本文就是用孢子捕捉仪的显微图像采集系统对杨树病害孢子进行采集，然后用数字图像处理识别技术进行研究，最后实现对杨树病害孢子的自动识别计数。此法既提高了计数的准确率和数据收集的速度，又节省了大量的人力和物力，为杨树病害预测预报提供了一种快速先进的手段。
    根据孢子测量的要求，在孢子捕捉仪上设计了显微图像采集系统，如图1所示。它由摄影显微镜、计算机和监视器等组成。另外还有自行开发的集图像采集、处理与孢子识别计数等功能于一身的软件。
    将孢子取样器按一定距离排放在田间现场、定时定期将取样器带回实验室，用显微图像采集系统对杨树病害孢子进行采集，得到768 X 576像素大小的24位彩色图像。为了叙述方便，本文选取其中的杨树腐烂病害孢子图片的一部分来说明间题。
3. 1去除背景光并将图像灰度化
为了消除光源光强变化影响及系统中噪声干扰，本文将原始图像减去背景光图像，并利用总亮度公式川将彩色图像变为8位灰度图像:
f=0222R+0. 7076+0. 071B （1）
式中f为变换后的灰度图像的亮度，即灰度值。
3.2 IMHS平滑算法
为提高孢子识别率，必须进一步去除图像中的噪声。在研究和比较已有平滑技术的基础上，本文提出一种改进的最大均匀性平滑算法( (1)对图像f(x,y)的(x,y)点重复步骤(2),(3)。
(2)对点((x,y)的17个梯形区域求极差和中值。
(3)判定最小极差区域，将中值赋给点((X,Y)。
(4)结束。
用IMHS算法滤波处理的图像。为了比较，我们同时给出了经高斯滤波后的图像。
3. 3闺值分割
将孢子从背景中分割出来，这是识别过程中最关键的一步。研究中采用自动闭值法处理，得到二值图像。可以看出IMHS法的滤波效果较好，它可以滤除空洞噪声，很好地保持了饱子边界的完整性。
3. 4膨胀处理
经过滤波、二值化处理后，孢子变小了。为了使识别的效果更佳，本文对分割后的二值图像进行膨胀处理。能够很明显地看出膨胀的效果。
3. 5图像边界提取及细化
一般来说，结构元素是八连通时，所得边界为四连通；而结构元素是四连通时，所得的边界为八连通。
本课题提取孢子边界是为了计算周长和求取傅里叶子，而八连通的边界平滑性好，更接近真实饱子。因此本文采用四连通的结构元素。
由于图中的饱子边界有一定的宽度，必须对其进行细化处理。本文采用一种并串结合的细佬处理方法，它是在Hilditch经典细化算法的基础上，做一些改进。
3. 6自动识别计数
杨树病害孢子图像经边缘提取和图像分割等操作，获取了孢子的形状，而孢子的形状特征为识别提供了重要信息，因此，在图像处理与识别领域经常根据物体形状来识别物体困并计数。图10就是自动识别计数的结果。
4结论
本文首先由孢子捕捉仪的显微图像采集系统获得孢子图像，经去噪声、图像平滑、阂值分割和膨胀，得到二值化图像，然后对它进行边缘提取和细化，最后实现孢子的自动计数。研究中对53幅杨树病害孢子图像进行自动识别计数，正确率达到9800。这项技术为杨树病害预测预报提供了一种快速先进的手段。