一种水稻叶脉图像提取方法和装置制造方法及图纸

本发明专利技术公开一种水稻叶脉图像提取方法和装置，包括：获取含有水稻叶片的图像，通过K均值聚类算法提取水稻叶片主体图像；对水稻叶片主体图像进行裁剪，得到含单一背景的水稻叶片图像，并对其进行灰度化处理；根据聚类均值判断法提取灰度化处理后水稻叶片图像中的叶脉图像，并根据Roberts算子进行边缘检测提取水稻叶片边缘的轮廓图像；根据得到的水稻叶脉图像及水稻叶片边缘图像判断水稻叶脉的偏向。通过本发明专利技术得到水稻的叶脉偏向，确定水稻叶片的叶龄精确度高，避免的用人眼识别，误差小，提高了效率，节省了人力物力，处理的结果可以应用于机器学习的样本，使得可以通过计算机技术来对水稻的生长进行智能的调控。

【技术实现步骤摘要】
一种水稻叶脉图像提取方法和装置
本专利技术涉及图像处理
更具体地，涉及一种水稻叶脉图像提取方法和装置。
技术介绍
伴随着农业智能设备及传感器、物联网的普遍应用，海量有价值的农业图像数据和农情信息得以采集存储，如何对这些数据特别是图像数据进行处理，从中发现提取新颖的农业知识模式，成为发掘项目效益和促进农业生产力发展的关键举措。寒地水稻叶龄诊断栽培技术开始逐渐推广应用，这项技术是基于水稻器官同伸理论、叶龄模式理论、群体质量理论在水稻生产上的具体应用而发展起来的水稻栽培技术。其技术特点是以所种植的水稻主茎叶片生长发育进程为依据，其直观性强，在水稻生育过程中便于掌握应用。对于寒地水稻智慧调控技术研究主要包括三方面：一是标准，在水稻生育的各个叶龄期，经过大量实验制定的生长发育和农事活动标准。二是“诊断”，借用医学上对人的精神和体质状态做出判断的术语。对水稻不同生育阶段的生长发育表现和素质做出判断，用来认识水稻个体和群体的状况，是水稻生育预测和调控的前提。本研究通过水稻叶片来进行叶龄诊断，可以帮助种植者进行比较和判断。三是调控，及时采取相适应的施肥、灌溉、植保等措施进行调控，促使水稻沿着优质高产的轨迹发展。在已有的水稻叶龄检测技术应用中，目前尚未有针对水稻叶片进行自动识别叶龄的技术。在进行常规的叶龄诊断方法中，常用的叶龄判断方法有三种，包括:点计叶龄法、种谷偏向法、叶脉偏向法。其中点计叶龄法的特点是：准确、快速、全生育期应用。但是必须在田间对水稻植株进行红点跟踪，在我们所获取的水稻叶片图像上没有相应的红点，因此这种方法不可取。种谷偏向法，这种方法适用于水稻前期——4、5、6叶时的叶龄快速识别。叶脉偏向法，这种方法用于水稻6、7、8、9叶时的叶龄快速识别。后两种方法的特点是：快速简单，但是有误差，需要调查10株以上，以多数为主。这三种方法目前都采用人眼识别，必须到田间进行水稻采集，识别叶龄之后进行手工记录，留待查看，费时费力，并且记录不能和图像结合起来，耗费人力和物力，效率低下，不能直观地进行统计叶龄，也不能推测出来幼穗分化、拔节、减数分裂、抽穗等关键时期，预知抽穗早晚。要将计算机视觉应用在寒地水稻叶龄诊断栽培技术，需要对生长发育中后期的水稻进行检测，由于是图像自动采集，因此选用叶脉偏向法来进行叶龄判断。具体内容是需要根据获取的水稻叶片图像进行叶龄诊断，然后再根据诊断结果进行调控，及时采取相适应的措施，促使水稻沿着优质高产的轨迹发展。因此，需要提供一种水稻叶脉图像提取方法和装置。
技术实现思路
本专利技术的目的在于提供一种水稻叶脉图像提取方法和装置，解决传统图像处理的方法无法对收到叶脉图像进行提取的问题，采用本专利技术的方法可以提取水稻叶脉并且分析叶脉的偏向。为达到上述目的，本专利技术采用下述技术方案：一种水稻叶脉图像提取方法，包括：获取含有水稻叶片的图像，通过K均值聚类算法提取水稻叶片主体图像；对所述水稻叶片主体图像进行裁剪，得到含单一背景的水稻叶片图像，并对其进行灰度化处理；根据聚类均值判断法提取所述灰度化处理后水稻叶片图像中的叶脉图像，并根据Roberts算子进行边缘检测提取水稻叶片边缘的轮廓图像；根据得到的水稻叶脉图像及水稻叶片边缘图像判断水稻叶脉的偏向。进一步地，所述方法还包括：在CIE彩色空间中，根据K均值聚类算法将含有水稻叶片的图像中水稻叶片主体的像素点及背景的像素点分别分类。进一步地，所述方法还包括：对水稻叶片主体图像进行裁剪后保留叶脉清晰位置的图像，并对其进行灰度化处理。进一步地，所述方法还包括：利用聚类均值判断法根据灰度化处理后水稻叶片图像上每个像素点的灰度值将图像上主叶脉像素点从叶肉像素点中提取出来，得到叶片的叶脉图像。进一步地，所述方法还包括：将所述叶片边缘的轮廓图像与所述叶脉图像结合得到叠加效果图，比较其中叶脉像素点的坐标均值与叶片轮廓的坐标均值得到叶脉的偏向。本专利技术的一个实施例还公开了一种水稻叶脉图像提取装置，包括：图像获取模块，用于获取含有水稻叶片的图像；图像提取模块，用于通过K均值聚类算法提取水稻叶片主体图像；还用于根据聚类均值判断法提取所述灰度化处理后水稻叶片图像中的叶脉图像，并根据Roberts算子进行边缘检测提取水稻叶片边缘的轮廓图像；图像裁剪模块，用于对所述水稻叶片主体图像进行裁剪，得到含单一背景的水稻叶片图像；图像处理模块，用于对含单一背景的水稻叶片图像进行灰度化处理；判断模块，用于根据得到的水稻叶脉图像及水稻叶片边缘图像判断水稻叶脉的偏向。进一步地，所述图像提取模块还用于：在CIE彩色空间中，根据K均值聚类算法将含有水稻叶片的图像中水稻叶片主体的像素点及背景的像素点分别分类。进一步地，所述图像处理模块还用于对水稻叶片主体图像进行裁剪后保留叶脉清晰位置的图像，并对其进行灰度化处理。进一步地，所述图像提取模块还用于：利用聚类均值判断法根据灰度化处理后水稻叶片图像上每个像素点的灰度值将图像上主叶脉像素点从叶肉像素点中提取出来，得到叶片的叶脉图像。进一步地，所述判断模块还用于：将所述叶片边缘的轮廓图像与所述叶脉图像结合得到叠加效果图，比较其中叶脉像素点的坐标均值与叶片轮廓的坐标均值得到叶脉的偏向。本专利技术的有益效果如下：本专利技术所述技术方案通过K均值聚类算法及判断法提取水稻叶片叶脉图像，利用Roberts算子提取水稻叶片边缘轮廓图像，最后通过结合计算得到水稻的叶脉偏向，以此确定水稻叶片的叶龄，由此法得到的叶龄精确度高，且全程为机械化操作，避免的用人眼识别，误差小，提高了效率，节省了人力物力，处理的结果可以应用于机器学习的样本，使得可以通过计算机技术来对水稻的生长进行智能的调控。附图说明下面结合附图对本专利技术的具体实施方式作进一步详细的说明；图1为本专利技术一种水稻叶脉图像提取方法流程图；图2为传统的图像处理后得到的水稻叶脉图片；图3为利用本专利技术处理过后的水稻叶脉图片。具体实施方式为了更清楚地说明本专利技术，下面结合优选实施例和附图对本专利技术做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本专利技术的保护范围。如图1所示，本专利技术公开的一种水稻叶脉图像提取方法，包括：获取含有水稻叶片的图像，通过K均值聚类算法提取水稻叶片主体图像；对所述水稻叶片主体图像进行裁剪，得到含单一背景的水稻叶片图像，并对其进行灰度化处理；根据聚类均值判断法提取所述灰度化处理后水稻叶片图像中的叶脉图像，并根据Roberts算子进行边缘检测提取水稻叶片边缘的轮廓图像；根据得到的水稻叶脉图像及水稻叶片边缘图像判断水稻叶脉的偏向。具体的，采用在CIE彩色空间中进行K均值聚类方法来用于复杂背景中的目标叶片分割，精确的将目标叶片从背景中分割出来，对于分割出的叶片，只需要裁剪出其部分叶片用于提取叶脉即可，要本文档来自技高网...

【技术保护点】
1.一种水稻叶脉图像提取方法，其特征在于，包括：/n获取含有水稻叶片的图像，通过K均值聚类算法提取水稻叶片主体图像；/n对所述水稻叶片主体图像进行裁剪，得到含单一背景的水稻叶片图像，并对其进行灰度化处理；/n根据聚类均值判断法提取所述灰度化处理后水稻叶片图像中的叶脉图像，并根据Roberts算子进行边缘检测提取水稻叶片边缘的轮廓图像；/n根据得到的水稻叶脉图像及水稻叶片边缘图像判断水稻叶脉的偏向。/n

【技术特征摘要】
1.一种水稻叶脉图像提取方法，其特征在于，包括：
获取含有水稻叶片的图像，通过K均值聚类算法提取水稻叶片主体图像；
对所述水稻叶片主体图像进行裁剪，得到含单一背景的水稻叶片图像，并对其进行灰度化处理；
根据聚类均值判断法提取所述灰度化处理后水稻叶片图像中的叶脉图像，并根据Roberts算子进行边缘检测提取水稻叶片边缘的轮廓图像；
根据得到的水稻叶脉图像及水稻叶片边缘图像判断水稻叶脉的偏向。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：在CIE彩色空间中，根据K均值聚类算法将含有水稻叶片的图像中水稻叶片主体的像素点及背景的像素点分别分类。


3.根据权利要求1所述的方法，其特征在于，所述方法还包括：对水稻叶片主体图像进行裁剪后保留叶脉清晰位置的图像，并对其进行灰度化处理。


4.根据权利要求1所述的方法，其特征在于，所述方法还包括：利用聚类均值判断法根据灰度化处理后水稻叶片图像上每个像素点的灰度值将图像上主叶脉像素点从叶肉像素点中提取出来，得到叶片的叶脉图像。


5.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述叶片边缘的轮廓图像与所述叶脉图像结合得到叠加效果图，比较其中叶脉像素点的坐标均值与叶片轮廓的坐标均值得到叶脉的偏向。


6.一种水稻叶脉图像提取装置，其特征在于，包括：
图像获...

【专利技术属性】
技术研发人员：蒲一鸣，王立涛，徐祥龙，暴勇，赵洪林，张佳岩，
申请(专利权)人：北京瀚景锦河科技有限公司，
类型：发明
国别省市：北京;11