采用最大輪廓矩形法檢測(cè)果樹(shù)樹(shù)葉稀密程度的方法
【專利摘要】本發(fā)明公開(kāi)了一種采用最大輪廓矩形法檢測(cè)果樹(shù)樹(shù)葉稀密程度的方法,與現(xiàn)有技術(shù)相比,采用最大輪廓矩形法對(duì)果樹(shù)圖像面積進(jìn)行檢測(cè)及計(jì)算,以獲得果樹(shù)樹(shù)葉稀密程度,該結(jié)果是因果樹(shù)實(shí)際圖像而異的,不存在現(xiàn)有方法統(tǒng)一采用相機(jī)所設(shè)定的圖像大小作為最大輪廓而導(dǎo)致所檢測(cè)到的樹(shù)葉稀密程度偏小的問(wèn)題,更能準(zhǔn)確反映果樹(shù)的生物量密度水平的測(cè)量果樹(shù)樹(shù)葉稀密度的數(shù)字圖像處理方法。本發(fā)明簡(jiǎn)單、易行,能更加實(shí)時(shí)有效檢測(cè)果樹(shù)樹(shù)葉稀密程度。
【專利說(shuō)明】采用最大輪廓矩形法檢測(cè)果樹(shù)樹(shù)葉稀密程度的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】,尤其是一種采用最大輪廓矩形法檢測(cè)果樹(shù)樹(shù)葉稀密程度的方法。
【背景技術(shù)】
[0002]果樹(shù)樹(shù)葉稀密程度的實(shí)時(shí)快速檢測(cè)是基于實(shí)時(shí)的變量噴霧的關(guān)鍵技術(shù)。關(guān)于單株果樹(shù)生物量密度的概念,目前國(guó)內(nèi)外還沒(méi)有確切的定義。國(guó)外主要集中于森林或木材生物量密度及區(qū)域作物的生物量密度研究,但針對(duì)單株果樹(shù)生物量密度進(jìn)行研究的學(xué)者很少。果樹(shù)樹(shù)葉稀密程度是指一幅果樹(shù)圖像中樹(shù)葉與樹(shù)干占整個(gè)果樹(shù)圖像的面積比。現(xiàn)有方法將采集圖像時(shí)相機(jī)所設(shè)定圖像的大小作為整個(gè)果樹(shù)圖像的面積,但該值比果樹(shù)實(shí)際輪廓面積要大,從而導(dǎo)致計(jì)算的果樹(shù)樹(shù)葉稀密程度值比實(shí)際偏??;該方法還要求在同一成像距離下采集樣本作為標(biāo)準(zhǔn),其后再采用BP數(shù)據(jù)融合技術(shù)消除成像距離對(duì)果樹(shù)樹(shù)葉稀密程度檢測(cè)結(jié)果的影響。
【發(fā)明內(nèi)容】
[0003]本發(fā)明所要解決的技術(shù)問(wèn)題是:提供一種采用最大輪廓矩形法檢測(cè)果樹(shù)樹(shù)葉稀密程度的方法,它可以解決現(xiàn)有法檢測(cè)樹(shù)葉稀密程度值比實(shí)際值偏小且受成像距離影響的問(wèn)題,能準(zhǔn)確反映果樹(shù)的生物量密度水平,以克服現(xiàn)有技術(shù)的不足。
[0004]本發(fā)明是這樣實(shí)現(xiàn)的:采用最大輪廓矩形法檢測(cè)果樹(shù)樹(shù)葉稀密程度的方法,包括如下步驟:
1)通過(guò)圖像的識(shí)別技術(shù),利用超綠色法與OtSU算法結(jié)合,識(shí)別出清晰的果樹(shù)二值化圖像;
2)將步驟I)中的果樹(shù)二值化圖像進(jìn)行中值濾波去噪,
3)將步驟2)中的去噪圖像通過(guò)開(kāi)啟運(yùn)算,即分別連續(xù)4次腐蝕和4次膨脹來(lái)消除雜質(zhì);
4)將步驟3)獲得的圖像進(jìn)行膨脹運(yùn)算處理,以消除圖像中的空洞;增加了代表果樹(shù)的白色區(qū)域,解決了錯(cuò)分的問(wèn)題;
5)將經(jīng)過(guò)步驟4)處理過(guò)的圖像利用最大輪廓矩形法檢測(cè)其所占的最大輪廓,包括果樹(shù)圖像的長(zhǎng)及寬,然后以此計(jì)算出果樹(shù)圖像的輪廓面積;
5)計(jì)算出圖像中果樹(shù)的樹(shù)葉樹(shù)干所占的面積;
6)利用步驟4)計(jì)算出的果樹(shù)的樹(shù)葉所占的面積除以果樹(shù)圖像的輪廓面積的值即為果樹(shù)樹(shù)葉稀密程度。
[0005]步驟2)中所述的形態(tài)學(xué)處理具體指:1)將中值濾波后的果樹(shù)圖像先連續(xù)進(jìn)行4次腐蝕,然后連續(xù)進(jìn)行4次膨脹,腐蝕與膨脹的機(jī)構(gòu)元素都相同。連續(xù)4次腐蝕與膨脹能將果樹(shù)圖像中的獨(dú)立像素點(diǎn)(雜草和土壤)較好的去除,且果樹(shù)圖像輪廓變得光滑,凸顯了果樹(shù)圖像。
[0006]步驟4)中所述的利用最大輪廓矩形法檢測(cè)其所占的最大輪廓具體是指,通過(guò)檢測(cè)步驟3)中處理過(guò)的圖像中整棵果樹(shù)最大輪廓所占的面積A,即檢測(cè)果樹(shù)水平和垂直兩個(gè)方向的最大邊界所占的像素?cái)?shù)量,再計(jì)算這兩邊界為長(zhǎng)和寬的矩形面積即為果樹(shù)整個(gè)圖像的面積A ;再檢測(cè)整幅圖像中樹(shù)葉與樹(shù)干的面積m,即在該果樹(shù)二值圖像中,果樹(shù)樹(shù)葉和樹(shù)干對(duì)應(yīng)的像素值為1,統(tǒng)計(jì)像素值為I所占的像素?cái)?shù)即為整幅圖像中樹(shù)葉與樹(shù)干所占的面積m,則根據(jù)式(I)計(jì)算樹(shù)葉稀密程度η:
【權(quán)利要求】
1.一種采用最大輪廓矩形法檢測(cè)果樹(shù)樹(shù)葉稀密程度的方法,其特征在于:包括如下步驟: 1)通過(guò)圖像的識(shí)別技術(shù),利用超綠色法與Otsu算法結(jié)合,識(shí)別出清晰的果樹(shù)二值化圖像; 2)將步驟I)中的果樹(shù)二值化圖像進(jìn)行中值濾波去噪, 3)將步驟2)中的去噪圖像通過(guò)開(kāi)啟運(yùn)算,即分別連續(xù)4次腐蝕和4次膨脹來(lái)消除雜質(zhì); 4)將步驟3)獲得的圖像進(jìn)行膨脹運(yùn)算處理,以消除圖像中的空洞; 5)將經(jīng)過(guò)步驟4)處理的圖像利用最大輪廓矩形法檢測(cè)其所占的最大輪廓,包括果樹(shù)圖像的長(zhǎng)及寬,然后以此計(jì)算出果樹(shù)圖像的輪廓面積,并計(jì)算出圖像中果樹(shù)的樹(shù)葉樹(shù)干所占的面積; 6)利用步驟4)計(jì)算出的果樹(shù)的樹(shù)葉所占的面積除以果樹(shù)圖像的輪廓面積的值即為果樹(shù)樹(shù)葉稀密程度。
2.根據(jù)權(quán)利要求1所述的采用最大輪廓矩形法檢測(cè)果樹(shù)樹(shù)葉稀密程度的方法,其特征在于:步驟2)中所述的形態(tài)學(xué)處理具體指:將中值濾波后的果樹(shù)圖像先連續(xù)進(jìn)行4次腐蝕,然后連續(xù)進(jìn)行4次膨脹,腐蝕與膨脹的結(jié)構(gòu)元素都相同。
3.根據(jù)權(quán)利要求1所述的采用最大輪廓矩形法檢測(cè)果樹(shù)樹(shù)葉稀密程度的方法,其特征在于:步驟4)中所述的利用最大輪廓矩形法檢測(cè)其所占的最大輪廓具體是指,通過(guò)檢測(cè)步驟3)中處理過(guò)的圖像中整棵果樹(shù)最大輪廓所占的面積A,即檢測(cè)果樹(shù)水平和垂直兩個(gè)方向的最大邊界所占的像素?cái)?shù)量,再計(jì)算這兩邊界為長(zhǎng)和寬的矩形面積即為果樹(shù)整個(gè)圖像的面積A ;再檢測(cè)整幅圖像中樹(shù)葉與樹(shù)干的面積m,即在該果樹(shù)二值圖像中,果樹(shù)樹(shù)葉和樹(shù)干對(duì)應(yīng)的像素值為1,統(tǒng)計(jì)像素值為I所占的像素?cái)?shù)即為整幅圖像中樹(shù)葉與樹(shù)干所占的面積m,則根據(jù)式(I)計(jì)算樹(shù)葉稀密程度H:rj = fL< I ο O ?ο 、
A⑴ 式(I)中,Π表示果樹(shù)樹(shù)葉稀密度,m表示該幅圖中果樹(shù)樹(shù)干與樹(shù)葉所占的面積;A表示果樹(shù)整個(gè)圖像的面積。
【文檔編號(hào)】G01C11/00GK104132650SQ201410246400
【公開(kāi)日】2014年11月5日 申請(qǐng)日期:2014年6月5日 優(yōu)先權(quán)日:2014年6月5日
【發(fā)明者】張富貴, 沈明明, 袁奎, 吳雪梅, 劉國(guó)志, 陳宇熠 申請(qǐng)人:貴州大學(xué)