CN110197141B - 一种提取蚯蚓活动轨迹坐标序列的方法 - Google Patents

Abstract

本发明公开了一种提取蚯蚓活动轨迹坐标序列的方法，利用计算机视觉实现自动记录蚯蚓的活动轨迹坐标，并利用这些坐标计算出评估土壤质量的指标：最大挖掘深度、挖掘轨迹长度、躯体占用空间率等。该主要步骤包括搭建平台，获取蚯蚓活动的图像数据；对器皿进行三维建模，将蚯蚓置于空间坐标系中，并将模型与透视变换方法结合，对图像进行几何校正，最后通过图像处理获得代表蚯蚓的特征点坐标，对坐标进行三维匹配并计算土壤评估指标。通过本方法解决了实验室中手工绘制和记录蚯蚓活动轨迹效率低、准确性不高的问题。

Description

一种提取蚯蚓活动轨迹坐标序列的方法

技术领域

本发明属于图像处理技术领域，具体涉及一种提取蚯蚓活动轨迹坐标序列的方法。

背景技术

土壤是地表重要的组成部分，也是生态系统中不可缺失的一环。近年来，由于人口急剧增长，工业迅猛发展，越来越多的污染物不断进入土壤环境中。土壤污染不仅会使土壤质量下降，还可以通过淋溶作用污染地表水和地下水，更严重的是有些污染物会进入到生物体内，通过食物链再进入人体，严重威胁人类生命健康。因此，对土壤进行生态安全评估和预警刻不容缓。

蚯蚓是土壤中重要的生物之一。一方面，蚯蚓广泛分布于土壤环境中，对土壤污染比较敏感；另一方面，蚯蚓的挖掘作用，对土壤的各种生态条件起到了非常重要的调节作用。因此，蚯蚓常被作为评价土壤环境质量的重要指示生物之一。通过测定蚯蚓在土壤中的生态活性，比如掘穴深度、掘穴速度、掘穴长度等指标可以有效地评估土壤的受污染程度以及受污染范围。目前观察和记录蚯蚓移动情况的方法主要有手工绘制法和CT扫描蚯蚓挖穴留下的孔隙。其中手工绘制法是在两块透明玻璃板间，放置厚度约为1厘米的人工土壤，在其中放置蚯蚓培养3天，观察蚯蚓的行为和存活情况，并在透明玻璃板上绘制蚯蚓的轨迹并标记出时间。通常情况下，人工土壤是由野外挖掘的土壤和不同浓度、不同种类的污染物配比而成，这样尽可能的模仿蚯蚓最真实的生存环境，使实验结果更加真实地反映实际情况。但是采用这种方法，需要人工随时记录行为情况，后期在计算挖穴长度时，还需要手工量算，费时费力；而且该方法模拟的是二维平面下蚯蚓的运动情况，与实际蚯蚓的三维运动不符，并不能最真实地反映实际。

CT扫描空隙的方法是在透明器皿中放置不同浓度污染物的人工土壤，将蚯蚓置于其中培养，一段时间后，将器皿置于CT扫描机下扫描，这样可以获得孔隙的CT图，通过分析CT图像，可以得到非常准确的挖掘深度、蚯蚓的挖掘范围等信息，但是无法分析蚯蚓在不同时刻的行为情况，蚯蚓的挖掘速度也并不能很好地计算，除此之外，CT扫描成本高昂，对于科学研究来说，并不是经济的方法。

发明内容

为了更好地记录蚯蚓在人工土壤中的移动情况，本发明提供了一种基于计算机视觉提取视频中蚯蚓活动轨迹坐标序列的方法，能够实现利用摄像机观测蚯蚓在人工土壤中的实时运动情况并应用计算机视觉技术自动提取拍摄视频中蚯蚓的实时位置坐标，通过对位置坐标点进行空间分析，计算出评估土壤环境的重要指标，包括最大挖掘深度、挖掘轨迹长度、躯体占用空间率等。

实现本发明目的的具体技术方案是：

步骤1：利用摄像机对蚯蚓活动进行记录，获取图像数据

首先搭建平台：配置透明胶体溶液；用来模拟土壤，将透明胶体溶液盛放在透明器皿中；放置蚯蚓于器皿中并将器皿固定在整洁干净的工作台上；在器皿的正前方、正右方和正上方架设三台摄像机，分辨率在720P-1080P之间，能够近景拍摄，摄像机距离器皿20cm，架设好之后，精确调整各路视频采集时间，同时拍摄三路视频，拍摄24-36小时后，获得三组高清视频数据；计算每一组视频的平均帧率，平均帧率＝总帧数/总时长，使用平均帧率将视频转化成一帧帧的连续变化的图像，获得三组数量相同的图像数据；步骤2：对器皿进行三维空间建模，对图像进行几何校正

测量出器皿的长度、宽度和高度，分别记为l(cm)、w(cm)和h(cm)；让l、w和h都乘10，得到L、W和H，将器皿划分成若干个小格子，格子大小为1mm*1mm*1mm，以器皿背面左下角的顶点作为原点，相交于该顶点的三条棱即长、宽、高分别作为x轴、y轴和z轴，建立坐标系，以1mm作为单位长度，将器皿构造成一个带有物理单位的三维网格矩阵，实现了三维空间建模，当蚯蚓在器皿中运动时，蚯蚓躯体所占据的每一个网格都有其三维坐标(x，y，z)，将蚯蚓用一系列三维坐标序列表示，利用该坐标序列进行蚯蚓特征点的计算；

对三维空间模型进行三次平行投影，投影方向分别与三个视频拍摄方向一致，获得三视图：正视图、右视图和俯视图；然后，采用透视变换的方法，让三组图像投影转换到对应方向上的视图，实现几何校正；以正前方对应的图像数据为例，具体步骤如下：

a)定义坐标：设原始图像坐标为[u，v]，视图坐标为[x，y]；

b)获取四组同名点坐标：在正前方对应的图像数据中找到任意一张图像，利用画图工具找到图中器皿的四个角点坐标，分别为[u1，v1]，[u2，v2]，[u3，v3]，[u4，v4]；在正视图中，找到四个顶点的坐标[x1，y1]，[x2，y2]，[x3，y31，[x4，y4]；[u1，v1][x1，y1]，[u2，v2][x2，y2]，[u3，v3][x3，y3]和[u4，v4][x4，y4]为此方向上的四组同名点坐标；

c)计算透视变换矩阵：公式(1)被称作透视变换公式，是一种三维空间上的变换，[u，v，1]是变换前的坐标，[x′，y′，w′]是变换后的坐标，需要将变换后的坐标转为二维平面上的视图坐标[x，y]，方法是

透视变换的本质是一种投影映射，涉及到线性变换、平移和透视，公式(1)中的

被称作透视变换矩阵，其中a₁₁和a₂₁是用于X方向上线性变换的参数，a₁₂和a₂₂是用于Y方向上线性变换的参数，a₃₁和a₃₂是分别用于X方向和Y方向平移的参数，a₁₃和a₂₃是用于透视的参数，a₃₃恒等于1；在求出透视变换矩阵后，将原始图像坐标[u，v]带入透视变换公式，得到变换后的坐标[x′，y′，w′]，再将其转换成视图坐标[x，y]，求矩阵的步骤为：

[1]将公式(1)写成公式(2)的形式

[2]因为

所以有

[3]将[u1，v1][x1，y1]，[u2，v2][x2，y2]，[u3，v3][x3，y3]和[u4，v4][x4，y4]这四组同名点坐标带入公式(3)，构造八个关于a₁₁、a₂₁、a₁₂、a₂₂、a₃₁、a₃₂、a₁₃、a₂₃和a₃₃的方程式，解方程式求出这九个参数，得到正前方向对应的透视变换矩阵；

[4]按照以上步骤，分别计算出正右方向和正上方向对应的透视变换矩阵；

a)几何校正：在解得各个方向上的透视变换矩阵后，将原始图像中每个像素点坐标[u，v]带入对应的透视变换公式，即可求得投影后该像素点在对应视图中的坐标[x，y]，图像中所有像素点都完成透视变换后，实现图像的几何校正；

步骤3：对视频图像进行处理，提取代表蚯蚓的特征点坐标

a)图像处理：首先对图像进行灰度化，将彩色图像转化成清晰的灰度图像，然后选取阈值对灰度图进行二值化转换，变成黑白图，蚯蚓为黑色，其他区域为白色，最后进行数学形态学处理，去除二值图中的噪声；

b)提取躯体轮廓：利用边缘检测获取蚯蚓躯体的轮廓，然后将除轮廓外的所有区域变成白色，接着利用循环语句通过判断网格像素是否为黑色将蚯蚓轮廓的像素点坐标序列提取出来；

c)获取代表蚯蚓的特征点坐标：在获得轮廓像素点坐标序列之后，将序列中位于中位数上的像素点作为代表蚯蚓的特征点，即获得了每个时间节点上三个方向的二维特征点坐标；

步骤4：对特征点进行三维空间坐标匹配并计算土壤评估指标

采用均值法将同一时间下的三组二维坐标(x₁,y₁)(x₂,z₁)(y₂,z₂)匹配成为该时刻下唯一的三维坐标，作为最终三维空间模型中唯一的特征点(x，y，z)；均值法即：

在获得所有时间下的三维特征点坐标后，计算以下土壤评估指标：

i)活动轨迹图：在三维空间模型中，将所有时间节点下的三维特征点连接起来，即可获得蚯蚓移动轨迹。

ii)最大挖掘深度：对所有特征点的Z方向坐标值进行从小到大排序，其中最大的Z值记为最大的挖掘深度；

iii)移动轨迹长度：计算所有相邻两个坐标点的欧式距离，然后将所有距离加和记为移动轨迹的长度；

iv)躯体占用空间率：统计各个网格被特征点占用的次数，记为M_t，所有特征点个数记为N，躯体占用空间率为M_t/N*100％，根据占用空间率对网格进行分级设色，占用空间率高的颜色越深，反之越浅；其中，

最大挖掘深度和移动轨迹长度用于描述蚯蚓活性；躯体占用空间率用于描述蚯蚓的活动范围以及空间偏好，以此反映土壤质量的优劣。

有益效果

在研究土壤毒性对蚯蚓活动的影响时，蚯蚓的最大挖掘深度、总挖掘长度和轨迹图是非常重要的指标，传统的方法是采用手工绘制法，需要人工实时记录，手工绘制轨迹图、量算轨迹长度，费时费力，不仅不够精确，而且只能在二维平面上进行研究，无法计算最大挖掘深度。通过本发明提出的方法，可以用计算机自动完成挖掘深度、挖掘长度的计算和轨迹图的绘制，解放人力，极大提高计算效率和准确率。

附图说明

图1为本发明的流程图；

图2为本发明的平台示意图；

图3为本发明图像预处理后示意图；

图4为本发明的实施例流程图；

图5为本发明的实施例结果示意图。

具体实施方式

下面结合附图及实施例对本发明详细描述。

实施例

参阅图1、图4，本实施例包括以下具体步骤：

步骤1：利用摄像机对蚯蚓活动进行记录，获取图像数据

首先利用琼脂、水配置好清澈透明胶体溶液，在溶液中可以另加入化学试剂更好地模拟土壤环境，在这里以未添加化学试剂的胶体做实施例来解释说明；在透明器皿中盛放该胶体溶液并将放置蚯蚓于器皿中，将器皿固定在整洁干净的工作台上，在器皿的正前方、正右方和正上方架设三台能够近景拍摄分辨率为720P的摄像机，摄像机距离器皿20cm，架设好之后，为了使三组视频拍摄时间相等，获得相同数量的图像数据，必须精确调整各路视频采集时间，同时拍摄三路视频，拍摄24小时后，获得三组高清视频数据；计算每一组视频的平均帧率，平均帧率＝总帧数/总时长，从前方拍摄的视频平均帧率为5帧/秒，从右方拍摄的视频平均帧率为8帧/秒，从上方拍摄的视频平均帧率为252帧/秒；使用平均帧率将视频转化成一帧帧的连续变化的图像，获得三组数量均为8199张的图像数据；实验平台示意图如图2所示。

步骤2：对器皿进行三维空间建模，对图像进行几何校正

本发明需要得到的是蚯蚓在三维空间上的特征点以及对应的时刻信息，因此需要定义空间坐标系和时间。摄像机拍摄的图像坐标系中，各个像素的坐标(u，v)表示的是该像素在整幅图像中的行数编码和列数编码，没有确切的物理单位来表示该像素的实际位置，不能作为空间坐标系使用，因此，创建一个新的带有物理单位的图像坐标系作为空间坐标系，而时间则以视频拍摄时间为准。创建空间坐标系的方法为对器皿进行三维空间建模，首先测量出器皿的长度、宽度和高度，分别为20cm、20cm和20cm；都乘10，得到200,200和200，将器皿划分成若干个小格子，格子大小为1mm*1mm*1mm，将器皿构造成一个三维网格矩阵，以器皿背面左下角的顶点作为原点，相交于该顶点的三条棱即长、宽、高分别作为x轴、y轴和z轴，建立坐标系，以1mm作为单位长度创造了一个带有物理单位的空间坐标系，实现了三维空间建模，当蚯蚓在器皿中运动时，蚯蚓躯体所占据的每一个网格都有其三维坐标(x，y，z)，将蚯蚓用一系列三维坐标序列表示，利用该坐标序列即可以进行蚯蚓特征点的计算；

摄像机在成像过程中不可避免地会产生几何学畸变，除此之外，拍摄过程也不能完全保证使摄像头完全处于最准确的拍摄位置，视频会产生一定程度的倾斜。因此，需要对图像数据进行几何校正，先对三维空间模型进行三次平行投影，投影方向分别与三个视频拍摄方向一致，获得三视图，即正视图、右视图和俯视图；然后，采用透视变换的方法，让三组图像投影转换到对应方向上的视图，实现几何校正；以正上方对应的图像数据为例，具体步骤如下：

[1]定义坐标：设原始图像坐标为[u，v]，视图坐标为[x，y]；

[2]获取四组同名点坐标：在正上方方向对应的图像数据中找到任意一张图像，利用画图工具找到图中器皿的四个角点坐标，记为[312，14]，[1000，15]，[998，711]，[300，711]，在俯视图中，找到四个顶点的坐标，为[0，0]，[200，0]，[200，200]，[0，200]；[312，14]和[0，0]、[1000，15]和[200，0]、[998，711]和[200，200]、[300，711]和[0，200]为正上方方向对应的的四组同名点坐标；

[3]计算透视变换矩阵：将上述四组同名点坐标带入公式(3)，得到以下方程式

将以上方程式联立，计算出这九个参数，a₁₁＝0.42、a₂₁＝-0.012、a₁₂＝0.014、a₂₂＝0.42、a₃₁＝-8e-05、a₃₂＝3.4e-05、a₁₃＝-210、a₂₃＝-56、a₃₃＝1；

所以得到正上方向对应的透视变换矩阵为

按照以上步骤，找到正右方对应图像的角点坐标为[321，50]，[904，25]，[932，667]，[308，656]，右视图中四个顶点的坐标为[0，0]，[200，0]，[200，200]，[0，200]，带入公式(3)解得参数后，得到正右方向对应的透视变换矩阵为

正前方对应图像的角点坐标为[492，148]，[932，161]，[925，610]，[477，614]，正视图中四个顶点的坐标为[0，0]，[200，0]，[200，200]，[0，200]，带入公式(3)解得参数后，得到正前方向对应的透视变换矩阵为

[4]几何校正：在解得三个方向对应的透视变换矩阵后，将各个方向原始图像中每个像素点坐标带入对应的透视变换公式，求得投影后该像素点在对应视图中的坐标，实现图像的几何校正；

步骤3：图像预处理

对校正后的图像进行图像预处理，主要流程为灰度化、二值化、数学形态学处理，包括以下子步骤：

步骤3.1：图像的灰度化

从摄像机中获取的图像都是彩色图像，是由R、G、B三个通道组成的，如果直接对彩色图像进行处理，数据量十分庞大，计算机在处理时，工作效率会受到影响，运算时间会增加。因此，对彩色RGB图像进行转换，变成灰度图，目的就是为了减少数据量，提高计算机工作效率。

图像的灰度化实际上就是使R、G、B三个分量相等的过程，在RGB模型中，当R＝G＝B时，彩色表示一种灰度颜色，其中R＝G＝B的值叫做灰度值。灰度图像中的每一个像素都只有一个采样颜色，也就是只有一个灰度值，灰度值在0到255范围内，其大小表示像元的亮暗程度，灰度值越大，该像素点越亮，像素值最大为255时，像元为白色；反之，值越小越暗，像素值最小为0时，像元为黑色。视频拍摄出的溶液胶体的颜色偏灰色，蚯蚓颜色偏红黑色，灰度化后大大减少了冗余的数据，计算机运算更加快速。为了突出显示蚯蚓轮廓，本发明选择加权平均法来进行灰度转换。加权平均法是根据重要性及其它指标，将三个分量R、G、B以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按下式对RGB三分量进行加权平均能得到较合理的灰度图像。

f(x，y)＝0.3R(x，y)+0.59G(x，y)+0，11B(x，y)

步骤3.2：灰度图像的二值化

为了使蚯蚓图像与背景能够被更加明显的区分开，在实现了图像的灰度化之后，还要对灰度图进行二值化处理。在二值化的过程中，通过设置合适的阈值将蚯蚓躯体从溶液胶体的背景中分割出来。当像元值大小于阈值时，被视为目标对象，设像元值为0，反之，大于阈值的被视为背景，设像元值为255。将灰度图像中的像素值设为F(x，y)，其二值化后的对应像元值为G(x，y)，阈值设为T，则有：

二值化处理中确定阈值的方法有很多，本发明采用全局阈值法(见公式5)，利用代码设计了一个调节阈值的同时能观察二值化效果的程序，最终选择80作为阈值来对灰度图进行二值化处理，将灰度图变成只有黑白两色的图像，其中背景为白色，蚯蚓为黑色。

步骤3.3：图像的数学形态学处理

经过二值化处理后的图像，除了保留了背景和蚯蚓，还包含了较多的噪声点，不仅如此，在有些图像中，蚯蚓还会出现‘断’成两截的情况，对后续的轮廓提取工作会造成严重的干扰。对此，本发明采用数学形态学的方法来提取二值图中的关键特征信息，使图像中的目标信息能够与背景分离开，并且过滤掉噪声点，使二值图更加清晰。主要使用的是膨胀和腐蚀两种操作来进行滤波处理。其中膨胀是将与物体接触的全部背景点合并到该物体中，使边界向外部扩张的过程。通过膨胀可以将‘断’成两截的蚯蚓躯体合并成一个；而腐蚀是一种消除边界点，使边界向内部收缩的过程。通过腐蚀可以消除小且无意义的噪声点，并且缩小由于膨胀而扩大的蚯蚓躯体，与实际更加符合。

通过图像预处理，最终得到了仅保留蚯蚓像素点的图像，示意图如图3所示。

步骤4：边缘检测，获取特征点

经过上述步骤可以获得一副只有背景(255)和蚯蚓(0)的完整的图像信息。如果直接遍历像素值为0的像素点并以这些点坐标的平均值作为特征点，不仅会导致庞大的数据量，降低运算效率，而且会出现特征点无法落在蚯蚓躯体上的情况。因此，利用边缘检测获取蚯蚓躯体的轮廓，然后将除轮廓外的所有区域变成白色，轮廓为黑色，接着利用循环语句通过判断网格像素是否为黑色将蚯蚓轮廓的像素点坐标序列提取出来，记为[(x₁,y₁),(x₂,y₂),(x₃，y₃),...(x_n,y_n)]，将序列中位数上的像素点作为代表蚯蚓的特征点，计算中位数上的像素点方法见公式(6)，以第一帧的三张图像为例，获得的二维平面上的特征点分别是正上方(x₁,y₁)为(150,138)、正前方(x₂，z₁)为(170,90)、正右方(y₂,z₂)为(130,104)，利用均值法(公式4)将二维平面上的特征点匹配成三维空间中的特征(160,134,97)，

步骤5：存储和分析

在得到所有时间节点的特征点三维坐标后，将其保存在表格中。计算以下评估指标和绘制相关示意图：

[1]绘制蚯蚓在三维空间中的轨迹图，参阅图5(a)；

[2]计算蚯蚓运动的轨迹总长度为12m；

[3]计算蚯蚓最大挖掘深度19.2cm；

[4]计算蚯蚓特征点的空间占用率，绘制分级设色图，以Z＝9.5cm对应的X-Y平面上的空间占用率为例绘制分级图，参阅图5(b)。

Claims (1)

1.一种提取蚯蚓活动轨迹坐标序列的方法，其特征在于，该方法包括以下具体步骤：

步骤1：利用摄像机对蚯蚓活动进行记录，获取图像数据

首先搭建平台：配置透明胶体溶液，用来模拟土壤；将透明溶液盛放在透明器皿中；放置蚯蚓于器皿中并将器皿固定在整洁干净的工作台上；在器皿的正前方、正右方和正上方架设三台摄像机，分辨率在720P-1080P之间，能够近景拍摄，摄像机距离器皿20cm，架设好之后，精确调整各路视频采集时间，同时拍摄三路视频，拍摄24-36小时后，获得三组高清视频数据；计算每一组视频的平均帧率，平均帧率＝总帧数/总时长，使用平均帧率将视频转化成一帧帧的连续变化的图像，获得三组数量相同的图像数据；

步骤2：对器皿进行三维空间建模，对图像进行几何校正

测量出器皿的长度、宽度和高度，分别记为l(cm)、w(cm)和h(cm)；让l、w和h都乘10，得到L、W和H，将器皿划分成若干个小格子，格子大小为1mm*1mm*1mm，以器皿背面左下角的顶点作为原点，相交于该顶点的三条棱即长、宽、高分别作为x轴、y轴和z轴，建立坐标系，以1mm作为单位长度，将器皿构造成一个带有物理单位的三维网格矩阵，实现了三维空间建模，当蚯蚓在器皿中活动时，蚯蚓躯体所占据的每一个网格都有其三维坐标(x，y，z)，将蚯蚓用一系列三维坐标序列表示，利用该坐标序列进行蚯蚓特征点的计算；

对三维空间模型进行三次平行投影，投影方向分别与三个视频拍摄方向一致，获得三视图：正视图、右视图和俯视图；然后，采用透视变换的方法，让三组图像投影转换到对应方向上的视图，实现几何校正；以正前方对应的图像数据为例，具体步骤如下：

a)定义坐标：设原始图像坐标为[u，v]，视图坐标为[x，y]；

b)获取四组同名点坐标：在正前方对应的图像数据中找到任意一张图像，利用画图工具找到图中器皿的四个角点坐标，分别为[u1，v1]，[u2，v2]，[u3，v3]，[u4，v4]；在正视图中，找到四个顶点的坐标[x1，y1]，[x2，y2]，[x3，y3]，[x4，y4]；[u1，v1][x1，y1]，[u2，v2][x2，y2]，[u3，v3][x3，y3]和[u4，v4][x4，y4]为此方向上的四组同名点坐标；

c)计算透视变换矩阵：公式(1)被称作透视变换公式，是一种三维空间上的变换，[u，v，1]是变换前的坐标，[x′，y′，w′]是变换后的坐标，需要将变换后的坐标转为二维平面上的视图坐标[x，y]，方法是透视变换的本质是一种投影映射，涉及到线性变换、平移和透视，公式(1)中的被称作透视变换矩阵，其中a₁₁和a₂₁是用于X方向上线性变换的参数，a₁₂和a₂₂是用于Y方向上线性变换的参数，a₃₁和a₃₂是分别用于X方向和Y方向平移的参数，a₁₃和a₂₃是用于透视的参数，a₃₃恒等于1；在求出透视变换矩阵后，将原始图像坐标[u，v]带入透视变换公式，得到变换后的坐标[x′，y′，w′]，再将其转换成视图坐标[x，y]，求矩阵的步骤为：

[1]将公式(1)写成公式(2)的形式

[2]因为所以有

[3]将[u1，v1][x1，y1]，[u2，v2][x2，y2]，[u3，v3][x3，y3]和[u4，v4][x4，y4]这四组同名点坐标带入公式(3)，构造八个关于a₁₁、a₂₁、a₁₂、a₂₂、a₃₁、a₃₂、a₁₃、a₂₃和a₃₃的方程式，解方程式求出这九个参数，得到正前方向对应的透视变换矩阵；

[4]按照以上步骤，分别计算出正右方向和正上方向对应的透视变换矩阵；

d)几何校正：在解得各个方向上的透视变换矩阵后，将原始图像中每个像素点坐标[u，v]带入对应的透视变换公式，即可求得投影后该像素点在对应视图中的坐标[x，y]，图像中所有像素点都完成透视变换后，实现图像的几何校正；

步骤3：对视频图像进行处理，提取代表蚯蚓的特征点坐标

a)图像处理：首先对图像进行灰度化，将彩色图像转化成清晰的灰度图像，然后选取阈值对灰度图进行二值化转换，变成黑白图，蚯蚓为黑色，其他区域为白色，最后进行数学形态学处理，去除二值图中的噪声；

b)提取躯体轮廓：利用边缘检测获取蚯蚓躯体的轮廓，然后将除轮廓外的所有区域变成白色，接着利用循环语句通过判断网格像素是否为黑色将蚯蚓轮廓的像素点坐标序列提取出来；

c)获取代表蚯蚓的特征点坐标：在获得轮廓像素点坐标序列之后，将序列中位于中位数上的像素点作为代表蚯蚓的特征点，即获得了每个时间节点上三个方向的二维特征点坐标；

步骤4：对特征点进行三维空间坐标匹配并计算土壤评估指标

采用均值法将同一时间下的三组二维坐标(x₁，y₁)(x₂，z₁)(y₂，z₂)匹配成为该时刻下唯一的三维坐标，作为最终三维空间模型中唯一的特征点(x，y，z)；均值法即：

在获得所有时间下的三维特征点坐标后，计算以下评估指标：

i)活动轨迹图：在三维空间模型中，将所有时间节点下的三维特征点连接起来，即可获得蚯蚓活动轨迹；

ii)最大挖掘深度：对所有特征点的Z方向坐标值进行从小到大排序，其中最大的Z值记为最大的挖掘深度；

iii)移动轨迹长度：计算所有相邻两个坐标点的欧式距离，然后将所有距离加和记为移动轨迹的长度；

iv)躯体占用空间率：统计各个网格被特征点占用的次数，记为M_t，所有特征点个数记为N，躯体占用空间率为M_t/N*100％，根据占用空间率对网格进行分级设色，占用空间率高的颜色越深，反之越浅；其中：

最大挖掘深度和移动轨迹长度用于描述蚯蚓活性；躯体占用空间率用于描述蚯蚓的活动范围以及空间偏好，以此反映土壤质量的优劣。

Images