CN105139408A - 一种基于Kinect传感器的植株绿色特征识别方法 - Google Patents
一种基于Kinect传感器的植株绿色特征识别方法 Download PDFInfo
- Publication number
- CN105139408A CN105139408A CN201510568332.4A CN201510568332A CN105139408A CN 105139408 A CN105139408 A CN 105139408A CN 201510568332 A CN201510568332 A CN 201510568332A CN 105139408 A CN105139408 A CN 105139408A
- Authority
- CN
- China
- Prior art keywords
- green
- image
- plant
- rgb
- kinect sensor
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Color Image Communication Systems (AREA)
Abstract
本发明提供了一种基于Kinect传感器的植株绿色特征识别方法,该方法包括以下步骤:步骤1,调用Kinect传感器获取彩色图像,并保存RGB图像数据;步骤2,对所获取的RGB真彩图进行灰度处理,提取RGB色彩值;步骤3,对灰度图像进行进一步阀值分割,去除背景,获取绿色植株的图像;步骤4,将RGB颜色空间转换为HSV颜色空间,显示绿色植株区域的H分量图像。通过对植株绿色特征识别实验,结果表明该方法可以在保持颜色特征的基础上,快速准确的对植株目标进行识别,为农业精准对靶喷雾中绿色植株的检测提供了新的方法。
Description
技术领域
本发明涉及一种农业喷雾植株检测技术,尤其涉及一种基于Kinect传感器的植株绿色特征识别方法。
背景技术
彩色图像是表征物体外观状态最直接的方式之一,在农业喷雾植株检测过程中,对植株图像进行处理提取其特征,可以达到植株目标的智能识别。目前基于数字图像处理的目标植株检测方法主要有颜色空间区分法、纹理特征分析法、形态特征分析法、小波分析法、多种参数结合分析法以及特殊图像分析法等。基于图像的颜色空间区分法相对其它方法的处理和分析过程较为简单,但提取有效图像特征的效果不及其它方法,因此,如何在保持颜色特征的基础上,实现快速准确的植株目标识别,在农业喷雾植株检测过程中是一个亟待解决的技术问题。
发明内容
本发明目的在于提供一种基于Kinect传感器的植株绿色特征识别方法,该方法可以在保持颜色特征的基础上,实现快速准确的植株目标识别。
本发明采用如下的技术方案:
一种基于Kinect传感器的植株绿色特征识别方法,包括步骤:
步骤1,调用Kinect传感器获取彩色图像,并保存RGB真彩图的图像数据;
步骤2,将RGB真彩图转换为灰度图像,并进行直方图均衡化处理,进而提取RGB色彩值,然后进行灰照片掩膜,将非绿色区域设置为灰色;该步骤能够初步将绿色植株区域与非绿色区域区分开。
步骤3,对灰度图像进行进一步阀值分割,像素元素值若在阀值范围内,则判别为绿色植株部分,若在阀值范围之外,则判别为非绿色区域,即去除背景的非绿色部分干扰物,获取绿色植株的图像;该步骤能够将绿色植株从较复杂的色彩环境中完整的提取出来;
步骤4,将RGB颜色空间转换为HSV颜色空间,保持S、V值不变,查表限定H的绿色阀值范围,图像显示绿色植株区域的H分量图像;该步骤便于后期的图像处理以及植株其它特征的获取与分析,RGB颜色空间转换为HSV颜色空间的转换公式为:
其中r、g、b分别为RGB颜色空间中输入的R、G、B颜色值,max、min分别为r、g、b中的最大值和最小值,h、s、v分别表示HSV颜色空间中的色调、饱和度和亮度。
进一步,所述步骤1,调用Kinect传感器获取彩色图像,该设备为微软公布的XBOX360体感周边外设KinectforWindows版本,其彩色摄像头所获取的彩色图像默认格式为VGA(640x480)。
进一步,所述步骤2,提取RGB绿色色彩值具体提取方法为:
对所获取图像某像素点的R、G、B三个颜色分量进行读取,将三个分量值进行两两作差对比,比较得出其中绿色分量值明显大于剩余其它两个分量值,且差值远大于设定值,则判别出该像素点的颜色为绿色;其中差值的设定值根据实际应用所需要的绿色色彩的范围进行确定。
进一步,所述步骤3,对灰度图像进行进一步阀值分割的具体过程为:循环读取图像的各像素元素,利用如下判别公式进行阀值分割,分割结果即为绿色植株图像区域,其中,I(i,j)为图像的像素元素,T为分割阀值:
进一步,选取分割阀值T=100。
本发明的有益效果在于:一种基于Kinect传感器的植株绿色特征识别方法,首先调用Kinect传感器获取彩色图像,并保存RGB图像数据,然后对所获取的RGB真彩图进行灰度处理,提取RGB色彩值,再对灰度图像进行进一步阀值分割,去除背景,获取绿色植株的图像,最后将RGB颜色空间转换为HSV颜色空间,显示绿色植株区域的H分量图像,能够在保持颜色特征的基础上,实现快速准确的植株目标识别。
本发明的尤其是针对绿色植株图像,所采用的分割阀值的选取和HSV颜色空间的转换公式能够精确快速配合实现绿色植株目标识别。
附图说明
图1是本发明一种基于Kinect传感器的植株绿色特征识别方法的流程图;
图2是本发明中Kinect传感器获取的原始RGB真彩图像;
图3是本发明中对所获取的RGB真彩图进行灰度处理,提取RGB色彩值后对应的绿色植株图像;
图4是本发明中对灰度图像进行进一步阀值分割,去除背景,获取的绿色植株图像;
图5是本发明中将RGB颜色空间转换为HSV颜色空间,显示的绿色植株区域的H分量图像。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细介绍。以下实施例用于说明本发明的方法,但不用来限制本发明的范围。
本发明一种基于Kinect传感器的植株绿色特征识别方法的设计思路是:首先通过MATLAB软件调用Kinect传感器获取彩色图像,并保存RGB真彩图的图像数据,然后对所获取的RGB真彩图进行灰度处理,提取RGB色彩值,再对灰度图像进行进一步阀值分割,去除背景,获取绿色植株的图像,最后将RGB颜色空间转换为HSV颜色空间,显示绿色植株区域的H分量图像。
具体如图1所示,该方法包括以下步骤:
步骤1,通过MATLAB软件调用Kinect传感器获取彩色图像,并保存RGB真彩图的图像数据;
步骤2,对所获取的RGB真彩图进行灰度处理,提取RGB色彩值;
步骤3,对灰度图像进行进一步阀值分割,像素元素值若在阀值范围内,则判别为绿色植株部分,若在阀值范围之外,则判别为非绿色区域,即去除背景的非绿色部分干扰物,获取绿色植株的图像,将绿色植株从较复杂的色彩环境中完整的提取出来;
步骤4,将RGB颜色空间转换为HSV颜色空间,显示绿色植株区域的H分量图像。
参照图2所示,给出了图1中步骤1,通过MATLAB软件调用Kinect传感器获取彩色图像,并保存RGB图像数据的图像。其中Kinect传感器为微软公布的XBOX360体感周边外设KinectforWindows版本,其彩色摄像头所获取的彩色图像默认格式为VGA(640x480)。从图像中可以清晰分辨出绿色植株以及背景、干扰物等,像素满足图像处理的要求。
参照图3所示,给出了图1中步骤2,对所获取的RGB真彩图进行灰度处理,提取RGB色彩值的效果图。具体步骤为:
1)将RGB真彩图转换为灰度图像,并进行直方图均衡化处理;
2)提取RGB绿色色彩值,具体提取方法为:
对所获取图像某像素点的R、G、B三个颜色分量进行读取,将三个分量值进行两两作差对比,比较得出其中某一颜色分量值明显大于剩余其它两个分量值,且差值远大于设定值,则判别出该像素点的颜色为绿色,本发明中将该提取方法定义为最大值RGB色彩判别法;其中差值的设定值根据实际应用所需要的绿色色彩的范围进行确定。
3)进行灰照片掩膜,将非绿色区域设置为灰色。
从效果图3中可以看出,利用上述最大值RGB色彩判别法对RGB图像处理后,可以实现将绿色植株区域与其它非绿色背景、杂物明显区分,其中的差值设定值是根据实验结果选取的,实验证明,利用最大值RGB色彩判别法实现本发明,所得效果最好。
参照图4所示,给出了图1中步骤3,对灰度图像进行进一步阀值分割,去除背景,获取绿色植株的图像。具体分割方法为:
循环读取图像的各像素元素,利用如下判别公式进行阀值分割,分割结果即为绿色植株图像区域。其中,I(i,j)为图像的像素元素,T为分割阀值。
从效果图4中可以看出,经过阀值分割处理后,去除背景、杂物的干扰,只显示出绿色植株区域,其中的分割阀值T是根据实验结果选取的,本发明实施例经多次实验调整,选取分割阀值T=100,实验证明,该阀值分割能够达到预期的效果。
参照图5所示,给出了图1中步骤4,将RGB颜色空间转换为HSV颜色空间,显示绿色植株区域的H分量图像。具体操作步骤为:
1)RGB颜色空间转换为HSV颜色空间,转换公式为:
其中r、g、b分别为RGB颜色空间中输入的R、G、B颜色值,max、min分别为r、g、b中的最大值和最小值,h、s、v分别表示HSV颜色空间中的色调、饱和度和亮度。
2)保持S、V值不变,查表限定H的绿色阀值范围,图像显示绿色植株区域的H分量图像。
从效果图5中可以看出,通过将RGB颜色空间转换为HSV颜色空间,并对H分量进行绿色阀值限定,实现对绿色植株区域的H分量图像的提取。其中的绿色阀值范围H,根据实验结果选取,本发明实施例经多次实验调整,选取H的范围为[90,145],实验证明,该阀值限定分割能够达到预期的效果,该H阀值限定方法有利于后期彩色图像与其它图像的结合处理,以进一步提高植株目标识别的精确度。
由以上实施例可以看出,本发明通过调用Kinect传感器获取彩色图像,并保存RGB图像数据,然后对所获取的RGB真彩图进行灰度处理,提取RGB色彩值,再对灰度图像进行进一步阀值分割,去除背景,获取绿色植株的图像,最后将RGB颜色空间转换为HSV颜色空间,显示绿色植株区域的H分量图像,可以在保持颜色特征的基础上,实现快速准确的植株目标识别。
以上内容是本发明的优选实施方式的说明,应当指出,对于本发明所属技术领域的普通技术人员来说,在不脱离本发明方法原理的前提下,进行其他改进和替换,而性能或用途相同,都应当视为属于本发明的保护范围。
Claims (5)
1.一种基于Kinect传感器的植株绿色特征识别方法,其特征在于,包括以下步骤:
步骤1,调用Kinect传感器获取彩色图像,并保存RGB真彩图的图像数据;
步骤2,将RGB真彩图转换为灰度图像,并进行直方图均衡化处理,进而提取RGB色彩值,然后进行灰照片掩膜,将非绿色区域设置为灰色;
步骤3,对灰度图像进行进一步阀值分割,像素元素值若在阀值范围内,则判别为绿色植株部分,若在阀值范围之外,则判别为非绿色区域,即去除背景的非绿色部分干扰物,获取绿色植株的图像;
步骤4,将RGB颜色空间转换为HSV颜色空间,保持S、V值不变,查表限定H的绿色阀值范围,图像显示绿色植株区域的H分量图像;RGB颜色空间转换为HSV颜色空间的转换公式为:
v=max
其中r、g、b分别为RGB颜色空间中输入的R、G、B颜色值,max、min分别为r、g、b中的最大值和最小值,h、s、v分别表示HSV颜色空间中的色调、饱和度和亮度。
2.根据权利要求1所述的一种基于Kinect传感器的植株绿色特征识别方法,其特征在于:所述步骤1,调用Kinect传感器获取彩色图像,该设备为微软公布的XBOX360体感周边外设KinectforWindows版本,其彩色摄像头所获取的彩色图像默认格式为VGA(640x480)。
3.根据权利要求1所述的一种基于Kinect传感器的植株绿色特征识别方法,其特征在于:所述步骤2,提取RGB绿色色彩值具体提取方法为:
对所获取图像某像素点的R、G、B三个颜色分量进行读取,将三个分量值进行两两作差对比,比较得出其中绿色分量值明显大于剩余其它两个分量值,且差值远大于设定值,则判别出该像素点的颜色为绿色;其中差值的设定值根据实际应用所需要的绿色色彩的范围进行确定。
4.根据权利要求1所述的一种基于Kinect传感器的植株绿色特征识别方法,其特征在于:所述步骤3,对灰度图像进行进一步阀值分割的具体过程为:循环读取图像的各像素元素,利用如下判别公式进行阀值分割,分割结果即为绿色植株图像区域,其中,I(i,j)为图像的像素元素,T为分割阀值:
5.根据权利要求4所述的一种基于Kinect传感器的植株绿色特征识别方法,其特征在于:选取分割阀值T=100。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510568332.4A CN105139408A (zh) | 2015-09-08 | 2015-09-08 | 一种基于Kinect传感器的植株绿色特征识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510568332.4A CN105139408A (zh) | 2015-09-08 | 2015-09-08 | 一种基于Kinect传感器的植株绿色特征识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105139408A true CN105139408A (zh) | 2015-12-09 |
Family
ID=54724740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510568332.4A Pending CN105139408A (zh) | 2015-09-08 | 2015-09-08 | 一种基于Kinect传感器的植株绿色特征识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105139408A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105403199A (zh) * | 2015-12-28 | 2016-03-16 | 北京观典航空科技股份有限公司 | 基于无人机的毒品原植物种植侦测方法及系统 |
CN108074320A (zh) * | 2016-11-10 | 2018-05-25 | 深圳怡化电脑股份有限公司 | 一种图像识别方法及装置 |
CN110827364A (zh) * | 2018-08-07 | 2020-02-21 | 北京优酷科技有限公司 | 一种检测绿屏图像的方法及装置 |
CN111091081A (zh) * | 2019-12-09 | 2020-05-01 | 武汉虹识技术有限公司 | 一种基于虹膜识别的红外补光调整方法及系统 |
CN112528057A (zh) * | 2020-12-11 | 2021-03-19 | 广东科学中心 | 一种妆容推荐方法、推荐装置、存储介质和终端 |
CN113034624A (zh) * | 2021-05-06 | 2021-06-25 | 湖州云电笔智能科技有限公司 | 基于感温变色胶贴的温度预警图像识别方法、系统、设备及存储介质 |
CN113504250A (zh) * | 2021-05-26 | 2021-10-15 | 杭州电子科技大学 | 基于棱镜式rgb色彩提取的花生黄曲霉素检测装置及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1628513A (zh) * | 2003-12-18 | 2005-06-22 | 南京林业大学 | 农药精确对靶施用方法 |
CN103778640A (zh) * | 2014-03-07 | 2014-05-07 | 中国工程物理研究院激光聚变研究中心 | 一种基于微球靶标的物方远心显微视觉系统标定方法 |
CN104091175A (zh) * | 2014-07-15 | 2014-10-08 | 中国科学院合肥物质科学研究院 | 一种基于Kinect深度信息获取技术的害虫图像自动识别方法 |
-
2015
- 2015-09-08 CN CN201510568332.4A patent/CN105139408A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1628513A (zh) * | 2003-12-18 | 2005-06-22 | 南京林业大学 | 农药精确对靶施用方法 |
CN103778640A (zh) * | 2014-03-07 | 2014-05-07 | 中国工程物理研究院激光聚变研究中心 | 一种基于微球靶标的物方远心显微视觉系统标定方法 |
CN104091175A (zh) * | 2014-07-15 | 2014-10-08 | 中国科学院合肥物质科学研究院 | 一种基于Kinect深度信息获取技术的害虫图像自动识别方法 |
Non-Patent Citations (2)
Title |
---|
CUGLZW: "Matlab图像处理—RGB色彩提取原理方法", 《百度经验—HTTPS://JINGYAN.BAIDU.COM/ARTICLE/CB5D61050A03E0005C2FE0C1.HTML》 * |
张铮 等: "《数字图像处理与机器视觉——Visual C++与Matlab实现》", 30 April 2010 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105403199A (zh) * | 2015-12-28 | 2016-03-16 | 北京观典航空科技股份有限公司 | 基于无人机的毒品原植物种植侦测方法及系统 |
CN108074320A (zh) * | 2016-11-10 | 2018-05-25 | 深圳怡化电脑股份有限公司 | 一种图像识别方法及装置 |
CN110827364A (zh) * | 2018-08-07 | 2020-02-21 | 北京优酷科技有限公司 | 一种检测绿屏图像的方法及装置 |
CN111091081A (zh) * | 2019-12-09 | 2020-05-01 | 武汉虹识技术有限公司 | 一种基于虹膜识别的红外补光调整方法及系统 |
CN112528057A (zh) * | 2020-12-11 | 2021-03-19 | 广东科学中心 | 一种妆容推荐方法、推荐装置、存储介质和终端 |
CN113034624A (zh) * | 2021-05-06 | 2021-06-25 | 湖州云电笔智能科技有限公司 | 基于感温变色胶贴的温度预警图像识别方法、系统、设备及存储介质 |
CN113034624B (zh) * | 2021-05-06 | 2024-05-07 | 浙江云电笔智能科技有限公司 | 基于感温变色胶贴的温度预警图像识别方法、系统、设备及存储介质 |
CN113504250A (zh) * | 2021-05-26 | 2021-10-15 | 杭州电子科技大学 | 基于棱镜式rgb色彩提取的花生黄曲霉素检测装置及方法 |
CN113504250B (zh) * | 2021-05-26 | 2024-05-17 | 杭州电子科技大学 | 基于棱镜式rgb色彩提取的花生黄曲霉素检测装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105139408A (zh) | 一种基于Kinect传感器的植株绿色特征识别方法 | |
Padmavathi et al. | Implementation Of RGB And Grayscale Images In Plant Leaves Disease Detection –Comparative Study | |
CN109447945B (zh) | 基于机器视觉和图形处理的小麦基本苗快速计数方法 | |
CN110008969B (zh) | 图像显著性区域的检测方法和装置 | |
US7522766B2 (en) | Picture reading method, program and device, principal color extracting method, program and device, and image dividing method, program and device | |
CN104537634B (zh) | 动态图像中去除雨滴影响的方法和系统 | |
CN103632153B (zh) | 一种基于区域的图像显著图提取方法 | |
CN107169977B (zh) | 基于FPGA和Kirsch的自适应阈值彩色图像边缘检测方法 | |
CN112801049B (zh) | 图像分类方法和装置及设备 | |
CN110544259B (zh) | 一种基于计算机视觉的复杂背景下伪装人体目标检测方法 | |
CN110569774B (zh) | 基于图像处理与模式识别的折线图图像自动数字化方法 | |
Feng et al. | A separating method of adjacent apples based on machine vision and chain code information | |
CN107256539B (zh) | 一种基于局部对比度的图像锐化方法 | |
CN112861654A (zh) | 一种基于机器视觉的名优茶采摘点位置信息获取方法 | |
CN110766636B (zh) | 一种用于ai芯片的智能图像处理方法 | |
Setyawan et al. | Comparison of hsv and lab color spaces for hydroponic monitoring system | |
CN111611940A (zh) | 一种基于大数据处理的快速视频人脸识别方法 | |
Azad et al. | Novel and tuneable method for skin detection based on hybrid color space and color statistical features | |
CN108805883B (zh) | 一种图像分割方法、图像分割装置及电子设备 | |
CN106446909A (zh) | 一种中餐食物图像特征提取方法 | |
Patil et al. | Identification of growth rate of plant based on leaf features using digital image processing techniques | |
Mahalakshmi et al. | Automated crop inspection and pest control using image processing | |
CN110298796A (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
CN110310274B (zh) | 一种植物花朵数量检测方法 | |
Somasekar et al. | Contrast-enhanced microscopic imaging of malaria parasites |
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 |
Application publication date: 20151209 |
|
RJ01 | Rejection of invention patent application after publication |