引言
随着农业机械自动化技术的飞速发展，现代化农业逐步走向智能化、精准化，各种智能化的农业机器人越来越广泛地被应用到农业生产当中。例如，变量喷洒机器人是一种根据农作物或杂草的田间位置和生长密度，实时地调整喷洒农药或除草剂喷洒量的一种智能化的农业机械装置。其田间农作物或杂草的位置和生长密度的识别主要是通过机器视觉系统来实现的;通过捕获、处理和分析田间图像中所包含的作物、杂草和背景的形状、纹理、颜色、光谱等信息进行识别。因此，如何有效表达和利用这些特征是基于机器视觉的田间农作物识别技术的关键所在。
由于自然状态下生长的农作物和杂草植株叶子形状比较复杂，不同生长时期的叶片色泽变化较大，机器人的视觉系统采集到的图像会受到作业时周围环境的光照条件、拍摄角度、机器人行走时振动等因素的影响，给农作物和杂草图像的分割带来了一定的困难[}z}。所以，在图像分割之前需要对图像进行边缘增强和去噪等预处理，来改善图像的视觉效果，使其比原始图像更加适合图像分割的需要，为后续的图像分析奠定基础。由于农作物图像的类型不同，所具有的图像特征也有很大的差异，到目前为止，学者们使用的图像预处理方法也多种多样，一些改进的新方法还在不断出现。本文以田间杂草图像作为研究对象，提出了一种改进的自适应多级中值滤波器对图像进行预处理的方法，以减少和消除图像中的噪声影响，改善图像质量，为更准确、更快速地田间杂草识别奠定基础。
1图像的增强处理
机器视觉装置采集到的图像会受到各种噪声的干扰，使图像质量下降，需要对图像进行去噪和边缘增强等预处理，来改善图像的视觉效果。图像增强是增强图像中某些有用的信息，消弱或去除不需要的信息，来扩大图像中不同部分特征的差别，使处理后的图像比原图像更适合特定的应用。图像增强的方法分为空间域和频率域两大类:空间域方法是对图像像素的灰度直接进行处理;频率域方法是对图像的频谱信息进行修改。常用的增强方法有灰度变换、直方图处理及滤波等方法。
2空间域图像的平滑处理
空间域滤波是基于邻域的一种处理方法，包括线性滤波和非线性滤波。中值滤波器是最常用的一种非线性滤波器，它的响应是基于滤波掩膜包围的图像区域中像素的排序，就是在待处理图像中逐点移动滤波掩膜，将邻域内像素灰度的中值代替该像素的值[[5]。中值滤波器可以有效地滤除脉冲噪声和随机噪声;但图像的细节信息和边缘信息会受到破坏，使滤波后的图像变得模糊。为了弥补传统中值滤波器在保护细节和边缘信息方面的不足，研究人员提出了一系列的改进算法，常用的有多级中值滤波、加权中值滤波、自适应中值滤波及三态中值滤波，效果比较好的有多级加权中值滤波和自适应中值滤波。
3改进的自适应多级中值滤波器
本文在多级加权中值滤波算法的基础上，通过增加3个不同大小尺寸的二维滤波掩膜，使在不同的图像区域选择不同尺寸和形状的窗口对图像进行滤波，在去除噪声的同时尽可能保留更多的细节特征。改进中值滤波器采用的滤波窗口如图2所示。其以待处理的像素点为中心，选择了3个二维窗口和4个不同方向的一维窗口共7个窗口作为候选窗口。
根据处理的区域，以判断灰度变换的平缓与否作为选择窗口的依据，采用各窗口灰度值的方差大小为判断标准。首先判断二维滤波窗口的方差，选择方差最小的候选窗口作为滤波窗口，如果各个二维窗口的方差相同，以最大尺度的候选窗口作为滤波窗口。设定一个方差i-}}值，如果3个二维窗口的方差都大于设定的方差值，则从4个一维候选窗口中选择方差最小的作为滤波窗口。如果一维窗口的方差相同，则选择水平和垂直窗口作为滤波窗口。这样既可以将不同方向的细节最大限度的得以保留，又可以降低噪声的影响。
4试验结果与分析
本试验中机器视觉系统采集到的田间杂草原始图像。同时，使用直方图均衡化的方法对图像进行了增强，试验中分别使用多级加权中值滤波和本文提出的自适应多级中值滤波器对田间杂草图像进行了滤波处理。
由于改进的自适应多级中值滤波器在多级加权中值滤波器4个一维滤波窗口的基础上，又增加3个不同大小尺寸的二维滤波掩膜，可以在不同的图像区域选择不同尺寸和形状的窗口对图像进行滤波，在去除噪声的同时尽可能保留更多的细节特征，所以获得了比较满意的滤波效果。
参考文献:
[1]毛文华，曹屏异，基于多特征的田间杂草识别方法.农业工程学报，2007,23(11):206一208
[2]陈丽君基于机器视觉的变量喷雾控制系统研究[D]沈阳:沈阳农业大学，2009
[3]黄涛数宇图像的增强日」肇庆学院学报，2004,2s (2)
