书签 分享 收藏 举报 版权申诉 / 18
立即下载 加入VIP,免费下载
当前位置： 首页 > 物理 > 计算；推算；计数 > 长叶柄轴对称植物叶片中轴及其长度的图像检测方法.pdf

长叶柄轴对称植物叶片中轴及其长度的图像检测方法.pdf

  • 上传人：v****
  • 文档编号：6221194
  • 上传时间：2019-05-22
  • 格式：PDF
  • 页数：18
  • 大小：2.31MB
    • 摘要
    申请专利号：

    CN201310683599.9

    		 申请日：

    2013.12.13
    公开号：

    CN103632148A

    		 公开日：

    2014.03.12
    当前法律状态：

    授权

    		 有效性：

    有权
    法律详情：

    授权|||实质审查的生效IPC(主分类):G06K 9/00申请日:20131213|||公开
    IPC分类号：

    G06K9/00; G06F17/50

    		 主分类号：

    G06K9/00
    申请人：

    湖南大学
    发明人：

    郭斯羽; 周乐前; 王耀南; 温和; 滕召胜; 黎福海; 张翌; 孟志强; 刘波峰; 唐求; 唐璐
    地址：

    410082 湖南省长沙市岳麓区麓山南路1号
    优先权：

    专利代理机构：

    		代理人：

    PDF完整版下载： PDF下载
    内容摘要

    本发明公开了一种基于图像的长叶柄轴对称植物叶片中轴自动检测和叶片长度自动测量方法，用扫描仪采集包含叶柄的叶片图像；经阈值分割和形态学处理得到叶片区域；根据叶柄形状细长的特点检测叶柄区域，将其去除后获得叶面区域；提取叶片骨架，以与叶柄相邻的骨架点为中轴起点；用叶面骨架重构叶面区域，扩展和标记骨架，求取骨架单元间的邻接矩阵；由该邻接矩阵穷举所有由中轴起点到骨架端点的骨架路径；用等面积准则和最大曲率准则确定中轴；用折线拟合中轴，以拟合折线长度和扫描分辨率确定叶面长度。本发明能自动完成长叶柄轴对称叶片中轴检测并计算叶片长度，可提高测量准确度，减轻劳动强度，便于实现相关植物信息的自动管理分析。

    权利要求书

    权利要求书
    1.  一种基于图像的、针对具有较长叶柄的轴对称植物叶片的中轴检测及叶面长度测量的方法，包括以下步骤： 
    i.利用扫描仪采集所摘取的长叶柄轴对称叶片的图像I；记录扫描时的物理分辨率s，以点/英寸（dpi）为单位； 
    ii.对叶片图像I，利用固定阈值进行二值化，得到二值图像B；阈值通过实验方式获得； 
    iii.利用一个半径为 

    的圆盘形结构元素对B进行数学形态学开运算，得到二值图像Bopen； 
    iv.对Bopen利用现有标准的孔洞填充方法填充叶片区域中的孔洞，然后利用现有标准的连通域标记算法找出填充了孔洞的二值图像中的各个8-连通区域，保留其中面积最大者作为叶片区域，由此得到叶片的二值图像L； 
    v.利用现有标准的骨架化方法提取叶片L的骨架Kfull； 
    vi.在叶片图像L中提取出叶柄区域P与叶面区域F； 
    vii.利用叶面区域F和完整叶片骨架Kfull的与操作获得叶面的骨架K；在K中找到一个骨架点（即白色点）proot=(xroot,yroot),K(xroot,yroot)=1，使得在proot的8邻域位置上至少存在一个P中的白色点；如果有多个这样的K中的骨架点，则取所遇到的第一个点作为proot； 
    viii.计算K的m-邻居数映射图Nm，m-邻居数映射图Nm定义为 

    ix.根据Nm对叶面骨架K进行标记，得到骨架标记图MK以及骨架单元的邻接矩阵AK； 
    x.根据叶面骨架K进行叶面区域重构，得到重构叶面区域二值图像Frc，并且根据Nm进行叶面骨架的扩展，以使得骨架的端点都落在重构的叶面区域的边缘上，所得到扩展的叶面骨架标记图记为Mex； 
    xi.从Mex中读取proot点的标号lroot，然后根据邻接矩阵AK，从lroot所对应的行开始，根据现有标准的深度优先树搜索算法进行搜索，穷举所有由叶面扩展骨架中lroot对应的骨架单元出发、到某一其他骨架端点为止的骨架路径；穷举得到的骨架路径的集合记为C； 
    xii.根据等面积准则和最大曲率准则，从C中选择一条路径amed，该路径即为检测得到的叶面中轴； 
    xiii.给定拟合误差限εfit，利用现有标准的拆分折线拟合方法，得到amed的一条拟合折线； 
    xiv.计算出以像素计的拟合折线长度l，然后根据图像采集阶段记录的图像的物理分辨率s，按下式得到实际的叶面中轴长度即页面长度lw： 
    。

    2.  根据权利要求1所述的第i步中的叶片图像采集方法，其特征在于如下步骤： 
    a.对叶片进行一定的平整和清洁，然后利用扫描仪扫描叶片图像； 
    b.扫描时采用黑色不反光材料（如表面粗糙的黑色纸）作为扫描背景，扫描时应使用具有一定重量的物体压住叶片以保持其平整； 
    c.叶片如果存在明显的分支（如枫叶等），则扫描过程中不同分支的叶片部分不得发生重叠，以免人为造成叶片区域内的孔洞，改变叶片的形状； 
    d.扫描得到的图像保存为256灰度级的灰度图像； 
    e.记录下扫描时所采用的分辨率s，以点/英寸（dpi）为单位，如300dpi等。 

    3.  根据权利要求1所述的第vi步中的叶柄区域和叶面区域提取方法，其特征在于如下步骤： 
    a.利用现有的标准二值图像轮廓提取方法提取叶片图像L的反色图像Lrev的8-连通轮廓CL,rev； 
    b.利用半径为r的数字圆盘形结构元素Brp对CL,rev进行数学形态学的膨胀操作，得到CL,erode；r可如下确定：求出CL,rev中所有不同白色点对中两点之间的距离，然后找到这些距离中最大的一个，设为d；然后取 
    r=βd 
    式中，β是一个预设的常数，一般的取值可在0.01～0.05之间； 
    c.求出CL,erode和Lrev的或运算图像Lerode,rev，然后取Lerode,rev的反色图像Lerode，并用现有的标准二值图像轮廓提取方法提取Lerode的8-连通轮廓Cerode； 
    d.再次利用Brp对Cerode进行数学形态学的膨胀操作，然后求取结果图像和的Lerode或运算图像Lopen； 
    e.将Lopen和L进行异或运算，得到R1，然后利用现有标准的连通域标记算法找出R1中的各个连通区域，保留其中面积最大者作为叶柄区域P； 
    f.将P和L进行异或运算，得到R2，然后利用现有标准的连通域标记算法找出R2中的 各个连通区域，保留其中面积最大者作为叶面区域F。 

    4.  根据权利要求1所述的第ix步中的骨架标记和骨架单元邻接矩阵的获取方法，其特征在于： 
    a.利用m-邻接性来定义骨架K中不同骨架点之间的连通性，然后根据m-邻居映射图Nm将骨架点分为不同类型的连通单元或骨架单元：由Nm元素值等于1或2的骨架点组成的m-连通骨架部分称为骨架的分支，由Nm元素值不小于3的骨架点组成的m-连通骨架部分称为骨架的分叉块；利用图搜索的方法将K中的各个骨架单元进行标号，标号为由1开始的连续正整数； 
    b.考察各个骨架单元之间的m-邻接性来构造骨架单元的邻接矩阵AK；骨架单元之间的m-邻接性定义如下：如果对于两个骨架单元A和B，至少存在一个A中的点p和一个B中的点q，使得p和q为m-邻接，那么A和B这两个骨架单元便是m-邻接的。 

    5.  根据权利要求1所述的第x步中的叶面区域重构和骨架扩展方法，其特征在于： 
    a.利用距离变换找出未落在叶面区域边缘、需要进行扩展的骨架端点； 
    b.对每个需要进行扩展的骨架端点，找到它所对应的叶面区域边缘圆弧；如果有多条这样的圆弧，则取其中最长者； 
    c.找到圆弧和位于圆心处的骨架端点构成的角的角平分线与圆弧的交点，用直线段将骨架端点与该交点连接起来，即完成了骨架扩展；扩展的骨架部分与对应的骨架端点同属一个骨架单元。 

    6.  根据权利要求1所述的第xii步中的中轴检测方法，其特征在于： 
    a.对每条骨架路径a，利用a将叶面分裂为至少两个区域部分；找到这些区域中面积最大的两个，然后求出较小面积与较大面积的比值；该比值不低于某个用户给定的等面积阈值ta的话，则对应的路径a将作为中轴的候选者保留，否则直接排除；这一判断中轴的准则称为等面积准则； 
    b.对于候选中轴路径a，找到它的落在叶面区域边缘的终点，并计算该终点处的叶面区域边缘的曲率；在所有候选中轴路径中找到该曲率为最大者，即为所得到的叶面中轴amed；这一判断中轴的准则称为最大曲率准则。 

    说明书

    说明书长叶柄轴对称植物叶片中轴及其长度的图像检测方法
    技术领域
    本发明涉及农业生产与管理、生物学、生态学与生态管理等领域，具体是一种基于图像的长叶柄轴对称植物叶片的中轴检测及叶面长度测量方法。
    背景技术
    叶片是植物进行光合作用和蒸腾作用的主要器官，也是光合作用进行干物质积累的主要器官，它受水分、温度、光照等环境因子的影响显著，因此，叶片的形状参数如面积、形状、厚度、叶长、叶宽及叶形指数等，提供了评价植物环境因子效应的重要指标。其中叶片长度作为重要的形状参数，可以用于叶面积的估计与植物叶片的自动识别等任务之中。
    目前可见的叶片长度图像测量方法，基本都是计算叶片区域最小外接矩形的长边长度，或是以叶柄/叶面交界点出发到其他叶面边缘点之间距离中的最大者作为叶片长度的测量结果。不过当叶片存在一定的扭曲时，这样的结果与直观感受的叶片长度将有所出入，而更合适地做法则是利用叶片的对称轴或说中轴的长度来作为叶片长度的描述。此外，由叶片中轴本身还可导出更多的叶片形状特征，如沿中轴的宽度分布特征、叶片不同部分的面积所占的比重等等。
    因此，有必要找到一种基于图像处理的方法，能够自动地检测出轴对称叶片的中轴，计算出叶片长度，并能够提高叶片长度及其他相关叶片形状参数的测量准确度，减轻工作者的劳动强度，便于实现相关的植物信息的自动化管理和分析。
    发明内容
    本发明所要解决的技术问题是在现有的中轴检测方法（骨架化方法）的基础上，针对具有长叶柄和轴对称形状的植物叶片，提供一种全自动的叶片中轴检测和叶面长度测量的方法。
    为解决上述技术问题，本发明提出的解决方案为：利用扫描仪采集包含叶柄的叶片图像；经阈值分割和数学形态学处理得到叶片区域的二值图像；根据叶柄具有细长形状的特点，检测叶柄区域，然后去除叶柄区域后获得叶面区域的二值图像，并对叶片进行骨架提取后获得与叶柄部分相邻的叶面骨架点作为中轴的起点；利用叶面骨架进行叶面区域重构，并对骨架进行扩展和标记，求取骨架单元之间的邻接矩阵；利用该邻接矩阵，穷举出所有由中轴起点 到骨架端点的骨架路径；利用等面积准则和最大曲率准则确定中轴；最后用折线拟合中轴，并利用拟合折线的长度和扫描时的物理分辨率确定叶面长度。具体包括以下步骤：
    i.利用扫描仪采集所摘取的长叶柄轴对称叶片的图像I；
    ii.对叶片图像I进行二值化，得到二值图像B；通过实验的方式，针对所使用的具体的扫描背景，确定一个灰度阈值t，然后将灰度图像中灰度级不低于t的像素点置为1，即
    B(x,y)=1I(x,y)&GreaterEqual;t0I(x,y)<t---(1)]]>
    式中，1≤x≤N和1≤y≤M分别为图像中各像素点的列下标和行下标，N和M分别为图像的宽度和高度；
    iii.利用一个半径为

    的圆盘形结构元素Spre对B进行数学形态学开运算，得到二值图像Bopen，即
    Bopen=BoSpre （3）
    式中，o表示二值图像的数学形态学中开运算；
    iv.对Bopen利用现有标准的孔洞填充方法（可参考MATLAB 7.0的图像处理工具包中提供的bwfill函数的实现）填充叶片区域中的孔洞，然后利用现有标准的连通域标记算法（可参考MATLAB 7.0的图像处理工具包中提供的bwlabel函数的实现）找出填充了孔洞的二值图像中的各个8-连通区域，保留其中面积最大者作为叶片区域，由此得到叶片的二值图像L；
    v.利用现有标准的骨架化方法（可参考MATLAB 7.0的图像处理工具包中提供的bwmorph函数中’skel’子功能的实现）提取叶片L的骨架Kfull；
    vi.在叶片图像L中提取出叶柄区域P与叶面区域F；
    vii.利用叶面区域F和完整叶片骨架Kfull的与操作获得叶面的骨架K，即
    K(x,y)=F(x,y)AND Kfull(x,y),1≤x≤N,1≤y≤M （4）
    在K中找到一个骨架点（即白色点）proot=(xroot,yroot),K(xroot,yroot)=1，使得在proot的8邻域位置上至少存在一个P中的白色点，即
    &Exists;(x,y)&Element;N8(xroot,yroot),P(x,y)=1---(5)]]>
    式中，N8(x,y)表示点(x,y)的8邻域中的位置集合，定义如下
    N8(x,y)={(x+1,y),(x+1,y-1),(x,y-1),(x-1,y-1), （6）
    (x-1,y),(x-1,y+1),(x,y+1),(x+1,y+1)}
    如果有多个这样的K中的骨架点，则取所遇到的第一个点作为proot；
    viii.计算K的m-邻居数映射图Nm，m-邻居数映射图Nm定义为

    其中的m-邻接点按如下方式定义：如果将白色点p=(x,y)的8邻域位置(x+1,y)、(x+1,y-1)、(x,y-1)、(x-1,y-1)、(x-1,y)、(x-1,y+1)、(x,y+1)和(x+1,y+1)依次编号为位置0～7；如果某个白色点q落在了位置c=0、2、4或6上，则q是p的m-邻接点；如果某个白色点q落在了位置c=1、3、5或7上，并且在位置c-1和位置(c+1)mod 8上都没有白色点，则q也是p的m-邻接点，否则q就不是p的m-邻接点；
    ix.根据Nm对叶面骨架K进行标记，得到骨架标记图MK以及骨架单元的邻接矩阵AK；
    x.根据叶面骨架K进行叶面区域重构，得到重构叶面区域二值图像Frc，并且根据Nm进行叶面骨架的扩展，以使得骨架的端点都落在重构的叶面区域的边缘上，所得到扩展的叶面骨架标记图记为Mex；
    xi.从Mex中读取proot点的标号lroot，然后根据邻接矩阵AK，从lroot所对应的行开始，根据现有标准的深度优先树搜索算法进行搜索，穷举所有由叶面扩展骨架中lroot对应的骨架单元出发、到某一其他骨架端点为止的骨架路径；穷举得到的骨架路径的集合记为C；
    xii.根据等面积准则和最大曲率准则，从C中选择一条路径amed，该路径即为检测得到的叶面中轴；
    xiii.给定拟合误差限εfit，利用现有标准的拆分折线拟合方法（可参考“R.C.Gonzalez,R.E.Woods,著.阮秋琦，阮宇智，等译.数字图像处理（第二版）.北京:电子工业出版社,2004,pp.524-525”），得到amed的一条拟合折线；拟合误差限的取值一般对应于0.2～1.0mm的实际尺寸；
    xiv.计算出以像素计的拟合折线长度l，然后根据图像采集阶段记录的图像的物理分辨率s，按下式得到实际的叶面中轴长度即叶面长度lw：
    lw=2.54×ls(cm)---(8)]]>
    所述的叶片图像采集（第i步）具体包括以下步骤：
    （i.1）对叶片进行一定的平整和清洁，然后利用扫描仪扫描叶片图像；
    （i.2）扫描时采用黑色不反光材料（如表面粗糙的黑色纸）作为扫描背景，扫描时应使用具有一定重量的物体压住叶片以保持其平整；
    （i.3）叶片如果存在明显的分支（如枫叶等），则扫描过程中不同分支的叶片部分不得发生重叠，以免人为造成叶片区域内的孔洞，改变叶片的形状；
    （i.4）扫描得到的图像保存为256灰度级的灰度图像；
    （i.5）记录下扫描时所采用的分辨率s，以点/英寸（dpi）为单位，如300dpi等。
    所述的叶柄区域和叶面区域提取方法（第vi步）核心是利用等价于数学形态学开运算的一系列步骤来实现叶柄区域的检测，具体包括以下步骤：
    （vi.1）利用现有的标准二值图像轮廓提取方法（可参考MATLAB 7.0的图像处理工具包所提供的bwperim函数的实现）提取叶片图像L的反色图像Lrev的8-连通轮廓CL,rev；图像L的反色图像Lrev定义如下：
    Lrev(x,y)=0L(x,y)=11L(x,y)=0---(9)]]>
    （vi.2）利用半径为r的数字圆盘形结构元素Brp对CL,rev进行数学形态学的膨胀操作，得到CL,erode，即
    CL,erode=CL,rev⊕Brp （10）
    式中，⊕表示数学形态学膨胀操作；r的值应稍大于叶柄宽度的1/2，可如下确定：求出CL,rev中所有不同白色点对中两点之间的距离，然后找到这些距离中最大的一个，设为d；然后取
    r=βd （11）
    式中，β是一个预设的常数，一般的取值可在0.01～0.05之间；
    （vi.3）求出CL,erode和Lrev的或运算图像Lerode,rev，即
    Lerode,rev(x,y)=CL,erode(x,y)OR Lrev(x,y) （12）
    然后取Lerode,rev的反色图像Lerode，并用现有的标准二值图像轮廓提取方法提取Lerode的8-连通轮廓Cerode；
    （vi.4）再次利用Brp对Cerode进行数学形态学的膨胀操作，然后求取结果图像和的Lerode或运算图像Lopen；
    （vi.5）将Lopen和L进行异或运算，得到R1，即
    R1(x,y)=Lopen(x,y)XOR L(x,y) （13）
    然后利用现有标准的连通域标记算法找出R1中的各个连通区域，保留其中面积最大者作为叶柄区域P；
    （vi.6）将P和L进行异或运算，得到R2，然后利用现有标准的连通域标记算法找出R2中的各个连通区域，保留其中面积最大者作为叶面区域F。
    所述的骨架标记和骨架单元邻接矩阵的获取方法（第ix步）的实质在于利用m-邻接性来定义骨架K中不同骨架点之间的连通性和不同的骨架连通单元之间的邻接性。根据m-邻居映射图Nm可将骨架点分为不同类型的连通单元或骨架单元：由Nm元素值等于1或2的骨架点组成的m-连通骨架部分称为骨架的分支，由Nm元素值不小于3的骨架点组成的m-连通骨架部分称为骨架的分叉块。对于K中的各个骨架单元，利用图搜索的方法对其标上由1开始的连续正整数标号。骨架单元之间的m-邻接性定义如下：如果对于两个骨架单元A和B，至少存在一个A中的点p和一个B中的点q，使得p和q为m-邻接，那么A和B这两个骨架单元便是m-邻接的。根据骨架单元之间的邻接性，可以构造出K的各骨架单元的邻接矩阵AK。具体步骤如下：
    （ix.1）初始化一个与页面骨架的m-邻居数映射图Nm大小相同的整型矩阵MK作为骨架标记图，其中所有元素的值置为0；初始化一个堆栈Astk；初始化骨架单元标号i=0；
    （ix.2）先由上至下再由左至右地考察Nm中的各个元素值，直至遇到一个Nm元素值等于1的位置(x0,y0)，将(x0,y0)压入堆栈Astk；
    （ix.3）如果Astk不为空，则至（ix.4）；否则至（ix.11）；
    （ix.4）置i=i+1；弹出Astk的栈顶元素(xc,yc)；
    （ix.5）置MK(xc,yc)=i；
    （ix.6）若Nm(xc,yc)<3，至（ix.7）；否则至（ix.8）；
    （ix.7）搜索Nm中与(xc,yc)为m-邻接且元素值不等于0的点(xn,yn)；若Nm(xn,yn)<3且MK(xn,yn)=0，则置xc=xn，yc=yn，至（ix.5）；若Nm(xn,yn)≥3且MK(xn,yn)=0，则将(xn,yn)压入Astk，至（ix.3）；若未能找到这样的邻接点，则至（ix.3）；
    （ix.8）搜索Nm中所有与(xc,yc)为m-邻接且元素值不等于0的点(xj,yj)（1≤j≤nc，nc为(xc,yc)的上述邻接点的个数）；
    （ix.9）找到(xj,yj)（1≤j≤nc）中满足Nm(xj,yj)<3且MK(xj,yj)=0的点，并将它们压入Astk；
    （ix.10）找到(xj,yj)（1≤j≤nc）中满足Nm(xj,yj)≥3且MK(xj,yj)=0的第一个点(xn,yn)，置xc=xn，yc=yn，至（ix.5）；如果未能找到这样的点，则至（ix.3）；
    （ix.11）置nu=i；初始化一个大小为nu×nu的逻辑型矩阵AK作为骨架单元邻接矩阵，其中的元素均置0；
    （ix.12）令i=1；
    （ix.13）找到MK中所有元素值为i的点，找到所有这些点的m-邻接点(xk,yk)（1≤k≤nt，nt为所有这些邻接点的个数）；考察每个(xk,yk)，如果有MK(xk,yk)=j≠i，则置AK(i,j)=AK(j,i)=1；
    （ix.14）置i=i+1；如果i<nu，则至（ix.13）；否则结束。
    所述的叶面区域重构和骨架扩展方法（第x步）的基本目的是保证骨架的各端点（Nm值等于1的点）能够落在叶面区域的边缘上。基本思路是：利用距离变换找出未落在叶面区域边缘、需要进行扩展的骨架端点；对每个需要进行扩展的骨架端点，找到它所对应的叶面区域边缘圆弧，如果有多条这样的圆弧，则取其中最长者；找到圆弧和位于圆心处的骨架端点构成的角的角平分线与圆弧的交点，用直线段将骨架端点与该交点连接起来，即完成了骨架扩展，扩展的骨架部分与对应的骨架端点同属一个骨架单元。具体步骤如下：
    （x.1）利用现有的标准距离变换算法求取叶片区域L的反色图像Lrev的欧氏距离变换矩阵D；
    （x.2）初始化一个大小与叶面区域二值图像F相同的重构叶面二值图像Frc，其中的元素均置0；
    （x.3）对叶面骨架图像K中的每个骨架点(x,y)，找到所有到该骨架点的距离不超过D(x,y)的位置(xi,yi)（1≤i≤nd，nd为上述位置的个数），然后置Frc(xi,yi)=1；
    （x.4）对K中所有骨架点都进行了（x.3）中所述的处理之后，利用现有的标准二值区 域孔洞填充方法填充Frc中的孔洞，获得重构的叶面区域；
    （x.5）利用现有的标准二值区域轮廓提取方法，提取Frc的轮廓Crc；
    （x.6）找到Nm中所有元素值等于1的位置(xj,yj)（1≤j≤nf，nf为上述位置的个数）；
    （x.7）对每个位置(xj,yj)，如果则不进行扩展；否则在Crc中找到并保留所有满足
    |(x-xj)2+(y-yj)2-D(xj,yj)|≤2---(14)]]>
    的白色点(x,y)，由此得到保留下来的轮廓点二值图像Carc；
    （x.8）利用现有的标准连通域提取方法，找出Carc中所有的8-连通区域，并保留其中面积最大者，结果所得的二值图像为Cmajor_arc；
    （x.9）在Cmajor_arc中找到两个白色点，并且在它们各自的8-邻域中仅有一个其他的白色点；以这两点作为圆弧的端点，分别作它们至(xj,yj)的直线，由此获得一个角；然后找到这个角的角平分线与Cmajor_arc中白色区域的交点(xm,ym)；作(xj,yj)至(xm,ym)的数字化直线段，并在K中将这条直线段上的元素值设为1，在MK中将这条直线段上的元素值设为MK(xj,yj)；
    （x.10）对所有的(xj,yj)均进行（x.7）～（x.9）中所述的操作之后，令Mex=MK，即可得经过了扩展的骨架标记图Mex。
    所述的中轴检测方法（第xii步）的关键在于引入了等面积准则和最大曲率准则，用它们来确定穷举得到的骨架路径中的一条路径作为叶片中轴。对每条骨架路径a，利用a将叶面分裂为至少两个区域部分，找到这些区域中面积最大的两个，然后求出较小面积与较大面积的比值，该比值不低于某个用户给定的等面积阈值ta的话，则对应的路径a将作为中轴的候选者保留，否则直接排除，这一判断中轴的准则称为等面积准则；对于候选中轴路径a，找到它的落在叶面区域边缘的终点，并计算该终点处的叶面区域边缘的曲率（可参考“D.G.Lowe.Organization of smooth image curves at multiple scales.International Journal of Computer Vision,1989,vol.1,pp.119-130”），在所有候选中轴路径中找到该曲率为最大者，即为所得到的叶面中轴amed；这一判断中轴的准则称为最大曲率准则。具体步骤如下：
    （xii.1）初始化一个空的骨架路径集合Ca；
    （xii.2）对骨架路径集合C中的每条路径a，将Frc中落在a之上的所有元素值置0，得到分裂的叶面二值图像Fsplit；
    （xii.3）利用现有的标准连通域提取方法，找到Fsplit中的所有4-连通区域，并找到这些 区域中面积最大的两个，设它们的面积分别为A1和A2，且A1≥A2；
    （xii.4）计算等面积准则函数值fa(a)如下：
    fa(a)=A2/A1 （15）
    如果对用户给定的等面积阈值ta≤1，有fa(a)≥ta，则将a加入Ca；ta的一般可在[0.8,0.95]区间中取值；
    （xii.5）如果C中还有路径未被考察，则至（xii.2）；否则至（xii.6）；
    （xii.6）对Ca中的每条路径a，利用现有的曲率计算方法，求取这条路径终点处的重建叶片Frc的边缘曲率κ(a)；然后根据最大边缘曲率准则确定中轴amed，即
    κ(amed)=maxa&Element;Ca{κ(a)}---(16)]]>
    综上所述，本发明所提供的方法，能够自动地在叶片的树形骨架中确定叶片中轴，并计算出中轴长度作为叶片长度，从而实现叶片中轴和长度的准确、自动检测。不过由于骨架化方法对区域边缘处的变化比较敏感，因此本发明所提供的方法适用于边缘较为完整、无害虫啃噬或采集不当而造成的缺口的长叶柄轴对称植物叶片。
    附图说明
    图1为本发明中所提方法的总体流程框图；
    图2为利用本发明中所提方法的步骤i采集得到的实施例植物叶片图像；
    图3为利用本发明中所提方法的步骤ii～iv分割得到的实施例叶片区域二值图像；
    图4为利用本发明中所提方法步骤v所得的实施例叶片区域骨架图像；
    图5为图4中所述的叶片区域骨架与图3中所述的叶片区域叠加而得的图像；
    图6为本发明中所提方法步骤vi中叶柄和叶面区域提取方法的流程框图；
    图7为利用本发明中所提方法步骤vi提取得到的实施例叶片的叶柄区域二值图像；
    图8为利用本发明中所提方法步骤vi提取得到的实施例叶片的叶面区域二值图像；
    图9为利用本发明中所提方法步骤vii提取得到的实施例叶片的叶面区域骨架和图8中所述叶面区域叠加而得的图像；
    图10为利用本发明中所提方法步骤viii～x所得的重构叶面区域二值图像；
    图11为利用本发明中所提方法步骤viii～x所得的扩展叶面骨架和图10中所述重构叶面 区域叠加而得的图像；
    图12为利用本发明中所提方法步骤xi～xii所得的叶片中轴和重构叶面区域叠加而得的图像。
    具体实施方式
    以下将结合附图和具体实施例对本发明做进一步详细说明。
    本发明所提方法的总体流程框图如图1所示。
    如图2所示是根据本发明所提方法的步骤i采集得到的实施例植物叶片图像。扫描时采用的物理分辨率为s=300dpi。将实施例图像在计算机中读入MATLAB 7.0，并采用灰度值96作为分割阈值，并使用半径rpre=3像素的圆盘形结构元素，按本发明所提方法的步骤ii～iv进行阈值分割和后处理后得到的叶片区域图像如图3所示。利用MATLAB 7.0图像处理工具包所提供的bwmorph函数进行本发明所提方法的步骤v中的叶片区域骨架化，得到的叶片区域骨架如图4所示，骨架叠加在叶片区域上的效果如图5所示。
    如图6所示是本发明所提方法的步骤vi中叶柄和叶面区域提取方法的流程框图。利用这一步骤在实施例图像上得到的叶柄区域二值图像和叶面区域二值图像分别如图7和图8所示，其中所使用的圆盘形结构元素的半径为25像素。
    如图9所示是利用本发明所提方法的步骤vii获得的叶面区域骨架和叶面区域的叠加图像。
    如图10所示是利用本发明所提方法的步骤viii～x进行叶面骨架的m-邻居数映射计算、叶面骨架标记、叶面区域重构和叶面骨架扩展后所得的重构叶面区域二值图像，扩展后所得的骨架和重构叶面区域的叠加图像如图11所示。
    如图12所示是利用本发明所提方法的步骤xi～xii检测得到的实施例叶片的中轴和重构叶面区域的叠加图像，其中等面积函数值的阈值ta=0.85。
    根据本发明所提方法的步骤xiii～xiv，利用εfit=6像素（对应于0.51mm的实际尺寸）的误差限对所提取的中轴进行折线拟合后，利用计算得到的折线像素长度和式（8）换算得到的叶片长度为111.0mm，而由专家人工测得的叶片长度为117.4mm。以专家测量结果为约定真值，本发明所提方法的相对测量误差为5.43%。
    作为对比，还利用“汤晓东，刘满华，赵辉，等.复杂背景下的大豆叶片识别.电子测量与仪器学报,2010,vol.24,no.4,pp.385-390”中的方法（记为MER-D法）和“苑玮琦，胡迪.利用矩实现植物叶片长宽的测量.计算机工程与应用,2013,vol.49,no.16,pp.188-191,231”中的方法（记为MER-M法）对实施例叶片进行了长度测量。MER-D法的测量结果为97.9mm，相对测量误差为16.61%；MER-M法的测量结果为97.1mm，相对测量误差为17.26%。
    可见在本实施例中，本发明所提方法取得了更为准确的测量结果，并且实现了图像处理和计算过程的全自动运行。

    举报
    举报     版权申诉
    版权申诉     PDF格式文档无特别注明外均可编辑修改；预览文档经过压缩，下载后原文更清晰！ 立即下载
    关 键  词：
    叶柄 轴对称 植物 叶片 中轴 及其 长度 图像 检测 方法
      专利查询网所有文档均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。
    0条评论

    还可以输入200字符

    暂无评论，赶快抢占沙发吧。

    关于本文
    本文标题：长叶柄轴对称植物叶片中轴及其长度的图像检测方法.pdf
    链接地址：https://www.zhuanlichaxun.net/p-6221194.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    copyright@ 2017-2018 zhuanlichaxun.net网站版权所有
    经营许可证编号:粤ICP备2021068784号-1