CN102915442B - 玉米果穗秃尖率获取方法 - Google Patents

Abstract

本发明公开了一种玉米果穗秃尖率获取方法，涉及图像处理技术领域，包括以下步骤：S1：按预定角度间隔采集玉米果穗表面360°图像，并对采集到的果穗图像序列进行预处理；S2：分别计算每幅果穗图像上各像素的颜色能量g₁和g₂，并按颜色能量将各像素划分为秃尖区域和籽粒区域；S3：计算秃尖区域面积与果穗图像面积的比值，获得玉米果穗的秃尖率。本发明的玉米果穗秃尖率获取方法根据玉米果穗秃尖部分与籽粒相互之间的颜色明暗变化，粗略提取果穗秃尖部分后，再进行果穗秃尖部分精确获取，本方法操作过程简单，自动化程度高，测量结果精确。

Description

玉米果穗秃尖率获取方法

技术领域

本发明涉及图像处理技术领域，特别涉及一种玉米果穗秃尖率获取方法。

背景技术

玉米果穗顶部不生长籽粒称为秃尖，玉米雌小花分化、吐丝及籽粒形成始于雌穗的中下部，由此处向上、向下同时进行，最后在顶部结束。在此过程中如遇不适的环境条件，如：高温干旱、肥料供应不足、阴雨天气等，顶部的小花或受精胚常发生败育，形成玉米果穗秃尖。玉米果穗秃尖率是品种抗逆性的一个重要指标，是新品种选育时所要参考的重要标准，是制定高产高效栽培措施时围绕的核心内容，能够简便、快速、准确测量玉米果穗秃尖率在栽培、育种、种质资源保存方面有重要意义。

目前测量玉米果穗秃尖率的方法主要依靠人工直尺测量方式，这种方式工作量较大、人为误差难以去除、准确性无法保证。随着相关领域技术的进步，已有一些自动化方法应用于玉米果穗考种。在国内外公开的专利中，专利101933417A公开了一种使用图像处理技术测量玉米果穗外在形态的装置，可以测量玉米果穗的穗长、穗粒数、穗行数、行粒数、秃尖率等指标，但其对秃尖率测量的具体方法并没有说明。杨锦忠等人在两篇文献中对玉米果穗若干性状的图像处理获取方法进行了初步的探讨和研究，其对秃尖率测量的具体方法也没有涉及。玉米果穗上籽粒颜色一般有黄、白、紫、红等几种，穗轴颜色一般有红、白、紫等几种颜色，籽粒与穗轴颜色的多种组合造成了果穗秃尖的复杂性，再加上果穗尖端形状的不规则，使得果穗秃尖率的图像处理检测方法难度很大。

发明内容

（一）要解决的技术问题

本发明要解决的技术问题是：如何高自动化、且精确地获取玉米果穗秃尖率。

（二）技术方案

为解决上述技术问题，本发明提供了一种玉米果穗秃尖率获取方法，包括以下步骤：

S2：分别计算每幅果穗图像上各像素的颜色能量g₁和g₂，并按颜色能量将各像素划分为秃尖区域和籽粒区域；

S3：计算秃尖区域面积与果穗图像面积的比值，获得玉米果穗的秃尖率。

其中，步骤S1中的所述预处理包括步骤：

对采集到的果穗图像进行背景差分，获得所述果穗图像中的玉米果穗部分；

对背景差分后的果穗图像进行连通域面积阈值滤波，去除残留的背景面积区域；

对面积阈值滤波后的果穗图像进行直方图均衡化调整图像亮度和对比度。

其中，所述步骤S2具体包括：

计算所述果穗图像上各个像素R、G和B通道的颜色能量值g₁和g₂，若g₁>0或者g₂>0，则该像素属于秃尖区域，当g₁≤0并且g₂≤0时，则该像素属于籽粒区域，g₁与g₂的计算公式为：

$g_1={\left(\frac{2R}{255}\right)}^2-{\left(\frac{B+G}{\log (1-\frac{G}{B+G})\×255}\right)}^2$

$g_2={\left(\frac{2B}{255}\right)}^2-{\left(\frac{R+G}{\log (1-\frac{G}{R+G})\×255}\right)}^2$

其中，R、G和B分别表示红色、绿色和蓝色通道的颜色值。

其中，所述步骤S3中计算果穗图像面积的方式为：获得果穗图像像素数量a_c，以通过果穗中轴平面上一棋盘格模板，计算所述果穗图像上单个像素的实际尺寸a_p，a_c×a_p即为果穗图像面积。

其中，所述步骤S2和步骤S3之间还包括：计算所述果穗图像的像素与秃尖区域像素的相似度函数，若所述果穗图像的像素与所述秃尖区域像素的相似度达到预定阈值，则将该果穗图像的像素归为秃尖区域。

其中，计算所述秃尖区域最大内接矩形内的像素颜色均值R_c，G_c，B_c和像素坐标均值X_c，Y_c；计算所述果穗图像的像素(R_i，G_i，B_i，X_i，Y_i)与像素(R_c，G_c，B_c，X_c，Y_c)的相似度函数值q，并与预先设置的阈值Q比较，若q≤Q，则该像素属于秃尖区域，若q>Q，则该像素属于籽粒区域，相似度函数值q的计算公式为：

$q={\mathrm{\αe}}^{{-f}_k}+(1-\mathrm{\α})e^{{-f}_d}$

$f_k=\sqrt{{\left(\frac{X_i-X_c}{W}\right)}^2+{\left(\frac{Y_i-Y_c}{H}\right)}^2}$

$f_d=\sqrt{{\left(\frac{R_i-R_c}{255}\right)}^2+{\left(\frac{G_i-G_c}{255}\right)}^2+{\left(\frac{B_i-B_c}{255}\right)}^2}$

其中，α为权重系数，取值0.25，W为图像宽度，取值1280，H为图像高度，取值1024，(R_i，G_i，B_i，X_i，Y_i)表示在坐标（X_i，Y_i）处且像素颜色值为R_i，G_i，B_i的像素i，e为自然常数。

其中，所述阈值Q取值为0.42。

其中，所述步骤S3具体包括：

计算每幅果穗图像中秃尖区域面积与该果穗图像面积的比值，得到每幅果穗图像的秃尖率；

对各幅果穗图像的秃尖率就均值得到整个玉米果穗的秃尖率。

其中，所述步骤S3之后还包括：根据秃尖率判断玉米果穗是否秃尖，若秃尖率小于0.01，则该玉米果穗不秃尖。

（三）有益效果

本发明的玉米果穗秃尖率获取方法根据玉米果穗秃尖部分与籽粒相互之间的颜色明暗变化，粗略提取果穗秃尖部分后，再进行果穗秃尖部分精确获取，本方法操作过程简单，自动化程度高，测量结果精确。

附图说明

图1是本发明实施例的一种玉米果穗秃尖率获取方法流程图；

图2是本发明玉米果穗秃尖率获取方法实施例中获取的一幅玉米果穗图像；

图3是本发明玉米果穗秃尖率获取方法实施例中获取的秃尖区域图像；

图4是本发明玉米果穗秃尖率获取方法实施例中对秃尖区域进一步求精后的图像。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本实施例的玉米果穗秃尖率获取方法流程如图1所示，包括：

步骤S100，按预定角度间隔采集玉米果穗表面360°图像，并对采集到的果穗图像序列进行预处理。

本实施例中采用基于立体视觉的玉米果穗外在形态记录与测量装置（申请号201120206478.1）来采集玉米果穗表面的图像。该装置可旋转玉米果穗获取360°序列图像，本实施例每隔20°拍摄一张玉米果穗图像，图像序列共包括18幅。图2所示为其中一幅玉米果穗图像，其中1区为籽粒区域，2区为秃尖区域。

对玉米果穗图像进行预处理包括以下三步。（1）去除果穗图像的背景，由于采集果穗图像时光源与背景相对固定，可采用背景差分法去除果穗图像背景，拍摄不放置果穗时的图像作为背景，再拍摄各个角度下的果穗图像作为前景，前景与背景图像对应像素做差，即可去除果穗图像中的背景。（2）受到光源、传感器噪声、图像压缩算法的干扰，上述步骤不能完全去除背景像素，在图像中会存留一下小面积背景区域，可采用面积阈值滤波的方法去除这些孤岛像素。（3）玉米果穗颜色呈现多样性，果穗表面光线反射特性不尽相同，果穗图像常出现部分区域过于明亮或者黑暗的现象，对果穗图像直方图进行均衡化处理，使果穗图像明暗分布均匀，便于后续处理方法开展。

步骤S200，计算果穗图像上各像素的颜色能量g₁和g₂，并按颜色能量将各像素划分为秃尖区域和籽粒区域。

绝大多数的玉米果穗中，籽粒与秃尖部分的颜色和纹理有较为明显的不同，秃尖部分一般分为亮色和暗色秃尖，在统计了大量秃尖与籽粒颜色数据的基础上，设计了颜色能量值函数g₁、g₂,用来区分果穗籽粒部分和明暗秃尖部分，对于果穗上某一像素R、G和B三通道颜色能量值，若g₁>0说明该像素属于暗色秃尖区域，若g₂>0说明该像素属于亮色秃尖区域，若g₁<=0并且g₂<=0则该像素属于籽粒区域。g₁与g₂的计算公式为：

$g_1={\left(\frac{2R}{255}\right)}^2-{\left(\frac{B+G}{\log (1-\frac{G}{B+G})\&times;255}\right)}^2$

$g_2={\left(\frac{2B}{255}\right)}^2-{\left(\frac{R+G}{\log (1-\frac{G}{R+G})\&times;255}\right)}^2$

其中，R为红色通道值，取值0~255，G为绿色通道值，取值0~255，B为蓝色通道值，取值0~255。

遍历果穗图像上所有像素，将秃尖区域置为黑色，籽粒区域置为白色，如图3所示。

步骤S300，计算秃尖区域面积与果穗图像面积的比值，获得秃尖率。在计算比值之前需要获取秃尖区域面积和果穗图像面积。玉米果穗图像面积由果穗像素数量a_c和图像像素大小a_p计算得到，图像获取过程中摄像机位置固定不动，果穗围绕中心轴自转。使用已知大小的标定模版，放置在果穗中轴平面上，镜头焦距8mm，到标定模板距离35cm，标定模板为边长2.8cm的棋盘格，图像分辨率1280×1024，计算得到每个像素的实际尺寸为：0.0256cm。本实施例中果穗图像轮廓所包含的像素数为：122572像素，果穗投影面积为：80.33cm²。秃尖区域的面积计算方法与果穗图像面积计算方法相同。

为了进一步提高秃尖率的精确度，步骤S200和S300之间还包括：计算所述果穗图像上果穗像素与秃尖区域像素的相似度函数，若所述果穗图像的像素与所述秃尖区域像素的相似度达到预定阈值，则将该果穗图像的像素划分为秃尖区域。

经过步骤S200通过计算果穗上像素的颜色能值，将果穗上像素划分为秃尖区域和籽粒区域，但得到的结果精确度不够，其划分的秃尖区域可能包含属于籽粒的像素，划分的籽粒区域可能包含秃尖像素。因此在步骤S200和步骤S300之间需要对粗略的秃尖区域进一步求精，增加秃尖像素删除籽粒像素。计算秃尖区域最大内接矩形（果穗秃尖核心部分）内的像素颜色均值R_c，G_c，B_c和像素坐标均值X_c，Y_c。计算果穗图像的像素(R_i，G_i，B_i，X_i，Y_i)与果穗秃尖核心部分像素(R_c，G_c，B_c，X_c，Y_c)相似度函数值q，并与预先设置的阈值Q比较，若q≤Q，则说明该像素属于果穗秃尖区域，若q>Q，则说明该像素属于果穗籽粒区域，相似度函数值q的计算公式为：

$q=\mathrm{\&alpha;}{e}^{{-f}_k}+(1-\mathrm{\&alpha;})e^{{-f}_d}$

$f_k=\sqrt{{\left(\frac{X_i-X_c}{W}\right)}^2+{\left(\frac{Y_i-Y_c}{H}\right)}^2}$

$f_d=\sqrt{{\left(\frac{R_i-R_c}{255}\right)}^2+{\left(\frac{G_i-G_c}{255}\right)}^2+{\left(\frac{B_i-B_c}{255}\right)}^2}$

其中α为权重系数，取值0.25，W为图像宽度，取值1280，H为图像高度，取值1024，(R_i，G_i，B_i，X_i，Y_i)表示在坐标（X_i，Y_i）处且像素颜色值为R_i，G_i，B_i的像素i，e为自然常数，阈值Q可根据实际情况设定，优选Q=0.42。求精后的秃尖区域如图4所示。

得到秃尖区域的面积和果穗图像面积后，得到秃尖率S_b=S_t/S_k，其中S_t为秃尖区域面积，S_k为果穗图像面积。

使用上述方法计算图像序列中每幅果穗图像的秃尖率后取均值可得到整个玉米果穗的秃尖率。

以下是采用上述方法进行的3次实验，实验1测量的是亮色秃尖，实验2测量暗色秃尖，实验3中测量果穗的秃尖面积较小。测量结果如表1。

表1玉米果穗秃尖率测量结果

实验	秃尖类型	利用本发明方法测量的玉米果穗秃尖率
			1	亮色秃尖	0.051
2	暗色秃尖	0.037
			3	小面积秃尖	0.009

当秃尖率<0.01时，可认为果穗不存在秃尖部分，果穗上籽粒发育正常。由以上实施例可以看出，采用本发明的测量方法，秃尖率测量过程自动化程度高，无需人为干预，测量速度快，单个果穗计算时间<1s，有效的解决了传统测量方法依赖测量人员经验，长时间测量易产生视觉疲劳等弊端。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (2)

1.一种玉米果穗秃尖率获取方法，其特征在于，包括以下步骤：

S1：按预定角度间隔采集玉米果穗表面360°图像，并对采集到的果穗图像序列进行预处理；

S2：分别计算每幅果穗图像上各像素的颜色能量g₁和g₂，并按颜色能量将各像素划分为秃尖区域和籽粒区域；

S3：计算秃尖区域面积与果穗图像面积的比值，获得玉米果穗的秃尖率；

其中，步骤S1中的所述预处理包括步骤：

对采集到的果穗图像进行背景差分，获得所述果穗图像中的玉米果穗部分；

对背景差分后的果穗图像进行连通域面积阈值滤波，去除残留的背景面积区域；

对连通域面积阈值滤波后的果穗图像进行直方图均衡化调整图像亮度和对比度；

所述步骤S2具体包括：

计算所述果穗图像上各个像素R、G和B通道的颜色能量值g₁和g₂，若g₁>0或者g₂>0，则该像素属于秃尖区域，当g₁≤0并且g₂≤0时，则该像素属于籽粒区域，g₁与g₂的计算公式为：

$g_1={\left(\frac{2R}{255}\right)}^2-{\left(\frac{B+G}{\log (1-\frac{G}{B+G})\&times;255}\right)}^2$

$g_2={\left(\frac{2B}{255}\right)}^2-{\left(\frac{R+G}{\log (1-\frac{G}{R+G})\&times;255}\right)}^2$

其中，R、G和B分别表示红色、绿色和蓝色通道的颜色值；

所述步骤S3中计算果穗图像面积的方式为：获得果穗图像像素数量a_c，以通过果穗中轴平面上一棋盘格模板，计算所述果穗图像上单个像素的实际尺寸a_p，a_c×a_p即为果穗图像面积；

所述步骤S2和步骤S3之间还包括：计算所述果穗图像的像素与秃尖区域像素的相似度函数，若所述果穗图像的像素与所述秃尖区域像素的相似度达到预定阈值，则将该果穗图像的像素归为秃尖区域；

计算所述秃尖区域最大内接矩形内的像素颜色均值R_c，G_c，B_c和像素坐标均值X_c，Y_c；计算所述果穗图像的像素(R_i，G_i，B_i，X_i，Y_i)与像素(R_c，G_c，B_c，X_c，Y_c)的相似度函数值q，并与预先设置的阈值Q比较，若q≤Q，则该像素属于秃尖区域，若q>Q，则该像素属于籽粒区域，相似度函数值q的计算公式为：

q＝αe^-fk+(1-α)e^-fd

$f_k=\sqrt{{\left(\frac{X_i-X_c}{W}\right)}^2+{\left(\frac{Y_i-Y_c}{H}\right)}^2}$

$f_d=\sqrt{{\left(\frac{R_i-R_c}{255}\right)}^2+{\left(\frac{G_i-G_c}{255}\right)}^2+{\left(\frac{B_i-B_c}{255}\right)}^2}$

其中，α为权重系数，取值0.25，W为图像宽度，取值1280，H为图像高度，取值1024，(R_i，G_i，B_i，X_i，Y_i)表示在坐标(X_i，Y_i)处且像素颜色值为R_i，G_i，B_i的像素i，e为自然常数；

所述步骤S3具体包括：

计算每幅果穗图像中秃尖区域面积与该果穗图像面积的比值，得到每幅果穗图像的秃尖率；

对各幅果穗图像的秃尖率就均值得到整个玉米果穗的秃尖率；

所述步骤S3之后还包括：根据秃尖率判断玉米果穗是否秃尖，若秃尖率小于0.01，则该玉米果穗不秃尖。

2.如权利要求1所述的玉米果穗秃尖率获取方法，其特征在于，所述阈值Q取值为0.42。