计算机在水产养殖学中的应用,计算机图像处理技术在水产养殖业中的应用

摘 要： 利用计算机图像处理技术在水产养殖业中实现对鱼类生长的监控。

关键词： 数字图像处理 水产养殖 Matlab

近年来，在经济快速增长的同时，人们的生活水平不断提升。

1 系统构成 图像处理通常涉及较为复杂的计算过程，并会消耗较多的CPU资源。为了实现图像处理功能与水产养殖计算机监控系统的整合，在本文所述的方法中将基于高效、简便且精确的原则进行设计。系统构成示意图如图1所示。

该微机图像处理系统主要由摄像机、视频图像采集卡、计算机以及打印机等核心设备构成。传统的CCD相机是固定式设计，在当前技术背景下已逐渐被新型相机取代。CCD成像元件通过电荷耦合技术实现图像捕捉，在体积小巧、重量轻便且结构紧凑等方面具有显著优势。视频图像采集卡作为连接相机与计算机的关键设备，在实际应用中通常会将其划分为中频型、高频型以及高通型三大类。本系统选用中频型采集器，在运行时可实现每秒1帧的稳定输出。在硬件配置上，则配备了性能优越的微机系统：中央处理器选择的是PentiumⅢ 1G型号，在内存方面配备256MB物理内存空间，并搭配40GB的操作系统存储容量（可根据实际情况调节存储空间大小）。打印功能可选普通喷墨打印机或激光打印机。

本系统的工作流程如下：摄像头实时捕捉池塘的画面，并经由视频图像采集卡接收。该设备负责将模拟信号转换为数字信号供计算机使用。按照预先编写的程序对画面进行分析，并自动识别异常情况并发出警报。系统会将分析结果记录至数据库中，并在必要时生成并保存画面副本作为备份。

2 应用原理 通过计算机视觉技术识别鱼类生病状态的工作原理如下：当池塘水质被污染、鱼类患病或投喂药物导致不适甚至死亡时，鱼会表现出倒伏现象（即侧翻），此时体色较浅的部分浮于水面并与水体深色背景形成显著对比度差异容易辨认。此外，在养殖场中通常会对鱼类进行集中圈养管理（即统一放养），这些鱼具有种类一致、体型相近等特点。基于此特性可以通过统计分析方法确定分割病鱼与池塘水背景颜色的理想阈值（即分割界限）。同时也能获得某一时间段内池塘内鱼类体型大小以及腹部白色区域面积参数（即解剖特征）。因此可对原始图像进行(0,255)阈值二值化处理（即将图像分为黑色与白色两个部分），从而将病鱼白色的腹部与其所在的水体背景分离开并计算白色区域部分的面积参数（即数量指标）。当观察到最小白色区域面积大于等于该时间段内设定的经验性下限且小于上限时即可判定存在鱼类出现不适反应或已死亡情况（即需采取应对措施）。

3 软件设计

本系统的图像处理程序由Matlab语言开发而成。Matlab是一种应用广泛的Matlab软件平台（应用于科学计算与工程领域），其语法结构简单明了（便于学习与使用），并且功能模块丰富全面（包含大量数学运算与数据可视化工具）。该系统不仅提供卓越的图形界面展示效果便捷（包括灰度与彩色图像预览），还具备高效的用户交互体验（支持多种操作指令输入方式）。在图像处理领域具有显著优势：首先，在矩阵运算方面表现出色（支持大规模数值计算），其次在图形显示效果上更加便捷（内置多种预定义图表类型），再次提供了专门的灰度与彩色图像显示功能（满足不同应用场景需求），最后配备了完善的图像处理函数库（涵盖基础滤波、形态学操作等关键算法）。该系统显著降低了程序设计复杂度，并有效缩短了开发周期。

首先，清空Matlab工作空间中的所有变量，并关闭所有未保存的图形窗口后，请导入一张待处理的图片文件。

clear；

close all；

I=imread(′5.jpg′)； %读入待处理图片

Y=rgb2gray(I)； %RGB图转换为灰度图

在输入、传输及处理过程中，图像不可避免地会受到干扰影响而产生噪声，并进而导致图像质量受到影响或出现视觉效果不佳的情况。中值滤波能够有效抑制干扰并去除噪声。其函数如下：

medfilt2(Y)；

灰度图像的二值化关键在于合理选定分割阈值，并实现病鱼与背景的分离。通过大量实验数据的统计分析可知，在取阈值为225时能够较为有效地将处理对象与其背景区分开来。程序如下：

灰度图像的直方图和其二值化后的图像如图3、图4所示。

在经过二值化处理后所得的图像中仍残留有较多的白色斑点。显然这些白色的斑点并非病鱼造成的；因此必须予以去除以避免影响后续处理。通过经验推断对上述二值图像进行四次反复的收缩与扩张操作能够较为有效地清除多余的白色斑点

%以下程序对二值图像进行2次扩张

该程序中为自定义的函数族提供支持。

程序执行后得到处理后的图像如图5所示。

基于力学中的矩理论，在图像处理中将图像中的各个像素视为质点，并以每个像素的位置即为力臂的位置。为了定量描述图像区域特征，在此过程中假设图像中每个像素的质量均为1单位。其中1-象素的质量值等于其灰度级数值。同时设图形面积为S=(I,j)表示图形内各像素坐标的集合，则矩的计算公式可表示为：

即为图像中1-象素之和，也就是图像的面积。

通过函数调用[Y, bw] = bwlabel(G)，在图5中标注两个白色斑点为1和2。完成标注后得到的结果能够直观地反映这些斑点的空间分布情况。本研究实验数据显示，在当前阶段内单条鱼病变或死亡时暴露出来的白区域面积为M(·)＝1 849.76±46.78 cm²，在此基础上对被标记出的两个区域内最小面积与其参考范围（即M(·)值下限及上限）之间的关系进行分析比较。如果计算出的小于等于参考范围，则提示该鱼类在此阶段可能出现不适症状并触发报警系统；否则则表明其生长状态正常

4 总 结

采用上述方案实施图像处理工作后会具备快速响应简便操作以及精确度高的特点

参考文献

1 张兆礼教授、赵春晖博士、梅晓丹女士.现代图像处理技术及其Matlab实现.北京地区：人民与邮电出版社, 2001年版.

2 方如明、蔡健荣、许俐. 计算机图形学与图像处理技术及其在农业工程领域的实践与应用. 北京：清华大学出版社, 1999