CN109520447A - 一种修正图像处理法测定轮叶黑藻叶片面积的方法 - Google Patents
一种修正图像处理法测定轮叶黑藻叶片面积的方法 Download PDFInfo
- Publication number
- CN109520447A CN109520447A CN201811444732.4A CN201811444732A CN109520447A CN 109520447 A CN109520447 A CN 109520447A CN 201811444732 A CN201811444732 A CN 201811444732A CN 109520447 A CN109520447 A CN 109520447A
- Authority
- CN
- China
- Prior art keywords
- blade
- hydrilla verticillata
- area
- image
- isotropic disk
- 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
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种修正图像处理法测定轮叶黑藻叶片面积的方法,其包括将轮叶黑藻叶片以不重叠的方式放置在具有已知面积的深色边界的不透明板上,然后在特定光照强度条件下,使用特定像素的照相机从固定高度垂直向下拍摄轮叶黑藻叶片放置前后的不透明板和轮叶黑藻叶片,分别得到不透明板的影像和叶片影像,通过图像处理软件读取深色边界不透明板的像素数以及叶片部分的像素数,基于不透明板与叶片面积像素比值,确定轮叶黑藻叶片面积。然后,通过网格法(标准方法)校正的经验公式修正图像处理获得的轮叶黑藻叶片面积。本申请的方法可以快速准确地获得轮叶黑藻叶片的面积,特别适合于大量的轮叶黑藻叶片面积测定。
Description
技术领域
本申请涉及叶面积测定技术领域,具体来说,涉及一种修正图像处理法测定轮叶黑藻叶片面积的方法。
背景技术
沉水植物是水生生态系统的主要初级生产者和关键的食物链环节,在调控水生生态系统能量循环、结构和功能稳定方面发挥着重要作用。在富营养化或水质污染较为严重的水体,沉水植物可降低富营养化水体中氮磷营养盐、增加溶解氧、提高透明度、促进悬浮颗粒物沉降、抑制底泥再悬浮与藻类生长等极其重要的水质提升功能。
植物叶片是植物进行光合作用和蒸腾作用、有机物质合成的主要器官,植物叶面积是估算植物光合作用强度的关键参数。目前叶面积测量方法主要有网格法(标准方法)、求积仪法、称重法、叶面积仪法等。在这些方法中,网格法和求积仪法测量精度较高,但是耗时,尤其不适合大量的、且易发生变形的叶片面积量测;称重法需要在实验前测定一些特定的系数,虽易于获取数据但所得结果误差较大;叶面积仪法虽然能快速测定叶面积、且结果准确,但仪器价格高、且对所测量叶片大小有严苛的要求。总之,以上这些方法有的费力耗时,有的误差大,有的费用高。
随着计算机技术的发展,数值图像处理技术已应用于桉树、南瓜、油梨、番茄等叶面积量测。该方法尤其适用于大量的、形状各异的叶面积的快速测定。在叶面积计算过程中,采用复杂的数学转换处理叶片影像采集过程中出现的形变,这要求使用人有专业的高等数学知识背景。普通使用者通过系数修正方法,校正叶片影像形变,因此,需要修正图像处理法测定的叶面积。由于沉水植物叶片薄,离体后极易失水萎缩,要求在短时间内快速完成叶面积测定,才能准确反映沉水植物叶片面积大小。目前,未见应用修正图像处理法测定沉水植物叶面积的报道。
因此,发展一种基于修正数值图像处理技术快速、准确测算沉水植物叶面积方法,对开展沉水植物在水环境污染修复作用机理研究具有重要意义。
轮叶黑藻是一种常见的沉水植物,茎直立细长,长50-80厘米,叶带状披针形,4-8片轮生,通常以4-6片为多。当前,轮叶黑藻广布于池塘、湖泊和水沟中。在我国南北各省及欧、亚、非和大洋洲等广大地区均有分布。轮叶黑藻叶片长1.5厘米左右,宽约0.5-1cm,叶缘具小锯齿,叶无柄,因此,通过常规方法很难测定获得轮叶黑藻叶片面积。
为此,本领域迫切需要一种修正图像处理法测定轮叶黑藻叶片面积的方法。
发明内容
本申请之目的在于提供一种快速准确的修正图像处理法测定轮叶黑藻叶片面积的方法,从而弥补上述现有技术测定沉水植物叶片面积的不足。具体来说,本文所述的修正图像处理法测定轮叶黑藻叶片面积的方法包括将轮叶黑藻叶片以不重叠的方式放置在具有已知面积的深色边界的不透明板上,然后在特定光照强度条件下,使用特定像素的照相机从固定高度垂直向下拍摄轮叶黑藻叶片放置前后的不透明板和轮叶黑藻叶片,分别得到不透明板的影像和叶片影像,通过图像处理软件读取深色边界不透明板的像素数以及叶片部分的像素数,基于不透明板与叶片面积像素比值,确定轮叶黑藻叶片面积。然后,采用网格法校正的经验公式修正图像处理法获得的轮叶黑藻叶片面积。
为了解决上述技术问题,本申请提供下述技术方案。
在第一方面中,本申请提供一种修正图像处理法测定轮叶黑藻叶片面积的方法,所述方法包括下述步骤:
S1:用图像处理法测定轮叶黑藻叶片的面积A1
将轮叶黑藻叶片以不重叠的方式排列在具有闭合深色边界的不透明板上,其中闭合深色边界限定的面积为A0;
通过特定像素的照相机拍摄不透明板,以及放置在不透明板上不重叠的轮叶黑藻叶片,分别得到不透明板的影像和轮叶黑藻叶片的影像,然后通过图像处理软件在相同分辨率下分别读取不透明板深色边界之内的像素个数D以及叶片影像像素个数d,通过下述公式(1)计算图像处理法测定的轮叶黑藻叶片的面积A1:
A1=A0*(d/D)公式(1);
S2:通过下述公式(2)来修正图像处理法测定的轮叶黑藻叶片的面积A1,得到修正后的轮叶黑藻叶片的面积B;
B=K*A1+M(公式2);
在公式(2)中,K=1.0126,M=0.399。
在第一方面的一种实施方式中,所述不透明板包括毛玻璃板。
在第一方面的一种实施方式中,所述图像处理软件包括Photoshop软件。
在第一方面的一种实施方式中,在利用Photoshop软件读取叶片影像像素时,将羽化值设置为0,且设置为消除锯齿。
在第一方面的一种实施方式中,所述深色边界为照相机识别的敏感色彩边界。
在第一方面的一种实施方式中,所述深色边界为黑色边界。
在第一方面的一种实施方式中,所述深色边界为正方形边界。
在第一方面的一种实施方式中,所述照相机的像素为1200-2400dpi。
在第一方面的一种实施方式中,所述光照强度为1200-1800勒克斯。
与现有技术相比,本申请的有益效果在于通过利用具有已知面积的深色边界的透明模板、图像处理软件以及包括对叶片影像形变面积进行修正的线性回归公式,可以快速准确地获得轮叶黑藻叶片的实际面积,特别适合于大量的轮叶黑藻叶片面积测定。
附图说明
图1显示测定轮叶黑藻叶片的示意图。
图2显示根据本申请一种实施方式的网格法与图像处理法所得面积线性关系图。
图3显示根据本申请另一种实施方式的网格法与图像处理法所得面积线性关系图。
图4显示根据本申请又一种实施方式的网格法与图像处理法所得面积线性关系图。
具体实施方式
由于轮叶黑藻叶片薄,离体后极易失水萎缩,要求在短时间内快速完成叶面积测定,才能准确反映其叶片面积大小。目前,传统的叶面积测定方法难以满足快速、准确地测定大量的轮叶黑藻叶片面积。数值图像处理方法适用于大量的、形状各异的叶面积的快速测定,通过系数修正方法,校正影像形变对叶面积量测影响。
为此,本申请提供一种修正图像处理法测定轮叶黑藻叶片面积的方法。本申请涉及一种修正图像处理法测定轮叶黑藻叶片面积的方法,其包括将轮叶黑藻叶片以不重叠的方式放置在具有已知面积的深色边界(如黑色边界)的不透明板上,然后在特定光照强度条件下,使用特定像素的照相机从固定高度垂直向下拍摄轮叶黑藻叶片放置前后的不透明板和轮叶黑藻叶片,分别得到不透明板的影像和叶片影像,通过图像处理软件读取黑色边界不透明板的像素数以及叶片部分的像素数,通过不透明板与叶片面积像素比值确定轮叶黑藻叶片面积。然后,通过经过网格法校正的经验公式修正图像处理法获得的轮叶黑藻叶片面积。本文所披露的经验公式主要修正了轮叶黑藻叶片影像形变对实际叶片面积的影响,在特定高度、特定光照条件下,虽然叶龄不同,但叶片形变所占叶片面积的相对比例基本上一致,因此该线性回归公式不依赖于具体的样本,具有通用性。
实施例
下面将结合本发明的实施例,对本发明的技术方案进行清楚和完整的描述。
实施例1
本实施例涉及测定本文所述的公式(2)中的系数K和M。
S1:取10片不同的轮叶黑藻叶片,依次编号1#至10#;然后将编号的轮叶黑藻叶片放置在黑色边界的不透明板中央,用光源照射不透明板,控制光照强度为1800勒克斯,使用像素为1200dpi的数码相机从不透明板中心正上方50cm处往下拍摄叶片,并获得其影像。用计算机解译获得不同编号的轮叶黑藻形变叶片面积,记录1#至10#的图像处理法测定的轮叶黑藻叶片面积,依次记为A1至A10,具体结果参见表1。本实施的测定叶片面积的方法示意图参见图1。
S2:采用网格法量测1#至10#轮叶黑藻叶片,记录编号1#到10#的叶片面积,得到网格法测定的轮叶黑藻叶片面积,依次记为B1至B10。
S3:采用线性回归分析方法,获得以图像处理法测定的轮叶黑藻叶片面积为横坐标,网格法测定的轮叶黑藻叶片面积为纵坐标的图,结果参见图2。从图2可知,通过图像处理法测定的叶片面积和通过标准方法网格法测定的叶片面积存在线性关系。在本实施例中,线性方程B=1.0126*A+0.399,获得校正叶片影像形变系数,K=1.0126,M=0.399。
表1不同测定方法获得叶片面积/mm2
测量次数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
Ai | 88.5 | 95.5 | 111.3 | 169.5 | 79.7 | 122.1 | 134.0 | 161.6 | 147.8 | 105.3 |
Bi | 90 | 97 | 113 | 172 | 81 | 124 | 136 | 164 | 150 | 107 |
实施例2
本实施例涉及测定本文所述的公式(2)中的系数K和M。
S1:取10片不同的轮叶黑藻叶片,依次编号1#至10#;然后将编号的轮叶黑藻叶片放置在黑色边界的不透明板中央,用光源照射不透明板,控制光照强度为1800勒克斯,使用像素为1400dpi的数码相机从不透明板中心正上方70cm处往下拍摄叶片,并获得其影像。用计算机解译获得不同编号的轮叶黑藻形变叶片面积,记录1#至10#的图像处理法测定的轮叶黑藻叶片面积,依次记为A1至A10,具体结果参见表2。
S2:采用网格法量测1#至10#轮叶黑藻叶片,记录编号1#到10#的叶片面积,得到网格法测定的轮叶黑藻叶片面积,依次记为B1至B10。
S3:采用线性回归分析方法,获得以图像处理法测定的轮叶黑藻叶片面积为横坐标,网格法测定的轮叶黑藻叶片面积为纵坐标的图,结果参见图3。从图3可知,通过图像处理法测定的叶片面积和通过标准方法网格法测定的叶片面积存在线性关系。在本实施例中,线性方程B=1.0126*A+0.399,获得校正叶片影像形变系数,K=1.0126,M=0.399。
表2不同测定方法获得叶片面积/mm2
测量次数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
Ai | 97.4 | 112.3 | 132.0 | 147.8 | 165.6 | 125.1 | 106.3 | 141.9 | 156.7 | 120.2 |
Bi | 99 | 114 | 134 | 150 | 168 | 127 | 108 | 144 | 159 | 122 |
实施例3
本实施例涉及测定本文所述的公式(2)中的系数K和M。
S1:取10片不同的轮叶黑藻叶片,依次编号1#至10#;然后将编号的轮叶黑藻叶片放置在黑色边界的不透明板中央,用光源照射不透明板,控制光照强度为1200勒克斯,使用像素为2400dpi的数码相机从不透明板中心正上方50cm处往下拍摄叶片,并获得其影像。用计算机解译获得不同编号的轮叶黑藻形变叶片面积,记录1#至10#的图像处理法测定的轮叶黑藻叶片面积,依次记为A1至A10,具体结果参见表3。
S2:采用网格法量测1#至10#轮叶黑藻叶片,记录编号1#到10#的叶片面积,得到网格法测定的轮叶黑藻叶片面积,依次记为B1至B10。
S3:采用线性回归分析方法,获得以图像处理法测定的轮叶黑藻叶片面积为横坐标,网格法测定的轮叶黑藻叶片面积为纵坐标的图,结果参见图4。从图4可知,通过图像处理法测定的叶片面积和通过标准方法网格法测定的叶片面积存在线性关系。在本实施例中,线性方程B=1.0126*A+0.399,获得校正叶片影像形变系数,K=1.0126,M=0.399。
表3不同测定方法获得叶片面积/mm2
测量次数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
Ai | 78.7 | 85.6 | 138.9 | 123.1 | 115.2 | 107.3 | 131.0 | 156.7 | 162.6 | 93.5 |
Bi | 80 | 87 | 141 | 125 | 117 | 109 | 133 | 159 | 165 | 95 |
上述对实施例的描述是为了便于本技术领域的普通技术人员能理解和应用本申请。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改,并把在此说明的一般原理应用到其它实施例中而不必付出创造性的劳动。因此,本申请不限于这里的实施例,本领域技术人员根据本申请披露的内容,在不脱离本申请范围和精神的情况下做出的改进和修改都本申请的范围之内。
Claims (9)
1.一种修正图像处理法测定轮叶黑藻叶片面积的方法,所述方法包括下述步骤:
S1:用图像处理法测定轮叶黑藻叶片的面积A1
将轮叶黑藻叶片以不重叠的方式排列在具有闭合深色边界的不透明板上,其中闭合深色边界限定的面积为A0;
在特定光照强度条件下,通过特定像素的照相机拍摄不透明板,以及放置在不透明板上不重叠的轮叶黑藻叶片,分别得到不透明板的影像和轮叶黑藻叶片的影像,然后通过图像处理软件在相同分辨率下分别读取不透明板深色边界之内的像素个数D以及叶片影像像素个数d,通过下述公式(1)计算图像处理法测定的轮叶黑藻叶片的面积A1:
A1=A0*(d/D) 公式(1);
S2:通过下述公式(2)来修正图像处理法测定的轮叶黑藻叶片的面积A1,得到修正后的轮叶黑藻叶片的面积B;
B=K*A1+M (公式2);
在公式(2)中,K=1.0126,M=0.399。
2.如权利要求1所述的修正图像处理法测定轮叶黑藻叶片面积的方法其特征在于,所述不透明板包括毛玻璃板。
3.如权利要求1所述的修正图像处理法测定轮叶黑藻叶片面积的方法其特征在于,所述图像处理软件包括Photoshop软件。
4.如权利要求3所述的基于图像处理来测定轮叶黑藻叶片面积的方法,其特征在于,在利用Photoshop软件读取叶片影像像素时,将羽化值设置为0,且设置为消除锯齿。
5.如权利要求1所述的修正图像处理法测定轮叶黑藻叶片面积的方法其特征在于,所述深色边界为照相机识别的敏感色彩边界。
6.如权利要求1所述的修正图像处理法测定轮叶黑藻叶片面积的方法其特征在于,所述深色边界为黑色边界。
7.如权利要求1所述的修正图像处理法测定轮叶黑藻叶片面积的方法其特征在于,所述深色边界为正方形边界。
8.如权利要求1所述的修正图像处理法测定轮叶黑藻叶片面积的方法其特征在于,所述照相机的像素为1200-2400dpi。
9.如权利要求1所述的修正图像处理法测定轮叶黑藻叶片面积的方法其特征在于,所述光照强度为1200-1800勒克斯。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811444732.4A CN109520447A (zh) | 2018-11-29 | 2018-11-29 | 一种修正图像处理法测定轮叶黑藻叶片面积的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811444732.4A CN109520447A (zh) | 2018-11-29 | 2018-11-29 | 一种修正图像处理法测定轮叶黑藻叶片面积的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109520447A true CN109520447A (zh) | 2019-03-26 |
Family
ID=65793539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811444732.4A Pending CN109520447A (zh) | 2018-11-29 | 2018-11-29 | 一种修正图像处理法测定轮叶黑藻叶片面积的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109520447A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112504172A (zh) * | 2020-12-15 | 2021-03-16 | 青海大学 | 一种适用于野外的测量植物叶面积的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101298986A (zh) * | 2007-04-30 | 2008-11-05 | 中国科学院沈阳应用生态研究所 | 沙地阔叶植物叶面积的野外测定方法 |
CN202267464U (zh) * | 2011-11-01 | 2012-06-06 | 西北农林科技大学 | 一种基于手机的快速检测叶片面积的装置 |
US8340402B2 (en) * | 2009-06-04 | 2012-12-25 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. | Device and method for detecting a plant |
CN105136070A (zh) * | 2015-08-21 | 2015-12-09 | 上海植物园 | 利用电子设备测量植物叶面积的方法 |
CN106996757A (zh) * | 2017-04-18 | 2017-08-01 | 广西壮族自治区农业科学院农业资源与环境研究所 | 一种基于数码相机图像的叶面积测量方法 |
CN108120402A (zh) * | 2017-12-27 | 2018-06-05 | 广西壮族自治区林业科学研究院 | 一种基于Photoshop软件测定植物叶面积的方法 |
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 |
-
2018
- 2018-11-29 CN CN201811444732.4A patent/CN109520447A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101298986A (zh) * | 2007-04-30 | 2008-11-05 | 中国科学院沈阳应用生态研究所 | 沙地阔叶植物叶面积的野外测定方法 |
US8340402B2 (en) * | 2009-06-04 | 2012-12-25 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. | Device and method for detecting a plant |
CN202267464U (zh) * | 2011-11-01 | 2012-06-06 | 西北农林科技大学 | 一种基于手机的快速检测叶片面积的装置 |
CN105136070A (zh) * | 2015-08-21 | 2015-12-09 | 上海植物园 | 利用电子设备测量植物叶面积的方法 |
CN106996757A (zh) * | 2017-04-18 | 2017-08-01 | 广西壮族自治区农业科学院农业资源与环境研究所 | 一种基于数码相机图像的叶面积测量方法 |
CN108120402A (zh) * | 2017-12-27 | 2018-06-05 | 广西壮族自治区林业科学研究院 | 一种基于Photoshop软件测定植物叶面积的方法 |
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 |
Non-Patent Citations (1)
Title |
---|
崔世钢等: ""图像处理法测定油菜叶面积的研究"", 《湖北农业科学》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112504172A (zh) * | 2020-12-15 | 2021-03-16 | 青海大学 | 一种适用于野外的测量植物叶面积的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Piñeros et al. | Evolving technologies for growing, imaging and analyzing 3D root system architecture of crop plants | |
CN102506772B (zh) | 一种基于手机的快速检测叶片面积的方法及装置 | |
CN105865424B (zh) | 一种基于非线性模型的多光谱遥感水深反演方法及装置 | |
Zhang et al. | Optimized angles of the swing hyperspectral imaging system for single corn plant | |
Clavier et al. | Annual sediment primary production and respiration in a large coral reef lagoon (SW New Caledonia) | |
CN113822233B (zh) | 一种深海养殖异常鱼类跟踪方法及系统 | |
CN107884412B (zh) | 一种针叶树木芯的年轮信息检测装置及方法 | |
CN108120402A (zh) | 一种基于Photoshop软件测定植物叶面积的方法 | |
CN109520447A (zh) | 一种修正图像处理法测定轮叶黑藻叶片面积的方法 | |
Château et al. | Integrated assessment of sustainable marine cage culture through system dynamics modeling | |
CN202267464U (zh) | 一种基于手机的快速检测叶片面积的装置 | |
CN113436153A (zh) | 一种基于高光谱成像和支持向量机技术的原状土壤剖面碳组分预测方法 | |
Griffiths et al. | X‐ray CT reveals 4D root system development and lateral root responses to nitrate in soil | |
Jeison et al. | Novel technique for measuring the size distribution of granules from anaerobic reactors for wastewater treatment | |
Peteiro et al. | Experimental evaluation of the effect of water velocity on the development of string-attached kelp seedlings (Laminariales) with implications for hatchery and nursery production | |
CN106023235A (zh) | 一种农作物有效籽粒个数测量的方法 | |
CN111695477A (zh) | 基于图像处理组合技术的贝类外部形态参数测量方法 | |
CN113155751B (zh) | 富营养化湖泊poc垂向结构类型的遥感识别方法 | |
CN115828518A (zh) | 一种基于气候和土壤模拟植被生产力空间格局的系统 | |
CN107818565B (zh) | 一种小麦一至三叶期麦苗数量调查方法 | |
CN112950700B (zh) | 基于深度学习和图像处理的植物叶片气孔导度测量方法 | |
CN114581758A (zh) | 基于EfficientNet网络与深度学习的植物叶部病害识别方法 | |
CN107369175A (zh) | 一种用于水产养殖的蚝排面积测算方法及系统 | |
Hohenegger et al. | Growth of the foraminifer Nummulites venosus in nature and culture | |
TWI843285B (zh) | 基於深度學習之密度估計網路架構的蝦苗計數系統與方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190326 |