2. 叶片图像采集基础

病斑分割与面积测量的精度，在上传算法之前就已经被拍摄环节决定了大半。同一片叶子，用手机随手一拍和用受控条件拍摄，分割出的病斑面积可能相差 10%～30%。原因并不神秘：光照不均会让健康组织出现伪高光或伪阴影，被阈值分割误判为病斑；拍摄角度倾斜会让叶片产生透视压缩，像素面积与实际面积之间不再是简单的比例关系；背景杂乱则会让基于颜色或边缘的分割算法把背景纹理误纳入叶片区域。因此本节把采集环节当作一个可量化的工程问题来处理：先明确设备与场景的匹配，再逐项控制光照、角度、背景、分辨率与格式，使后续分割在一个稳定、可复现的输入上进行。

一、设备选择：田间与实验室是两套逻辑

实验室采集追求的是可重复性与标定精度。典型配置是：固定式拍摄台（或翻拍架）、可调色温的漫射光源（如双侧柔光箱或环形漫射灯）、带标准色卡与比例尺的载物台、以及支持手动曝光与 RAW 输出的相机。相机不必昂贵，但必须能关闭自动白平衡、自动曝光和机内锐化，因为这三项都会随画面内容变化而改变颜色与边缘响应，直接破坏分割阈值的一致性。若使用手机，应选择支持专业模式、可锁定对焦与曝光的机型，并固定在一个刚性支架上。

田间采集追求的是效率与代表性。设备通常是手机、便携式数码相机或无人机载相机。田间最大的敌人是自然光的多变：云层移动、太阳高度角变化、叶片在风中的抖动，都会让同一株作物在不同时刻呈现不同颜色。可行的做法是携带一块灰卡或白卡，在每个采样批次的开头和结尾各拍一张参考卡，用于后期白平衡校正；同时尽量在阴天或上午 9 点至 11 点、下午 3 点至 5 点之间拍摄，避开正午强直射光造成的镜面反射。若必须正午拍摄，可用手持柔光板在叶片上方制造均匀散射光。

二、光照控制：均匀性比亮度更重要

分割算法对光照均匀性的敏感度远高于对绝对亮度的敏感度。判断标准很直接：在空白背景上拍摄一张图，若四角与中心的灰度差异超过 10%，就说明存在明显的暗角或方向性阴影，需要调整光源位置或增加漫射。实验室中推荐双侧对称布光，光源与拍摄平面成约 45°，这样叶片表面的漫反射进入镜头，而镜面反射被导向两侧，减少高光斑。田间则要避免阳光直射叶片正面，优先利用天空散射光，必要时用身体或遮光板为叶片制造阴影区，但要注意阴影区不能过暗导致细节丢失。

另一个常被忽视的问题是色温一致性。实验室的 LED 光源色温应固定（如 5500K），并在拍摄前用灰卡做一次白平衡。田间若在不同时段拍摄，色温会从清晨的偏暖漂移到正午的偏冷，同一片叶子的 RGB 值随之改变。解决办法是在每个批次中插入参考卡，后期用图像处理软件对整批图像做统一白平衡，而不是逐张凭感觉调整。

三、拍摄角度与背景布置

面积测量的前提是叶片平面与传感器平面平行。任何倾斜都会引入透视畸变，使叶片在图像中被压缩，压缩比例随倾斜角变化，无法用单一系数校正。实验室中应让叶片平展固定在载物台上，镜头光轴垂直于叶片平面，可通过在叶片旁放置一个直角标尺或使用带水平仪的拍摄架来确认。田间拍摄时，尽量让镜头正对叶片，若叶片自然卷曲，可轻压展平或用透明压板固定，但要注意压板不能产生反光。

背景布置的核心目标是让叶片与背景在颜色和纹理上可分。推荐使用纯色、无纹理、哑光的背景板，颜色选择与叶片差异大的色系，例如深蓝、中灰或纯白。白色背景在后期做颜色阈值分割时最方便，但要注意白色背景容易过曝，需适当降低曝光。田间可用便携式背景板或背景布，若条件不允许，至少应选择与叶片颜色差异明显的区域作为背景，避免土壤、枯叶、其他绿色植物进入画面。背景板应尽量贴近叶片，减少叶片投影落在背景上造成的阴影干扰。

四、分辨率与格式：为分割保留足够信息

分辨率的选择取决于最小病斑的尺寸。假设目标病斑直径约 2 mm，希望它在图像中至少占 20 个像素，则空间分辨率需达到 10 像素/mm，即 254 dpi。若一片叶子长约 100 mm，则图像长边至少需要 1000 像素；考虑叶片在画面中的占比和留白，实际拍摄长边建议不低于 2000 像素。分辨率过低会让小病斑与叶脉、噪点混在一起，分割后面积严重偏小；分辨率过高则增加存储与处理负担，且对镜头解析力提出更高要求，未必带来实际收益。一个实用的判断方法是：在拍摄距离下，让叶片占据画面高度的 60%～80%，既保证像素密度，又留出背景用于分割参考。

格式方面，优先选择无损或低压缩格式。JPEG 的高压缩会在病斑边缘产生块状伪影，使边缘模糊、面积统计出现偏差；若必须用 JPEG，质量因子应不低于 90。RAW 格式保留最完整的线性响应，适合需要精确颜色分析的场景，但处理链路较长。PNG 适合实验室固定拍摄，无损且兼容性好。无论哪种格式，都应在文件名或伴随的元数据中记录拍摄日期、地点、品种、光源条件和拍摄距离，这些信息在后续复核异常样本时非常关键。

五、一套可执行的采集检查清单

把上述要求落成现场可执行的检查项，能显著降低返工率。以下清单可直接打印使用，每批次拍摄前逐项确认：

需要强调的是，以上参数是教学示例中的合理取值，实际项目中应根据作物种类、病斑大小和算法要求调整。例如水稻稻瘟病病斑较小，可能需要更高像素密度；而果树叶片较大，可适当降低分辨率以控制数据量。采集环节的目标不是追求“最好看”的图像，而是追求“最稳定、最可解释”的输入，使分割结果的变化能够归因于叶片本身，而不是拍摄条件的波动。