玉米果穗圖像籽粒分割方法
2023-05-27 00:44:26
專利名稱：玉米果穗圖像籽粒分割方法
技術領域：
本發明涉及計算機圖像處理技術領域，具體涉及一種玉米果穗圖像籽粒分割方法。
背景技術：
傳統的玉米果穗考種，需要人工測量和計算玉米果穗的各項指標參數，進而對玉米品種特性、形態特徵進行統計和分析。傳統考種過程重複、耗時、費力，對指標參數的測量嚴重依賴於工作人員的主觀判斷，獲取的數據存在較大誤差，考種流程標準化程度低。隨著計算機和信息化技術在農業領域的深入滲透應用，使用計算機圖像處理技術進行自動化考種已成為一種趨勢。基於圖像的自動考種方法，可以大大降低人力成本、提高玉米考種效率、形成統一的考種標準；另外，可以長期存儲和重複利用樣本圖像數據，有利於對寶貴樣本的統一標準化管理。玉米果穗圖像分割，是進行自動化考種、玉米果穗形狀特徵和產量計算的核心問題之一。由於玉米果穗種類繁多，從顏色角度可分為黃、白、黃白粒、紫、紅等類型。圖像獲取過程中，由於成像光照差異以及玉米果穗本身顏色差異，使得玉米果穗中籽粒顏色所在的顏色閾值區間差異較大，即使將彩色圖像轉換為灰度圖像，籽粒的灰度值仍明顯處於不同的灰度閾值區間，這對於黃白粒等類型玉米果穗來說尤其明顯。一般圖像分割方法往往只能適用於單一顏色特徵圖像的分割，難以普遍適用於多種顏色特徵玉米果穗圖像的分割。另外，由於玉米果穗一般可視為偏長的三維橢圓球，獲取的玉米果穗圖像實際上是玉米果穗在成像平面上的投影，因此玉米果穗圖像上每個像素與其表示的三維玉米果穗上目標點，在物理尺寸上並非單一對應關係，玉米果穗圖像的每個像素大小與其表示目標的大小存在較大差異；這種與物體形狀相關的畸變對靠近玉米果穗邊緣的籽粒影響非常大，即靠近邊緣的籽粒存在較大的形狀畸變；如果以玉米果穗骨架軸上圖像像素大小為基準，圖像上與骨架軸距離越遠的像素表示的物理尺寸越大。現有的圖像處理方法一般都是以圖像中像素為基本特徵，沒有考慮像素所表示的目標本身的性狀特徵，這使得現有圖像分割方法對玉米籽粒的分割和識別準確度以及精度較差。綜上所述，一種能夠消除玉米果穗圖像徑向畸變，並能夠克服不同顏色類型籽粒難以直接分割問題的玉米果穗圖像籽粒分割方法亟待提供。
發明內容
(一)要解決的技術問題本發明的目的在於提供一種玉米果穗圖像籽粒分割方法，用於消除玉米果穗圖像的徑向畸變，克服不同顏色類型籽粒難以直接分割問題，進而提高對玉米果穗圖像籽粒分割的準確性及精度，為玉米品種特性、形態特徵的統計和分析提供有力的技術支持。(二)技術方案本發明技術方案如下
一種玉米果穗圖像籽粒分割方法，包括步驟S1.結合形態學算法對玉米果穗圖像進行預處理；S2.利用徑向畸變校正方法處理步驟SI中得到的圖像；S3.根據分級閾值分割算法分割步驟S2中得到的圖像，生成玉米果穗圖像最終分割結果。優選的,所述步驟SI包括S101.將玉米果穗圖像轉化為第一灰度圖像；S102.設定背景閾值，對第一灰度圖像二值化，得到第一二值圖像；S103.計算所述第一二值圖像中目標個數若大於1，則利用形態學算法確定所述第一二值圖像輪廓。優選的，所述步驟S102中通過最大類間方差算法得到背景閾值。優選的，所述步驟S103包括利用區域填充方法或者輪廓計數方法得到第一二值圖像中目標個數若第一二值圖像中目標個數大於1，則先利用圖像膨脹算法處理孔洞，再利用圖像腐蝕算法恢復圖像初始邊界。優選的，所述步驟S103之後還包括步驟S104.根據實際玉米果穗特徵判斷玉米果穗圖像特徵是否處於極限值範圍內若是，則跳轉至步驟S2;若否，則選擇新的玉米果穗圖像並跳轉至步驟S101。優選的，所述步驟S2包括S201.建立步驟SI中最終得到的圖像的OBB包圍盒；S202.結合所述包圍盒的長軸以及短軸，利用徑向畸變校正算法處理所述玉米果穗圖像、第一灰度圖像以及第一二值圖像得到第二玉米果穗圖像、第二灰度圖像以及第二二值圖像。優選的，所述步驟S202包括建立坐標系以所述OBB包圍盒長軸方向作為玉米果穗中心軸方向Y，以所述OBB包圍盒一個短軸作為X軸並以該短軸的中心點作為坐標系原點；利用所有垂直於Y軸的玉米果穗橫剖面中心點構建骨架軸；分別以所述骨架軸上的每個點為中心，沿X軸方向擴展圖像。優選的，所述步驟S3包括S301.設定初始閾值；S302.根據所述初始閾值對所述第二灰度圖像進行分割；S303.從分割結果中篩選有效玉米籽粒並將有效玉米籽粒區域置為背景色；S304.增大閾值；S305.重複步驟S302-S304，直到閾值大於等於圖像中像素強度最大值。優選的，所述初始閾值等於背景閾值。優選的，所述步驟S303包括對於分割結果中每個玉米籽粒，計算其性狀參數；判斷該玉米籽粒的性狀參數是否與實際玉米籽粒特徵匹配
若是則將第二灰度圖像中該玉米籽粒所在區域置為背景色。(三)有益效果本發明的一種玉米果穗圖像籽粒分割方法首先利用徑向畸變校正算法消除玉米果穗圖像的徑向畸變，使玉米果穗圖像上的籽粒形狀信息得到最大程度的恢復；其次，發明通過利用分級閾值分割方法對處理後的玉米果穗圖像進行分割，克服了不同顏色類型籽粒難以分割的問題；因此，本發明極大的提高了對玉米果穗圖像籽粒分割的準確性及精度，為玉米品種特性、形態特徵的統計和分析提供了有力的技術支持。
圖1是本發明的一種玉米果穗圖像籽粒分割方法的流程圖；圖2是圖1中徑向畸變校正算法示意圖。
具體實施例方式下面結合附圖和實施例，對發明的具體實施方式
做進一步描述。以下實施例僅用於說明本發明，但不用來限制本發明的範圍。現有技術中利用圖像處理方法對玉米果穗進行考種，一般都是針對單張玉米果穗圖像進行，利用有限信息推導出儘量多的玉米果穗性狀特徵參數，其優點是簡單、方便、快捷。本發明主要是針對單張玉米果穗圖像籽粒分割方法進行的改進，從而提高玉米果穗性狀特徵參數檢測的準確度以及精度。流程圖如圖1中所示的一種玉米果穗圖像籽粒分割方法，主要包括步驟S1. 一定光照條件，在黑色背景上垂直玉米果穗中心軸成像，獲得單張彩色玉米果穗圖像Cl，結合形態學算法對玉米果穗圖像Cl進行預處理；該步驟主要包括S101.將玉米果穗圖像轉化為值域為255第一灰度圖像Hl ；S102.設定背景閾值，根據背景閾值對第一灰度圖像Hl 二值化，得到第一二值圖像BI ;其中背景閾值可通過最大類間方差方法計算得到，也可根據經驗人工指定高於背景的強度值，該閾值主要用於確定玉米果穗整體相對於背景的像素邊界；S103.利用區域填充方法或者輪廓計數方法或者其它任何已知算法計算第一二值圖像中目標個數；區域填充方法通過序貫掃描圖像，為每個連通區域分配唯一的標記值，最後統計得到的標記值個數即為連通區域個數；輪廓計算方法是查找背景與目標的邊界像素，按照像素位置連接為封閉環，計算最後計算出的封閉環個數，即得到連通區域數目；由於玉米果穗圖像中只包含單一的玉米果穗目標，如果目標的個數大於1，表明圖像BI中存在若干孔洞或者孤島，玉米果穗的邊界難以唯一確定；因此，可以利用形態學算法中的圖像膨脹算法處理填充孔洞，直到圖像上只有一個目標，並記錄所有膨脹像素個數；再利用形態學算法中的圖像腐蝕算法恢復圖像初始邊界，腐蝕像素個數等於膨脹像素個數，這樣做的目的是使整個玉米果穗目標在圖像上形成一個單連通區域；進一步的，步驟S103之後還可以包括步驟S104.根據實際玉米果穗特徵判斷玉米果穗圖像特徵是否處於極限值範圍內若是，則跳轉至步驟S2 ;若否，則選擇新的玉米果穗圖像並跳轉至步驟SlOl ;本實施例中具體為基於最終得到的玉米果穗圖像，計算出玉米果穗長度、寬度、投影面積和投影周長等參數，如果這些計算值均位於玉米果穗性狀特徵庫中對應極限值範圍內，則認為得到的玉米果穗圖像BI為有效；其中，玉米果穗性狀特徵庫是收集了各種類型玉米果穗的品種、性狀和顏色特徵的資料庫，包括了大量已知玉米果穗及其籽粒的參數數據；每項參數的極值是指從性狀特徵庫中檢索到的所有已知玉米果穗的該參數指標的極大值和極小值。S2.利用徑向畸變校正方法處理步驟SI中預處理後得到的第一二值圖像BI ;該步驟主要包括S201.建立第一二值圖像BI的OBB (Oriented Bounding Box,有向包圍盒)包圍盒；其中OBB包圍盒是指最貼近玉米果穗邊界的長方形；S202.結合包圍盒的長軸以及短軸，利用徑向畸變校正算法處理玉米果穗圖像Cl、第一灰度圖像Hl以及第一二值圖像B2得到第二玉米果穗圖像C2、第二灰度圖像H2以及第二二值圖像B2。其中，步驟S202包括建立坐標系以OBB包圍盒長軸方向作為玉米果穗中心軸方向Y，以OBB包圍盒一個短軸作為X軸(視為玉米果穗徑向)並以該短軸的中心點作為坐標系原點；利用所有垂直於Y軸的玉米果穗橫剖面中心點構建骨架軸；本實施中具體為對位於Y軸上且在包圍盒內的每個點，沿X方向生成一條直線，計算該直線與玉米果穗輪廓的交點；如果交點個數為2，分別記為P1以及P2,則將P1點和P2點的中心點C作為玉米果穗骨架軸上一點；如果交點個數為1，則認為是玉米果穗骨架軸的端點；記錄骨架軸上每個點、該點沿X軸方向生成的直線與玉米輪廓的交點個數以及以該點為圓心的橫剖面的半徑R ;分別以骨架軸上的每個點為中心，沿X軸方向擴展圖像；本實施例中具體為以玉米果穗骨架軸上每個點為中心，沿X軸方向擴展圖像，擴展方式如圖2所示其中P/點和P2'點對應P1點和P2點擴展後在圖像上的位置，從中心點到P/和P2'之間像素可以採用非線性方式填充，其中P點擴展後的位置由P點到C'的弧長決定，即Line (Ci，P' ) =Arc (Ci，P");擴展後的圖像總是存在的未填充空隙區域，可以使用其離骨架中心最近的有效像素點作為填充值；校正後得到的玉米果穗圖像上每個像素大小與其表示的三維目標具有相同的物理尺度；重複上述步驟，分別處理圖像C1、H1以及BI，得到畸變校正後圖像C2、H2以及B2。S3.對於大多數玉米果穗來說，在第二灰度圖像H2上玉米籽粒的閾值範圍往往位於不同的閾值區間內，尤其對於黃白粒等雜色類型玉米果穗來說，在同一張圖像中籽粒的分割閾值區間相差較大，因此本發明根據分級閾值分割算法分割步驟S2中得到的圖像，生成玉米果穗圖像最終分割結果；分級閾值分割方法，是指從初始閾值開始逐步遞增閾值進行圖像分割，從每次分割結果中篩選中有效玉米籽粒，並在原圖中將分割出的玉米籽粒區域置為背景色，直到閾值達到圖像中像素強度最大值。該步驟主要包括S301.設定初始閾值T ;其中，初始閾值T可以設定為等於背景閾值的值，也可以設定高於背景強度的值；S302.根據初始閾值對第二灰度圖像H2進行分割，得到結果圖像為第三灰度圖像H3 ；S303.從第三灰度圖像H3中篩選有效玉米籽粒並將有效玉米籽粒區域置為背景色；
S304.增大閾值；S305.重複步驟S302-S304，直到閾值大於等於圖像中像素強度最大值。分割完成後，將所有的判定為籽粒的子圖像按照其實際位置填充到一個新建圖像S (與初始第二灰度圖像H2大小、類型一致)，即得到玉米果穗圖像分割結果。其中，步驟S303包括對於分割結果中每個玉米籽粒，計算其性狀參數；本實施例中具體為使用目標輪廓生成方法得到圖像H3中每個目標輪廓，填充每個輪廓得到僅包含目標的各個子圖像，其中子圖像是指包含單個分割目標的矩形圖像，目標像素填充為標記值(255)，其他像素填充為背景值；計算每個子圖像中目標的性狀參數(面積、周長、長寬比、圓度)和顏色等參數，其中目標的顏色可以通過檢索該子圖像在第二彩色圖像C2中相同位置的像素計算得到；判斷該子圖像即玉米籽粒的性狀參數是否與實際玉米籽粒特徵匹配，若匹配，則將該子圖像區域置為背景色；本實施例中具體為將每個子圖計算結果與玉米果穗性狀特徵庫進行匹配，對每項參數指標進行打分，最後的總得分即為該子圖判定為玉米籽粒的概率；其中，籽粒特徵庫中包含了已有的所有玉米籽粒性狀特徵的數據；參數指標打分，是為籽粒的每項指標建立一項權重係數，表示該指標對判定目標為籽粒的貢獻大小；如果打分高於經驗值，則判定該子圖像表示玉米籽粒，則將其從圖像H2中刪除，即將其所在目標區域填充為背景色。本發明提供的方法適合於各種不同顏色特徵的玉米果穗圖像的分割。首先使用了玉米徑向畸變校正方法對玉米果穗圖像沿徑向進行擴展，恢復了初始圖像中每個像素真實的物理形狀，為基於籽粒性狀特徵的識別提供了可靠的籽粒形狀數據；進而採用分級閾值分割方法提取籽粒，結合玉米果穗性狀特徵庫對分割出的玉米籽粒進行識別和篩選，提高了圖像中玉米籽粒的識別準確率。與現有技術相比，本發明提出的玉米果穗圖像籽粒分割方法首先基於玉米果穗三維形狀特徵對輸入的玉米果穗圖像進行徑向畸變校正，使圖像上籽粒形狀信息得到最大程度恢復，為基於籽粒形狀特徵的分割提供更為可靠的數據來源；然後使用分級閾值分割方法，克服了不同顏色類型籽粒難以直接分割的問題，通過閾值分割-籽粒篩選-圖像填充的分級閾值分割方法從原始圖像中提取出處於不同閾值區間的玉米籽粒，每一步均利用了上次分割的結果，最後結合玉米果穗特徵庫對每次分割出的籽粒進行篩選，得到的結果是一系列籽粒圖像，最後將這些籽粒圖像按照其實際位置拷貝到空白圖像上，即得到最終分割結果。因此，本發明可從玉米果穗圖像中有效分割出玉米籽粒，基於本發明的分割結果，可以更準確計算出玉米果穗和籽粒的性狀特徵參數，進而計算玉米果穗的考種指標，為玉米果穗考種提供了極大的便利。以上實施方式僅用於說明本發明，而並非對本發明的限制，有關技術領域的普通技術人員，在不脫離本發明的精神和範圍的情況下，還可以做出各種變化和變型，因此所有等同的技術方案也屬於本發明的保護範疇。
權利要求
1.一種玉米果穗圖像籽粒分割方法，其特徵在於，包括步驟 51.結合形態學算法對玉米果穗圖像進行預處理； 52.利用徑向畸變校正方法處理步驟SI中得到的圖像； 53.根據分級閾值分割算法分割步驟S2中得到的圖像，生成玉米果穗圖像最終分割結果。
2.根據權利要求1所述的玉米果穗圖像籽粒分割方法，其特徵在於，所述步驟SI包括 5101.將玉米果穗圖像轉化為第一灰度圖像； 5102.設定背景閾值，對第一灰度圖像二值化，得到第一二值圖像； 5103.計算所述第一二值圖像中目標個數 若大於1，則利用形態學算法確定所述第一二值圖像輪廓。
3.根據權利要求2所述的玉米果穗圖像籽粒分割方法，其特徵在於，所述步驟S102中通過最大類間方差算法得到背景閾值。
4.根據權利要求2所述的玉米果穗圖像籽粒分割方法，其特徵在於，所述步驟S103包括 利用區域填充方法或者輪廓計數方法得到第一二值圖像中目標個數 若第一二值圖像中目標個數大於1，則先利用圖像膨脹算法處理孔洞，再利用圖像腐蝕算法恢復圖像初始邊界。
5.根據權利要求2所述的玉米果穗圖像籽粒分割方法，其特徵在於，所述步驟S103之後還包括步驟 5104.根據實際玉米果穗特徵判斷玉米果穗圖像特徵是否處於極限值範圍內 若是，則跳轉至步驟S2; 若否，則選擇新的玉米果穗圖像並跳轉至步驟S101。
6.根據權利要求2至5任意一項所述的玉米果穗圖像籽粒分割方法，其特徵在於，所述步驟S2包括 5201.建立步驟SI中最終得到的第一二值圖像的OBB包圍盒； 5202.結合所述包圍盒的長軸以及短軸，利用徑向畸變校正算法處理所述玉米果穗圖像、第一灰度圖像以及第一二值圖像，得到第二玉米果穗圖像、第二灰度圖像以及第二二值圖像。
7.根據權利要求6所述的玉米果穗圖像籽粒分割方法，其特徵在於，所述步驟S202包括 建立坐標系以所述OBB包圍盒長軸方向作為玉米果穗中心軸方向Y，以所述OBB包圍盒一個短軸作為X軸並以該短軸的中心點作為坐標系原點； 利用所有垂直於Y軸的玉米果穗橫剖面中心點構建骨架軸； 分別以所述骨架軸上的每個點為中心，沿X軸方向擴展圖像。
8.根據權利要求7所述的玉米果穗圖像籽粒分割方法，其特徵在於，所述步驟S3包括 ·5301.設定初始閾值； ·5302.根據所述初始閾值對所述第二灰度圖像進行分割；.5303.從分割結果中篩選有效玉米籽粒並將有效玉米籽粒區域置為背景色； .5304.增大閾值； .5305.重複步驟S302-S304，直到閾值大於等於圖像中像素強度最大值。
9.根據權利要求8所述的玉米果穗圖像籽粒分割方法，其特徵在於，所述初始閾值等於背景閾值。
10.根據權利要求8或9所述的玉米果穗圖像籽粒分割方法，其特徵在於，所述步驟S303包括 對於分割結果中每個玉米籽粒，計算其性狀參數； 判斷該玉米籽粒的性狀參數是否與實際玉米籽粒特徵匹配 若是則將第二灰度圖像中該玉米籽粒所在區域置為背景色。
全文摘要
本發明涉及計算機圖像處理技術領域，具體涉及一種玉米果穗圖像籽粒分割方法。該方法包括步驟S1.結合形態學算法對玉米果穗圖像進行預處理；S2.利用徑向畸變校正方法處理步驟S1中得到的圖像；S3.根據分級閾值分割算法分割步驟S2中得到的圖像，生成玉米果穗圖像最終分割結果。本發明首先利用徑向畸變校正算法消除玉米果穗圖像的徑向畸變，使玉米果穗圖像上的籽粒形狀信息得到最大程度的恢復；其次，發明通過利用分級閾值分割方法對處理後的玉米果穗圖像進行分割，克服了不同顏色類型籽粒難以分割的問題；因此，本發明極大的提高了對玉米果穗圖像籽粒分割的準確性及精度，為玉米品種特性、形態特徵的統計和分析提供了有力的技術支持。
文檔編號G06T7/00GK103020970SQ201210572979
公開日2013年4月3日 申請日期2012年12月25日 優先權日2012年12月25日
發明者杜建軍, 郭新宇, 王傳宇, 肖伯祥, 吳升 申請人:北京農業信息技術研究中心