<br /> à<br /> structElem<br /> ment2: phần tử cấu trúc có dạng hình vuôn có kích thư là 3.<br /> ử<br /> d<br /> ng<br /> ước<br /> Bư 3: chuyển đổi hình ảnh đầu vào inIm<br /> ước<br /> mage thành ảnh xám và lưu vào biến ảnh xám grayImage<br /> h<br /> u<br /> h<br /> (tham k<br /> khảo giải thuật trong phần II<br /> t<br /> II.B.1):<br /> grayImage = convertTo<br /> e<br /> oGray(inImage<br /> e);<br /> Bư 4: nâng ca độ tương p<br /> ước<br /> ao<br /> phản của ảnh xám grayImag và lưu tiếp vào biến ảnh xám grayImage<br /> x<br /> ge<br /> h<br /> (tham k<br /> khảo giải thuật trong phần II<br /> t<br /> II.B.2):<br /> grayImage = linearTran<br /> e<br /> nsform(grayIm<br /> mage);<br /> Bư 5: chuyển đổi ảnh xám grayImage thành ảnh nh phân binary<br /> ước<br /> n<br /> m<br /> hị<br /> yImage (tham khảo giải th<br /> m<br /> huật<br /> trong ph III.B.3):<br /> hần<br /> age<br /> ToBinary(gray<br /> yImage);<br /> binaryIma = convertT<br /> Bư 6: lấy nghị đảo của ản nhị phân bi<br /> ước<br /> ịch<br /> nh<br /> inaryImage và lưu vào biến ảnh nghịch đ reImage<br /> à<br /> n<br /> đảo<br /> inverseIma = inverse<br /> age<br /> eBinaryImage(<br /> (binaryImage)<br /> );<br /> Bư 7: áp dụng phép toán m ảnh lên ản nghịch đảo invertImage sử dụng phầ tử cấu trúc có<br /> ước<br /> g<br /> mở<br /> nh<br /> o<br /> e<br /> ần<br /> c<br /> dạng hìn thoi structE<br /> nh<br /> Element1 (tha khảo phần II.B):<br /> am<br /> morImage = openingIm<br /> e<br /> mage(inverseIm<br /> mage, structEl<br /> lement1);<br /> Bư 8: áp dụng phép toán m ảnh lên ảnh morImage sử dụng phần tử cấu trúc có dạng hình vuô<br /> ước<br /> g<br /> mở<br /> h<br /> ử<br /> ử<br /> ông<br /> structEl<br /> lement2 (tham khảo phần II<br /> m<br /> I.B):<br /> morImage = openingIm<br /> e<br /> mage(morImag structElement2);<br /> ge,<br /> Bư 9: áp dụng thuật toán gá nhãn vùng tuần tự lên ản sau khi đượ áp dụng ph toán hình thái<br /> ước<br /> g<br /> án<br /> nh<br /> ợc<br /> hép<br /> t<br /> morIma để đếm số lượng rầy nâu và lưu kết quả số lượng rầy nâu vào biến kết quả countBPH đồ<br /> age<br /> ố<br /> g<br /> ả<br /> ồng<br /> thời lưu hình ảnh sau khi phân vùn vào biến ou<br /> u<br /> u<br /> ng<br /> utImage (tham khảo giải thu phần III.D)<br /> m<br /> uật<br /> ):<br /> countBPH = sequential<br /> H<br /> lRegionLabeli<br /> ing(morImage outImage);<br /> e,<br /> <br />