0、 引言

圖像分割是圖像處理過渡到圖像分析的關鍵步驟，分割的精度決定著計算機分析過程最終的成敗。

但由于不同的應用需求，不同種類的圖像需要提取的目標特征不同，對應的分割方法也就不同。因此，不存在一種普遍適用的圖像分割方法，目前提出的分割算法大都是針對具體問題的。一般來說，圖像分割結果以人的視覺來評價，但是針對同一圖像如何比較不同分割方法處理結果的好壞就需要有一個評價標準來衡量。關于圖像分割評價方法方面，已經有不少研究成果，通常分為實驗法和分析法兩類。在實際應用中，通過公式計算得到指標值來確定算法的優劣更為直觀，所以定量實驗法應用更多。

在作物病害圖像處理方面，針對病斑提取結果的評價應用比較多的則是定量實驗法中的像素數量誤差。這種方法主要計算由于分割錯誤而產生的錯分像素的個數，常見的有面積錯分率、分類誤差、正確分割的百分數及誤差概率等。

目前，關于作物病害圖像分割評價方法的研究還未見報道，因此以黃瓜葉部病害為例，通過對常用的幾種評價方法進行比較，探討其評價性能，為作物病害圖像分割的評價提供基礎研究。

1． 1 實驗材料及運行環境

使用佳能 6D 型數碼相機，在田間自然光照環境下，采用自動曝光模式獲取黃瓜葉部病害圖像，以JEPG 格式存儲; 然后通過 Photoshop CS 軟件去除圖像中的復雜背景，僅留下圖像中的主要葉片。用 MatLab自帶的 Imresize 函數壓縮圖片成 900×600 大小。這里需要說明的是，有些圖片存在光照不均勻、混合病害或者病葉表面有雜物等均會影響誤分率計算結果，因此選擇圖像時需要排除上述影響。

本文采用算法均在 MatLab7． 1 和 VC++6． 0 混合編程 MEX 環境下編程實現，以實際采集到黃瓜靶斑病和白粉病為測試對象進行實驗。實驗所用計算機的配置為 Intel Core Q6700 2． 66GHz 中央處理器、4G內存和 Windows XP 操作系統，每種病害各選取 10 幅進行實驗。

1． 2 實驗設計

針對上述兩種黃瓜病害圖像，設置 3 個處理: 處理 1，最大類間方差法\\(OTSU\\) ; 處理 2，改進后的圖切割方法; 處理 3，基于極小值標定的分水嶺方法。

1． 3 圖像分割評價方法

本文擬采用目前針對作物病斑分割結果常用的 4種圖像分割評價方法，具體為

式中 N1—算法進行病斑區域分割的像素值;N2—手動標準分割病斑區域的像素值;m×n—圖像總像素。

2、 結果與分析

2． 1 4 種評價方法的計算結果曲線圖

針對 20 幅黃瓜病害圖片\\(靶斑病和白粉病各 10幅\\) ，應用處理 1、處理 2 和處理 3 得到如下 4 種評價方法計算結果曲線圖。其中，方法1 和方法 2 的誤分率對照右邊縱坐標數值，方法 3 和方法 4 的誤分率對照左邊縱坐標數值。

可以看出: 方法 1 和方法 2 的曲線走勢基本相同，誤分率的計算結果基本上都在 0～ 100% 之間波動; 方法 3 和方法 4 的曲線走勢基本相同，誤分率的計算結果在 0 ～ 4 000% 之間波動。方法 3、4 比方法 1、2 的計算結果波動幅度大很多。

2． 2 兩種病害分割結果示意圖

任選黃瓜靶斑病和白粉病各 1 幅，給出原圖、標準病斑、處理 1、處理 2 和處理 3 得到的分割結果對比圖，如圖4 和圖5 所示。同時，給出3 種處理方式下應用 4 種評價方法得到的誤分率計算結果，如表 1、表 2和表 3 所示。

改進方法后的處理2、處理3 病斑提取結果比處理 1 的結果明顯要好。對照表1、表 2 和表 3 的數據來看，表 2 和表 3 的數據明顯比表 1 的數據結果小。也就是說，4 種評價方法計算結果都能體現出 3 種處理分割結果的差異。但是，從人的主觀感覺來說，前兩種評價方法的計算結果比較符合常規邏輯，而后兩種評價方法的計算結果容易受到實際病斑面積大小的影響，計算數值波動太大。

3、 結論

1\\) 方法 1 和方法 2 比較適合用于作物病害圖像分割結果的評價。

2\\) 目前，標準病斑參考圖片仍然手工提取，可能存在一定的隨機誤差。以后，針對作物病害圖像分割，期望能夠采用無需標準分割圖像作為參考的無監督圖像分割評價方法。

參考文獻:
［1］ 章毓晉． 圖象分割評價技術分類和比較［J］． 中國圖象圖形學報，1996，1\\(2\\) : 151－157．