leaf-area-cv

Medição automática de área foliar a partir de folhas digitalizadas em scanner

Um scanner de mesa, uma régua e ~2 segundos por imagem substituem horas de medidor de bancada.

Português · English

---

_{Resultado real do repositório: 5 folhas de eucalipto digitalizadas, segmentadas e medidas automaticamente.}

---

O problema

Medir área foliar é uma das tarefas mais repetitivas da pesquisa agronômica e florestal. Os caminhos usuais são caros ou lentos:

Método	Custo	Tempo por folha	Destrutivo
Medidor óptico de bancada (LI-3100, CI-202…)	R$ 30–80 mil	~5 s	sim
Papel milimetrado / pesagem de recortes	baixo	2–5 min	sim
Modelos alométricos (comprimento × largura)	baixo	~1 min	não
Este repositório	scanner comum	~0,4 s	sim

Se você já tem um scanner de mesa, o custo marginal é zero.

O que este código faz

1. Lê cada imagem digitalizada e converte para escala de cinza.
2. Inverte a máscara, de modo que o fundo branco do scanner vire zero.
3. Binariza por limiar fixo — separa o tecido foliar (escuro) do fundo (claro).
4. Abertura morfológica com elemento elíptico 30×30 px, removendo poeira, fiapos e os traços finos da régua.
5. Rotula regiões conexas e mede a área de cada uma em pixels.
6. Converte px² → cm² pelo fator de calibração da régua presente na imagem.
7. Descarta regiões < 1 cm² (ruído residual e as marcações da régua).
8. Exporta uma planilha .xlsx por pasta/talhão, uma linha por folha.

A versão IAF_comp_larg mede, além da área, o comprimento e a largura de cada folha, pelos eixos maior e menor da elipse equivalente (regionprops).

Começando em 3 minutos

git clone https://github.com/igorleite91/leaf-area-cv.git
cd leaf-area-cv
pip install -r requirements.txt

# roda no conjunto de exemplo já incluído no repositório
cd exemplos
python ../scripts/IAF_calc.py

Saída esperada — um arquivo Fazenda_Exemplo_01.xlsx com 10 linhas (5 folhas × 2 imagens):

Imagem	IAF
A1_I.1.jpg	49.4512
A1_I.1.jpg	45.0063
A1_I.1.jpg	15.8868
A1_I.1.jpg	44.3997
A1_I.1.jpg	43.3875
A1_I.1_semRegua.jpg	49.4503
…	…

(áreas em cm², uma linha por folha detectada; valores conferidos com scikit-image 0.26 / OpenCV 4.x)

Note que as duas imagens de exemplo são a mesma cena, com e sem a régua no campo de visão: a diferença nas áreas fica na quarta casa decimal — ou seja, a régua não contamina a medição, porque a abertura morfológica e o corte de 1 cm² a eliminam.

Estrutura esperada das pastas

O script percorre ./Digitalizadas, trata cada subpasta como um grupo (talhão, fazenda, tratamento, bloco…) e gera uma planilha por grupo:

Digitalizadas/
├── Fazenda_Exemplo_01/     →  Fazenda_Exemplo_01.xlsx
│   ├── A1_I.1.jpg
│   └── A1_I.1_semRegua.jpg
├── Tratamento_T2/          →  Tratamento_T2.xlsx
│   └── ...
└── Bloco_III/              →  Bloco_III.xlsx

Calibração — leia antes de usar nos seus dados

Important

O fator de conversão é específico do seu scanner. Os valores abaixo valem para as imagens de exemplo (300 dpi). Se você não ajustar, todas as áreas sairão erradas por um fator constante.

comprimento_régua_cm    = 1     # trecho de referência, em cm
comprimento_régua_pixels = 118  # o MESMO trecho, medido em pixels na sua imagem

Como medir: digitalize uma régua junto com as folhas, abra a imagem em qualquer visualizador que mostre coordenadas de pixel (GIMP, ImageJ, Paint), e conte quantos pixels há entre duas marcas de 1 cm.

Atalho pela resolução do scanner — pixels_por_cm = dpi / 2,54:

Resolução	px por cm
150 dpi	59
300 dpi	118 ← usado nos exemplos
600 dpi	236

Demais parâmetros ajustáveis

Parâmetro	Padrão	Quando mexer
limiar	150 (100 na versão comp/larg)	Folhas claras/cloróticas exigem limiar menor; fundo acinzentado exige maior
janela_suavizacao	(30, 30)	Diminua para folhas pequenas (acículas, gramíneas); aumente se sobrar sujeira
corte área < 1 cm²	1	Ajuste se suas folhas forem menores que 1 cm² — senão elas serão descartadas junto com o ruído

Boas práticas de digitalização

• Fundo branco e limpo. A tampa branca do scanner já basta; papel amassado cria sombras que o limiar interpreta como tecido.
• Folhas sem encostar umas nas outras. Duas folhas em contato viram uma única região e somam áreas.
• Régua na mesma imagem, na mesma altura do vidro — assim a calibração acompanha qualquer variação de resolução.
• 300 dpi é suficiente para folhas de árvores. Resoluções maiores só aumentam o tempo.
• Evite folhas muito curvas. A área projetada subestima a área real de folhas enroladas; prense antes se possível.

O que há no repositório

leaf-area-cv/
├── scripts/
│   ├── IAF_calc.py              # área foliar, lote de pastas → .xlsx
│   └── IAF_comp_larg.py         # área + comprimento + largura → .xlsx
├── notebooks/
│   ├── 01_areaFoliar_imagem_unica.ipynb     # didático: uma imagem, passo a passo
│   ├── 02_areaFoliar_lote.ipynb             # processamento em lote
│   └── 03_area_comprimento_largura.ipynb    # + inspeção visual do limiar
├── exemplos/Digitalizadas/Fazenda_Exemplo_01/
│   ├── A1_I.1.jpg               # 5 folhas de eucalipto + régua, 300 dpi
│   └── A1_I.1_semRegua.jpg      # mesma cena sem a régua
└── docs/img/

Os três notebooks já apontam para o conjunto de exemplo — abra qualquer um deles a partir da pasta notebooks/ e execute tudo, sem configurar nada. As saídas gravadas no repositório foram produzidas exatamente assim, sobre as imagens que acompanham o código.

Dica: o notebook 03 traz uma célula de inspeção visual que plota a máscara aplicada sobre a imagem original. Use-a para calibrar o limiar antes de rodar o lote inteiro.

Precisão e limitações

Vale a pena ser explícito sobre o que este método é e o que ele não é:

• Mede área projetada, não área de superfície. Para folhas planas os dois valores são próximos; para folhas com nervura saliente ou enroladas, há subestimação.
• O nome da coluna não descreve a grandeza. IAF_calc.py grava a coluna como IAF e IAF_comp_larg.py como AFE, mas em ambos os casos o valor é a área foliar individual em cm² — nem Índice de Área Foliar (LAI), nem Área Foliar Específica (SLA). Para obter o IAF/LAI, some as áreas da amostra e divida pela área de solo correspondente; para a AFE/SLA, divida a área pela massa seca da folha. Os nomes foram mantidos por compatibilidade com as planilhas já em uso — renomeie no seu fluxo se preferir clareza.
• Comprimento e Largura são os eixos maior e menor da elipse de mesmo segundo momento da região, calculados por skimage.measure.regionprops. São excelentes descritores morfométricos e correlacionam muito bem com medidas de paquímetro, mas não são idênticos a elas — especialmente em folhas assimétricas ou falcadas.
• regionprops mudou de nomenclatura. A partir do scikit-image 0.26, major_axis_length e minor_axis_length estão marcados como obsoletos e serão removidos na versão 2.0, em favor de axis_major_length e axis_minor_length. O requirements.txt limita a versão a <2.0 por isso; quando migrar, é só trocar os dois nomes em IAF_comp_larg.py.
• Limiar global fixo. Funciona muito bem com fundo branco controlado de scanner. Para fotografias de campo, com iluminação irregular, um limiar adaptativo (Otsu local) ou segmentação por índice de cor daria resultados melhores.
• Folhas em contato são contadas como uma só. Separe-as no vidro.

Aplicações

Área foliar e morfometria alimentam diretamente:

• Fenotipagem vegetal — triagem de genótipos, ensaios de melhoramento
• Silvicultura — eucalipto, pinus; acompanhamento de crescimento e resposta a adubação
• Fitopatologia — quantificação de severidade (área lesionada / área total)
• Ecofisiologia — área foliar específica (AFE/SLA), quando combinada com massa seca
• Nutrição de plantas — normalização de teores por unidade de área
• Ensino — um exemplo compacto e real de morfologia matemática e análise de regiões

Instalação

pip install -r requirements.txt

Ou, individualmente:

pip install opencv-python scikit-image pandas openpyxl matplotlib numpy

Como citar

Se este código for útil em trabalho acadêmico, a citação está no arquivo CITATION.cff — o GitHub gera BibTeX/APA automaticamente pelo botão "Cite this repository" na barra lateral.

Contribuindo

Issues e pull requests são bem-vindos. Melhorias que fariam diferença real:

• Limiarização automática por Otsu, dispensando o ajuste manual
• Detecção automática da régua, dispensando a calibração manual
• Separação de folhas sobrepostas por watershed
• Interface gráfica ou linha de comando com argumentos
• Validação cruzada contra um medidor óptico comercial

Licença

MIT — uso livre, inclusive comercial. Atribuição é apreciada.

---

_{Desenvolvido por Igor Leite · Se foi útil, deixe uma ⭐}