一種基于玉米穗凸性特征的行數(shù)自動(dòng)檢測(cè)算法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及圖像信息處理技術(shù)領(lǐng)域，特別是設(shè)及一種基于玉米穗凸性特征的行數(shù) 自動(dòng)檢測(cè)算法，便于實(shí)現(xiàn)玉米室內(nèi)考種時(shí)穗行數(shù)的統(tǒng)計(jì)，并提高檢測(cè)速度和精度。
【背景技術(shù)】
[0002] 玉米是糧食、飼料、工業(yè)原料兼用型作物。玉米生產(chǎn)在國(guó)家糧食生產(chǎn)和糧食安全中 占有極重要的戰(zhàn)略地位。研究證明，玉米優(yōu)良種的推廣使玉米增產(chǎn)40%。種子質(zhì)量直接關(guān)系 到玉米產(chǎn)量高低及玉米質(zhì)量和品質(zhì)的優(yōu)劣，而推廣優(yōu)良的雜交種需要大量的優(yōu)質(zhì)種子。
[0003] 玉米穗巧粒行數(shù)(穗行數(shù)）是穗部重要農(nóng)藝性狀之一。不同品種的玉米穗行數(shù)有 較大差別，生長(zhǎng)條件也會(huì)影響穗行數(shù)，在玉米育種、栽培及新品種DUS測(cè)試等科研中準(zhǔn)確 計(jì)數(shù)穗行數(shù)非常重要。玉米穗行數(shù)的傳統(tǒng)測(cè)定靠人工計(jì)數(shù)，存在人工計(jì)數(shù)方法固有的缺 陷--易于疲勞、誤差大、效率低。
[0004] 在現(xiàn)有的基于機(jī)器視覺(jué)的玉米穗行數(shù)自動(dòng)檢測(cè)過(guò)程中，利用先求出玉米穗橫斷面 的質(zhì)屯、坐標(biāo)；再計(jì)算出的玉米穗外輪廓邊緣到質(zhì)屯、的角度和半徑，對(duì)角度從小到大進(jìn)行排 序，同時(shí)對(duì)半徑進(jìn)行歸一化處理，得到半徑關(guān)于角度的函數(shù)，繪制出角度---半徑圖；統(tǒng)計(jì) 角度---半徑變化曲線圖中半徑的極大值或極小值的個(gè)數(shù)即玉米穗行數(shù)。該種方法計(jì)算量 大且易有誤差。

【發(fā)明內(nèi)容】

[0005] 為了克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于玉米穗凸性特征的行數(shù)自 動(dòng)檢測(cè)算法。本發(fā)明所采用的技術(shù)方案是；第一步：玉米穗橫斷面照片的獲取。將玉米穗橫 斷面放在黑色背景上，在它上方加上環(huán)形光源，攝像機(jī)在環(huán)形光源正中、玉米穗橫斷面正上 進(jìn)行拍攝獲取原圖圖像n。
[0006] 第二步；對(duì)圖像n進(jìn)行圖像分割。用邊緣檢測(cè)函數(shù)和內(nèi)部區(qū)域填充法，檢測(cè)出清 晰地玉米穗圖像邊緣，邊緣及內(nèi)部用白色來(lái)表示，其余部分用黑色來(lái)表示，得到玉米穗橫斷 面特征圖像f2。
[0007] 第=步；對(duì)圖像f2進(jìn)行腐蝕。使用一個(gè)半徑為100圓形結(jié)構(gòu)元素去掃描圖像中的 每一個(gè)像素，用結(jié)構(gòu)元素與其覆蓋的二值圖像做"與"操作，從而腐蝕圖像f2中前景色區(qū)域 的邊緣，使得前景圖像區(qū)域變小，背景區(qū)域被放大，具有收縮圖像的作用。腐蝕之后，圖像邊 界向內(nèi)收縮，得到玉米穗橫斷面腐蝕圖像巧。
[0008] 第四步：圖像巧所示玉米穗橫斷面腐蝕圖像中存在明顯的凹陷，使用該圖像的凸 性特征，對(duì)該圖求凸形。求玉米穗橫斷面凸形圖像屬于二維平面的凸包問(wèn)題，本算法采用二 維如ick化11算法獲取圖像巧中不等于黑色的像素點(diǎn)集的凸包，落在凸包及其內(nèi)部的像 素點(diǎn)賦值為白色，使凸包邊界和內(nèi)部顯示白色，其余點(diǎn)的值保持不變，得到玉米穗橫斷面凸 形圖像f4。
[0009] 第五步：使用圖像f4減去圖像巧，得到兩圖的差異部分，即玉米穗橫斷面原始圖 像中的巧粒間隙圖像巧。
[0010] 第六步；腐蝕后計(jì)數(shù)。采用第=步中的腐蝕算法，對(duì)圖像巧進(jìn)行腐蝕運(yùn)算，W去除 細(xì)小噪聲，避免圖像各部分的黏連，得到巧粒間隙腐蝕圖像f6 ;采用8聯(lián)通鄰域法方法，對(duì) 圖像f6進(jìn)行連通域處理，得到圖像巧，并同時(shí)統(tǒng)計(jì)像素點(diǎn)的值不等于0的聯(lián)通單元的個(gè)數(shù)； 統(tǒng)計(jì)得到的巧中聯(lián)通單元的個(gè)數(shù)即是玉米穗巧粒行數(shù)，并在檢測(cè)系統(tǒng)中進(jìn)行顯示。
[0011] 與現(xiàn)有技術(shù)相比，基于玉米穗凸性特征的行數(shù)自動(dòng)檢測(cè)算法主要有W下優(yōu)點(diǎn)： (1)計(jì)算量小，執(zhí)行速度快；（2)正確率高，可W準(zhǔn)確地對(duì)玉米穗行數(shù)進(jìn)行檢測(cè)。根據(jù)到玉米 截面特殊的外形，利用凸性的圖像特征，設(shè)計(jì)使用本算法來(lái)進(jìn)行處理，可提高玉米穗行數(shù)自 動(dòng)檢測(cè)的速度和準(zhǔn)確度。
【附圖說(shuō)明】
[0012] 圖1為玉米穗行數(shù)自動(dòng)檢測(cè)算法流程圖； 圖2為玉米穗橫斷面原始圖像； 圖3玉米穗橫斷面輪廓特征圖像； 圖4為玉米穗橫斷面腐蝕圖像； 圖5為玉米穗橫斷面凸形圖像； 圖6為巧粒間隙圖像； 圖7為巧粒間隙腐蝕圖像； 圖8為巧粒間隙腐蝕圖像連通域處理圖。
【具體實(shí)施方式】
[0013] 下面結(jié)合附圖對(duì)本發(fā)明進(jìn)一步說(shuō)明。
[0014] 參閱附圖1，本發(fā)明所述的玉米穗行數(shù)自動(dòng)檢測(cè)算法是在環(huán)形光源光照條件下、采 用工業(yè)相機(jī)采集到的黑色背景上玉米穗橫斷面原始圖像后，對(duì)原始圖像進(jìn)行灰度轉(zhuǎn)換、圖 像壓縮、增強(qiáng)對(duì)比度等圖像預(yù)處理依據(jù)，依據(jù)圖像的輪廓特征對(duì)預(yù)處理之后圖像進(jìn)行合理 闊值、濾波去除噪聲，獲得玉米穗截面的輪廓特征圖像，對(duì)玉米輪廓特征圖像進(jìn)行腐蝕、并 求出其凸形圖像，使凸形圖像減去玉米穗橫斷面腐蝕圖像得到巧粒間隙圖像，對(duì)經(jīng)過(guò)進(jìn)一 步腐蝕和連通域處理的巧粒間隙圖像進(jìn)行計(jì)數(shù)，得到最終的計(jì)數(shù)結(jié)果即是玉米穗的行數(shù)。
[0015] 更具體地說(shuō)，整個(gè)算法的實(shí)現(xiàn)包含下列內(nèi)容： 1、圖像分割；本算法屬于圖像的預(yù)處理，主要包括原始圖像的獲取、圖像邊緣閥值分割 和濾波去噪=個(gè)步驟，處理效果如附圖2、附圖3所示。
[0016] (1)闊值分割：采用闊值分割法將圖像n分割成背景和玉米穗圖像主體兩部分， 而闊值t的選取是用最大類(lèi)間方差法求解。
[0017] (2)內(nèi)部圖像填充述過(guò)圖像分割，已經(jīng)把圖像分割成很多個(gè)區(qū)域，現(xiàn)用8聯(lián)通鄰 域法進(jìn)行玉米穗截面輪廓內(nèi)部填充，得到玉米輪廓及內(nèi)部填充特征圖像f2。
[0018] 2、圖像腐蝕：本算法對(duì)玉米分割圖像f2進(jìn)行腐蝕，腐蝕圖像中前景色區(qū)域的邊 緣，使得前景圖像區(qū)域變小，背景區(qū)域被放大，具有收縮圖像的作用。腐蝕的計(jì)算方法為： (1)定義結(jié)構(gòu)元素。由數(shù)值為1或0組成的矩陣，在每個(gè)像素位置與二值圖像對(duì)應(yīng)的區(qū) 域進(jìn)行特定的邏輯運(yùn)算。運(yùn)算結(jié)果為輸出圖像相應(yīng)的像素。運(yùn)算效果取決于結(jié)構(gòu)元素的大 小內(nèi)容w及邏輯運(yùn)算的性質(zhì)。由于玉米穗截面輪廓為弧形，所w本算法使用一個(gè)圓形的結(jié) 構(gòu)元素對(duì)圖像進(jìn)行腐蝕。
[0019] (2)腐蝕算法。使用一個(gè)半徑為100圓形結(jié)構(gòu)元素去掃描圖像中的每一個(gè)像素， 用結(jié)構(gòu)元素與其覆蓋的二值圖像做"與"操作，如果都為1，該圖像的該像素為1，否則為0。 腐蝕之后，圖像邊界向內(nèi)收縮，得到玉米穗橫斷面腐蝕圖像巧，如附圖4所示。
[0020] 3、獲取凸形。圖像巧所示玉米穗橫斷面腐蝕圖像中存在明顯的凹陷，使用該圖像 的凸性特征，對(duì)該圖求凸形，即連接指圖像內(nèi)部任意兩點(diǎn)的直線均落在圖像內(nèi)部