CN104182757A - 获取被测目标实际覆盖面积的方法及装置 - Google Patents
获取被测目标实际覆盖面积的方法及装置 Download PDFInfo
- Publication number
- CN104182757A CN104182757A CN201310190880.9A CN201310190880A CN104182757A CN 104182757 A CN104182757 A CN 104182757A CN 201310190880 A CN201310190880 A CN 201310190880A CN 104182757 A CN104182757 A CN 104182757A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- unit
- subelement
- measured target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
本发明实施例公开了获取被测目标实际覆盖面积的方法及获取被测目标实际覆盖面积的装置。所述方法包括:使用单目摄像头从被测区域采集被测图像;依据被测目标的颜色特征生成所述被测图像的预处理图像;获取所述预处理图像中被测目标的像素数量;获取所述预处理图像中单位像素代表的实际覆盖面积;根据所述像素数量及所述单位像素代表的实际覆盖面积求得被测目标覆盖面积。所述装置包括:采集单元,预处理单元,计数单元,计算单元,获取单元。采用本发明提供的方法和装置可以解决现有技术获取农作物覆盖面积较复杂的问题。
Description
技术领域
本发明涉及图像识别领域,尤其涉及获取被测目标实际覆盖面积的方法和装置。
背景技术
在现代化农业生产中,经常需要对农作物在生长期不同阶段的生长状况进行评估,而对农作物生长状况进行评估最重要的依据就是农作物的覆盖面,快速准确的获取农作物的覆盖面积成为农作物进行评估的重要前提。由于农作物通常都为不规则形状,使之覆盖的区域也为不规则形,获取农作物面积尤其是获取农作物在幼苗时期的覆盖面积,是非常困难的一项工作。
现有技术中,主要是通过使用光谱分析法获取农作物的覆盖面积。通常做法是首先获取农作物的光谱图像数据,然后根据光谱图像数据分析农作物的覆盖面积。但是采用光谱分析法获取农作物的覆盖面时,需要对大量代表性样品进行多光谱数据分析和建模,这就使得获取农作物的覆盖面积的数据获取和数据处理过程非常复杂。
发明内容
本发明实施例提供了一种获取被测目标实际覆盖面积的方法和装置,以解决现有技术获取农作物的覆盖面积的过程复杂的问题。
一方面,本发明实施例提供了一种获取被测目标实际覆盖面积的方法,该方法包括:
使用单目摄像头从被测区域采集被测图像;依据被测目标的颜色特征生成所述被测图像的预处理图像;获取所述预处理图像中被测目标的像素数量;获取所述预处理图像中单位像素代表的实际覆盖面积;根据所述像素数量及所述单位像素代表的实际覆盖面积求得被测目标覆盖面积。
结合一方面,在第一种可能的实现方式中,所述依据被测目标的颜色特征生成所述被测图像的预处理图像,包括:根据被测目标颜色确定被测目标像素的RGB特征;以所述RGB特征为基准对被测图像进行二值化生成预处理图像。
结合一方面的第一种可能的实现方式,在第二种可能的实现方式中,所述以所述RGB特征为基准对被测图像进行二值化生成预处理图像,具体为:以所述RGB特征为基准对被测图像进行二值化生成二值化图像;在以所述RGB特征为基准对被测图像进行二值化生成二值化图像之后,还包括:对所述二值化图像进行降噪生成预处理图像。
结合一方面,一方面的第一种可能的实现方式,一方面的第二种可能的实现方式,在第三种可能的实现方式中,所述获取所述预处理图像中被测目标的像素数量,包括:确定所述预处理图像中被测目标的像素边界;逐一判断所述预处理图像所包含的像素点是否在所述像素边界内;对判断结果进行统计得出所述预处理图像中所述被测目标的像素数量。
结合一方面的第三种可能的实现方式,在第四种可能的实现方式中,在所述逐一判断所述预处理图像所包含的像素点是否在所述像素边界内之前,还包括:根据所述像素边界生成目标多边形;所述逐一判断所述预处理图像所包含的像素点是否在所述像素边界内,具体为:逐一判断所述预处理图像所包含的像素点是否在所述目标多边形内。
结合一方面的第四种可能的实现方式,在第五种可能的实现方式中,在所述根据所述像素边界生成目标多边形之后,还包括:生成所述目标多边形的最小外接矩形;所述逐一判断所述预处理图像所包含的像素点是否在所述目标多边形内,具体为:逐一判断所述最小外接矩形所包含的像素点是否在所述目标多边形内。
结合一方面,一方面的第一种至第五种可能的实现方式,在第六种可能的实现方式中,所述获取所述预处理图像中单位像素代表的实际覆盖面积,包括:获取所述单目摄像头的参数;利用所述参数确定所述预处理图像的图像坐标系与世界坐标的转换关系;根据所述转换关系计算出所述预处理图像中单位像素所代表代表的平均面积。
结合一方面的第六种可能的实现方式,在第七种可能的实现方式中,在所述根据转换关系计算出所述预处理图像中单位像素所代表代表的平均面积之前,还包括:确定所述预处理图像中被测目标的像素边界;根据所述像素边界生成目标多边形;生成所述目标多边形的最小外接矩形;根据转换关系计算出所述预处理图像中单位像素所代表代表的平均面积,具体为:根据转换关系计算出所述最小外接矩形中单位像素所代表代表的平均面积。
另一方面,本发明实施例还提供了一种获取被测目标实际覆盖面积的装置,该装置包括:
采集单元,用于使用单目摄像头从被测区域采集被测图像;预处理单元,用于依据被测目标的颜色特征生成所述采集单元采集的所述被测图像的预处理图像;计数单元,用于获取所述预处理单元生成的所述预处理图像中被测目标的像素数量;计算单元,用于获取所述预处理单元生成的所述预处理图像中单位像素代表的实际覆盖面积;获取单元,用于根据所述计数单元获取到的所述像素数量及所述计算单元获取到的所述单位像素代表的实际覆盖面积求得被测目标覆盖面积。
结合另一方面,在第一种可能的实现方式中,所述预处理单元,包括:特征确定子单元,用于根据被测目标颜色确定被测目标像素的RGB特征;图像二值化子单元,用于以所述特征确定子单元确定的所述RGB特征为基准对被测图像进行二值化生成预处理图像。
结合另一方面的第一种可能的实现方式,在第二种可能的实现方式中,所述图像二值化子单元,具体用于以所述特征确定子单元确定的所述RGB特征为基准对被测图像进行二值化生成二值化图像;所述预处理单元,还包括:图像降噪子单元,用于对所述图像二值化子单元生成的所述二值化图像进行降噪生成预处理图像。
结合另一方面,一方面的第一种可能的实现方式,一方面的第二种可能的实现方式,在第三种可能的实现方式中,所述计数单元包括:第一边界判定子单元,用于确定所述预处理单元生成的所述预处理图像中被测目标的像素边界;像素判断子单元,用于逐一判断所述预处理图像所包含的像素点是否在所述第一边界判定子单元确定的所述像素边界内;像素统计子单元,用于对所述像素判断子单元的判断结果进行统计得出所述预处理图像中所述被测目标的像素数量。
结合另一方面的第三种可能的实现方式,在第四种可能的实现方式中,所述像素判断子单元,包括:第一多边形生成子单元,用于根据所述第一边界判定子单元确定的所述像素边界生成目标多边形;多边形判断子单元,用于逐一判断所述预处理图像所包含的像素点是否在所述第一多边形生成子单元生成的所述目标多边形内。
结合另一方面的第四种可能的实现方式,在第五种可能的实现方式中,所述像素判断子单元,还包括:第一矩形生成子单元,用于生成所述第一多边形生成子单元生成的目标多边形的最小外接矩形;所述多边形判断子单元,具体用于逐一判断所述第一矩形生成子单元生成的所述最小外接矩形所包含的像素点是否在所述目标多边形内。
结合另一方面,另一方面的第一种至第五种可能的实现方式,在第六种可能的实现方式中,所述计算单元,包括:参数获取子单元,用于获取所述单目摄像头的参数;坐标转换子单元,用于利用所述参数获取子单元获取的所述参数确定所述预处理图像的图像坐标系与世界坐标的转换关系;单位面积计算子单元,用于根据所述坐标转换子单元确定的所述转换关系计算出所述预处理单元生成的所述预处理图像中单位像素所代表代表的平均面积。
结合另一方面的第六种可能的实现方式,在第七种可能的实现方式中,所述计算单元,还包括:第二边界判定子单元,用于确定所述预处理单元生成的所述预处理图像中被测目标的像素边界;第二多边形生成子单元,用于根据所述第二边界判定子单元确定的所述像素边界生成目标多边形;第二矩形生成子单元,用于用生成所述第二多边形生成子单元生成的所述目标多边形的最小外接矩形;所述坐标转换子单元,具体用于根据转换关系计算出所述第二矩形生成子单元生成的最小外接矩形中单位像素所代表代表的平均面积。
与现有技术相比,采用本发明提供的获取被测目标实际覆盖面积的方法及装置,可以采用单目摄像头从被测区域采集被测图像,通过对该被测图像的处理和分析就可以获取到被测区域中被测目标的覆盖面积。采用本发明提供的方法和装置,可以非常简单的通过单目摄像头的拍摄的图像获取农作物的覆盖面积,解决了现有技术获取农作物的覆盖面积的过程非常复杂的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。通过附图所示,本发明的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按实际尺寸等比例缩放绘制附图,重点在于示出本发明的主旨。
图1为本发明获取被测目标实际覆盖面积的方法一个实施例的流程图;
图2A为本发明获取被测目标实际覆盖面积的方法另一个实施例的流程图;
图2B为小孔成像的模型示意图;
图2C为图像坐标和成像平面坐标坐标系关系图;
图2D为摄像头坐标与世界坐标关系示意图;
图2E为摄像头坐标定义示意图;
图3为本发明获取被测目标实际覆盖面积的装置的一个实施例框图;
图4为本发明获取被测目标实际覆盖面积的装置的预处理单元的一个实施例框图;
图5为本发明获取被测目标实际覆盖面积的装置的计数单元的一个实施例框图;
图6为本发明获取被测目标实际覆盖面积的装置的像素判断子单元的一个实施例框图;
图7为本发明获取被测目标实际覆盖面积的装置的计算单元的一个实施例框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
其次,本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示装置结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
参见图1,为本发明获取被测目标实际覆盖面积的方法一个实施例的流程图,该方法包括如下步骤:
步骤101,使用单目摄像头从被测区域采集被测图像。
栅格图,也称光栅图像、栅格图形,是指在空间和亮度上都已经离散化了的图像。一幅栅格图像可以被为是一个矩阵,矩阵中的元素与栅格图图像中的点一一对应,而矩阵中的元素即为像素。矩阵中每一个元素的具体值代表着该像素的色彩,可以由RGB值组成。单目摄像头是依据小孔成像原理设定的最简单的摄像头,它的优点是简单实用而不失准确性的从被测区域采集栅格图形式被测图像。对于被单目摄像头拍摄到的三维空间内的任一个点,在被测图像上都有一个点与之相对应。换句话说也就是,对于被单目摄像头拍摄到的在三维空间内任意一个平面都可以与被测图像中由若干像素点组成的区域相对应,当被测目标为一个物体时,被测目标的覆盖面积也就与被测图像中代表被测目标的像素点的数量之间存在对应关系。
步骤102,依据被测目标的颜色特征生成所述被测图像的预处理图像。
由于单目摄像头拍摄到的栅格图一般为24位真彩色位图,使得被测图像包含较多的数据,而且这些数据中有很大一部分与获取被测目标的实际覆盖面积无关,为了加快获取被测目标的实际覆盖面积的速度,需要对栅格图形式的被测图像进行预处理,只保留与获取被测目标覆盖面积相关的数据,而对无关的数据进行去除。
在实际使用中,由于被测图像的颜色标准通常为RGB色彩模式,不为RGB色彩模式也可以被转变为RGB色彩模式,所以对无关的数据进行去除较为有效的方式就是对被测图像进行二值化处理,将被测图像转换为只有黑白两色栅格图,以黑色或白色其中一种代表被测目标,而另一种代表背景。对被测图像进行预处理的具体方式有多种,可以根据被测目标颜色确定被测目标像素的RGB特征,即被测图像中代表被测目标的像素的RGB特征,然后根据该RGB特征设定阈值,对被测图像进行二值化处理,或者也可以根据该RGB特征获取代表被测目标的像素应有的RGB分量关系,然后根据该色彩分量关系对被测图片进行二值化处理。为了进一步加快处理速度减小处理过程中产生的误差,还可以对二值化图像进行降噪,进一步减小二值化以及其他处理过程带来的误差。
步骤103,获取所述预处理图像中被测目标的像素数量。
由于单目摄像头获到的图像为栅格图,经预处理后的预处理图像同样仍然为栅格图像,因此可以采用统计方法确定预处理图像中代表被测目标的像素的数量。
为了便于获取预处理图像中被测目标的像素数量,可以为首先确定所述预处理图像中被测目标的像素边界;然后逐一判断所述预处理图像所包含的像素点是否在所述像素边界内;通过对判断结果进行统计得出所述预处理图像中所述被测目标的像素数量。确定被测目标的像素边界可以采用采用边界追踪算法,例如:八邻域边界跟踪算法。
在确定被测目标的像素边界之后还可以根据像素边界确定一个目标多边形,通过判断预处理图像中每一个像素点是否在此多边形内来判断该像素点是属于被测目标,然后对判断结果进行统计得出所述预处理图像中所述被测目标的像素数量。
为了加快对像素点进行判断和统计的速度,还可以生成目标多边形的最小外接矩形,只对该最小外接矩形内的像素点进行判断。由于该最小外接矩形是依据目标多边形生成的,所以该多边形内包括所有代表被测目标的像素点,同时该最小外接矩形包含的总像素点数又会小于等于预处理图像中所包含的像素点数,因此只对该最小外接矩形内包含的像素点数进行判断和统计,可以更快获取被测目标的像素数量。
在此需要说明的是,生成目标多边形的最小外接矩形的目的是减少需要判断的像素的数量,因此根据目标多边形的特征或实际统计需要也可以生成目标多边形的其他外接图形,例如:外接圆形、外接正多边形,对此本发明不做限制。
步骤104,获取所述预处理图像中单位像素代表的实际覆盖面积。
在获取预处理图像中单位像素代表的实际覆盖面积时,首先需要对摄像头进行标定,通过摄像头标定获得摄像头包括内部参数、外部参数及畸变参数在内的参数,在对摄像头进行标定时可以采用的标定方法有:直接线性变换的标定方法、利用透视变换矩阵的标定方法、基于径向约束的两步法及张正友标定法。
根据标定获取到的单目摄像头参数,结合图像坐标、摄像头坐标、和世界坐标之间的对应关系,可以得到图像坐标到世界坐标的转换公式,通过转换公式,可以计算预处理图像中单位像素所代表的实际覆盖面积。为了使单位像素所代表的实际覆盖面积更加精确,还可以生成所述目标多边形的最小外接矩形;然后根据转换关系计算出所述最小外接矩形中单位像素所代表代表的平均面积,以最小外接矩形中单位像素所代表代表的平均面积代表所述预处理图像中单位像素代表的实际覆盖面积。
在此需要说明的是,本发明不对步骤103和步骤104的先后顺序进行限制,在实际使用中可以先执行其中任意步骤,也可以两个步骤同时执行。
步骤105,根据所述像素数量及所述单位像素代表的实际覆盖面积求得被测目标覆盖面积。
由于已经通过对被测图像的处理和像素统计获取到了代表被测目标像素数量的,并且已经根据对单目摄像头进行标定获取到的参数计算出了单位像素代表的实际覆盖面积,可以得知像素数量与单位像素代表的实际覆盖面积的乘积即为被测目标的实际覆盖面积。当被测目标为一个物体时,该事件面积即为该物体的覆盖面积。
从上述实施例可以看出,采用本发明提供的获取被测目标实际覆盖面积的方法,可以采用单目摄像头从被测区域采集被测图像,通过对该被测图像的处理和分析就可以获取到被测区域中被测目标的覆盖面积。采用本发明提供的方法,可以非常简单的通过单目摄像头的拍摄的图像获取农作物的覆盖面积,解决了现有技术获取农作物的覆盖面积的过程非常复杂的问题。
参见图2A,为本发明获取被测目标实际覆盖面积的方法另一个实施例的流程图,该方法包括如下步骤:
步骤201,使用单目摄像头从被测区域采集被测图像。
如图2B所示小孔成像的模型,其中O是摄像头的原点;P是空间中的一个三维点,它在世界坐标下的坐标为(XW,YW,ZW);摄像头坐标为(X,Y,Z);在成像平面上的投影点为p(x,y),根据图2B所示的模型,可以知道它们的几何关系为式
图2C为图像坐标uov和成像平面坐标坐标系xo1y关系图。设图像的像素坐标是(u,v),根据图2C所示的坐标关系,可以得出图像点的像素坐标与以毫米为单位的成像平面坐标的转换关系为: 其中sx,sy是成像平面上单位像素对应的物理长度,即像素/毫米,被称作比例系数,该比例系数可以通过对单目摄像头进行标定获得。(u0,v0)是摄像头的光轴和像平面之间的交点,是图像坐标下图像的中心点。
世界坐标下坐标为(XW,YW,ZW)的P点与图像坐标下坐标为(u,v)的投影点p之间的转换关系为:
设
则可以得到 其中R和T表示世界坐标系和摄像头坐标系之间的关系。R是旋转矩阵;T是平移矩阵。旋转矩阵R是一个3×3正交矩阵,平移矩阵T是一个3×1平移向量,ax=f×sx,ay=f×sy,f为焦距,M是3×4的投影矩阵,M1由摄像头内部参数决定,M2由摄像头外部参数决定。
由此可见,已知摄像头的内外参数,就可求解出投影矩阵M。对于三维空间内的任一坐标为(XW,YW,ZW)的点P,都能求出它在图像坐标中的位置(u,v)。换句话说也就是,对于被单目摄像头拍摄到的在三维空间内任意一个平面都可以与被测图像中由若干像素点组成的区域相对应。被测目标实际覆盖面积也就与被测图像中代表被测平面的像素点的数量存在对应关系。
步骤202,根据被测目标颜色确定被测目标像素的RGB特征。
对栅格图形式的被测图像进行预处理,对与获取被测目标覆盖面积无相关的数据进行去除,最好的方法就是根据被测目标颜色对被测图像进行二值化处理,要对被测图像进行二值化处理,就要首先根据被测目标颜色确定被测目标像素的RGB特征。
确定被测目标像素的RGB特征的方法有许多种,例如可以由技术人员根据经验得出被测目标像素的RGB特征,或者也可以通过对被测目标进行取样,然后进行样本进行分析得出被测目标像素的应有的RGB特征,采用不同方法确定被测目标像素的RGB特征过程也各不相同,在此就不再赘述。
例如,当测量土壤中生长的农作物的覆盖面积时,被测图像中被测目标为农作物,由于大多数作物在生长期间叶茎均为绿色,背景均为非绿色,因此可以根据获取的被测图像中像素点的RGB的分量关系确定阈值。代表农作物的像素中大部分为绿色点,像素点的RGB值中绿色分量大于其它两个分量,即G>R且G>B,而代表土壤的像素点的绿色分量则不大于其它两个分量,对每个位图像素凡是符合这个规律的就是绿色作物像素,否则就是背景像素。
步骤203,以所述RGB特征为基准对被测图像进行二值化生成预处理图像。
根据确定的所述RGB特征对每个像素点进行判断,将代表被测目标的点的像素值设为0,背景点的像素值设为255,即,将被测图像中代表被测目标的像素点置为黑色点,将其他的像素作为背景图像置为白色点。例如,当测量农作物覆盖面积时,由于代表农作物的像素点的RGB值中绿色分量大于其它两个分量,即G>R且G>B,凡是符合这一特征的像素点的像素值都设为0,而代表土壤的像素点的绿色分量G则不大于其它两个分量R和B,凡是符合这一特征的像素点的像素值设为255。二值化处理可将被测目标像素和背景像素区分开来,为后续像素统计做准备。将被测图像进行二值化处理之后,可以大大减少对被测图像所包含的数据量,减少对数据进行进一步处理时的工作量,加快处理速度。
由于被测目标的背景、光照及拍摄等因素,摄像头拍摄的图像通常会掺杂很多噪声,使得被测图像中被测目标的形状及大小与二值化图像中被测目标的形状及大小可能会存在较大的误差,二值化后生产生成的二值化图像的像素数与并不能完全真实的反映被测目标的覆盖面积,因此要对二值化图像进行去噪处理。中值滤波是对二值化图像进行去噪处理较好的一种去噪方法,在采用为中值滤波对二值化图像进行去噪处理时,为了防止窗口过小导致部分噪声点无法消除,或窗口过大导致被测目标的细节信息被当作噪声处理,可以采用的是自适应中值滤波对二值化图像进行去噪处理。
步骤204,确定所述预处理图像中被测目标的像素边界。
在数字图像处理领域,图像的形状特征是图像识别的重要条件,是进行像素统计的前提和基础。其中轮廓是对图像形状的有力描述,对图像分析非常有益。在确定预处理图像中被测目标的像素边界时,首先按照某种扫描规则找到预处理图像中被测目标图像边界上的一个像素点,然后以该点为起始点依据某种顺序依次记录下被测目标图像边界点的位置信息,被测目标图像边界点的位置信息即构成被测目标的像素边界。
在实际处理中,可以使用八邻域边界跟踪法确定预处理图像中被测目标的像素边界。具体来说,设图像中背景像素点的值为255,目标像素点的值为0,Pi为第i个边界点,i的初值为0,n表示边界终结点的个数。具体过程包括如下步骤:
(1)对整幅图像从左到右、从上到下进行扫描。找到左上角首个像素值为0的点,即此次边界搜索的起始点,设为P0。将起始点的坐标值(x,y)存入用于储存边界点坐标的数组中。并且预置n为0,将位置编码设为0。
(2)依次计算下一个边界点的起始位置编码,从此位置按逆时针顺序进行搜索。当出现像素值为0的像素点时,停止本次搜索。即为新的边界点,记为Pi(i=i+1),在边界点数组中存入其坐标(x,y),并记录它在3*3窗口中的位置编码。
(3)如果找到的边界点Pi=P0,就表示边界搜索回到了起始点,此次跟踪过程结束。数组中存放的即为按照逆时针方向目标图像的所有边界点的坐标,转(6)。
(4)如果找到的目标边界点Pi≠P0。以Pi作为起始点,记录它的位置编码,然后转(2)。
(5)如果没有找到像素值为0的像素点,表示该点为轮廓的最终点,边界点个数为n+1,如果n=1,则令P0为当前点,将其位置编码设为4,转(2),如果n=2,则转(6)。
(6)如果图像中还存在其它的目标边界,转回(1),如果没有则整个跟踪过程结束。
该跟踪算法可记录当前点相对于上一边界点的位置编码,搜索下一个边界点时不对其它的8个相邻点均进行搜索,减少了搜索次数,加快了搜索速度,从而可以提高获取被测目标覆盖面积的速度。
步骤205,逐一判断所述预处理图像所包含的像素点是否在所述像素边界内。
为了判断预处理图像所包含的像素点是否在所述像素边界内,通常采用的做法是在确定被测目标的像素边界之后,根据像素边界确定一个目标多边形,然后判断预处理图像中每一个像素点是否在此多边形内,如果像素点在目标多边形内,则说明像素点在所述像素边界内,如果像素点不在目标多边形内,则说明像素点不在所述像素边界内。采用这一方法来判断该像素点是属于被测目标覆盖范围,可以很容易通过计算机程序来实现。
为了加快对像素点进行判断的速度,还可以生成目标多边形的最小外接矩形,只对该最小外接矩形内包含的像素点数进行判断。由于该最小外接矩形是依据目标多边形生成的,所以该最小外接矩形内包括所有代表被测目标的像素点,同时该最小外接矩形包含的总像素点数又会小于等于预处理图像中所包含的像素点数,所需要判断的像素点数会大大减小。尤其是当预处理图像中包含的被测目标为多个离散目标时,采用生成多个最小外接矩形并逐一进行判断的方式可以大大减少需要判断的像素点的数量,从而加快数据处理速度。
例如:在使用计算机及软件对像素进行统计时,可以使用VC++6.0软件基础类库提供的一种用于描述区域的CRng类,CRgn类的作用在于能够选中图片一个区域,然后可以对该区域内的内容进行操作处理。CRgn类能够描述的区域基本元素包括:矩形、圆形、圆角矩形、多边形等。因此可以利用CRgn类来创建一个多边形,然后通过依次判断图形上的像素点是否属于所创建的多边形区域来统计作物的像素总数。采用的成员函数为:CreatePolygonRgn、GetRgnBox、PtInRegion。各函数的具体作用和定义如下:
(1)CreatePolygonRgn函数:用来构造一个按顺序排列的点组成的多边形,且能够自动将首点和末点连接起来构成一个封闭区域。
该函数包含的参数有:
lpPoint--POINTAPI(类型),nCount个POINTAPI结构中的第一个POINTAPI结构;
nCount--Long(类型),多边形的点数;
nPolyFillMode--Long(类型),描述多边形填充模式。
(2)GetRgnBox函数:用来获得特定区域的最小临界矩形。
该函数包含的参数有:lpRect指向临界矩形的顶点坐标。主要指的是RECT结构或CRect对象。RECT结构具有以下形式:
typedef struct tagRECT{
int left;
int top;
int right;
int bottom;
}RECT;
left、right、top、bottom分别是临界矩形的左右上下边界。
(3)PtInRegion函数:用来判断某个点是否在指定的区域内。
参数表:point(包含点的x,y坐标)。
步骤206,对判断结果进行统计得出所述预处理图像中所述被测目标的像素数量。
由于对所述预处理图像所包含的像素点逐一进行了判断,并得出了每一个像素点是否在所述像素边界内的判断结果,因此对所有像素点的判断结果进行统计,很容易可以得出预处理图像中被测目标的像素数量。
例如,在以VC++6.0提供的CRng类为基础,对像素进行判断和统计时,对于任一个目标图像,在初始化一个CRgn类的同时也可以初始化一个int型变量num。对于任意多边形,只要事先获得顶点的坐标位置以及边界点个数就可用CreatePolygonRgn来创建多边形,求出此多边形的左、右、上、下边界,然后采用GetRgnBox成员函数来创建一个包含多边形的最小外接矩形。从上到下、从左到右扫描外接矩形内的点,判断其是否在所建的多边形内。如果该扫描点在多边形内,则num+1,依次统计处理图像中所有目标像素点,求和即为目标作物总像素数,最后num变量的值就是像素数量。
步骤207,获取所述单目摄像头的参数。
摄像头的参数主要包括内部参数及外部参数,内部参数表达式为 外部参数表达式为 摄像头内参是指摄像头成像的基本参数,包括由主点、透镜的畸变失真系数、尺度因子、实际焦距组成,同时还包括径向畸变参数k1、k2和切向畸变参数p1、p2,其中,主点理论中是图像的中心点,然而实际中因镜头畸变等原因会使主点发生偏离,fx、fy是指摄像头坐标下两个轴上的有效焦距,u0、v0为图像坐标的中心坐标,s为两个坐标轴的不垂直因子,一般令s=0。摄像头的外部参数包含在摄像头坐标系与世界坐标系之间的三维位置和方向关系R和T矩阵中,分别为旋转矩阵和平移矩阵。
由于图像采集是将现实的三维场景经过投影转换成二维且能够在计算机中进行存储的数字图像的过程,在摄像头标定及图像的采集中会涉及到多个坐标系,通过坐标系之间的关系实现二维数字图像到三维空间场景的转换,包括图像坐标系、成像平面坐标系、摄像头坐标系和世界坐标系。各个坐标系的定义和关系如下:
图像坐标(Pixel coordinate system):
计算机存储系统将摄像头采集的作物图像像素点存为数组。该数组值是图像中对应位置像素点的灰度值,图像坐标为u-v直角坐标系,如图2C所示。每个像素点的图像坐标u、v分别代表着此像素点所在存储系统中数组所在的列数和行数,以像素为单位。
成像平面坐标(Retinal coordinate system):
由于在存储系统中只能表示像素点在图像中对应的逻辑位置,即行数和列数,不能表示该像素在图像中的实际位置。而成像平面坐标x-y则表示像素点的物理位置,长度单位为毫米。成像平面坐标系x-y的原点O1为摄像头的光轴和像平面的交点,理论上该原点位于图像的中心位置,但由于摄像头镜头畸变的缘故,原点可能会存在偏离现象。点O1在图像坐标下的坐标是(u0,v0),图像坐标下各像素点在成像平面坐标中的x、y轴上的单位物理长度分别为dx、dy,具体关系如式子 所示,其中s'是x和y轴的不垂直因子。
摄像头坐标系(Camera coordinate system):
图2D为摄像头坐标与世界坐标关系示意图。在图像的采集过程中,存在一个摄像头坐标OXCYCZC,如图2D所示,在坐标系OXCYCZC中,原点O是摄像头的光心,坐标轴XCYC平行于成像平面坐标轴xy,坐标轴ZC是摄像头的光轴,垂直于像平面,O'是光轴与像平面的交点,OO'为摄像头的焦距。
世界坐标系(World coordinate system):
三维空间场景中需要一个参考系来确定摄像头和所拍摄物体的实际位置,该参考系即为世界坐标系XWYWZW,如图2D所示。通过旋转矩阵R和平移向量t来描述摄像头坐标和世界坐标的位置关系。对于三维空间中的点P在世界坐标下的坐标(xw,yw,zw,1)T和摄像头坐标下的坐标(xc,yc,zc,1)T存在如式 所示的关系,其中,R是3×3正交单位矩阵,t是3维平移向量,0=(0,0,0)T,M1是两个坐标系之间的联系矩阵。
可选的,对所述单目摄像头进行标定可以采用张正友标定法。张正友标定法避免了传统标定方法设备要求高、操作繁琐等问题,标定精度高、鲁棒性好。该方法主要步骤如下:
(1)打印一张黑白格模板图,将其贴在一块平面上作为标定板;
(2)移动标定板或者摄像头,从不同角度最少拍摄三张照片;
(3)检测出每张照片中的所有角点;
(4)在不考虑径向畸变的情况下,利用旋转矩阵的正交性,通过求解线性方程,得到摄像头的五个内部参数和外部参数;
(5)利用最小二乘法估算摄像头的径向畸变系数;
(6)利用再投影误差最小准则,对内外参数进行优化。
根据张正友标定法可知摄像头的标定过程中包括了四种坐标系:图像坐标Ouv、成像平面坐标O1xy、摄像头坐标OXCYCZC、世界坐标XWYWZW。之间的转换关系如式 图像坐标到成像平面坐标的转换关系如式 其中,dx、dy分别为单位像素在x和y方向上的物理尺寸,dx、dy的具体值通过对单目摄像头进行标定可以获取。(cx,cy)为图像坐标的中心坐标。 表示的是从世界坐标系到成像平面坐标系的转换关系。
通过以上关系式三个关系式可得出世界坐标系下点P的坐标与其投影点p的成像平面坐标系(u,v)之间的转换关系为:
步骤208,利用所述参数确定图像坐标系与世界坐标的转换关系。
图像坐标下坐标点(xi,yi)和摄像头坐标系下坐标点(x,y)的关系式为: 其中,(u0,v0)是预处理图像的中点。每个象素在x轴和y轴方向上的单位物理尺寸分别为dx、dy。sx为摄像头成像平面坐标轴相互不正交的倾斜因子,即不垂直系数。(u0,v0)、dx、dy、sx都可从对单目摄像头的标定过程获得。
图2E为摄像头坐标定义示意图,摄像头坐标的定义如下:
x1轴与x轴相同;y1轴与y轴相同;z1轴与光轴重合,坐标系的原点为摄像头的焦点。由于拍摄的图像中的所有点都在水平地面上,根据摄像头坐标可以得到以下式:y1cosθ+z1sinθ-h=0。
如图2E所示,世界坐标的定义为:x2轴与x1轴相同;y2轴与地平面平行,是光轴在地平面上的投影;z2轴与地平面垂直。则有: 依据上述两个式子,有如下等式成立 根据上述等式可获得图像坐标下坐标点(xi,yi)对应的世界坐标x2,y2。
步骤209,根据所述转换关系计算出所述预处理图像中单位像素所代表代表的平均面积。
根据已经获取到的图像坐标系与世界坐标的转换关系,可以将预处理图像中将每个像素的点的图像坐标系坐标转化为世界坐标系坐标。由于预处理图像中的横向上及纵向上的素数量是已知的或者可以计算获知的值,而且这些像素在横向上及纵向上的代表的总长度可以通过世界坐标系坐标求出,因此可以根据横坐标来计算出预处理图像中单位像素点所代表的世界坐标系中的平均横向长度,根据纵坐标计算出单位像素点所代表的世界坐标系中的平均纵向长度,平均纵向长度和平均横向长度的乘积,即为预处理图像中单位像素所代表的平均面积。
例如:已知预处理图像在横向上像素数量为m,而横向坐标代表的实际长度为n可以通过世界坐标系坐标计算得出,因此n/m即为单位像素点所代表的世界坐标系中的平均横向长度。
为了使单位像素所代表的实际覆盖面积更加精确,还可以在确定所述预处理图像中被测目标的像素边界后,根据所述像素边界生成目标多边形;然后生成所述目标多边形的最小外接矩形;之后再根据转换关系计算出所述最小外接矩形中单位像素所代表代表的平均面积。
最小外接矩形的具体生成方式与前述步骤205中所描述的方法相类似,最小外接矩形中单位像素所代表代表的平均面积生成方式与预处理图像中单位像素所代表的平均面积相似,在此就不再赘述。
步骤210,根据所述像素数量及所述单位像素代表的实际覆盖面积求得被测目标实际覆盖面积。
由于已经通过对被测图像的处理和像素统计获取到了代表被测目标像素数量的,并且已经根据对单目摄像头进行标定获取到的参数计算出了单位像素代表的实际覆盖面积,可以得知像素数量与单位像素代表的实际覆盖面积的乘积即为被测目标的实际覆盖面积。
从上述实施例可以看出,采用本发明提供的获取被测目标实际覆盖面积的方法,可以采用单目摄像头从被测区域采集被测图像,通过对该被测图像的处理和分析就可以获取到被测区域中被测目标的覆盖面积。采用本发明提供的方法,不需要对大量样品进行分析和建模,模型也不需要更新,可以非常简单的通过单目摄像头的拍摄的图像获取农作物的覆盖面积,解决了现有技术获取农作物的覆盖面积的过程非常复杂的问题。
与本发明获取被测目标实际覆盖面积的的方法相对应,本发明还提供了获取被测目标实际覆盖面积的装置。
参见图3,为本发明获取被测目标实际覆盖面积的装置一个实施例框图。
该获取被测目标实际覆盖面积的装置包括:采集单元301,预处理单元302,计数单元303,计算单元304,获取单元305。
其中,所述采集单元301,用于使用单目摄像头从被测区域采集被测图像。
单目摄像头是依据小孔成像原理设定的最简单的摄像头,它的优点是简单实用而不失准确性的从被测区域采集栅格图形式被测图像。对于被单目摄像头拍摄到的三维空间内的任一个点,在被测图像上都有一个点与之相对应。换句话说也就是,对于被单目摄像头拍摄到的在三维空间内任意一个平面都可以与被测图像中由若干像素点组成的区域相对应,当被测目标为一个物体时,被测目标的覆盖面积也就与被测图像中代表被测目标的像素点的数量之间存在对应关系。
所述预处理单元302,依据被测目标的颜色特征生成所述采集单元301采集的所述被测图像的预处理图像。
由于单目摄像头拍摄到的栅格图一般为24位真彩色位图,使得被测图像包含较多的数据,而且这些数据中有很大一部分与获取被测目标的实际覆盖面积无关,为了加快获取被测目标的实际覆盖面积的速度,需要预处理单元302对栅格图形式的被测图像进行预处理,只保留与获取被测目标覆盖面积相关的数据,而对无关的数据进行去除。
预处理单元302对被测图像进行预处理的方式有多种,可以根据被测目标颜色确定被测目标像素的RGB特征,然后以该RGB特征设定阈值,以该阈值为基准对被测图像进行二值化处理,或者也可以根据被测目标的RGB特征获取色彩获取代表被测目标的像素应有的RGB分量关系,然后根据该色彩分量关系对被测图片进行二值化处理。为了进一步加快处理速度减小处理过程中产生的误差,还可以对二值化图像进行降噪,进一步减小二值化以及其他处理过程带来的误差。
所述计数单元303,用于获取所述预处理单元302生成的所述预处理图像中被测目标的像素数量。
为了便于获取预处理图像中被测目标的像素数量,计数单元303可以为首先确定所述预处理图像中被测目标的像素边界;然后逐一判断所述预处理图像所包含的像素点是否在所述像素边界内;通过对判断结果进行统计得出所述预处理图像中所述被测目标的像素数量。为了加快对像素点进行判断和统计的速度,计数单元303还可以生成目标多边形的最小外接矩形,只对该最小外接矩形内的像素点进行判断。
所述计算单元304,用于获取所述预处理单元302生成的所述预处理图像中单位像素代表的实际覆盖面积。
计算单元304可以根据标定获取到的单目摄像头参数,结合图像坐标、摄像头坐标、和世界坐标之间的对应关系,可以得到图像坐标到世界坐标的转换公式,通过转换公式,可以计算预处理图像中单位像素所代表的实际覆盖面积。为了使单位像素所代表的实际覆盖面积更加精确,计算单元304还可以生成所述目标多边形的最小外接矩形;然后根据转换关系计算出所述最小外接矩形中单位像素所代表代表的平均面积,以最小外接矩形中单位像素所代表代表的平均面积代表所述预处理图像中单位像素代表的实际覆盖面积。
所述获取单元305,用于根据所述计数单元获取到的所述像素数量及所述计算单元304获取到的所述单位像素代表的实际覆盖面积求得被测目标覆盖面积。
由于计数单元303已经通过对被测图像的处理和像素统计获取到了代表被测目标像素数量的,并且计算单元304已经根据对单目摄像头进行标定获取到的参数计算出了单位像素代表的实际覆盖面积,获取单元305可以求得像素数量与单位像素代表的实际覆盖面积的乘积,该乘积即为被测目标的实际覆盖面积。当被测目标为一个物体时,该事件面积即为该物体的覆盖面积。
从上述实施例可以看出,采用本发明提供的获取被测目标实际覆盖面积的装置,可以采用单目摄像头从被测区域采集被测图像,通过对该被测图像的处理和分析就可以获取到被测区域中被测目标的覆盖面积。采用本发明提供的装置,可以非常简单的通过单目摄像头的拍摄的图像获取农作物的覆盖面积,解决了现有技术获取农作物的覆盖面积的过程非常复杂的问题。
参见图4,为本发明获取被测目标实际覆盖面积的装置预处理单元一个实施例框图。
该预处理单元包括:特征确定子单元401,图像二值化子单元402。
其中,所述特征确定子单元401,用于根据被测目标颜色确定被测目标像素的RGB特征。
确定被测目标像素的RGB特征的方法有许多种,例如特征确定子单元401可以获取由技术人员根据经验得出被测目标像素的RGB特征,或者特征确定子单元401也可以通过对被测目标进行取样,然后进行样本进行分析得出被测目标像素的应有的RGB特征,采用不同方法确定被测目标像素的RGB特征过程也各不相同,在此就不再赘述。
所述图像二值化子单元402,用于以所述特征确定子单元401确定的所述RGB特征为基准对被测图像进行二值化生成预处理图像。
图像二值化子单元402可以根据确定的所述RGB特征对每个像素点进行判断,将代表被测目标的点的像素值设为0,背景点的像素值设为255,即,将被测图像中代表被测目标的像素点置为黑色点,将其他的像素作为背景图像置为白色点。或者也可以采用其他的方式将被测图像进行二值化处理。
该预处理单元还可以包括,图像降噪子单元403,当包括图像降噪子单元403时,所述图像二值化子单元402,具体用于以所述RGB特征为基准对被测图像进行二值化生成二值化图像;图像降噪子单元403,用于对所述二值化子单元402生成的所述二值化图像进行降噪生成预处理图像。可选的,所述图像降噪子单元403,用于采用自适应中值滤波方式对所述二值化子单元生成的所述二值化图像进行降噪生成预处理图像。
从上述实施例可以看出,该预处理单元可以对采用单目摄像头获取到的图像进村预处理,去除与获取被测目标覆盖面积无关的数据,从而可以加快获取被测目标覆盖面积的速度。
参见图5,为本发明获取被测目标实际覆盖面积的装置计数单元一个实施例框图。
该计数单元包括:第一边界判定子单元501,像素判断子单元502,像素统计子单元503。
其中,所述第一边界判定子单元501,用于确定所述预处理图像中被测目标的像素边界;可选的,所述第一边界判定子单元501,具体用于采用八邻域边界跟踪法确定所述预处理图像中被测目标的像素边界。
第一边界判定子单元501在确定预处理图像中被测目标的像素边界时,首先按照某种扫描规则找到预处理图像中被测目标图像边界上的一个像素点,然后以该点为起始点依据某种顺序依次记录下被测目标图像边界点的位置信息,被测目标图像边界点的位置信息即构成被测目标的像素边界。
所述像素判断子单元502,用于逐一判断所述预处理图像所包含的像素点是否在所述第一边界判定子单元501确定的所述像素边界内。
通常采用的做法是在第一边界判定子单元501确定被测目标的像素边界之后,像素判断子单元502根据像素边界确定一个目标多边形,然后判断预处理图像中每一个像素点是否在此多边形内,如果像素点在目标多边形内,则说明像素点在所述像素边界内,如果像素点不在目标多边形内,则说明像素点不在所述像素边界内。
所述像素统计子单元503,用于对所述像素判断子单元502的判断结果进行统计得出所述预处理图像中所述被测目标的像素数量。
由于像素判断子单元502对所述预处理图像所包含的像素点逐一进行了判断,并得出了每一个像素点是否在所述像素边界内的判断结果,因此像素统计子单元503对所有像素点的判断结果进行统计,很容易可以得出预处理图像中被测目标的像素数量。
从上述实施例可以看出,该计数单元可以获取预处理图像中被测目标的像素数量,为获取被测目标覆盖面积创造了条件。
参见图6,为本发明获取被测目标实际覆盖面积的装置像素判断子单元一个实施例框图
该像素判断子单元包括:第一多边形生成子单元601,多边形判断子单元602。
第一多边形生成子单元601,用于根据边界判定子单元确定的所述像素边界生成目标多边形。
多边形判断子单元602,用于逐一判断所述预处理图像所包含的像素点是否在所述第一多边形生成子单元生成的所述目标多边形内。
所述像素判断子单元还可以包括,第一矩形生成子单元,用于生成所述目标多边形的最小外接矩形。当像素判断子单元还包括第一矩形生成子单元时,所述多边形判断子单元602,具体用于逐一判断所述第一矩形生成子单元生成的所述最小外接矩形所包含的像素点是否在所述目标多边形内。
从上述实施例可以看出,该像素判断子单元可以判断预处理图像所包含的像素点是否在像素边界内,为获取被测目标的像素数量做好了准备条件。
参见图7,为本发明获取被测目标实际覆盖面积的装置计算单元一个实施例框图。
该计算单元包括:参数获取子单元701,坐标转换子单元702,单位面积计算子单元703。
其中,所述参数获取子单元701,用于获取所述单目摄像头的参数。参数获取子单元701可以获取技术人员采用其他设备对单目摄像头进行标定得到的参数,或者也可以自行进行标定获取单目摄像头的参数
所述坐标转换子单元702,用于利用所述参数确定图像坐标系与世界坐标的转换关系。
所述单位面积计算子单元703,用于根据转换关系计算出所述预处理图像中单位像素所代表代表的平均面积。
根据坐标转换子单元702已经获取到的图像坐标系与世界坐标的转换关系,可以将预处理图像中将每个像素的点的图像坐标系坐标转化为世界坐标系坐标。由于预处理图像中的横向上及纵向上的素数量是已知的或者可以计算获知的值,而且这些像素在横向上及纵向上的代表的总长度可以通过世界坐标系坐标求出,因此单位面积计算子单元703可以根据横坐标来计算出预处理图像中单位像素点所代表的世界坐标系中的平均横向长度,根据纵坐标计算出单位像素点所代表的世界坐标系中的平均纵向长度,平均纵向长度和平均横向长度的乘积,即为预处理图像中单位像素所代表的平均面积。
该计算单元还可以包括:第二边界判定子单元,第二多边形生成子单元,第二矩形生成子单元。所述第二边界判定子单元,用于确定所述预处理图像中被测目标的像素边界;所述第二多边形生成子单元,用于根据所述第二边界判定子单元确定的所述像素边界生成目标多边形;所述第二矩形生成子单元,用于用生成所述第二多边形生成子单元生成的所述目标多边形的最小外接矩形;当该计算单元包括第二边界判定子单元、第二多边形生成子单元、第二矩形生成子单元时,单位面积计算子单元703,用于根据转换关系计算出所述预处理图像中单位像素所代表代表的平均面积。
从上述实施例可以看出,该计算单元可以根据图像坐标系与世界坐标之间的转换关系,计算出预处理图像中单位像素所代表代表的平均面积,为获取被测目标覆盖面积创造了条件。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述的本发明实施方式,并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (16)
1.一种获取被测目标实际覆盖面积的方法,其特征在于,所述方法包括:
使用单目摄像头从被测区域采集被测图像;
依据被测目标的颜色特征生成所述被测图像的预处理图像;
获取所述预处理图像中被测目标的像素数量;
获取所述预处理图像中单位像素代表的实际覆盖面积;
根据所述像素数量及所述单位像素代表的实际覆盖面积求得被测目标覆盖面积。
2.如权利要求1所述的方法,其特征在于,所述依据被测目标的颜色特征生成所述被测图像的预处理图像,包括:
根据被测目标颜色确定被测目标像素的RGB特征;
以所述RGB特征为基准对被测图像进行二值化生成预处理图像。
3.如权利要求2所述的方法,其特征在于,
所述以所述RGB特征为基准对被测图像进行二值化生成预处理图像,具体为:
以所述RGB特征为基准对被测图像进行二值化生成二值化图像;
在以所述RGB特征为基准对被测图像进行二值化生成二值化图像之后,还包括:
对所述二值化图像进行降噪生成预处理图像。
4.如权利要求1至3任意一项权利要求所述的方法,其特征在于,所述获取所述预处理图像中被测目标的像素数量,包括:
确定所述预处理图像中被测目标的像素边界;
逐一判断所述预处理图像所包含的像素点是否在所述像素边界内;
对判断结果进行统计得出所述预处理图像中所述被测目标的像素数量。
5.如权利要求4所述的方法,其特征在于,
在所述逐一判断所述预处理图像所包含的像素点是否在所述像素边界内之前,还包括:
根据所述像素边界生成目标多边形;
所述逐一判断所述预处理图像所包含的像素点是否在所述像素边界内,具体为:
逐一判断所述预处理图像所包含的像素点是否在所述目标多边形内。
6.如权利要求5所述的方法,其特征在于,在所述根据所述像素边界生成目标多边形之后,还包括:
生成所述目标多边形的最小外接矩形;
所述逐一判断所述预处理图像所包含的像素点是否在所述目标多边形内,具体为:
逐一判断所述最小外接矩形所包含的像素点是否在所述目标多边形内。
7.如权利要求1至6任意一项权利要求所述的方法,其特征在于,所述获取所述预处理图像中单位像素代表的实际覆盖面积包括:
获取所述单目摄像头的参数;
利用所述参数确定所述预处理图像的图像坐标系与世界坐标的转换关系;
根据所述转换关系计算出所述预处理图像中单位像素所代表的平均面积。
8.如权利要求7所述的方法,其特征在于,
在所述根据转换关系计算出所述预处理图像中单位像素所代表的平均面积之前,还包括:
确定所述预处理图像中被测目标的像素边界;
根据所述像素边界生成目标多边形;
生成所述目标多边形的最小外接矩形;
所述根据所述转换关系计算出所述预处理图像中单位像素所代表的平均面积,具体为:
根据所述转换关系计算出所述最小外接矩形中单位像素所代表的平均面积。
9.一种获取被测目标实际覆盖面积的装置,其特征在于,所述装置包括:
采集单元,用于使用单目摄像头从被测区域采集被测图像;
预处理单元,用于依据被测目标的颜色特征生成所述采集单元采集的所述被测图像的预处理图像;
计数单元,用于获取所述预处理单元生成的所述预处理图像中被测目标的像素数量;
计算单元,用于获取所述预处理单元生成的所述预处理图像中单位像素代表的实际覆盖面积;
获取单元,用于根据所述计数单元获取到的所述像素数量及所述计算单元获取到的所述单位像素代表的实际覆盖面积求得被测目标覆盖面积。
10.如权利要求9所述的装置,其特征在于,所述预处理单元包括:
特征确定子单元,用于根据被测目标颜色确定被测目标像素的RGB特征;
图像二值化子单元,用于以所述特征确定子单元确定的所述RGB特征为基准对被测图像进行二值化生成预处理图像。
11.如权利要求10所述的装置,其特征在于,
所述图像二值化子单元,具体用于以所述特征确定子单元确定的所述RGB特征为基准对被测图像进行二值化生成二值化图像;
所述预处理单元还包括:图像降噪子单元,用于对所述图像二值化子单元生成的所述二值化图像进行降噪生成预处理图像。
12.如权利要求9至11任意一项权利要求所述的装置,其特征在于,所述计数单元包括:
第一边界判定子单元,用于确定所述预处理单元生成的所述预处理图像中被测目标的像素边界;
像素判断子单元,用于逐一判断所述预处理图像所包含的像素点是否在所述第一边界判定子单元确定的所述像素边界内;
像素统计子单元,用于对所述像素判断子单元的判断结果进行统计得出所述预处理图像中所述被测目标的像素数量。
13.如权利要求12所述的方法,其特征在于,所述像素判断子单元包括:
第一多边形生成子单元,用于根据所述第一边界判定子单元确定的所述像素边界生成目标多边形;
多边形判断子单元,用于逐一判断所述预处理图像所包含的像素点是否在所述第一多边形生成子单元生成的所述目标多边形内。
14.如权利要求13所述的装置,其特征在于,所述像素判断子单元还包括:
第一矩形生成子单元,用于生成所述第一多边形生成子单元生成的目标多边形的最小外接矩形;
所述多边形判断子单元,具体用于逐一判断所述第一矩形生成子单元生成的所述最小外接矩形所包含的像素点是否在所述目标多边形内。
15.如权利要求9至14任意一项权利要求所述的装置,其特征在于,所述计算单元包括:
参数获取子单元,用于获取所述单目摄像头的参数;
坐标转换子单元,用于利用所述参数获取子单元获取的所述参数确定所述预处理图像的图像坐标系与世界坐标的转换关系;
单位面积计算子单元,用于根据所述坐标转换子单元确定的所述转换关系计算出所述预处理单元生成的所述预处理图像中单位像素所代表代表的平均面积。
16.如权利要求15所述的装置,其特征在于,所述计算单元还包括:
第二边界判定子单元,用于确定所述预处理单元生成的所述预处理图像中被测目标的像素边界;
第二多边形生成子单元,用于根据所述第二边界判定子单元确定的所述像素边界生成目标多边形;
第二矩形生成子单元,用于用生成所述第二多边形生成子单元生成的所述目标多边形的最小外接矩形;
所述坐标转换子单元,具体用于根据转换关系计算出所述第二矩形生成子单元生成的最小外接矩形中单位像素所代表的平均面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310190880.9A CN104182757A (zh) | 2013-05-22 | 2013-05-22 | 获取被测目标实际覆盖面积的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310190880.9A CN104182757A (zh) | 2013-05-22 | 2013-05-22 | 获取被测目标实际覆盖面积的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104182757A true CN104182757A (zh) | 2014-12-03 |
Family
ID=51963784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310190880.9A Pending CN104182757A (zh) | 2013-05-22 | 2013-05-22 | 获取被测目标实际覆盖面积的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104182757A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105323417A (zh) * | 2015-09-28 | 2016-02-10 | 天津光电通信技术有限公司 | 一种打印数据处理方法 |
CN106023271A (zh) * | 2016-07-22 | 2016-10-12 | 武汉海达数云技术有限公司 | 一种靶标中心坐标提取方法及装置 |
CN108416839A (zh) * | 2018-03-08 | 2018-08-17 | 云南电网有限责任公司电力科学研究院 | 一种多幅x射线旋转图像轮廓线三维重建方法及其系统 |
CN109827646A (zh) * | 2018-12-21 | 2019-05-31 | 太原重工股份有限公司 | 用于粉体物料的称重方法及称重装置 |
CN109859261A (zh) * | 2019-01-07 | 2019-06-07 | 宁波舜宇光电信息有限公司 | 一种鱼眼镜头的光心定位方法和装置、及摄像模组的质量检测方法 |
CN110084186A (zh) * | 2019-04-25 | 2019-08-02 | 中信梧桐港供应链管理有限公司 | 一种仓库远程监管方法及装置 |
CN111256596A (zh) * | 2020-02-21 | 2020-06-09 | 北京容联易通信息技术有限公司 | 基于cv技术的尺寸测量方法、装置、计算机设备及介质 |
CN112330694A (zh) * | 2020-11-16 | 2021-02-05 | 新疆农业科学院粮食作物研究所 | 一种植物萎蔫程度计算方法及系统 |
CN115965681A (zh) * | 2023-03-13 | 2023-04-14 | 山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心) | 一种基于卷积神经网络获取海草床面积的方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101301220A (zh) * | 2008-07-03 | 2008-11-12 | 哈尔滨工程大学 | 内镜操作手术机器人穿刺孔定位装置及定位方法 |
CN101349561A (zh) * | 2007-07-17 | 2009-01-21 | 农业部规划设计研究院 | 大尺度作物种植面积车载调查方法与系统 |
CN101403610A (zh) * | 2008-11-06 | 2009-04-08 | 陕西科技大学 | 一种基于数字图像法测量皮革面积的系统及其方法 |
CN101876532A (zh) * | 2010-05-25 | 2010-11-03 | 大连理工大学 | 测量系统中的摄像机现场标定方法 |
CN102279974A (zh) * | 2011-04-29 | 2011-12-14 | 北京交通大学 | 摄像机监控面积计算方法及系统 |
-
2013
- 2013-05-22 CN CN201310190880.9A patent/CN104182757A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101349561A (zh) * | 2007-07-17 | 2009-01-21 | 农业部规划设计研究院 | 大尺度作物种植面积车载调查方法与系统 |
CN101301220A (zh) * | 2008-07-03 | 2008-11-12 | 哈尔滨工程大学 | 内镜操作手术机器人穿刺孔定位装置及定位方法 |
CN101403610A (zh) * | 2008-11-06 | 2009-04-08 | 陕西科技大学 | 一种基于数字图像法测量皮革面积的系统及其方法 |
CN101876532A (zh) * | 2010-05-25 | 2010-11-03 | 大连理工大学 | 测量系统中的摄像机现场标定方法 |
CN102279974A (zh) * | 2011-04-29 | 2011-12-14 | 北京交通大学 | 摄像机监控面积计算方法及系统 |
Non-Patent Citations (3)
Title |
---|
于国防 等: "《C#语言Windows程序设计》", 30 September 2010 * |
张志斌 等: ""基于颜色特征的绿色作物图像分割算法"", 《农业工程学报》 * |
王福生: ""二值图像中目标物体轮廓的边界跟踪算法"", 《大连海事大学学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105323417B (zh) * | 2015-09-28 | 2018-12-18 | 天津光电通信技术有限公司 | 一种打印数据处理方法 |
CN105323417A (zh) * | 2015-09-28 | 2016-02-10 | 天津光电通信技术有限公司 | 一种打印数据处理方法 |
CN106023271A (zh) * | 2016-07-22 | 2016-10-12 | 武汉海达数云技术有限公司 | 一种靶标中心坐标提取方法及装置 |
CN106023271B (zh) * | 2016-07-22 | 2018-12-11 | 武汉海达数云技术有限公司 | 一种靶标中心坐标提取方法及装置 |
CN108416839B (zh) * | 2018-03-08 | 2022-04-08 | 云南电网有限责任公司电力科学研究院 | 一种多幅x射线旋转图像轮廓线三维重建方法及其系统 |
CN108416839A (zh) * | 2018-03-08 | 2018-08-17 | 云南电网有限责任公司电力科学研究院 | 一种多幅x射线旋转图像轮廓线三维重建方法及其系统 |
CN109827646A (zh) * | 2018-12-21 | 2019-05-31 | 太原重工股份有限公司 | 用于粉体物料的称重方法及称重装置 |
CN109859261A (zh) * | 2019-01-07 | 2019-06-07 | 宁波舜宇光电信息有限公司 | 一种鱼眼镜头的光心定位方法和装置、及摄像模组的质量检测方法 |
CN110084186A (zh) * | 2019-04-25 | 2019-08-02 | 中信梧桐港供应链管理有限公司 | 一种仓库远程监管方法及装置 |
CN111256596A (zh) * | 2020-02-21 | 2020-06-09 | 北京容联易通信息技术有限公司 | 基于cv技术的尺寸测量方法、装置、计算机设备及介质 |
CN111256596B (zh) * | 2020-02-21 | 2021-09-14 | 北京容联易通信息技术有限公司 | 基于cv技术的尺寸测量方法、装置、计算机设备及介质 |
CN112330694A (zh) * | 2020-11-16 | 2021-02-05 | 新疆农业科学院粮食作物研究所 | 一种植物萎蔫程度计算方法及系统 |
CN115965681A (zh) * | 2023-03-13 | 2023-04-14 | 山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心) | 一种基于卷积神经网络获取海草床面积的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104182757A (zh) | 获取被测目标实际覆盖面积的方法及装置 | |
US9521391B2 (en) | Settings of a digital camera for depth map refinement | |
US9767604B2 (en) | Image analysis method by analyzing point cloud using hierarchical search tree | |
Krig | Computer vision metrics: Survey, taxonomy, and analysis | |
JP7157434B2 (ja) | 森林資源情報算定方法及び森林資源情報算定装置 | |
CN111709981A (zh) | 特征线融合的激光点云与模拟图像的配准方法 | |
CN101998136B (zh) | 单应矩阵的获取方法、摄像设备的标定方法及装置 | |
CN108596108B (zh) | 基于三元组语义关系学习的航拍遥感图像变化检测方法 | |
Marinelli et al. | A novel approach to 3-D change detection in multitemporal LiDAR data acquired in forest areas | |
CN104700404A (zh) | 一种果实定位识别方法 | |
CN110909640A (zh) | 水位线的确定方法及装置、存储介质、电子装置 | |
CN109918977A (zh) | 确定空闲车位的方法、装置及设备 | |
CN114998536A (zh) | 基于新型基础测绘的模型生成方法、装置及存储介质 | |
CN111815707A (zh) | 点云确定方法、点云筛选方法、装置、计算机设备 | |
CN108195736B (zh) | 一种三维激光点云提取植被冠层间隙率的方法 | |
CN111220235B (zh) | 水位监测方法及装置 | |
CN112200854B (zh) | 一种基于视频图像的叶类蔬菜三维表型测量方法 | |
Baily et al. | Comparative assessment of analytical and digital photogrammetric methods in the construction of DEMs of geomorphological forms | |
CN109272546A (zh) | 一种鱼苗长度测量方法及系统 | |
KR20150114950A (ko) | 이미지 스트림의 프레임 레이트 증가 | |
Awad | Toward robust segmentation results based on fusion methods for very high resolution optical image and lidar data | |
CN112861666A (zh) | 一种基于深度学习的鸡群计数方法及应用 | |
US20210374527A1 (en) | Information processing apparatus, information processing method, and storage medium | |
US20190172226A1 (en) | System and method for generating training images | |
CN115880643B (zh) | 一种基于目标检测算法的社交距离监测方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141203 |