基于图像处理的多株水稻穗长的测量方法.pdf

《基于图像处理的多株水稻穗长的测量方法.pdf》由会员分享，可在线阅读，更多相关《基于图像处理的多株水稻穗长的测量方法.pdf（15页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010420982.5 (22)申请日 2020.05.18 (71)申请人 浙江托普云农科技股份有限公司 地址 310015 浙江省杭州市拱墅区祥茂路 36号1-2楼 (72)发明人 朱旭华林乾毕 (74)专利代理机构 杭州橙知果专利代理事务所 (特殊普通合伙) 33261 代理人 李品 (51)Int.Cl. G06T 5/00(2006.01) G06T 5/30(2006.01) G06T 7/11(2017.01) G06T 7/136(2017.01) G01B。

2、 11/02(2006.01) (54)发明名称 基于图像处理的多株水稻穗长的测量方法 (57)摘要 本发明公开了一种基于图像处理的多株水 稻穗长的测量方法， 包括以下步骤： S1、 拍摄待测 水稻以获得水稻图， 图像记录为图jpg1； S2、 对图 jpg1进行图像几何校正处理， 获得图jpg2； S3、 对 图步骤S2获得的图jpg2进行光照补偿处理， 然后 利用大津法OTSU对图像进行二值化， 利用图像分 割技术将单株水稻从二值图中分割成两部分， 保 留含有水稻穗长的部分， 获得图jpg3； S4、 将图 jpg3进行形态学膨胀处理， 然后进行轮廓提取， 利用Zhang骨架快速并行细化算。

3、法计算， 将结果 图记录为图jpg4。 本发明将数字处理技术应用于 农业领域的自动水稻穗长测量， 取代了人工测量 和笨重的仪器分析， 节省了人力成本和设备成 本， 大幅的提高了工作效率。 权利要求书2页 说明书6页 附图6页 CN 111738936 A 2020.10.02 CN 111738936 A 1.一种基于图像处理的多株水稻穗长的测量方法， 其特征在于： 包括以下步骤： S1、 拍摄待测水稻以获得水稻图， 图像记录为图jpg1； S2、 对图jpg1进行图像几何校正处理， 获得图jpg2； S3、 对图步骤S2获得的图jpg2进行光照补偿处理， 然后利用大津法OTSU对图像进行二 。

4、值化， 利用图像分割技术将单株水稻从二值图中分割成两部分， 保留含有水稻穗长的部分， 获得图jpg3； S4、 将图jpg3进行形态学膨胀处理， 然后进行轮廓提取， 利用Zhang骨架快速并行细化 算法计算， 将结果图记录为图jpg4； S5、 获取步骤S4中的图jpg4， 计算骨架图中的最短路径图， 从最短路径图的最底部往上 每隔n个像素打一个点， 得到穗长路径点， 计算单株水稻的穗长； S6、 重复步骤S1-S5以计算图中的所有水稻的穗长， 最后显示保存。 2.根据权利要求1所述的基于图像处理的多株水稻穗长的测量方法， 其特征在于： 所述 步骤S1包括以下具体步骤： S1.1、 选取特定背。

5、景板， 并将水稻按要求放入背景板； S1.2、 对位于背景板上的水稻牌照取图， 图像记录为图jpg1， 并将图像传递给步骤S2。 3.根据权利要求1所述的基于图像处理的多株水稻穗长的测量方法， 其特征在于： 所述 步骤S2包括以下具体步骤： S2.1、 获取的步骤S1处理后的图jpg1， 并对图jpg1进行灰度化和滤波去噪处理； S2.2、 获取S2.1处理后的图jpg1， 利用霍夫圆检测算法对图像进行圆形检测， 记录下圆 心的位置； S2.3、 获取S2.2处理的圆心特征， 获取原图jpg1， 利用透视变化对图jpg1进行几何校 正， 其结果记录为图jpg2； 将图jpg2传递给步骤S3。 。

6、4.根据权利要求1所述的基于图像处理的多株水稻穗长的测量方法， 其特征在于： 所述 步骤S3包括以下具体的步骤： S3.1、 获取步骤S2处理后的图jpg2， 将彩色图输入光照补偿算法中， 将光照补偿之后的 图记录为图img31； S3.2、 获取S3.1处理后的结果图img31， 利用大津法OTSU全局阈值化方法对图像进行二 值化处理， 再删除面积很小的连通区域部分， 保留只剩水稻的二值图， 记录为图img32； S3.3、 获取S3.2处理后的图img32， 再单株水稻二值图分割为两部分， 留下水稻穗长的 那部分图记录为图jpg3； 将图jpg3传递给步骤S4。 5.根据权利要求1所述的基。

7、于图像处理的多株水稻穗长的测量方法， 其特征在于： 所述 步骤S4包括： S4.1、 获取步骤S3处理后的图jpg3， 对图jpg3进行一次的形态学膨胀处理之后再进行 一次的轮廓提取； 重复两次， 再重新画在新的二值图中， 记录为图img41； S4.2、 获取S4.1处理后的图img41， 利用Zhang骨架细化算法对图img41进行细化， 将结 果图记录为图jpg4， 将图jpg4传递给步骤S5。 6.根据权利要求1所述的基于图像处理的多株水稻穗长的测量方法， 其特征在于： 所述 步骤S5包括： S5.1、 获取步骤S4处理后的图jpg4， 计算图jpg4中从最底部到最上面的最短路径图， 。

8、将 权利要求书 1/2 页 2 CN 111738936 A 2 最短路径图记录为图img51； S5.2、 获取步骤S5.1处理后的图img51， 从最底部往上每隔n个像素打一个点， 得到穗长 的路径点， 最后将所有的点显示在图jpg1中， 其中所述n20； S5.3、 将单株水稻的所有的穗长的路径点计算两点之间的距离， 然后加起来得到单株 的水稻的穗长。 7.根据权利要求2所述的基于图像处理的多株水稻穗长的测量方法， 其特征在于： 所述 背景板的底色为黑色， 该背景板四角分别画有白色圆， 且所述背景板的上画有至少五条白 线； 水稻摆放在四个白色圆内， 并将水稻的穗颈节的位置放在白线上。 8。

9、.根据权利要求7所述的基于图像处理的多株水稻穗长的测量方法， 其特征在于： 所述 白色圆的直径为1.5-2.5cm； 所述白线的长为1.5-2.5cm， 宽为1.5-2.5mm。 9.根据权利要求7所述的基于图像处理的多株水稻穗长的测量方法， 其特征在于： 步骤 S2中所述几何校正处理包括： 图jpg2中四个点的位置是四个圆的圆心的位置， 变换后的四 个点的位置是原图像四个圆心的外接矩形的四个顶点。 权利要求书 2/2 页 3 CN 111738936 A 3 基于图像处理的多株水稻穗长的测量方法 技术领域 0001 本发明涉及计算机图像处理技术领域， 具体涉及一种基于图像处理的多株水稻穗 长。

10、的测量方法。 背景技术 0002 水稻穗的长度决定了它能容纳的谷粒数目， 从而决定水稻的产量。 因此， 水稻穗的 长度是水稻产量相关研究中作为评估的最重要参数之一； 穗长的定义是穗颈节至穗尖(不 连芒)的长度。 但是， 传统的测量穗长的方法仍然是人工来测量， 测量的时候， 要先将水稻拉 直， 然后再利用尺子测量， 由于人长时间的测量会出现疲劳， 导致测量的结果不准确， 而且 长时间的测量很慢， 耗费了大量的人力物力。 国外主要有德国的LemnaTec公司在自动测量 穗长方面做了一些工作， 但他们的方法中并未进行穗颈节的识别， 因此测得的并非传统意 义上的穗长， 国内做的比较好的有华中科技大学的。

11、刘谦教授在2013年研制的利用双相机成 像技术自动获取水稻穗长， 该系统由成像暗室、 日光灯管， 变焦CCD相机(一个长焦镜头， 一 个短焦镜头)组成， 设备十分的庞大， 操作不方便， 安装也不方便， 测量的效率也不是很高， 为了解决上述现有的技术的不足， 本发明专注于研究如何将图像处理技术更好的应用于水 稻的穗长测量中， 现在已经在安卓手机中得以应用， 手机拍照非常的方便， 只需要提供一个 特制的背景板就可以通过手机拍照识别水稻穗长， 一次可以处理5株水稻穗长， 一次处理5 株只需要3秒。 因此本方法简单、 易操作、 高效、 处理速度快， 解决了设备笨重， 成本高维护困 难等问题。 发明内容。

12、 0003 本发明为了克服现有技术的不足， 提供了一种基于图像处理的多株水稻穗长的测 量方法。 0004 为了实现上述目的， 本发明采用以下技术方案： 一种基于图像处理的多株水稻穗 长的测量方法， 包括以下步骤： 0005 S1、 拍摄待测水稻以获得水稻图， 图像记录为图jpg1； 0006 S2、 对图jpg1进行图像几何校正处理， 获得图jpg2； 0007 S3、 对步骤S2获得的图jpg2进行光照补偿处理， 然后利用大津法OTSU对图像进行 二值化， 利用图像分割技术将单株水稻从二值图中分割出来， 并将其分成两部分， 保留含有 水稻穗长的部分， 获得图jpg3； 0008 S4、 将图。

13、jpg3进行形态学膨胀处理， 然后进行轮廓提取， 利用Zhang骨架快速并行 细化算法计算， 将结果图记录为图jpg4； 0009 S5、 获取步骤S4中的图jpg4， 计算骨架图中的最短路径图， 从最短路径图的最底部 往上每隔n个像素打一个点， 得到穗长路径点， 计算单株水稻的穗长， 其中所述n20； 0010 S6、 重复步骤S1-S5以计算图中的所有水稻的穗长， 最后显示保存。 0011 本发明通过采用图像处理的方式对水稻进行拍照， 然后进行分析处理， 采用该方 说明书 1/6 页 4 CN 111738936 A 4 式可以节省工作人员手工操作的步骤， 直接采用手机处理即可， 其对水稻。

14、穗长进行测量更 加简便， 并且该处理方式下， 可以同时处理多株水稻， 其测量效率高。 0012 优选的， 所述步骤S1包括以下具体步骤： 0013 S1.1、 选取特定背景板， 并将水稻按要求放入背景板； 0014 S1.2、 对位于背景板上的水稻拍照取图， 图像记录为图jpg1， 并将图像传递给步骤 S2。 0015 优选的， 所述步骤S2包括以下具体步骤： 0016 S2.1、 获取步骤S1处理后的图jpg1， 并对图jpg1进行灰度化和滤波去噪处理； 0017 S2.2、 获取S2.1处理后的图jpg1， 利用霍夫圆检测算法对图像进行圆形检测， 记录 下圆心的位置； 0018 S2.3、。

15、 获取S2.2处理的圆心位置， 获取原图jpg1， 利用透视变化对图jpg1进行几何 校正， 其结果记录为图jpg2； 将图jpg2传递给步骤S3。 0019 优选的， 所述步骤S3包括以下具体的步骤： 0020 S3.1、 获取步骤S2处理后的图jpg2， 将彩色图输入光照补偿算法中， 将光照补偿之 后的图记录为图img31； 0021 S3.2、 获取S3.1处理后的结果图img31， 利用大津法OTSU全局阈值化方法对图像进 行二值化处理， 再删除面积很小的连通区域部分， 保留只剩下水稻的二值图， 记录为图 img32； 0022 S3.3、 获取S3.2处理后的图img32， 再将单株。

16、水稻二值图分割为两部分， 留下水稻 穗长的那部分图记录为图jpg3； 将图jpg3传递给步骤S4。 0023 优选的， 所述步骤S4包括： 0024 S4.1、 获取步骤S3处理后的图jpg3， 对图jpg3进行一次的形态学膨胀处理之后再 进行一次的轮廓提取； 重复两次， 再重新画在新的二值图中， 记录为图img41； 0025 S4.2、 获取S4.1处理后的图img41， 利用Zhang骨架细化算法对图img41进行细化， 将结果图记录为图jpg4， 将图jpg4传递给步骤S5。 0026 优选的， 所述步骤S5包括： 0027 S5.1、 获取步骤S4处理后的图jpg4， 计算图jpg4。

17、中从最底部到最上面的最短路径 图， 将最短路径图记录为图img51； 0028 S5.2、 获取步骤S5.1处理后的图img51， 从最底部往上每隔n个像素打一个点， 得到 穗长的路径点， 最后将所有的点显示在图jpg2中， 其中所述n20； 0029 S5.3、 将单株水稻的所有的穗长的路径点计算两点之间的距离， 然后加起来得到 单株水稻的穗长。 0030 优选的， 所述背景板的底色为黑色， 该背景板四角分别画有白色圆， 且所述背景板 上画有至少五条白线； 水稻摆放在四个白色圆内， 并将水稻的穗颈节的位置放在白线上。 0031 优选的， 所述白色圆的直径为1.5-2.5cm； 所述白线的长为。

18、1.5-2.5cm， 宽为1.5- 2.5mm。 0032 优选的， 步骤S2中所述几何校正处理包括： 图jpg2中四个点的位置是四个圆的圆 心的位置， 透视变换后的四个点的位置是原图像四个圆心的外接矩形的四个顶点。 0033 综上所述， 本发明具有以下优点： 说明书 2/6 页 5 CN 111738936 A 5 0034 1)可以对水稻的穗长进行便捷、 高效、 准确的测量。 克服了传统的笨重、 效率低、 误 差大、 维护困难等问题。 将图像处理技术更好的应用于农业信息化当中， 为水稻穗长的测量 提供了有力的技术支持。 0035 2)将数字图像处理技术应用于农业领域的自动水稻穗长测量， 取。

19、代了人工测量和 笨重的仪器分析， 节省了人力成本和设备成本， 大幅的提高了工作效率； 0036 3)目前基于图像处理的水稻穗长测量的设备十分庞大， 价格昂贵， 安装复杂， 操作 不方便， 而且一次只能测量一株水稻穗长， 本发明只需要一个手机加一个特制的背景板就 可以一次测量最多5株水稻穗长， 达到了准确度高， 稳定性强， 高效等优点； 0037 4)本发明可在安卓手机上进行应用， 手机携带性和拍照的方便性， 和背景板携带 的便携性， 提高了该方法的测量便携性； 一次可以最多分析5株水稻穗长， 测量的效率高。 附图说明 0038 图1算法处理流程图， 图中展示了图像的处理过程中的五个模块和各个模。

20、块的处 理结构； 0039 图2安卓手机相机获取的水稻图， 图中展示了背景板， 四个圆的位置， 水稻摆放位 置要求等。 0040 图3几何校正后的图， 此图与图2对比， 由于拍照角度偏差等使图2产生畸变， 此图 为几何校正后的图； 0041 图4单株二值水稻分割图， 按照水稻穗颈节的位置将水稻分割成两部分， 图4保留 的是水稻穗长的部分； 0042 图5骨架细化图， 图中展示了水稻穗长部分二值图的骨架细化后的图； 0043 图6android上展示结果图， 将每一株水稻的路径点打出显示在图3中， 显示了在 android上的应用效果； 0044 图7为将点打在原图中的效果图。 具体实施方式 0。

21、045 为了使本技术领域的人员更好的理解本发明方案， 下面将结合本发明实施例， 对 本发明实施例中的技术方案进行清楚、 完整的描述。 0046 一种基于图像处理的多株水稻穗长的测量方法， 其对多株水稻穗长图像的处理主 要分成五个模块， 第一个模块是图像获取模块， 主要内容是图像获取方式； 第二个模块是图 像的几何校正模块， 主要分为灰度化、 滤波去噪、 圆形检测、 透视变化等方法； 第三个模块是 水稻分割模块， 主要是将彩色图像进行光照补偿处理之后， 利用大津法OTSU对图像进行二 值化， 利用图像分割技术将单株水稻从二值图中分割出来， 最后从白线的位置将单株水稻 二值图分割成两部分； 第四模。

22、块是骨架细化模块， 主要是先将水稻穗长部分的二值图进行 一次的形态学膨胀处理再进行一次的轮廓提取， 重复两次操作之后将其利用Zhang骨架快 速并行细化算法细化； 第五模块是计算穗长模块， 主要是计算骨架图的最短路径图， 然后每 隔20个像素打一个点， 得到穗长路径点， 最后计算水稻穗长参数； 下面对这五部分进行详细 描述。 0047 (一)获取水稻图像 说明书 3/6 页 6 CN 111738936 A 6 0048 获取水稻图像为模块S1， 获取的图像记录为图jpg1， 其参见图2。 0049 下面对获取水稻图像模块进行详细的描述： 0050 S1.1、 选取特定背景板， 并将水稻按要求。

23、放入背景板； 0051 1)背景板要求： 背景板底色是黑色， 四角分布四个直径为2cm的白色圆； 0052 2)水稻摆放要求： 水稻的穗颈节放在白线上， 并且不要超出圆的范围； 0053 S1.2、 利用手机相机进行拍照取图， 图像记录为图jpg1， 并将图像传递给下一步 S2。 0054 拍照要求： 可以用Android手机进行拍照， 像素大于800万最佳， 取图时要将背景板 的四个圆拍进去， 并且不要超出背景板范围， 照片要清晰， 图像均为彩图。 0055 (二)图像几何校正 0056 图像几何校正为模块S2， 获取S1处理结果图jpg1， 主要分为图像预处理， 圆形检 测、 透视变化等方。

24、法对图像进行处理， 图像几何校正后的图像记录为图jpg2， 其参见图3。 0057 下面对图像几何校正进行详细描述， 如下： 0058 S2.1、 获取S1处理后的图jpg1， 对其进行预处理， 主要包括灰度化和滤波去噪处 理， 其处理后的结果图记录为图img21； 0059 1)灰度化转化公式为： 0060 Gray(x,y)0.299R(x,y)+0.587G(x,y)+0.114B(x,y) (1) 0061 2)滤波去噪； 采用33的高斯滤波， 滤波一次。 0062 S2.2、 获取S2.1处理后的图img21， 利用霍夫圆检测算法对图像进行圆形检测， 记 录下圆心的位置； 0063 。

25、1)圆形检测： 利用Hough圆检测算法对圆进行检测， 检测时圆的半径大小控制在 44-57像素范围内， 圆心之间最小距离为600像素， 这一步会检测出包括四周的四个圆之外 的其他圆， 需要进一步的筛选； 0064 2)圆形筛选： 利用圆心到图像的四个角的距离， 例如： 左上角第一个圆心到左边界 的距离是262个像素， 到上边界个333像素， 再一次的判断筛选圆， 这样过滤之后就剩下我们 需要的四个圆形。 0065 S2.3、 获取S2.2处理的四个圆心位置， 获取图jpg1， 利用透视变化对图jpg1进行几 何校正， 其结果记录为图img23， 同时记录下校正后的四个圆心位置； 0066 1。

26、)透视变换： 透视变换是根据变换前图像中四个圆的圆心位置与变换后的四个圆 的圆心的位置对应关系进行全图映射的， 我们只需要给出原图中四个圆的圆心位置和变换 后的四个点的位置， 利用此方法就可以对整幅图进行几何校正。 将校正后的图记录为图 jpg2， 将图jpg2传递给下一步S3； 0067 2)原图中四个点的位置是四个圆的圆心的位置， 变换后的四个点的位置是原图像 四个圆心的外接矩形的四个顶点； 0068 (三)水稻分割 0069 水稻分割为模块S3， 获取S2的处理结果图jpg2， 利用光照补偿算法调整图像的亮 度的分布， 利用大津法OTSU对图像进行二值化， 利用图像分割技术将水稻图中的第。

27、一株水 稻从二值图中分割出来， 最后从白线的位置将单株水稻二值图分割成两部分， 保留水稻穗 长的部分记录为图jpg3， 其参见图4。 说明书 4/6 页 7 CN 111738936 A 7 0070 水稻分割详细步骤如下： 0071 S3.1、 获取S2的处理结果图jpg2， 利用光照补偿算法对明暗不均的图jpg2进行亮 度调整， 其结果记录为图img31； 0072 其主要思路为： 0073 1)求取源图I的平均灰度， 并记录rows和cols； 0074 2)按照一定大小， 分为NM个方块， 求出每块的平均值， 得到子块的亮度矩阵D； 0075 3)用矩阵D的每个元素减去源图的平均灰度，。

28、 得到子块的亮度差值矩阵E； 0076 4)用双立方差值法， 将矩阵E差值成与源图一样大小的亮度分布矩阵R； 0077 5)得到矫正后的图像resultI-R； 0078 S3.2、 获取S3.1处理后的图img31， 利用大津法OTSU对图像进行二值化， 利用图像 分割技术将单株水稻从二值图中分割出来， 将分割出来的水稻图记录为图jpg3， 将图jpg3 传递给S4； 0079 1)大津法OTSU全局二值化： 首先任意选取一个灰度值t， 则可以将这个图中的亮度 直方图分成前后两部分。 我们称这两部分分别为A和B。 对应的就是前景色和背景色。 这两部 分各自的平均值记为MA和MB。 A部分里的。

29、像素数占总像素数的比例记作PA， B部分里的像素 数占总像素数的比例记作PB。 0080 那么otsu算法可以用下面的公式计算： 0081 PAPB(PAPB)2 (2) 0082 2)分割出每一株水稻二值图： 提取出每一株水稻的外接矩形， 然后切割出来； 0083 (四)骨架细化 0084 骨架细化为模块S4， 获取S3的处理结果图jpg3， 先将图jpg3进行一次形态学膨胀 处理再进行一次的轮廓提取， 重复两次操作之后将其利用Zhang骨架快速并行细化算法细 化， 将细化之后骨架图记录为图jpg4， 其参见图5。 0085 骨架细化的具体步骤： 0086 S4.1、 获取S3处理之后的图j。

30、pg3， 进行一次的33形态学膨胀再进行一次的轮廓 提取， 重复两次， 再重新画在另一张二值图中， 将结果记录为图img41； 0087 S4.2、 获取S4.1处理后的图img41， 利用Zhang骨架快速并行细化算法细化， 将结果 记录为图jpg4， 将图jpg4传递给S5。 0088 Zhang骨架快速并行细化算法细化步骤如下： 0089 参见图6， P1为中心的8邻域图， P2-P9代表与P1相邻的8个像素点。 0090 1)删除同时满足下列条件的边界点： 0091 2N(P1)6 (3) 0092 S(P1)1 (4) 0093 P2P4P60 (5) 0094 P4P6P80 (6。

31、) 0095 其中： N(P1)是P1的非邻点的个数， S(P1)是以P2， P3， .， P9， P2为序时这些点的值 从0到1变化的次数。 0096 2)删除同时满足下列条件的边界点： 0097 2N(P1)6 (7) 说明书 5/6 页 8 CN 111738936 A 8 0098 S(P1)1 (8) 0099 P2P4P80 (9) 0100 P2P6P80 (10) 0101 以上两步操作构成一次迭代， 直至没有点再满足标记条件， 这时剩下的点组成区 域就是细化后的骨架。 将结果记录为图jpg4， 将图jpg4传递给S5。 0102 (五)计算穗长 0103 计算穗长为模块S5，。

32、 获取S4的处理结果图jpg4， 计算骨架图中的最短路径图， 从最 短路径图的最底部往上每隔20个像素打一个点， 得到穗长路径点， 再计算单株水稻的穗长， 再循环操作计算图中的所有水稻的穗长， 最后显示保存。 0104 S5.1、 获取S4处理之后的图jpg4， 计算骨架图中的最短路径图， 将结果记录为图 img51； 0105 1) 骨架最短路径 ： 利用数据结构中的图中的最短路径算法 ： 迪杰斯特拉 (Dijkstra)算法对骨架图中的求的骨架的最短路径图。 0106 2)计算穗长： 从最短路径图中的最底部往上每隔20个像素打一个点， 计算两两点 之间的距离， 再将所有距离求和就是单株水稻。

33、的穗长， 最后循环计算每株水稻的穗长和路 径点， 将点打在jpg2中， 保留结果见图7。 0107 显然， 所描述的实施例仅仅是本发明的一部分实施例， 而不是全部的实施例。 基于 本发明中的实施例， 本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例， 都应当属于本发明保护的范围。 说明书 6/6 页 9 CN 111738936 A 9 图1 说明书附图 1/6 页 10 CN 111738936 A 10 图2 图3 说明书附图 2/6 页 11 CN 111738936 A 11 图4 说明书附图 3/6 页 12 CN 111738936 A 12 图5 说明书附图 4/6 页 13 CN 111738936 A 13 图6 说明书附图 5/6 页 14 CN 111738936 A 14 图7 说明书附图 6/6 页 15 CN 111738936 A 15 。