CN104881652A - 一种基于玉米穗凸性特征的行数自动检测算法 - Google Patents

Abstract

一种利用玉米截面特殊的凸性图像特征、基于机器视觉的玉米穗行数自动检测方法，属图像信息处理技术领域，主要用于玉米室内考种时穗行数的自动检测。其实现方法是：第一步：玉米穗横断面照片的获取；第二步：对图像f1进行图像分割；第三步：对图像f2进行腐蚀；第四步：图像f3所示玉米穗横断面腐蚀图像中存在明显的凹陷，使用该图像的凸性特征，对该图求凸形；第五步：使用图像f4减去图像f3，得到两图的差异部分，即玉米穗横断面原始图像中的籽粒间隙图像f5；第六步：腐蚀后计数，得到最终的计数结果即是玉米穗的行数。本发明旨在解决玉米穗行数中传统人工计数易于疲劳、准确率差、效率低的固有缺陷，以提高现有自动检测技术的速度和准确度。

Description

一种基于玉米穗凸性特征的行数自动检测算法

技术领域

本发明涉及图像信息处理技术领域，特别是涉及一种基于玉米穗凸性特征的行数自动检测算法，便于实现玉米室内考种时穗行数的统计，并提高检测速度和精度。

背景技术

玉米是粮食、饲料、工业原料兼用型作物。玉米生产在国家粮食生产和粮食安全中占有极重要的战略地位。研究证明，玉米优良种的推广使玉米增产40%。种子质量直接关系到玉米产量高低及玉米质量和品质的优劣，而推广优良的杂交种需要大量的优质种子。

玉米穗籽粒行数（穗行数）是穗部重要农艺性状之一。不同品种的玉米穗行数有较大差别，生长条件也会影响穗行数，在玉米育种、栽培及新品种DUS测试等科研中准确计数穗行数非常重要。玉米穗行数的传统测定靠人工计数，存在人工计数方法固有的缺陷-----易于疲劳、误差大、效率低。

在现有的基于机器视觉的玉米穗行数自动检测过程中，利用先求出玉米穗横断面的质心坐标；再计算出的玉米穗外轮廓边缘到质心的角度和半径，对角度从小到大进行排序，同时对半径进行归一化处理，得到半径关于角度的函数，绘制出角度---半径图；统计角度---半径变化曲线图中半径的极大值或极小值的个数即玉米穗行数。这种方法计算量大且易有误差。

发明内容

为了克服上述现有技术的不足，本发明提供了一种基于玉米穗凸性特征的行数自动检测算法。本发明所采用的技术方案是：第一步：玉米穗横断面照片的获取。将玉米穗横断面放在黑色背景上，在它上方加上环形光源，摄像机在环形光源正中、玉米穗横断面正上进行拍摄获取原图图像f1。

第二步：对图像f1进行图像分割。用边缘检测函数和内部区域填充法，检测出清晰地玉米穗图像边缘，边缘及内部用白色来表示，其余部分用黑色来表示，得到玉米穗横断面特征图像f2。

第三步：对图像f2进行腐蚀。使用一个半径为100圆形结构元素去扫描图像中的每一个像素，用结构元素与其覆盖的二值图像做“与”操作，从而腐蚀图像f2中前景色区域的边缘，使得前景图像区域变小，背景区域被放大，具有收缩图像的作用。腐蚀之后，图像边界向内收缩，得到玉米穗横断面腐蚀图像f3。

第四步：图像f3所示玉米穗横断面腐蚀图像中存在明显的凹陷，使用该图像的凸性特征，对该图求凸形。求玉米穗横断面凸形图像属于二维平面的凸包问题，本算法采用二维Quick Hull算法获取图像f3中不等于黑色的像素点集的凸包，落在凸包及其内部的像素点赋值为白色，使凸包边界和内部显示白色，其余点的值保持不变，得到玉米穗横断面凸形图像f4。

第五步：使用图像f4减去图像f3，得到两图的差异部分，即玉米穗横断面原始图像中的籽粒间隙图像f5。

第六步：腐蚀后计数。采用第三步中的腐蚀算法，对图像f5进行腐蚀运算，以去除细小噪声，避免图像各部分的黏连，得到籽粒间隙腐蚀图像f6；采用8联通邻域法方法，对图像f6进行连通域处理，得到图像f7，并同时统计像素点的值不等于0的联通单元的个数；统计得到的f7中联通单元的个数即是玉米穗籽粒行数，并在检测系统中进行显示。

与现有技术相比，基于玉米穗凸性特征的行数自动检测算法主要有以下优点：（1）计算量小，执行速度快；（2）正确率高，可以准确地对玉米穗行数进行检测。根据到玉米截面特殊的外形，利用凸性的图像特征，设计使用本算法来进行处理，可提高玉米穗行数自动检测的速度和准确度。

附图说明

图1为玉米穗行数自动检测算法流程图；

图2为玉米穗横断面原始图像；

图3玉米穗横断面轮廓特征图像；

图4为玉米穗横断面腐蚀图像；

图5 为玉米穗横断面凸形图像；

图6为籽粒间隙图像；

图7为籽粒间隙腐蚀图像；

图8为籽粒间隙腐蚀图像连通域处理图。

具体实施方式

下面结合附图对本发明进一步说明。

参阅附图1，本发明所述的玉米穗行数自动检测算法是在环形光源光照条件下、采用工业相机采集到的黑色背景上玉米穗横断面原始图像后，对原始图像进行灰度转换、图像压缩、增强对比度等图像预处理依据，依据图像的轮廓特征对预处理之后图像进行合理阈值、滤波去除噪声，获得玉米穗截面的轮廓特征图像，对玉米轮廓特征图像进行腐蚀、并求出其凸形图像，使凸形图像减去玉米穗横断面腐蚀图像得到籽粒间隙图像，对经过进一步腐蚀和连通域处理的籽粒间隙图像进行计数，得到最终的计数结果即是玉米穗的行数。

更具体地说，整个算法的实现包含下列内容：

1、图像分割：本算法属于图像的预处理，主要包括原始图像的获取、图像边缘阀值分割和滤波去噪三个步骤，处理效果如附图2、附图3所示。

（1）阈值分割：采用阈值分割法将图像f1分割成背景和玉米穗图像主体两部分，而阈值t的选取是用最大类间方差法求解。

（2）内部图像填充：通过图像分割，已经把图像分割成很多个区域，现用8联通邻域法进行玉米穗截面轮廓内部填充，得到玉米轮廓及内部填充特征图像f2。

2、图像腐蚀：本算法对玉米分割图像f2进行腐蚀，腐蚀图像中前景色区域的边缘，使得前景图像区域变小，背景区域被放大，具有收缩图像的作用。腐蚀的计算方法为：

（1）定义结构元素。由数值为1或0组成的矩阵，在每个像素位置与二值图像对应的区域进行特定的逻辑运算。运算结果为输出图像相应的像素。运算效果取决于结构元素的大小内容以及逻辑运算的性质。由于玉米穗截面轮廓为弧形，所以本算法使用一个圆形的结构元素对图像进行腐蚀。

（2）腐蚀算法。使用一个半径为100圆形结构元素去扫描图像中的每一个像素，用结构元素与其覆盖的二值图像做“与”操作，如果都为1，这图像的该像素为1，否则为0。腐蚀之后，图像边界向内收缩，得到玉米穗横断面腐蚀图像f3，如附图4所示。

3、获取凸形。图像f3所示玉米穗横断面腐蚀图像中存在明显的凹陷，使用该图像的凸性特征，对该图求凸形，即连接指图像内部任意两点的直线均落在图像内部。求玉米穗横断面凸形图像属于二维平面的凸包问题，具体算法为：

（1）用“凸包算法”变换玉米穗横断面形状。凸包的定义为：平面的一个子集S被称为是“凸”的，当且进当对于任意两点p、q∈S，线段                                               都完全属于S。凸包问题可以描述为：给定一个点集P，求最小点集S，使得S构成的形状能包含P。本算法采用二维Quick Hull算法，该算法继承了快速排序分治的思想，是一个递归过程算法。该算法具有极小的常数、实现方便，在凸包上的点很密集时仍然适用，在凸包上点集随机分布时效率也很高。具体步骤如下：

① 在玉米穗横断面腐蚀图像不等于0的像素点集S中选取2个极点n1和n2，这两个极点必然在凸包上。

② 使用①中选取的两个极点n1、n2生成1条直线L，采用遍历法判断点集S中每个点落在直线L哪一侧，从而将点集S分成2个子集S1和S2。

 在直线L的一侧点集S1中选取离直线距离最远的点p，分别连接p和n1、p和n2，生成新的2条直线L1和L2。点p、n1和n2组成一个三角形，三角形区域内的像素点不可能为凸包上的点，在后续计算过程中可舍去。

④ 对极点p和n1、直线L1重复步骤②和③，对极点p和n2、直线L2重复步骤②和③，直至遍历子集S1中所有点。

⑤对直线L的另一侧点集S2做类似步骤③和④的工作。

⑥ 每计算取得的最远点为最终凸包的顶点，任两个最远点之间的连线为凸包的边。

⑦ 理论上该算法的复杂度为O(KlogN)，其中，N为玉米穗横断面腐蚀图像中不等于0的像素点数，K为凸包的顶点数。

（2）将附图4中落在凸包及其内部的像素点赋为白色，其余点的值保持不变，得到玉米穗横断面凸形图像f4，如附图5所示。

4、计算籽粒间隙图像。使用图像f4减去图像f3，得到两图的差异部分，也就是玉米穗横断面原始图像中的籽粒间隙图像f5，如附图6所示。

5、腐蚀后计数。具体过程如下：

（1）继续采用腐蚀算法，设置圆形结构元素的半径为5，对附图5进行腐蚀运算，以去除细小噪声，避免图像各部分的黏连，得到籽粒间隙腐蚀图像f6，见附图7。

（2）采用步骤1（3）中的方法，对图像f9进行连通域处理、并同时计数：

① 采用E(i)标记第i个不连通的玉米籽粒区域单元；

② 当检测到的图像点是0时就对该点赋值为0，当检测到的是255且其周围8联通区域内有数值不等于0时，令i=i+1，并对该点赋值n(i)；

③ 重复步骤②，且当时，赋值。

④ 检测遍历所有像素点，结束，判断，否则i=i -1，重复③。

⑤这样就将將像素有相连的区域合并成一个单元，相邻单元的颜色不同，即籽粒间隙腐蚀图像连通域处理图f7，如附图8所示。且计算结束时i的值即是玉米穗籽粒行数，输出i作为行数统计结果。

采用上述的检测步骤1至5即可实现玉米穗行数的自动检测，下面表1给出在实验室的统计数据：

表1 实验室统计结果

本发明与现有技术相比，具有实时、高效、客观、准确、高效和无损伤等显著优点。

Claims (1)

1.一种基于玉米穗凸性特征的玉米穗行数自动检测算法，有如下步骤：

第一步：玉米穗横断面照片的获取

将玉米穗横断面放在黑色背景上，在它上方加上环形光源，摄像机在环形光源正中、玉米穗横断面正上进行拍摄获取原图图像f1；

其特征在于，

第二步：对图像f1进行图像分割

将图像f1转换为灰度图像，以减少处理过程中的数据量；之后用边缘检测函数和内部区域填充法，检测出清晰地玉米穗图像边缘，边缘及内部用白色来表示，其余部分用黑色来表示，得到玉米穗横断面特征图像f2；

第三步：对图像f2进行腐蚀

使用一个半径为100圆形结构元素去扫描图像中的每一个像素，用结构元素与其覆盖的二值图像做“与”操作，从而腐蚀图像f2中前景色区域的边缘，使得前景图像区域变小，背景区域被放大，具有收缩图像的作用；腐蚀之后，图像边界向内收缩，得到玉米穗横断面腐蚀图像f3；

第四步：图像f3所示玉米穗横断面腐蚀图像中存在明显的凹陷，使用该图像的凸性特征，对该图求凸形；求玉米穗横断面凸形图像属于二维平面的凸包问题，本算法采用二维Quick Hull算法获取图像f3中不等于黑色的像素点集的凸包，落在凸包及其内部的像素点赋值为白色，使凸包边界和内部显示白色，其余点的值保持不变，得到玉米穗横断面凸形图像f4；

第五步：使用图像f4减去图像f3，得到两图的差异部分，即玉米穗横断面原始图像中的籽粒间隙图像f5；

第六步：腐蚀后计数

采用第三步中的腐蚀算法，对图像f5进行腐蚀运算，以去除细小噪声，避免图像各部分的黏连，得到籽粒间隙腐蚀图像f6；采用8联通邻域法方法，对图像f6进行连通域处理，得到图像f7，并同时统计像素点的值不等于0的联通单元的个数；统计得到的f7中联通单元的个数即是玉米穗籽粒行数，并在检测系统中进行显示。