一种麦苗计数方法技术

本发明专利技术公开了一种麦苗计数方法，包含步骤：麦苗图像获取：在麦苗一叶期垂直获取麦苗图像；麦苗骨架提取：利用颜色特征提取麦苗图像中的麦苗，并且提取麦苗区域二值图像的骨架；麦苗骨架分析：利用Harris角点检测算法检测骨架的角点，利用Freeman链码将麦苗图像骨架简化成一条线段，利用角点检测算法和闭合区域检测算法分别检测骨架的角点数NCP和闭合多边形的封闭环数NCR；麦苗计算：利用公式NS=NCP-NCR+1计算出麦苗数NS。本发明专利技术省工省时，解决了麦苗形态差异大、姿态各异、重叠粘合难以计数的问题。

【技术实现步骤摘要】

本专利技术设及一种计数方法，特别是。
技术介绍
小麦的产量和品质除受到遗传因素影响外，还受到环境因素和栽培措施的影响。 在栽培措施中，种植密度和氮素营养对小麦的影响最为突出。Spink研究认为，小麦的播种 密度显著影响其后期产量，刘萍等研究认为种植密度同样影响着小麦巧粒的品质。由前人 的研究可W看出，基本苗数对于小麦的生长起到至关重要的作用，它是决定如何设计小麦 后期栽培措施的主要依据。因此，及时准确的获取田间麦苗数量对于指导生产具有积极意 义。目前苗数的获取多通过人工调查取样的办法进行，该方法对人力依赖性大，且调查准确 率可控性差。测量结果受到人为主观因素的影响，测量速度慢，并且大面积的测量需要投入 大量的人力。 另一方面，计算机图像处理技术在植物生产中已经发挥了积极的作用。研究内容 包括基于图像处理技术的植物营养状态诊断，病虫草害监测，W及一些指标的测量。利用图 像处理技术获取目标物的数量信息能够将人从繁重，长时间，重复的工作中解放出来而逐 渐被各个领域重视起来。在植物生产中，规则目标物的计数在实现上具有较高的可行性，如 作物巧粒的计数，果实产量的计算，叶片的提取与分割，害虫个数的计算，运些研究均为目 标物的计数设计了只能话的方法。纵观前任研究不难发现，目标智能计数的难点在于分割， 将目标从背景中分割出来是计数的基础，将粘连在一起的目标物分割开来是准确计数的关 键。粘连目标的分割自然成为研究者关注的重点，前人提出了诸如分水岭分割，链码分割， 凸点匹配分割和等高线分割等一系列算法，运些算法在相应目标的分割上取得了不错的效 果，但却很难移植到其他目标上。 基于图像处理技术的麦苗的计数需要解决几个问题，首先，麦苗不像作物巧粒和 果实那样具有一定的规则，在分割时很难得到粘连目标的共性，且不同品种麦苗之间存在 差异;其次，麦苗在图像中呈现的姿态各异，加大了麦苗分割的难度;再次，当播种密度较大 时，粘连情况较为严重。
技术实现思路
[000引本专利技术所要解决的技术问题是提供，它解决了麦苗形态差异 大、姿态各异及粘连造成的难W通过图像处理技术识别的问题。为解决上述技术问题，本专利技术所采用的技术方案是： ，其特征在于包含W下步骤： A、 麦苗图像获取:在麦苗一叶期垂直获取麦苗图像； B、 麦苗骨架提取:利用颜色特征提取麦苗图像中的麦苗，并且提取麦苗区域二值图像 的骨架； C、 麦苗骨架分析:利用化rr i S角点检测算法检测骨架的角点，利用化eeman链码将麦苗 图像骨架简化成一条线段，利用角点检测算法和闭合区域检测算法分别检测骨架的角点数 NCP和闭合多边形的封闭环数NCR; D、麦苗计算:利用公式NS=NCP-NCR+1计算出麦苗数NS。进一步地，所述麦苗图像的获取通过数码相机垂直向下获取。[000引步地，腑龙利用颜色特征提取麦苗劇象包含，利用公?!计算得到麦苗图像的超绿值的灰度图像，并对灰度图像进行二值化处理，再进行滤波图像 处理后最后提取出麦苗图像。 进一步地，所述化rris角点检测算法检测骨架的角点并判断角点类型，在检测到 的化rris角点中，像素点A和B运种8个方向仅有一个像素点即标记为骨架端点，像素点C和D 运种8个方向有3个或4个像素点的即标记为骨架拐点。 进一步地，所述Freeman链码将麦苗图像骨架简化成一条线段过程为，骨架端点和 拐点两两连接成若干个线段，定义线段中每个像素链码的平均值为该线段的方向值，当某 一线段延长线方向上存在线段，并且两个线段的方向值的差值介于(〇，1)或(4,5)，则两个 线段合并成一个线段并继续进行寻找，当有未进行合并的线段则继续画出该线段。 本专利技术与现有技术相比，具有W下优点和效果:本专利技术利用计算机图像方法计算 大田环境下的麦苗个数，相比传统人工调查法省工省时，同时麦苗个数测定的准确率不受 人为因素的影响;利用数码相机或普通成像设备进行图像获取，投入成本小;通过将麦苗图 像进行骨架化处理，并且通过化rris角点检测算法和Freeman链码算法相结合的方式，解决 了麦苗形态差异大、姿态各异、粘连情况下普通图像处理难W识别计数的问题。【附图说明】 图1是本专利技术的麦苗骨架提取流程示意图。[001引图視本专利技术的化rris角点检现峰法判断角点类型原理图。 图3是本专利技术的麦苗骨架链码示意图。【具体实施方式】 下面结合附图并通过实施例对本专利技术作进一步的详细说明，W下实施例是对本发 明的解释而本专利技术并不局限于W下实施例。 如图所示，本专利技术的，包含W下步骤： A、麦苗图像获取:在麦苗一叶期，利用普通数码相机或图像获取设备垂直获取麦苗图 像。 B、麦苗骨架提取:如图1所示，麦苗的超绿值明显高于图像的其他部分，可用于进 行大田环境下麦苗的提取。利用公??计算得到麦 苗图像的超绿值的灰度图像，并对灰度图像进行二值化处理，再进行滤波图像处理后最后 提取出麦苗图像从而获得麦苗的骨架图像。 C、麦苗骨架分析:麦苗计数的关键在重叠麦苗数量的计算，麦苗在图像中呈现的 姿态各异，重叠的方式也较为复杂，传统的粘连区域分割算法在麦苗重叠区域计数上效果 较差。通过对不同密度的麦苗图像进行分析发现:正常播种条件下，重叠区域麦苗数一般不 超过6个，通过重叠麦苗区域自身特征很难判断该区域的麦苗个数，但该区域骨架图像的角 点数相似。利用化rris角点检测算法检测骨架的角点，并利用图2所示方法判断角点类型： 在检测到的化rris角点中，像素点A和B运种8个方向仅有一个像素点即标记为骨架端点，像 素点C和D运种8个方向有3个或4个像素点的即标记为骨架拐点。利用Freeman链码将麦苗图 像骨架简化成一条线段，该部分的关键是利用链码匹配重叠区域麦苗的端点，如图3所示为 两种重叠形式麦苗骨架中每个像素点的链码，像素点A，B，C，D为骨架的端点，像素点M，N，P 为骨架的拐点，拐点将骨架分成若干个线段，拐点Μ，州尋骨架划分为线段AM，BN，DN，CM，MN, 定义线段中每个像素链码的平均值为该线段的方向值。若某一线段延长线方向上存在线 段，且两个线段的方向值的差值介于(〇，1)或（4,5)则两个线段合并成一个线段并继续寻 找，如图3中A图的BN方向值为6.429，BN延长线方向上的MC方向值为6.333，则BN与MC合并形 成线段BC，同理AM与MN合并形成ΑΝ,ΑΝ在与ND合并形成AD;若存在未进行合并的线段如图3 中Β图的线段ΜΡ，则继续画出该线段。按照上述方法重新构建后的重叠区域中每一个麦苗被 简化成一条直线，运些直线交叉会形成拐点，也会形成闭多边形，形成新的麦苗骨架。利用 角点检测算法和闭合区域检测算法分别检测骨架的角点数NCP和闭合多边形的封闭环数 NCR； D、麦苗计算:利用公式NS=NCP-NCR+1计算出麦苗数NS。本说明书中所描述的W上内容仅仅是对本专利技术所作的举例说明。本专利技术所属技术 领域的技术人员可W对所描述的具体实施例做各种修改或补充或采用类似的方式替代，只 要不偏离本专利技术说明书的内容或者超越本权利要求书所定义的范围，均应属于本专利技术的保 护范围。【主权项】1. ，其特征在于包含以下步骤： 麦苗图像获取:在麦苗一叶期垂直获取麦苗图像； 麦苗骨架提取:利用颜色特征提取麦苗图像中的麦本文档来自技高网...

【技术保护点】
一种麦苗计数方法，其特征在于包含以下步骤：麦苗图像获取：在麦苗一叶期垂直获取麦苗图像；麦苗骨架提取：利用颜色特征提取麦苗图像中的麦苗区域，并且提取麦苗区域二值图像的骨架；麦苗骨架分析：利用Harris角点检测算法检测骨架的角点，利用Freeman链码将麦苗图像骨架简化成一条线段，利用角点检测算法和闭合区域检测算法分别检测骨架的角点数NCP和闭合多边形的封闭环数NCR；麦苗计算：利用公式NS=NCP‑NCR+1计算出麦苗数NS。

【技术特征摘要】

【专利技术属性】
技术研发人员：孙成明，刘涛，武威，朱新开，郭文善，
申请(专利权)人：扬州大学，
类型：发明
国别省市：江苏;32