CN106468543B - 一种基于图像处理的叶片面积测量方法 - Google Patents
一种基于图像处理的叶片面积测量方法 Download PDFInfo
- Publication number
- CN106468543B CN106468543B CN201510522019.7A CN201510522019A CN106468543B CN 106468543 B CN106468543 B CN 106468543B CN 201510522019 A CN201510522019 A CN 201510522019A CN 106468543 B CN106468543 B CN 106468543B
- Authority
- CN
- China
- Prior art keywords
- image
- leaf
- map
- obtaining
- blade
- 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.)
- Active
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像处理的叶片面积测量方法,其涉及计算机图像处理技术领域。本发明是为了更好的将机器视觉技术应用于叶片面积测量,不仅克服了传统方法的破坏叶片、效率低等缺点,而且克服了图像处理方法的拍照设备繁琐、图像形变、适用性较差等缺点。该发明的方案要点是:第一步,在特定背景板上获取图像;第二步,利用透视变换对畸变图像进行几何校正;第三步,利用颜色特征和亮度特征分割出叶片;第四步,对分割结果进行选择性修正;第五步,提取叶片各参数并显示。目前该发明已经在android平板上得以应用,平板的拍照、人机交互的便捷性,以及该方法的快速准确性,故为叶片面积测量提供了有力的技术支持。
Description
技术领域
本发明涉及计算机图像处理技术领域,具体涉及一种基于图像处理的叶片面积测量方法。
背景技术
植物叶片是植物进行光合作用的重要器官,适当的叶片面积指数为合理密植并提高产量提供了理论依据。因此,在现代化农业生产实践中,能够快速、便捷、准确、无损的测定叶片面积,对制定作物的高产高效栽培策略具有着重要的意义。传统的叶片面积测量方法主要有方格法,称重法,回归法,像素扫描法,光电叶面积仪器法等。方格法,是将叶片平铺到画有固定大小格子的平板上,计算叶片覆盖的格子数,其精确度和工作量受到方格大小的影响,不能兼得,此外该方法对不规则的叶片测量更为困难。称重法是在叶片上取一已知面积的叶片区域,由重量比例换算面积值,这种方法具有破坏性,无法在同一叶片上持续进行。回归法,通过叶片长宽和经验系数来估算面积值,此方法不损坏叶片,但是需要事先测量大量叶片建立回归方程,而且测量误差较大。像素扫描法,可以精确的测量得到叶片面积,但是需要采摘叶片,同时还需要对扫描的图像进行分割、去噪等操作,因而测量步骤比较繁杂;光电叶面积仪器法,虽然测量比较快速,但测量结果容易受环境影响,稳定性差,而且其价格昂贵,维修困难。目前,计算机视觉测量技术应用于叶片面积测量受到关注,其具有无损、非接触、精确、自动化程度高等优点,对于以往的数码相机图像方法具有不损坏叶片优点,但这种方法与像素扫描法类似,需要很多的辅助工作,需要采集、图像处理软件对图像进行的剪裁、去噪等,工作量大,操作过于繁杂;自动化图像处理算法进步快速,但是基本原理都是利用图像的亮度特征对叶子进行切割,这样的缺点是对于图像质量要求较高,易受光线影响,易出现错误分析等等,所以成熟产品稀少,基本是基于PC的产品,为了解决上述现有技术的不足,本发明专注于研究如何将图像处理技术更好的应用于叶片面积测量中,利用叶子的亮度和颜色特征对叶子进行分割原理,提供一种基于图像处理的叶片面积测量方法,现在已经在android平板电脑中得以应用,平板拍照方便,android的图像界面也方便人机交互,并可人为修正识别结果和确认结果,以此确保了测量的准确性。因此,本方法简单、易操作、测量精确高效,解决了成本高,维护困难等问题。
发明内容
(一)要解决的技术问题
本发明的目的在于提供一种基于图像处理的叶片面积测量方法,可以对叶片进行便捷、准确、实时测量。其克服传统方法的效率低、操作繁杂,误差大、制造复杂、维护困难等问题,也克服了图像处理技术应用于叶面积测量时效果差,不易操作,对设备要求和图片质量要求高等不足。将图像处理技术更好应用于农业信息化当中,为叶片面积测量提供了有力的技术支持。
(二)技术方案
本发明技术方案如下:
一种基于图像处理的叶片面积测量方法,包括步骤:
S1、获取叶子图像,图像记录为bmp1;
S2、图像几何校正,获取S1处理结果bmp1,主要分为图像预处理、圆形检测、透视变换、分割出叶子区域等过程对图像进行操作,图像几何校正后的图像记录为bmp2;
S3、叶片分割,获取S2的处理结果bmp2,将彩色图像空间映射到自定义空间,再将自定义空间映射到灰度图像空间,最后利用图像分割技术将此叶片从灰度图背景中分割出来,将分割出的叶子记录于图bmp3;
S4、备选修正,此功能为选择性功能,获取S3的处理结果bmp3,对叶子分割结果进行选择性修正,可选操作有修补,剪切,自动切叶柄,修正后的图像记录为图bmp4;
S5、参数计算,获取S4的处理结果图bmp4,找出叶子外轮廓,设计叶子外接矩形,计算出叶片面积、叶片周长、叶片长和宽、叶片长宽比、虫洞参数等,最后显示与保存;
优先的所述步骤S1包括:
S1.1、选取特定背景板(背景板底色为白色,四角有四个直径为2cm的黑色圆),并将叶子按要求放入背景板;
S1.2、利用相机进行拍照取图,图像记录为bmp1,并将图像传递给下一步S2。
优先的,所述步骤S2包括:
S2.1、获取S1处理后的图bmp1,对其进行预处理,主要包括灰度化和滤波去噪处理,其结果图记录为img21;
S2.2、获取S2.1处理后的图img21,利用圆形检测算法对图像进行圆形检测,并记录下圆心位置;
S2.3、获取S2.2处理的圆心位置特征,获取原图bmp1,利用透视变换对bmp1进行几何校正,其结果图记录为img23,同时记录下校正后圆心位置特征;
S2.4、获取S2.3处理后的图img23和圆心位置特征,根据四个圆心位置特征并利用图像分割技术,将四个圆内的区域分割出来,将其记录于图bmp2;将图bmp2传递给下一步S3。
优先的,所述步骤S3包括:
S3.1、获取S2处理后的图bmp2,将彩图RGB空间中每个像素的颜色特征和亮度特征映射到一个自定义空间,每个像素对应一个映射值,记录下映射后的数据;
S3.2、获取S3.1处理后的自定义空间数据,将自定义空间映射到灰度图像空间,自定义空间的一个值映射到灰度图像中的一个亮度值,最后将灰度图像空间数据记录于图img32;
S3.3、获取S3.2处理后的图img32,利用中值滤波对图像进行平滑,利用漫填充算法和全局阈值化方法对图像进行分割,将分割出的叶子图记录为图bmp3;将图bmp3传递给下一步S4。
优先的,所述步骤S4包括:
S4.1、可选择修补叶片表面功能,获取S3处理后的图bmp3,根据用户手势划过的修补路线对叶片进行修补,其结果记录于图bmp4;
S4.2、可选择剪切叶片表面功能,获取S3处理后的图bmp3,根据用户手势划过的剪切路线对叶片进行剪切,其结果记录于图bmp4;
S4.3、可选择自动切除叶柄功能,获取S3处理后的图bmp3,根据叶子所在连通域外轮廓的凹点特征对叶柄进行自动切除,其结果记录于图bmp4。
优先的,所述步骤S5包括:
S5.1、获取S4处理的结果图bmp4,找出叶子外轮廓,根据叶子外轮廓特点设计外轮廓的外接矩形;
S5.2、获取S5.1处理结果,叶子外轮廓内面积作为叶片面积,轮廓长作为叶片周长,轮廓外接矩形的长和宽作为叶片的长和宽,外轮廓长宽比作为叶片长宽比等,最后根据像素比等于面积比原理,将所有参数映射成实际值;
S5.3、获取S4处理的结果图bmp4,找出叶子连通域内所有孔洞,将符合条件的孔洞作为虫洞并计算其参数(虫洞参数类型和叶子参数类型相同),最后根据像素比等于面积比原理,将所有参数映射成实际值;
(三)有益效果
本发明是一种基于图像处理的叶片面积测量方法,有益效果如下:
(1)本发明将数字图像处理技术应用于农业领域的自动叶片面积分析,取代人工分析和仪器分析,节省了人力成本和设备成本,大幅度地提高了工作效率;
(2)目前基于图像的叶片分割技术局限于根据图片亮度特征进行叶片分割,分割效果差,本发明利用图片亮度特征和颜色特征的综合特征对叶片进行分割,达到了准确度高,稳定性强等优点;
(3)本发明算法已在android平板电脑上进行了生产应用,平板携带和拍照的便捷性,提高了该方法的测量便捷性;android的图形界面方便人机交互,可以人为修正和确认测量结果,进一步提高了测量的准确性。
具体实施方式
下面结合附图,对本发明的具体实施方式做进一步描述。参见图1,本发明对叶片图像的处理主要分为五个模块,第一模块是图像获取模块,主要内容是图像获取方式;第二模块是图像几何校正模块,主要用到灰度化、滤波去噪、圆形检测、透视变换等方法;第三模块是叶片分割模块,主要将彩图RGB空间中图像的亮度特征和颜色特征进行空间映射,最后保存在灰度图像中,最后利用图像分割技术对灰度图像中的叶片图进行分割等;第四模块是备选修正模块,是可选性功能,主要用于识别后,用户对叶子的进行查看和修正;第五模块是参数计算模块,主要是查找分割后叶片的外轮廓及计算面积、周长、长宽比等参数;下面对这五部分进行详细描述。
(一)获取叶片图像
获取叶片图像为模块S1,获取的图像记录为bmp1,其参见图2。
下面对获取叶片图像模块进行详细描述:
S1.1、选取特定背景板,并将叶子按要求放入背景板;
(1)背景板要求:背景板底色为白色,四角分布四个直径为2cm的黑色圆,背景板有背景灯可供选择。
(2)叶子摆放要求:叶子摆放在四个黑色圆内,叶子需要用白色透明塑料板压平;
S1.2、利用相机进行拍照取图,图像记录为bmp1,并将图像传递给下一步S2。
拍照要求:可以用平板或手机相机进行拍照,像素为800万最佳,取图时相机要正立,光线较差或对结果精确度要求很高时需打开背光灯,照片要清晰,图像均为彩图。
(二)图像几何校正
图像几何校正为模块S2,获取S1处理结果图bmp1,主要分为图像预处理、圆形检测、透视变换、分割出叶子区域等过程对图像进行操作,图像几何校正后的图像记录为bmp2,其参见图3。
下面对图像几何校正进行详细描述,如下:
S2.1、获取S1处理后的图bmp1,对其进行预处理,主要包括灰度化和滤波去噪处理,其结果图记录为img21;
(1)灰度化转化公式为:
Gray(x,y)=0.299×R(x,y)+0.587×G(x,y)+0.114×B(x,y) (1)
(2)滤波去噪:采用了3×3的中值滤波,滤波一次。
S2.2、获取S2.1处理后的图img21,利用圆形检测算法对图像进行圆形检测,记录下四个圆心位置;
(1)圆形检测:利用Hough变换方法进行圆形检测,检测时将圆的半径大小控制在[40,75]范围内,圆心之间最小距离为400个像素,此步会有过多的圆被检测出来,需要进一步进行筛选;
(2)圆形筛选:利用图像的四个角,每个角对应一个圆,而此圆是所有圆中离此角最近的圆,这样就可以筛选出需要的四个圆形。
S2.3、获取S2.2处理的圆心位置特征,获取原图bmp1,利用透视变换对bmp1进行几何校正,其结果图记录为img23,同时记录下校正后圆心位置特征;
(1)透视变换:透视变换是根据变换前图像中的四个点位置与变换后的四个点位置的对应关系进行全图映射的,只要给出原图像中四点位置和变换后四点位置,利用此方法就可以对整幅图像进行几何校正了。
(2)源图像四点位置是四个圆心位置,变换后的四点位置是四个圆心的外接矩形的四个顶点;
S2.4、获取S2.3处理后的图img23和圆心位置特征,根据四个圆心位置特征和利用图像分割技术,将四个圆内的区域分割出来,将其记录于图bmp2;将图bmp2传递给下一步S3。
(三)叶片分割
叶片分割为模块S3,获取S2的处理结果bmp2,将彩色图像空间映射到自定义空间,再将自定义空间映射到灰度图像空间,最后利用图像分割技术将此叶片从灰度图背景中分割出来,将分割出的叶子记录于图bmp3,其参见图5。
叶片分割详细步骤如下:
S3.1、获取S2处理后的图bmp2,将彩图RGB空间中的像素颜色特征和亮度特征映射到一个自定义空间,每个像素对应一个映射值,记录下映射后的数据;
设彩图RGB中第i个像素点为pix[i],R,G,B通道亮度值分别为R[i],G[i],B[i];
(1)颜色特征映射:原图中第i个像素点pix[i]的颜色特征映射后的值为f1[i];
f1[i]=|B[i]-G[i]|/(B[i]×G[i])+|B[i]-R[i]|/(B[i]×R[i])+|G[i]-R[i]/(G[i]×R[i]); (2)
(2)亮度特征映射:原图中第i个像素点pix[i]的亮度特征映射后的值为f2[i];
averrgb=(B[i]+G[i]+R[i])/3; (3)
f2[i]=(255-averrgb)/averrgb (4)
(3)亮度和颜色特征的总映射,像素点pix[i]映射到存放于自定义空间的值为f3[i];
k=1000×f1[i]f2[i]; (5)
f3[i]=20000×k×f1[i]+(1-k)×20×f2[i]; (6)
S3.2、获取S3.1处理后自定义空间数据,将自定义空间映射到灰度图像空间,自定义空间的一个值映射到灰度图像中的一个亮度值,最后将灰度图像的数据记录于图img32,其参见图4。
设img32中第i个像素点的值为imag32[i],自定义空间第i个点的值为f3[i],将f3[i]按条件映射后直接存放于imag32[i]保存即可;
imag32[i]=f3[i],0≤f3[i]≤255 (7)
imag32[i]=0,f3[i]<0 (8)
imag32[i]=255,255<f3[i] (9)
S3.3、获取S3.2处理后的图img32,利用中值滤波对图像进行平滑处理,利用漫水填充算法和全局阈值化方法对图像进行分割,将分割出的叶子图记录为图bmp3;将图bmp3传递给下一步S4。
(1)漫水填充算法,在背景中选择一个种子点,然后把领域内的所有相似点都填充上同样的颜色,漫水填充操作的结果总是某个连续的区域。利用漫水填充算法这一特性,种子点是背景中一点,这样就会填充整个背景,包括部分阴影部分,所以这里使用漫水填充算法可以去除背景和去除阴影效果,但是并不能去除所有背景和阴影,需要进一步处理;
(2)全局阈值化,由于漫水填充算法并不能使背景和叶子完全分离,故这里需要进行一次全局二值化,将余下的背景去除,下面单独对阈值的获取进行解析。
(3)阈值的获取,获取灰度图像img32,此图的亮度均值大小记做average,彩图RGB中第i个像素点为pix[i],i在[average,255]中从小到大增加,当pix[i]<220时,停止i的增加,将此时的i值就是全局阈值化的阈值。
(四)备选修正
备选修正为模块S4,此功能为选择性功能,获取S3的处理结果bmp3,对叶子分割结果进行选择性修正,可选操作有修补,剪切,自动切叶柄,修正后的图像记录为图bmp4。
叶片分割详细步骤如下:
S4.1、可选择修补叶片表面功能,获取S3处理后的图bmp3,根据用户手势划过的修补路线对叶片进行修补,其结果记录于图bmp4;
S4.2、可选择剪切叶片表面功能,获取S3处理后的图bmp3,根据用户手势划过的剪切路线对叶片进行剪切,其结果记录于图bmp4;
S4.3、可选择自动切除叶柄功能,获取S3处理后的图bmp3,根据叶子所在连通域外轮廓的凹点特征对叶柄进行自动切除,其结果记录于图bmp4。
(1)凹点检测:利用叶子连通域的凸包,找出凸缺陷最深的两点,根据判断条件判断此两点是否在叶柄和叶片连结位置,若在则连结此两点完成切割;
(2)判断条件说明:两个凹点之间的距离设定一个阈值,若小于此阈值,则认为此两点是叶柄和叶片连结位置点,否则不是;这里的阈值设定为70个像素点;
(五)参数计算
参数计算为模块S5,获取S4的处理结果图bmp4,找出叶子外轮廓,设计叶子外接矩形,计算出叶片面积、叶片周长、叶片长和宽、叶片长宽比、虫洞参数等,最后显示与保存;
参数计算详细步骤如下:
S5.1、获取S4处理的结果图bmp4,找出叶子外轮廓,根据叶子外轮廓特点设计外轮廓的外接矩形;
参见图6,设计的外接矩形满足以下条件:(1)点M、N是叶子轮廓所有点最远两点;(2)直线AB、DC都与直接MN垂直,直线AD、BC都与直线MN平行;
(3)直线AD与叶子轮廓线相切,且交AB于A点,交DC于D点;(4)直线BC与叶子轮廓相切,且交AB于B点,交DC于C点。
S5.2、获取S5.1处理结果,叶子外轮廓内面积作为叶片面积、轮廓长作为叶片周长、轮廓外接矩形的长和宽作为叶片长和宽、外轮廓长宽比作为叶片长宽比等,最后根据像素比等于面积比原理,将所有参数映射成实际值;
以上得到的叶子的参数都是以像素为单位的;这里利用像素比等于实际面积比原理,将以像素为单位的叶子参数映射为叶子的实际参数。例如,叶子面积为areapix个像素;背景板中的黑色圆组成的矩形的像素面积是Bareapix个像素,实际面积是Barea;假设叶子的实际面积为Area,则有:
Area=areapix×Barea/Bareapix; (10)
其他叶子参数计算方式与此类似;
S5.3、获取S4处理的结果图bmp4,找出叶子连通域内所有孔洞,将符合条件的孔洞作为虫洞并计算其参数(虫洞参数类型和叶子参数类型相同),最后根据像素比等于面积比原理,将所有参数映射成实际值;
虫洞判断条件:当叶子连通域内部的空洞面积大于30个像素点时便认为此空洞为虫洞;
在最后需要将处理后的叶片效果进行显示查看,在android上应用时,用户可对处理后的叶片结果进行查看。同时,也可对结果进行修正等操作,具有很高的便捷性。Android上应用的主界面图见图7。
附图说明
图1算法处理流程图
说明:图中展示了图像的处理过程中的五个模块和各个模块的处理结构;
图2相机获取的叶子图
说明:图中展示了背景板,四个黑色圆位置,叶子摆放位置等。
图3几何校正后的图
说明:此图与图2对比,由于拍照角度偏差等使图2畸变,此图为几何校正后的图;
图4空间映射后的灰度图
说明:图中展示了彩图RGB空间中的亮度特征和颜色特征映射到灰度图像中的结果;
图5二值化分割图
说明:图中展示了映射后的灰度图经过二值化分割的结果;
图6叶子轮廓的外接矩形图
说明:图中展示了叶子外轮廓的设计方式和效果。
图7android上应用的主界面图
说明:此方面已应用于android中,图中展示了此方面在android平板上的应用效果。
Claims (3)
1.一种基于图像处理的叶片面积测量方法,其特征在于,包括步骤:
S1、选取特定背景板,并将叶子放入背景板;特定背景板是背景板底色为白色,四角有四个直径2cm的黑色圆;叶子摆放要求为:叶子摆放在四个黑色圆内,叶子需要用白色透明塑料板压平;
利用相机进行拍照取图,图像记录为bmp1,并将图像传递给下一步S2;
S2、图像几何校正,获取S1处理结果bmp1,主要分为图像预处理、圆形检测、透视变换、分割出叶子区域过程对图像进行操作,图像几何校正后的图像记录为bmp2;
具体为:
S2.1、获取S1处理后的图bmp1,对其进行图像预处理,主要包括灰度化和滤波去噪处理,其结果图记录为img21;
S2.2、获取S2.1处理后的图img21,利用圆形检测算法对图像进行圆形检测,记录下圆心位置;
S2.3、获取S2.2处理的圆心位置特征,获取原图bmp1,利用透视变换对bmp1进行几何校正,其结果图记录为img23,同时记录下校正后圆心位置特征;
S2.4、获取S2.3处理后的图img23和圆心位置特征,根据四个圆心位置特征和利用图像分割技术,将四个圆内的区域分割出来,将其记录于图bmp2;将图bmp2传递给下一步S3;
S3、叶片分割,获取S2的处理结果bmp2,将彩色图像空间映射到自定义空间,再将自定义空间映射到灰度图像空间,最后利用图像分割技术将此叶片从灰度图背景中分割出来,将分割出的叶子记录于图bmp3;
具体为:
S3.1、获取S2处理后的图bmp2,将彩图RGB空间中每个像素的颜色特征和亮度特征映射到一个自定义空间,每个像素对应一个映射值,记录下映射后的数据;
S3.2、获取S3.1处理后的自定义空间数据,将自定义空间映射到灰度图像空间,自定义空间的一个值映射到灰度图像中的一个亮度值,最后将灰度图像空间数据记录于图img32;
S3.3、获取S3.2处理后的图img32,利用中值滤波对图像进行平滑,利用漫水填充算法和全局阈值化方法对图像进行分割,将分割出的叶子图记录为图bmp3;将图bmp3传递给下一步S4;
S4、备选修正,此功能为选择性功能,获取S3的处理结果bmp3,对叶子分割结果进行选择性修正,可选操作有修补,剪切,自动切叶柄,修正后的图像记录为图bmp4;
S5、参数计算,获取S4的处理结果图bmp4,找出叶子外轮廓,设计叶子外接矩形,计算出叶片面积、叶片周长、叶片长和宽、叶片长宽比、虫洞参数,最后显示与保存。
2.根据权利要求1所述的一种基于图像处理的叶片面积测量方法,其特征在于,所述步骤S4包括:
S4.1、可选择修补叶片表面功能,获取S3处理后的图bmp3,根据用户手势划过的修补路线对叶片进行修补,其结果记录于图bmp4;
S4.2、可选择剪切叶片表面功能,获取S3处理后的图bmp3,根据用户手势划过的剪切路线对叶片进行剪切,其结果记录于图bmp4;
S4.3、可选择自动切除叶柄功能,获取S3处理后的图bmp3,根据叶子所在连通域外轮廓的凹点特征对叶柄进行自动切除,其结果记录于图bmp4。
3.根据权利要求1所述的一种基于图像处理的叶片面积测量方法,其特征在于,所述步骤S5包括:
S5.1、获取S4处理的结果图bmp4,找出叶子外轮廓,根据叶子外轮廓特点设计外轮廓的外接矩形;
S5.2、获取S5.1处理结果,叶子外轮廓内面积作为叶片面积,轮廓长作为叶片周长,轮廓外接矩形的长和宽作为叶片的长和宽,外轮廓长宽比作为叶片长宽比,最后根据像素比等于面积比原理,将所有参数映射成实际值;
S5.3、获取S4处理的结果图bmp4,找出叶子连通域内所有孔洞,将符合条件的孔洞作为虫洞并计算其参数,虫洞参数类型和叶子参数类型相同,最后根据像素比等于面积比原理,将所有参数映射成实际值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510522019.7A CN106468543B (zh) | 2015-08-21 | 2015-08-21 | 一种基于图像处理的叶片面积测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510522019.7A CN106468543B (zh) | 2015-08-21 | 2015-08-21 | 一种基于图像处理的叶片面积测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106468543A CN106468543A (zh) | 2017-03-01 |
CN106468543B true CN106468543B (zh) | 2019-12-31 |
Family
ID=58229405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510522019.7A Active CN106468543B (zh) | 2015-08-21 | 2015-08-21 | 一种基于图像处理的叶片面积测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106468543B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108120418A (zh) * | 2017-12-28 | 2018-06-05 | 贵阳航发精密铸造有限公司 | 一种导向叶片排气面积的测量方法 |
CN108278988A (zh) * | 2018-01-23 | 2018-07-13 | 上海市农业科学院 | 测量叶片面积的方法以及装置 |
CN108510477B (zh) * | 2018-03-15 | 2021-08-24 | 深圳市飞点健康管理有限公司 | 试纸色块的定位方法及装置 |
CN108844499A (zh) * | 2018-05-03 | 2018-11-20 | 岭南师范学院 | 一种植物叶面积测量方法 |
CN108765433A (zh) * | 2018-05-31 | 2018-11-06 | 西京学院 | 一种用于提高精度的多叶面积测量方法 |
CN108982511A (zh) * | 2018-06-27 | 2018-12-11 | 天津大学 | 滚动体不合格品剔除方法 |
CN109059808A (zh) * | 2018-08-15 | 2018-12-21 | 华南农业大学 | 叶片面积测量方法、系统、存储介质及移动终端 |
CN109087241A (zh) * | 2018-08-22 | 2018-12-25 | 东北农业大学 | 一种农业作物图像数据无损采集方法 |
CN109191474B (zh) * | 2018-09-01 | 2022-03-18 | 哈尔滨工程大学 | 一种基于虫洞行为粒子群优化算法的脑图像分割方法 |
CN110243698A (zh) * | 2019-06-03 | 2019-09-17 | 绍兴文理学院 | 基于结构面全过程可视化试验的表面剪损面积快速测算方法 |
CN110337963B (zh) * | 2019-06-17 | 2021-07-23 | 江西四季景观建设有限公司 | 自适应温室供暖机构 |
CN110930447A (zh) * | 2019-12-09 | 2020-03-27 | 成都信息工程大学 | 基于Android的无人值守雪深测量方法 |
CN111738936A (zh) * | 2020-05-18 | 2020-10-02 | 浙江托普云农科技股份有限公司 | 基于图像处理的多株水稻穗长的测量方法 |
CN114140466B (zh) * | 2022-02-07 | 2022-05-31 | 浙江托普云农科技股份有限公司 | 基于图像处理的植物根系测量方法、系统及装置 |
CN116862456B (zh) * | 2023-09-04 | 2023-12-19 | 山东一方制药有限公司 | 一种基于图像处理的中药生产监视控制系统及方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100443856C (zh) * | 2005-10-20 | 2008-12-17 | 中国科学院自动化研究所 | 一种平面叶片面积无损测量系统及其方法 |
UA21864U (en) * | 2006-09-22 | 2007-04-10 | Zaporizhzhia Nat University St | Method of measuring plant leaf area |
CN101713641B (zh) * | 2009-10-09 | 2011-07-20 | 山西农业大学 | 一种基于数码图像技术的叶片面积分析方法及其装置 |
CN101799283B (zh) * | 2010-04-01 | 2011-06-22 | 吉林大学 | 阔叶植物叶面积的无损测量方法 |
CN101964108B (zh) * | 2010-09-10 | 2013-01-23 | 中国农业大学 | 基于实时在线系统的叶片田间图像边缘提取方法及其系统 |
CN102506772B (zh) * | 2011-11-01 | 2014-06-11 | 西北农林科技大学 | 一种基于手机的快速检测叶片面积的方法及装置 |
CN103778630A (zh) * | 2014-01-16 | 2014-05-07 | 中华人民共和国海南出入境检验检疫局 | 基于android的田间病害程度图像识别方法 |
CN103808265B (zh) * | 2014-02-28 | 2017-04-26 | 北京农业信息技术研究中心 | 油菜叶片及菌核病斑形态同步测量的方法、装置及系统 |
CN104318546B (zh) * | 2014-09-29 | 2017-04-26 | 中国农业大学 | 一种基于多尺度分析的温室田间植物叶片边缘提取方法及其系统 |
-
2015
- 2015-08-21 CN CN201510522019.7A patent/CN106468543B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106468543A (zh) | 2017-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106468543B (zh) | 一种基于图像处理的叶片面积测量方法 | |
CN108776140B (zh) | 一种基于机器视觉的印刷品瑕疵检测方法及系统 | |
CN111915704A (zh) | 一种基于深度学习的苹果分级识别方法 | |
CN111474177A (zh) | 基于计算机视觉的液晶屏幕背光异物缺陷检测方法 | |
CN107154050A (zh) | 一种基于机器视觉的石材几何参数的自动获取方法 | |
CN109409290B (zh) | 一种温度表检定读数自动识别系统及方法 | |
CN111681222B (zh) | 一种刀痕崩边自动检测判断方法及其应用的划片机 | |
CN110070571B (zh) | 一种基于深度相机的毛竹形态参数检测方法 | |
CN114331986A (zh) | 一种基于无人机视觉的坝体裂纹识别与测量方法 | |
CN111724354B (zh) | 一种基于图像处理的多株小麦穗长与小穗数的测量方法 | |
CN112700488A (zh) | 基于图像拼接的活体长叶片叶面积分析方法、系统及装置 | |
CN115861409A (zh) | 大豆叶面积测算方法、系统、计算机设备及存储介质 | |
CN115687850A (zh) | 一种农田的灌溉需水量计算方法及装置 | |
CN107239761B (zh) | 基于骨架角点检测的果树拉枝效果评价方法 | |
CN107657620A (zh) | 一种带纹理的金属凝固区域识别的方法及系统 | |
CN109903275B (zh) | 一种基于自适应多尺度滤波和直方图对比的酒醅发霉区域检测方法 | |
CN111369497B (zh) | 一种行走式树上果实连续计数方法及装置 | |
CN110852990B (zh) | 一种基于图像处理的橡胶树斜刀痕检测方法 | |
CN111738936A (zh) | 基于图像处理的多株水稻穗长的测量方法 | |
CN109214393B (zh) | 一种多孔培养板板孔菌群生长情况图像检测方法及系统 | |
CN111079530A (zh) | 一种成熟草莓识别的方法 | |
CN114037832B (zh) | 一种卫星遥感图像中典型区域的提取方法及系统 | |
CN114998571A (zh) | 基于固定尺寸标志物的图像处理及颜色检测方法 | |
CN111882529B (zh) | 显示屏Mura缺陷检测方法及装置 | |
CN114049390A (zh) | 一种基于机器视觉的小麦麦苗种植密度测量装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |