CN111696125A - 一种重叠叶片边缘的提取方法 - Google Patents

一种重叠叶片边缘的提取方法 Download PDF

Info

Publication number
CN111696125A
CN111696125A CN202010552941.1A CN202010552941A CN111696125A CN 111696125 A CN111696125 A CN 111696125A CN 202010552941 A CN202010552941 A CN 202010552941A CN 111696125 A CN111696125 A CN 111696125A
Authority
CN
China
Prior art keywords
image
plant
gray
brightness
light source
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.)
Granted
Application number
CN202010552941.1A
Other languages
English (en)
Other versions
CN111696125B (zh
Inventor
马兆敏
任帆
石玉秋
胡波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi University of Science and Technology
Original Assignee
Guangxi University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangxi University of Science and Technology filed Critical Guangxi University of Science and Technology
Priority to CN202010552941.1A priority Critical patent/CN111696125B/zh
Publication of CN111696125A publication Critical patent/CN111696125A/zh
Application granted granted Critical
Publication of CN111696125B publication Critical patent/CN111696125B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种重叠叶片边缘的提取方法，包括如下步骤：准备实验设备，采集植物彩色图像，植物彩色图像灰度化处理，对同一像素点求辅助光源不同亮度下灰度值的方差，灰度图像同一位置不同光源亮度下的像素值求和，处理图像得到融合图像，融合图像边缘提取，利用本发明提供的方法能够从采集的作物叶片图像中准确、完整地分割出具有重叠区域的目标叶片的边缘。

Description

一种重叠叶片边缘的提取方法
技术领域
本发明涉及农业信息化领域，特别是涉及一种重叠叶片边缘的提取方法。
背景技术
叶片是农作物外部形态中反应最为灵敏的器官。叶片形状特征是作物病害监测、杂草识别等农业机器视觉领域的重要指标，叶片边缘的自动检测是表达叶片形状的基础步骤,根据完整的叶片图像可以准确地实现作物种类归属的判断、生长状况的监测、病虫害的识别等。因此，从采集的图像中，准确、无损地分割出完整的作物叶片具有十分重要的意义。
在农田环境下，由于作物生长环境复杂、干扰因素众多，且叶片多存在颜色相近、相互重叠的现象，从复杂背景图像中准确自动地分割出具有重叠区域的目标叶片变的异常困难。目前常用的叶片分割方法主要包括：基于阈值的分割方法、基于边缘检测的分割方法、基于聚类的分割方法、基于区域的分割方法、基于形态学的分割方法等。上述方法在对单一叶片进行分割时，往往能取得较好的效果，但是当叶片存在重叠时，则分割效果欠佳，需要多种分割技术集成使用，从而加大了算法的复杂度，且算法的移植性也不理想。长期以来，叶片的相互重叠一直是叶片边缘提取的难点，因此，现在仍缺少一种行之有效的针对田间重叠叶片图像的分割方法。研究一种适应于田间重叠叶片图像的分割方法，将有助于提高后续病害识别的精度，对指导作物生产、作物生长状况的研究、病虫害的防治具有十分重要的意义，而且也为农作物叶片分割领域提供新的方法和技术。
发明内容
本发明的目的是提供一种重叠叶片边缘的提取方法，以解决上述现有技术存在的问题，以达到从采集的作物叶片图像中准确、完整地分割出具有重叠区域的目标叶片边缘的目的。
为实现上述目的，本发明提供了如下方案：本发明提供一种重叠叶片边缘的提取方法，具体如下：
准备实验设备：预先准备图像采集设备、光亮度检测仪、有重叠叶片的植物和可调节亮度的辅助光源；
采集植物彩色图像：在所述光亮度检测仪的辅助下调节所述辅助光源的亮度，在亮度等级为i时，利用所述图像采集设备采集所述植物的彩色图像，i＝1,2,…,n，n>5，采集的植物彩色图像用RGB矩阵表示；
植物彩色图像灰度化处理：采用超绿特征将每个亮度等级下的所述植物彩色图像进行灰度化处理，将所述植物彩色图像转化为植物灰度图像，第i个植物灰度图像在像素点(x,y)处的灰度值表示为fi(x,y),i＝1,2,…,n；
对同一像素点求辅助光源不同亮度下灰度值的方差：对得到的植物灰度图像中的每一像素点(x,y)，计算在不同辅助光源亮度下的灰度图像素值的方差，即计算f1(x,y)、f2(x,y)、f3(x,y),…,fn(x,y)的方差，得到h(x,y)；
对同一像素点求辅助光源不同亮度下灰度值的和：对得到的植物灰度图像中的每一像素点(x,y)，计算在不同辅助光源亮度下的灰度图像素值的和g(x,y)，即g(x,y)＝f1(x,y)+f2(x,y)+f3(x,y)+……+fn(x,y)；
处理图像得到融合图像：将所述植物灰度图像每个像素点(x,y)在辅助光源不同亮度下灰度值对应的和与方差求积得到k(x,y)，即k(x,y)＝h(x,y)×g(x,y)，并将值k(x,y)作为像素点(x,y)新的像素值，然后对值k(x,y)进行映射变换，将变换后得到的灰度图像作为融合图像；
融合图像边缘提取：对于融合后的图像，以像素点灰度为特征值，采用阈值分割方法，阈值选取采用最大类间方差法得到叶片边缘。
优选地，所述图像采集设备采用索尼HDR-CX405相机。
优选地，所述辅助光源采用带有旋转按钮以调节亮度的环形LED灯具。
优选地，所述光亮度检测仪为SW-582型号的手持式高精度照度计。
优选地，在打开所述辅助光源采集所述植株叶片图像时应关闭其他光源，以减少对实验结果精确度的影响。
优选地，采集植物图像步骤中所述光亮度检测仪的物理位置应保持不变。
优选地，植物图像灰度化处理步骤中采用如下方法去除所述植物图像中的非绿色背景区域：
提取所述植物图像中的红色、绿色、蓝色三个颜色通道上的子图像Ir,Ig,Ib；根据超绿特征，对Ig图像进行阈值化处理。
优选地，处理图像得到融合图像步骤中，在对值k(x,y)进行映射变换时，将闭区间[0,k(x,y)]进行线性变换，变换到区间[0,255]，将得到的灰度图像作为融合图像。
本发明公开了以下技术效果：本发明方法可以克服田间复杂环境的干扰,准确、完整的分割出重叠的叶片区域，实现叶片图像的自动分割，与传统的边缘提取算法相比，可得到重叠叶片的边缘。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图；
图1为本发明一种重叠叶片边缘的提取方法的流程图。
图2为待提取重叠叶片边缘的植物；
图3为采用传统方法提取重叠叶片边缘的结果图；
图4为采用本发明的方法提取重叠叶片边缘的结果图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图1-4和具体实施方式对本发明作进一步详细的说明。
本发明提供一种重叠叶片边缘的提取方法，具体步骤如下：
准备实验设备：预先准备采用索尼HDR-CX405相机、光亮度检测仪、有重叠叶片的植物和带有旋转按钮以调节亮度的环形LED灯具；
采集植物彩色图像：在所述光亮度检测仪的辅助下调节所述环形LED灯具的亮度，在亮度等级为i时，利用所述索尼HDR-CX405相机采集所述植物的彩色图像，i＝1,2,…,n，n>5，采集的植物彩色图像用RGB矩阵表示；
植物彩色图像灰度化处理：采用超绿特征将每个亮度等级下的所述植物彩色图像进行灰度化处理，将所述植物彩色图像转化为植物灰度图像，第i个植物灰度图像在像素点(x,y)处的灰度值表示为fi(x,y),i＝1,2,…,n；
对同一像素点求辅助光源不同亮度下灰度值的方差：对得到的植物灰度图像中的每一像素点(x,y)，计算在不同环形LED灯具亮度下的灰度图像素值的方差，即计算f1(x,y)、f2(x,y)、f3(x,y),…,fn(x,y)的方差，得到h(x,y)；
对同一像素点求辅助光源不同亮度下灰度值的和：对得到的植物灰度图像中的每一像素点(x,y)，计算在不同环形LED灯具亮度下的灰度图像素值的和g(x,y)，即g(x,y)＝f1(x,y)+f2(x,y)+f3(x,y)+……+fn(x,y)；
处理图像得到融合图像：将所述植物灰度图像每个像素点(x,y)在环形LED灯具不同亮度下灰度值对应的和与方差求积得到k(x,y)，即k(x,y)＝h(x,y)×g(x,y)，并将值k(x,y)作为像素点(x,y)新的像素值，然后对值k(x,y)进行映射变换，将变换后得到的灰度图像作为融合图像。具体的，在对值k(x,y)进行映射变换时，将闭区间[0,k(x,y)]进行线性变换，变换到区间[0,255]，将得到的灰度图像作为融合图像。
融合图像边缘提取：对于融合后的图像，以像素点灰度为特征值，采用阈值分割方法，阈值选取采用最大类间方差法得到叶片边缘。
本发明方法可以克服田间复杂环境的干扰,准确、完整的分割出重叠的叶片区域，实现叶片图像的自动分割，与传统的边缘提取算法相比，可得到重叠叶片的边缘。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (8)

1.一种重叠叶片边缘的提取方法，其特征在于，包括以下步骤：
准备实验设备：预先准备图像采集设备、光亮度检测仪、有重叠叶片的植物和可调节亮度的辅助光源；
采集植物彩色图像：在所述光亮度检测仪的辅助下调节所述辅助光源的亮度，在亮度等级为i时，利用所述图像采集设备采集所述植物的彩色图像，i＝1,2,…,n，n>5，采集的植物彩色图像用RGB矩阵表示；
植物彩色图像灰度化处理：采用超绿特征将每个亮度等级下的所述植物彩色图像进行灰度化处理，将所述植物彩色图像转化为植物灰度图像，第i个植物灰度图像在像素点(x,y)处的灰度值表示为fi(x,y),i＝1,2,…,n；
对同一像素点求辅助光源不同亮度下灰度值的方差：对得到的植物灰度图像中的每一像素点(x,y)，计算在不同辅助光源亮度下的灰度图像素值的方差，即计算f1(x,y)、f2(x,y)、f3(x,y),…,fn(x,y)的方差，得到h(x,y)；
对同一像素点求辅助光源不同亮度下灰度值的和：对得到的植物灰度图像中的每一像素点(x,y)，计算在不同辅助光源亮度下的灰度图像素值的和g(x,y)，即g(x,y)＝f1(x,y)+f2(x,y)+f3(x,y)+……+fn(x,y)；
处理图像得到融合图像：将所述植物灰度图像每个像素点(x,y)在辅助光源不同亮度下灰度值对应的和与方差求积得到k(x,y)，即k(x,y)＝h(x,y)×g(x,y)，并将值k(x,y)作为像素点(x,y)新的像素值，然后对值k(x,y)进行映射变换，将变换后得到的灰度图像作为融合图像；
融合图像边缘提取：对于融合后的图像，以像素点灰度为特征值，采用阈值分割方法，阈值选取采用最大类间方差法得到叶片边缘。
2.根据权利要求1所述的重叠叶片边缘的提取方法，其特征在于，所述图像采集设备采用索尼HDR-CX405相机。
3.根据权利要求1所述的重叠叶片边缘的提取方法，其特征在于，所述辅助光源采用带有旋转按钮以调节亮度的环形LED灯具。
4.根据权利要求1所述的重叠叶片边缘的提取方法，其特征在于，所述光亮度检测仪为SW-582型号的手持式高精度照度计。
5.根据权利要求1所述的重叠叶片边缘的提取方法，其特征在于，在打开所述辅助光源采集所述植株叶片图像时应关闭其他光源，以减少对实验结果精确度的影响。
6.根据权利要求1所述的重叠叶片边缘的提取方法，其特征在于，采集植物图像步骤中所述光亮度检测仪的物理位置应保持不变。
7.根据权利要求1所述的重叠叶片边缘的提取方法，其特征在于，植物图像灰度化处理步骤中采用如下方法去除所述植物图像中的非绿色背景区域：
提取所述植物图像中的红色、绿色、蓝色三个颜色通道上的子图像Ir,Ig,Ib；根据超绿特征，对Ig图像进行阈值化处理。
8.根据权利要求1所述的重叠叶片边缘的提取方法，其特征在于，处理图像得到融合图像步骤中，在对值k(x,y)进行映射变换时，将闭区间[0,k(x,y)]进行线性变换，变换到区间[0,255]，将得到的灰度图像作为融合图像。
CN202010552941.1A 2020-06-17 2020-06-17 一种重叠叶片边缘的提取方法 Active CN111696125B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010552941.1A CN111696125B (zh) 2020-06-17 2020-06-17 一种重叠叶片边缘的提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010552941.1A CN111696125B (zh) 2020-06-17 2020-06-17 一种重叠叶片边缘的提取方法

Publications (2)

Publication Number Publication Date
CN111696125A true CN111696125A (zh) 2020-09-22
CN111696125B CN111696125B (zh) 2022-05-24

Family

ID=72481488

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010552941.1A Active CN111696125B (zh) 2020-06-17 2020-06-17 一种重叠叶片边缘的提取方法

Country Status (1)

Country Link
CN (1) CN111696125B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104318546A (zh) * 2014-09-29 2015-01-28 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
CN106683098A (zh) * 2016-11-15 2017-05-17 北京农业信息技术研究中心 一种重叠叶片图像的分割方法
WO2019062092A1 (zh) * 2017-09-30 2019-04-04 深圳市颐通科技有限公司 基于超像素-多色彩空间的人体轮廓提取方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104318546A (zh) * 2014-09-29 2015-01-28 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
CN106683098A (zh) * 2016-11-15 2017-05-17 北京农业信息技术研究中心 一种重叠叶片图像的分割方法
WO2019062092A1 (zh) * 2017-09-30 2019-04-04 深圳市颐通科技有限公司 基于超像素-多色彩空间的人体轮廓提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
尚俊: "基于HOG特征的目标识别算法研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *
鲁学柱等: "《3种光照条件下灰度图像边缘检测算法的研究》", 《工程科技Ⅱ辑; 信息科技》 *

Also Published As

Publication number Publication date
CN111696125B (zh) 2022-05-24

Similar Documents

Publication Publication Date Title
Bai et al. Crop segmentation from images by morphology modeling in the CIE L* a* b* color space
Tong et al. Skewness correction and quality evaluation of plug seedling images based on Canny operator and Hough transform
CN107748886B (zh) 一种基于深度相机的轨道式现代标准化果园信息感知系统
CN201600330U (zh) 成熟菠萝识别与定位系统
Narvekar et al. Grape leaf diseases detection & analysis using SGDM matrix method
CN106688705A (zh) 一种智能种植大棚及其采用的监测方法
Zhou et al. Early detection and continuous quantization of plant disease using template matching and support vector machine algorithms
CN110455201B (zh) 基于机器视觉的茎秆作物高度测量方法
CN111462058B (zh) 一种水稻有效穗快速检测方法
CN112257702A (zh) 一种基于增量学习的农作物病害识别方法
CN112465893A (zh) 一种植被叶片面积测量方法、装置、终端及存储介质
CN115560754A (zh) 一种基于杂草去除的视觉导航方法
CN106683092B (zh) 测算蓝莓树冠郁闭度的装置和方法
Xu et al. Research and application on corn crop identification and positioning method based on Machine vision
CN111696125B (zh) 一种重叠叶片边缘的提取方法
Sahoo et al. Automatic Dead zone detection in 2-D leaf image using clustering and segmentation technique
CN102184389B (zh) 用于心材与边材高色差树种的年轮自动识别方法
CN113920106A (zh) 一种基于rgb-d相机的玉米长势三维重构及茎粗测量方法
Mao et al. Agricultural robot navigation path recognition based on k-means algorithm for large-scale image segmentation
CN111369497B (zh) 一种行走式树上果实连续计数方法及装置
CN113331160A (zh) 一种烟草专用精准喷药系统
CN117058607A (zh) 一种基于图像视觉分析的植物生长状态监测系统
CN110674799A (zh) 一种基于图像处理的植物提取参数设置系统
CN111079530A (zh) 一种成熟草莓识别的方法
CN110135481B (zh) 一种农作物病变检测方法以及检测装置

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