。求玉米穗 橫斷面凸形圖像屬于二維平面的凸包問(wèn)題，具體算法為： (1)用"凸包算法"變換玉米穗橫斷面形狀。凸包的定義為：平面的一個(gè)子集S被稱(chēng)為 是"凸"的，當(dāng)且進(jìn)當(dāng)對(duì)于任意兩點(diǎn)P、qGS，線(xiàn)段都完全屬于S。凸包問(wèn)題可W描述為： 給定一個(gè)點(diǎn)集P，求最小點(diǎn)集S，使得S構(gòu)成的形狀能包含P。本算法采用二維如ick化11 算法，該算法繼承了快速排序分治的思想，是一個(gè)遞歸過(guò)程算法。該算法具有極小的常數(shù)、 實(shí)現(xiàn)方便，在凸包上的點(diǎn)很密集時(shí)仍然適用，在凸包上點(diǎn)集隨機(jī)分布時(shí)效率也很高。具體步 驟如下： ①在玉米穗橫斷面腐蝕圖像不等于0的像素點(diǎn)集S中選取2個(gè)極點(diǎn)nl和n2,該兩個(gè) 極點(diǎn)必然在凸包上。
[0021] ②使用①中選取的兩個(gè)極點(diǎn)nl、n2生成1條直線(xiàn)L采用遍歷法判斷點(diǎn)集S中每 個(gè)點(diǎn)落在直線(xiàn)L哪一側(cè)，從而將點(diǎn)集S分成2個(gè)子集S1和S2。
[0022] f在直線(xiàn)L的一側(cè)點(diǎn)集S1中選取離直線(xiàn)距離最遠(yuǎn)的點(diǎn)P，分別連接P和nl、p和 n2,生成新的2條直線(xiàn)L1和L2。點(diǎn)p、nl和n2組成一個(gè)S角形，S角形區(qū)域內(nèi)的像素點(diǎn)不 可能為凸包上的點(diǎn)，在后續(xù)計(jì)算過(guò)程中可舍去。
[0023] ④對(duì)極點(diǎn)P和nl、直線(xiàn)L1重復(fù)步驟②和⑨，對(duì)極點(diǎn)P和n2、直線(xiàn)L2重復(fù)步驟② 和⑨，直至遍歷子集S1中所有點(diǎn)。
[0024] ⑥對(duì)直線(xiàn)L的另一側(cè)點(diǎn)集S2做類(lèi)似步驟⑨和④的工作。
[00巧]⑧每計(jì)算取得的最遠(yuǎn)點(diǎn)為最終凸包的頂點(diǎn)，任兩個(gè)最遠(yuǎn)點(diǎn)之間的連線(xiàn)為凸包的 邊。
[0026] ⑦理論上該算法的復(fù)雜度為0化logN)，其中，N為玉米穗橫斷面腐蝕圖像中不等 于0的像素點(diǎn)數(shù)，K為凸包的頂點(diǎn)數(shù)。
[0027] (2)將附圖4中落在凸包及其內(nèi)部的像素點(diǎn)賦為白色，其余點(diǎn)的值保持不變，得到 玉米穗橫斷面凸形圖像f4,如附圖5所示。
[0028] 4、計(jì)算巧粒間隙圖像。使用圖像f4減去圖像巧，得到兩圖的差異部分，也就是玉 米穗橫斷面原始圖像中的巧粒間隙圖像巧，如附圖6所示。
[0029]5、腐蝕后計(jì)數(shù)。具體過(guò)程如下： (1)繼續(xù)采用腐蝕算法，設(shè)置圓形結(jié)構(gòu)元素的半徑為5,對(duì)附圖5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,見(jiàn)附圖7。
[0030] (2)采用步驟1 (3)中的方法，對(duì)圖像巧進(jìn)行連通域處理、并同時(shí)計(jì)數(shù)： ① 采用E(i)標(biāo)記第i個(gè)不連通的玉米巧粒區(qū)域單元； ② 當(dāng)檢測(cè)到的圖像點(diǎn)是0時(shí)就對(duì)該點(diǎn)賦值為0,當(dāng)檢測(cè)到的是255且其周?chē)?聯(lián)通區(qū) 域內(nèi)有數(shù)值不等于0時(shí)，令i=i+l，并對(duì)該點(diǎn)賦值n(i); ③重復(fù)步驟②，且當(dāng)j=江1時(shí)，賦值11(0古單0。
[0031] ④檢測(cè)遍歷所有像素點(diǎn)，結(jié)束，判斷B0料!(i)單0,否則i=i-1，重復(fù)⑨。
[0032] ⑥該樣就將將像素有相連的區(qū)域合并成一個(gè)單元，相鄰單元的顏色不同，即巧粒 間隙腐蝕圖像連通域處理圖巧，如附圖8所示。且計(jì)算結(jié)束時(shí)i的值即是玉米穗巧粒行數(shù)， 輸出i作為行數(shù)統(tǒng)計(jì)結(jié)果。
[0033] 采用上述的檢測(cè)步驟1至5即可實(shí)現(xiàn)玉米穗行數(shù)的自動(dòng)檢測(cè)，下面表1給出在實(shí) 驗(yàn)室的統(tǒng)計(jì)數(shù)據(jù)： 表1實(shí)驗(yàn)室統(tǒng)計(jì)結(jié)果
本發(fā)明與現(xiàn)有技術(shù)相比，具有實(shí)時(shí)、高效、客觀(guān)、準(zhǔn)確、高效和無(wú)損傷等顯著優(yōu)點(diǎn)。
【主權(quán)項(xiàng)】
1. 一種基于玉米穗凸性特征的玉米穗行數(shù)自動(dòng)檢測(cè)算法，有如下步驟： 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; 其特征在于， 第二步：對(duì)圖像n進(jìn)行圖像分割 將圖像n轉(zhuǎn)換為灰度圖像，以減少處理過(guò)程中的數(shù)據(jù)量；之后用邊緣檢測(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 ; 第三步：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f3 ; 第四步：圖像f3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 Quick Hull算法獲取圖像f3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 ; 第五步：使用圖像f4減去圖像f3,得到兩圖的差異部分，即玉米穗橫斷面原始圖像中 的籽粒間隙圖像f5; 第六步：腐蝕后計(jì)數(shù) 采用第三步中的腐蝕算法，對(duì)圖像f5進(jìn)行腐蝕運(yùn)算，以去除細(xì)小噪聲，避免圖像各部 分的黏連，得到籽粒間隙腐蝕圖像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f7,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f7中聯(lián)通單 元的個(gè)數(shù)即是玉米穗籽粒行數(shù)，并在檢測(cè)系統(tǒng)中進(jìn)行顯示。
【專(zhuān)利摘要】一種利用玉米截面特殊的凸性圖像特征、基于機(jī)器視覺(jué)的玉米穗行數(shù)自動(dòng)檢測(cè)方法，屬圖像信息處理技術(shù)領(lǐng)域，主要用于玉米室內(nèi)考種時(shí)穗行數(shù)的自動(dòng)檢測(cè)。其實(shí)現(xiàn)方法是：第一步：玉米穗橫斷面照片的獲??；第二步：對(duì)圖像f1進(jìn)行圖像分割；第三步：對(duì)圖像f2進(jìn)行腐蝕；第四步：圖像f3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；第五步：使用圖像f4減去圖像f3，得到兩圖的差異部分，即玉米穗橫斷面原始圖像中的籽粒間隙圖像f5；第六步：腐蝕后計(jì)數(shù)，得到最終的計(jì)數(shù)結(jié)果即是玉米穗的行數(shù)。本發(fā)明旨在解決玉米穗行數(shù)中傳統(tǒng)人工計(jì)數(shù)易于疲勞、準(zhǔn)確率差、效率低的固有缺陷，以提高現(xiàn)有自動(dòng)檢測(cè)技術(shù)的速度和準(zhǔn)確度。
【IPC分類(lèi)】G06K9/00
【公開(kāi)號(hào)】CN104881652
【申請(qǐng)?zhí)枴緾N201510291734
【發(fā)明人】李靜, 吳欣慧, 李立, 宋俊喬, 申慶超, 趙晶, 曹志, 趙鵬永
【申請(qǐng)人】安陽(yáng)工學(xué)院
【公開(kāi)日】2015年9月2日
【申請(qǐng)日】2015年6月1日