基于圖像處理技術(shù)的檢測(cè)果樹樹葉稀密程度的方法
【專利摘要】本發(fā)明公開了一種基于圖像處理技術(shù)的檢測(cè)果樹樹葉稀密程度的方法，其采用下列步驟：利用超綠色法和OTSU相結(jié)合清晰識(shí)地識(shí)別出果樹圖像；將經(jīng)過圖像識(shí)別技術(shù)處理過得果樹二值化圖像經(jīng)過中值濾波去噪，形態(tài)學(xué)計(jì)算處理增強(qiáng)圖像的識(shí)別性；利用算法檢測(cè)果樹圖像所占的輪廓----果樹圖像的長(zhǎng)及寬，然后以此計(jì)算出果樹圖像的輪廓面積；計(jì)算圖像中果樹樹葉樹干所占的面積；果樹樹葉稀密程度的計(jì)算。利用計(jì)算出的果樹樹葉所占的面積除以果樹圖像的輪廓面積的值即為果樹樹葉稀密程度。該方法不需要固定成像距離和使用白板標(biāo)定，最大輪廓矩形法對(duì)果樹圖像面積的檢測(cè)是因果樹實(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)到的樹葉稀密程度偏小的問題。
【專利說明】 基于圖像處理技術(shù)的檢測(cè)果樹樹葉稀密程度的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于圖像處理技術(shù)的檢測(cè)果樹樹葉稀密程度的方法，尤其指不需要標(biāo)定白板的檢測(cè)方法。
【背景技術(shù)】
[0002]果樹樹葉稀密程度的實(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)于單株果樹生物量密度的概念，目前國(guó)內(nèi)外還沒有確切的定義。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)單株果樹生物量密度進(jìn)行研究的學(xué)者很少。果樹樹葉稀密程度是指一幅果樹圖像中樹葉與樹干占整個(gè)果樹圖像的面積比?，F(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)果樹圖像的面積，但該值比果樹實(shí)際輪廓面積要大，從而導(dǎo)致計(jì)算的果樹樹葉稀密程度值比實(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)果樹樹葉稀密程度檢測(cè)結(jié)果的影響。為此，本發(fā)明提出一種可以解決現(xiàn)有法檢測(cè)樹葉稀密程度值比實(shí)際值偏小且受成像距離影響的問題，更能反映果樹的生物量密度水平的測(cè)量果樹樹葉稀密度的數(shù)字圖像處理方法。

【發(fā)明內(nèi)容】

[0003]本發(fā)明所要解決的技術(shù)問題是能夠識(shí)別采集圖像中整棵果樹的實(shí)際輪廓，解決現(xiàn)有法檢測(cè)樹葉稀密程度值比實(shí)際值偏小且受成像距離影響的問題。
[0004]本發(fā)明的技術(shù)內(nèi)容:一種基于圖像處理技術(shù)的檢測(cè)果樹樹葉稀密程度的方法，包含下列步驟:
(O圖像的識(shí)別技術(shù)，利用超綠色法與OTSU算法清晰識(shí)別出果樹圖像；
(2)圖像的去噪、形態(tài)學(xué)處理:將經(jīng)過圖像識(shí)別技術(shù)處理過得果樹二值化圖像經(jīng)過中值濾波去噪，形態(tài)學(xué)計(jì)算處理增強(qiáng)圖像的識(shí)別性；
(3)圖像輪廓的計(jì)算:利用算法檢測(cè)果樹圖像所占的最大輪廓一果樹圖像的長(zhǎng)及寬，然后以此計(jì)算出果樹圖像的輪廓面積；
(4)計(jì)算圖像中果樹樹葉樹干所占的面積；
(5)果樹樹葉稀密程度的計(jì)算:利用步驟4計(jì)算出的果樹樹葉所占的面積除以果樹圖像的輪廓面積的值即為果樹樹葉稀密程度。
[0005]本發(fā)明的有益效果:
超綠色法能較好的提取綠色的果樹圖像，土壤能被明顯的抑制，使果樹圖像更為突
出；
膨脹運(yùn)算增加了代表果樹的白色區(qū)域，解決了錯(cuò)分的問題，提高后續(xù)果樹樹葉稀密程度的計(jì)算準(zhǔn)確性。
[0006]該方法不需要固定成像距離和使用白板標(biāo)定，最大輪廓矩形法對(duì)果樹圖像面積的檢測(cè)是因果樹實(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)到的樹葉稀密程度偏小的問題。
[0007]中值濾波能去除噪聲，但不能完全去除表示殘留土壤的白色獨(dú)立像素點(diǎn)。連續(xù)4次腐蝕與膨脹能將果樹圖像中的獨(dú)立像素點(diǎn)得到了較好的去除，且果樹圖像輪廓變得光滑，凸顯了果樹圖像。
【專利附圖】

【附圖說明】
[0008]圖1本發(fā)明的果樹最大輪廓檢測(cè)原理示意圖，a-果樹圖像輪廓的寬，b-果樹圖像輪廓的長(zhǎng)C-照片設(shè)定的長(zhǎng)，d-照片設(shè)定的寬，1-果樹圖像；
圖2本發(fā)明的以二值圖檢測(cè)果樹樹葉稀密程度的流程框圖；
圖3本發(fā)明的實(shí)例展示圖，其中a:采集的果樹圖像；b:超綠色法灰度化后果樹圖像；c:0TSU分割后且二值化果樹圖像；d:中值濾波后果樹圖像；e:開啟運(yùn)算后果樹圖像；f:膨脹運(yùn)算后果樹圖像。
【具體實(shí)施方式】
[0009]按照本發(fā)明檢測(cè)果樹樹葉稀密程度的方法中，其檢測(cè)過程為:將原始的彩色果樹圖像經(jīng)過利用超綠色法與OTSU算法清晰識(shí)別出果樹二值化圖像I ;將經(jīng)過圖像識(shí)別技術(shù)處理過得果樹二值化圖像I經(jīng)過中值濾波去噪，形態(tài)學(xué)計(jì)算處理得到的增強(qiáng)了識(shí)別性的果樹二值化圖像2 ;設(shè)定經(jīng)過處理后的果樹二值圖像2的函數(shù)為f (X，y);設(shè)f (X，y)的大小等于MXN;且i=l，2，…，M;j=l，2，…，N。f(i, j)=l的點(diǎn)表示果樹樹葉或樹干圖像的點(diǎn)。從f(i，l)開始直至f(i,N),統(tǒng)計(jì)每一行的像素點(diǎn)為I的像素的位置(列坐標(biāo))序列H,I≤H≤N ;從f (1，j)開始直至f (M, j)，統(tǒng)計(jì)每一列的像素點(diǎn)為I的像素的位置(行坐標(biāo))序列L，I < L < M ;對(duì)每一行像素，都求得第一次出現(xiàn)I的所在位置的列數(shù)f (I，first)與最后出現(xiàn)I的位置所在列數(shù)f (i, end)的差值Di, Di=f (i, end) -f (i, first);對(duì)每一列像素，都求得第一次出現(xiàn)I的所在位置的列數(shù)f (first, j)與最后出現(xiàn)I的位置所在列數(shù)f (end, j)的差值Dj, Dj=f(end, j)-f (first, j);求出Di中的最大值Dh和Dj中的最大值Dl ;檢測(cè)果樹圖像所占的最大行距和最大列距都包括起始值，所以最大輪廓矩形的長(zhǎng)和寬的值分別為(Dh+Ι)和(D1+1)，根據(jù)矩形面積計(jì)算法則可求出整棵果樹最大輪廓矩形的面積3為(Dh+1)與(D1+1)的乘積；檢測(cè)圖像中樹葉樹干所占的面積4，即二值圖像中值為I的像素點(diǎn)數(shù)目；果樹樹葉稀密程度值5為圖像中樹葉樹干所占的面積4與果樹最大輪廓矩形的面積3的商。
[0010]現(xiàn)以一張?jiān)O(shè)定大小為640 (像素)X480 (像素)的果樹圖像為例，其檢測(cè)過程如下:
1、將原始的彩色圖像3-a經(jīng)過先后超綠色法與OTSU算法處理，將果樹從土壤等背景中清晰地提取出來，如圖3_b、3_c所不；
2、將分割出來的果樹圖像3-c利用中值濾波和連續(xù)4次腐蝕與膨脹去噪和除雜，此時(shí)的果樹圖像中噪聲能到去除，獨(dú)立像素點(diǎn)得到了較好的去除，且果樹圖像輪廓變得光滑，凸顯了果樹圖像，分別如圖3-d、3_e所不；
3、將經(jīng)過步驟2處理的果樹圖像3-e進(jìn)行膨脹運(yùn)算，增加了代表果樹的白色區(qū)域，解決了錯(cuò)分的問題，如圖3-f所示；
4、檢測(cè)果樹圖像3-f中每一行、每一列第一次和最后一次出現(xiàn)像素值為I的差值，找出行差值與列差值中的最大值，兩個(gè)最大值分別加I后的乘積即為果樹所占的最大輪廓面積；檢測(cè)果樹圖像3-f中值為I的像素點(diǎn)數(shù)目即為果樹樹葉樹干所占的面積。
[0011]5、果樹樹葉稀密程度值為果樹樹葉樹干所占的面積與果樹所占的最大輪廓面積的商。
【權(quán)利要求】
1.一種基于圖像處理技術(shù)的檢測(cè)果樹樹葉稀密程度的方法，其特征在于:包含下列步驟: (1)圖像的識(shí)別技術(shù)，利用超綠色法與OTSU算法清晰識(shí)別出果樹圖像； (2)圖像的去噪、形態(tài)學(xué)處理:將經(jīng)過圖像識(shí)別技術(shù)處理過得果樹二值化圖像經(jīng)過中值濾波去噪，形態(tài)學(xué)計(jì)算處理增強(qiáng)圖像的識(shí)別性； (3)圖像輪廓的計(jì)算:利用算法檢測(cè)果樹圖像所占的最大輪廓一果樹圖像的長(zhǎng)及寬，然后以此計(jì)算出果樹圖像的輪廓面積； (4 )計(jì)算圖像中果樹樹葉樹干所占的面積； (5)果樹樹葉稀密程度的計(jì)算:利用步驟4計(jì)算出的果樹樹葉所占的面積除以果樹圖像的輪廓面積的值即為果樹樹葉稀密程度。
【文檔編號(hào)】G06K9/54GK104008365SQ201410123409
【公開日】2014年8月27日 申請(qǐng)日期:2014年3月31日 優(yōu)先權(quán)日:2014年3月31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)