基于數(shù)字圖像處理技術(shù)的單株水稻穗部籽粒數(shù)計(jì)數(shù)方法
【專利摘要】本發(fā)明公開了一種基于數(shù)字圖像處理技術(shù)的單株水稻穗部籽粒數(shù)計(jì)數(shù)方法，該方法步驟包括：S1.建立水稻穗部特征參數(shù)與籽粒數(shù)間相關(guān)關(guān)系，穗部一次枝梗經(jīng)平直化處理后，利用掃描儀獲取穗部圖像，并對(duì)穗部圖像進(jìn)行預(yù)處理；S2.對(duì)預(yù)處理后的穗部圖像經(jīng)數(shù)學(xué)形態(tài)學(xué)處理，去除結(jié)構(gòu)元素小的部分；經(jīng)孔洞填充操作，去雜全部非目標(biāo)對(duì)象；S3.提取穗部圖像籽粒部位面積和一次枝?？傞L度特征參數(shù)；S4.建立穗部籽粒部位面積和一次枝?？傞L度特征參數(shù)與籽粒數(shù)間數(shù)學(xué)模型；S5.驗(yàn)證穗部籽粒部位特征參數(shù)與籽粒數(shù)間的數(shù)學(xué)模型。本發(fā)明通過數(shù)字圖像處理技術(shù)獲取單株水稻穗部籽粒數(shù)的方法，能夠準(zhǔn)確迅速客觀地計(jì)數(shù)出穗部籽粒數(shù)，提高穗部籽粒計(jì)數(shù)效率。
【專利說明】基于數(shù)字圖像處理技術(shù)的單株水稻穗部籽粒數(shù)計(jì)數(shù)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及到一種采用數(shù)字圖像處理技術(shù)實(shí)現(xiàn)單株水稻穗部籽粒數(shù)計(jì)數(shù)的方法。【背景技術(shù)】
[0002]水稻穗部籽粒數(shù)就是水稻成熟時(shí)穗部所有籽粒的數(shù)量。
[0003]水稻生產(chǎn)過程中的最終產(chǎn)量始終是農(nóng)業(yè)生產(chǎn)者最為關(guān)注的事情。為便于水稻生產(chǎn)和產(chǎn)后的加工管理，盡早估測(cè)水稻田間產(chǎn)量已成為生產(chǎn)者和農(nóng)業(yè)管理部門的迫切需要。而水稻田間產(chǎn)量估測(cè)需要先準(zhǔn)確獲得成熟稻穗的籽粒數(shù)量。同時(shí)為加速水稻育種和栽培管理工作，農(nóng)學(xué)育種和栽培專家進(jìn)行實(shí)驗(yàn)室考種時(shí)，也希望快速獲得水稻穗部籽粒數(shù)量。在稻穗籽粒數(shù)計(jì)數(shù)的基礎(chǔ)上，根據(jù)水稻千粒重和其他相關(guān)參數(shù)，從而快速準(zhǔn)確地獲得水稻產(chǎn)量。
[0004]現(xiàn)階段農(nóng)業(yè)理論測(cè)產(chǎn)方法如下:直播和拋秧稻每點(diǎn)取I平方米以上調(diào)查有效穗數(shù)；取平均穗數(shù)左右的稻株2?3穴(不少于50穗)調(diào)查穗粒數(shù)、結(jié)實(shí)粒。
[0005]理論產(chǎn)量根據(jù)以下公式計(jì)算:理論產(chǎn)量(公斤)=畝有效穗(穗)X穗粒數(shù)(粒)x結(jié)實(shí)率) X千粒重(克)X10-6X85%。
[0006]由此可知，水稻穗部籽粒數(shù)是理論產(chǎn)量測(cè)量的重要參數(shù)之一，但現(xiàn)階段水稻穗部籽粒數(shù)都是通過人工計(jì)數(shù)方法獲得，這種計(jì)數(shù)方法費(fèi)時(shí)、費(fèi)力，在計(jì)數(shù)過程中同樣存在一定的誤差，不同的測(cè)產(chǎn)技術(shù)人員可能獲得不同的結(jié)果，受主觀性影響較大，存在準(zhǔn)確性和可重復(fù)性差等缺點(diǎn)。
[0007]因此研制一種快速準(zhǔn)確的機(jī)器計(jì)數(shù)水稻穗部籽粒數(shù)具有現(xiàn)實(shí)意義，要實(shí)現(xiàn)機(jī)器計(jì)數(shù)水稻穗部籽粒數(shù)的關(guān)鍵在于，確定水稻穗部籽粒數(shù)的自動(dòng)計(jì)數(shù)的方法。在準(zhǔn)確獲得水稻穗部籽粒數(shù)的基礎(chǔ)上，根據(jù)水稻籽粒的千粒重和畝穗數(shù)獲得水稻的畝產(chǎn)量。水稻穗部籽粒數(shù)與水稻穗部籽粒部位一次枝?？傞L度和面積等特征參數(shù)密切相關(guān)，為本發(fā)明采用數(shù)字圖像處理技術(shù)獲得水稻穗部籽粒數(shù)數(shù)提供理論依據(jù)。
【發(fā)明內(nèi)容】
[0008](一 )要解決的技術(shù)問題
[0009]本發(fā)明要解決的技術(shù)問題是:尋找建立水稻穗部特征參數(shù)與其穗部籽粒數(shù)之間相應(yīng)的固有特性相關(guān)關(guān)系，為采用數(shù)字圖像處理技術(shù)計(jì)數(shù)出水稻穗部籽粒數(shù)提供理論依據(jù)，基于數(shù)字圖像處理方法得到水稻穗部籽粒部位所在區(qū)域的面積和一次枝梗總長度，建立穗部籽粒部位區(qū)域面積和一次枝?？傞L度與其穗部籽粒數(shù)之間的相關(guān)關(guān)系。
[0010](二)技術(shù)方案
[0011]為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種水稻穗部籽粒數(shù)的計(jì)數(shù)方法，該方法包括步驟:
[0012]S1.水稻穗部一次枝梗的平直化處理與圖像預(yù)處理的具體步驟包括:測(cè)量水稻穗部相關(guān)特征參數(shù)，并建立水稻穗部特征參數(shù)與其穗部籽粒數(shù)之間相關(guān)關(guān)系，水稻穗部一次枝梗人工平直化處理、圖像獲取、灰度化處理和二值化處理，其中水稻穗部圖像預(yù)處理包括灰度化處理和二值化處理兩個(gè)步驟。
[0013]S1.1測(cè)量水稻穗部籽粒部位一次枝?？傞L度特征參數(shù)，并建立水稻穗部一次枝梗總長度特征參數(shù)與其穗部籽粒數(shù)之間相關(guān)關(guān)系，為采用用數(shù)字圖像處理技術(shù)計(jì)數(shù)出水稻穗部籽粒數(shù)提供理論依據(jù)。
[0014]S1.2在采集水稻穗部圖像前需人工對(duì)穗部所有一次枝梗分開，并且使一次枝梗處于平直狀態(tài)，從而保證水稻穗部圖像一次枝梗之間無粘連和重疊，同時(shí)穗部籽粒區(qū)域面積和籽粒部位一次枝梗總長度的特征提取準(zhǔn)確。水稻穗部一次枝梗經(jīng)平直化處理后，利用掃描儀獲取穗部圖像，并對(duì)穗部圖像進(jìn)行預(yù)處理。
[0015]S1.3所有稻穗圖像采集采用掃描儀，在采集稻穗圖像時(shí)，需要保證水稻穗部一次枝梗分開并且處于平直狀態(tài)。掃描儀分辨率設(shè)置為72dpi，圖像大小為1008X612個(gè)像素。
[0016]S1.4灰度化處理:對(duì)彩色圖像進(jìn)行灰度化處理，獲得水稻穗部的灰度圖像，由灰度圖像得到圖像的灰度直方圖。
[0017]S1.5 二值化處理:通過直方圖確定出背景區(qū)域和水稻穗部區(qū)域灰度分布的閾值，采用最大類間方差法(Otsu方法)確定分割閾值，從而把水稻穗部區(qū)域與背景區(qū)域分開，獲得把水稻穗部與背景區(qū)域完全分開的圖像。
[0018]S2.水稻穗部二值圖像的數(shù)學(xué)形態(tài)學(xué)分析:對(duì)預(yù)處理后的水稻穗部圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，采用數(shù)學(xué)形態(tài)學(xué)分析中開運(yùn)算處理合理地去除結(jié)構(gòu)元素小的部分；對(duì)每個(gè)孔洞進(jìn)行填充操作，利用面積法將小于面積定值P的非目標(biāo)物體對(duì)象全部去雜。
[0019]S2的具體步驟包括:圖像開運(yùn)算包括膨脹和腐蝕組合，圖像填充和去雜處理。
[0020]S2.1圖像處理開運(yùn)算包括膨脹和腐蝕組合:該運(yùn)算首先對(duì)圖像進(jìn)行腐蝕，然后再對(duì)腐蝕后的圖像進(jìn)行膨脹，兩次操作使用同樣的結(jié)構(gòu)元素來處理圖像。
[0021]圖像經(jīng)數(shù)學(xué)形態(tài)學(xué)開運(yùn)算處理后圖像中的水稻穗部雜點(diǎn)有明顯的減少，比結(jié)構(gòu)元素小的部分已合理地去除。
[0022]S2.2圖像填充和去雜處理:對(duì)開運(yùn)算后的二值圖像進(jìn)行填充操作，將連接的背景像素O值改為前景像素I值，直到達(dá)到對(duì)象的邊界。同時(shí)利用面積法去除全部面積小于定值P的非目標(biāo)物體對(duì)象，即去雜。此次圖像處理過程中是對(duì)開運(yùn)算后的二值圖像進(jìn)行填充、去雜操作。
[0023]處理后的圖像清晰、明了，只剩下水稻穗部部分，即穗軸、無籽粒一次枝梗等部位已合理去除，為后續(xù)特征參數(shù)的提取提供了有利條件。
[0024]S3.水稻穗部特征參數(shù)提取:水稻穗部圖像特征參數(shù)是水稻穗部圖像基本特性的基礎(chǔ)性描述，是建立水稻穗部相關(guān)特征參數(shù)與籽粒數(shù)間的數(shù)學(xué)模型的理論基礎(chǔ)，本發(fā)明僅僅對(duì)水稻穗部的籽粒部位面積特征和籽粒部位一次枝?？傞L度特征進(jìn)行提取。
[0025]S3水稻穗部特征參數(shù)提取具體的步驟包括:水稻穗部籽粒部位面積特征和籽粒部位一次枝梗總長度特征參數(shù)進(jìn)行提取。
[0026]S3.1提取水稻穗部籽粒部位面積特征參數(shù):經(jīng)填充和去雜的二值圖像為僅剩水稻穗部籽粒部位像素值為I的區(qū)域，利用圖像處理技術(shù)計(jì)算像素值為I部分的像素?cái)?shù)目即為水稻穗部籽粒部位面積特征參數(shù)。
[0027]S3.2提取水稻籽粒部位一次枝?？傞L度特征參數(shù):水稻穗部圖像籽粒部位一次枝梗長度是采用外接橢圓法(等價(jià)于區(qū)域的歸一化二階中心矩)獲得每個(gè)一次枝梗的主軸長度，所有提取的籽粒部位一次枝梗的主軸長度之和為一次枝?？傞L度。
[0028]S4.建立基于水稻穗部圖像特征參數(shù)的籽粒數(shù)計(jì)數(shù)數(shù)學(xué)模型:利用最小二乘法分別建立水稻穗部圖像籽粒部位面積特征參數(shù)和一次枝?？傞L度特征參數(shù)與其籽粒數(shù)之間的數(shù)學(xué)模型。
[0029]S4建立基于水稻穗部圖像特征參數(shù)的籽粒數(shù)計(jì)數(shù)數(shù)學(xué)模型步驟包括:水稻穗部籽粒部位面積特征參數(shù)與實(shí)際水稻穗部籽粒數(shù)之間的數(shù)學(xué)模型，水稻穗部籽粒部位一次枝?？傞L度特征參數(shù)與實(shí)際水稻穗部籽粒數(shù)之間的數(shù)學(xué)模型。
[0030]S4.1建立水稻穗部籽粒部位面積特征參數(shù)與實(shí)際水稻穗部籽粒數(shù)之間的數(shù)學(xué)模型:采用最小二乘法建立圖像處理計(jì)算所獲得的水稻穗部籽粒部位面積特征參數(shù)與實(shí)際穗部籽粒數(shù)之間的數(shù)學(xué)模型。
[0031]S4.2建立水稻穗部籽粒部位一次枝梗總長度特征參數(shù)與實(shí)際水稻穗部籽粒數(shù)之間的數(shù)學(xué)模型:采用最小二乘法建立圖像處理計(jì)算所得的水稻穗部籽粒部位一次枝?？傞L度特征參數(shù)與實(shí)際水稻穗部籽粒數(shù)之間的數(shù)學(xué)模型。
[0032]S5.數(shù)學(xué)模型檢驗(yàn):采用最小二乘法擬合檢測(cè)樣品的預(yù)測(cè)籽粒數(shù)與其實(shí)際籽粒數(shù)之間的相關(guān)關(guān)系，對(duì)水稻穗部籽粒部位面積特征參數(shù)和一次枝梗總長度特征參數(shù)與其籽粒數(shù)之間的數(shù)學(xué)模型進(jìn)行檢驗(yàn)，確保了這兩種模型的實(shí)用性和有效性。
[0033]S5水稻穗部特征參數(shù)與籽粒數(shù)之間的相關(guān)數(shù)學(xué)模型驗(yàn)證步驟包括:水稻穗部籽粒部位面積特征參數(shù)與其籽粒數(shù)之間的數(shù)學(xué)模型檢驗(yàn)，水稻穗部籽粒部位一次枝?？傞L度特征參數(shù)與其籽粒數(shù)之間的數(shù)學(xué)模型檢驗(yàn)。
[0034]S5.1水稻穗部籽粒部位面積特征參數(shù)與籽粒數(shù)之間的模型進(jìn)行檢驗(yàn):以檢驗(yàn)樣品的實(shí)際籽粒數(shù)量作為標(biāo)準(zhǔn)來衡量經(jīng)數(shù)學(xué)模型計(jì)算所得的水稻穗部籽粒數(shù)量。以獲取的檢驗(yàn)樣品集水稻穗部的籽粒數(shù)量作為實(shí)際值與經(jīng)數(shù)學(xué)模型計(jì)算所得的水稻穗部籽粒數(shù)作為預(yù)測(cè)值之間建立相關(guān)關(guān)系曲線，并且比較兩者差異程度。
[0035]S5.2水稻穗部籽粒部位一次枝?？傞L度特征參數(shù)與籽粒數(shù)之間的模型進(jìn)行檢驗(yàn):采用與S5.1相同的方法對(duì)水稻穗部籽粒部位一次枝?？傞L度與籽粒數(shù)之間的模型進(jìn)行檢驗(yàn)。
[0036](三)有益效果
[0037]本發(fā)明通過對(duì)水稻穗部一次枝梗和穗軸人工平直化處理后的掃描圖像經(jīng)灰度化和二值化處理，運(yùn)用數(shù)學(xué)形態(tài)學(xué)方法把無籽粒穗軸和一次枝梗與有籽粒一次枝梗分割開，從而獲得僅有水稻穗部有籽粒部位圖像，利用圖像處理方法提取穗部籽粒部位面積特征和一次枝?？傞L度特征。通過已提取的水稻穗部籽粒部位面積特征參數(shù)和一次枝?？傞L度特征參數(shù)建立其與人工計(jì)數(shù)所得籽粒數(shù)之間的相關(guān)數(shù)學(xué)模型，進(jìn)一步通過模型驗(yàn)證方法證明所得數(shù)學(xué)模型精度較高，有效地取代人工計(jì)數(shù)，大大提高計(jì)數(shù)效率和節(jié)省成本。
[0038]【專利附圖】
【附圖說明】
[0039]圖1水稻穗部籽粒數(shù)計(jì)數(shù)系統(tǒng)工作過程
[0040]圖2水稻穗部一次枝梗和穗軸人工平直化處理后掃描原始圖像
[0041]圖3彩色掃描圖像的灰度化處理圖像
[0042]圖4灰度直方圖像
[0043]圖5 二值化圖像[0044]圖6膨脹和腐蝕組合的開運(yùn)算二值圖像
[0045]圖7孔洞填充圖像
[0046]圖8非目標(biāo)物體去除
[0047]圖9提取效果圖像
[0048]【具體實(shí)施方式】
[0049]本發(fā)明提出的水稻穗部籽粒計(jì)數(shù)方法，結(jié)合附圖和實(shí)施例詳細(xì)說明如下。
[0050]為快速獲取水稻穗部籽粒部位面積特征參數(shù)和一次枝梗總長度特征參數(shù)，建立面積特征參數(shù)和一次枝?？傞L度特征參數(shù)與其籽粒數(shù)之間的相關(guān)關(guān)系，因此關(guān)鍵點(diǎn)有兩個(gè)，第一，測(cè)量水稻穗部相關(guān)特征參數(shù)并建立水稻穗部特征參數(shù)與其穗部籽粒數(shù)之間相關(guān)關(guān)系，為利用數(shù)字圖像處理技術(shù)計(jì)數(shù)出水稻穗部籽粒數(shù)提供理論依據(jù)；第二，通過數(shù)字圖像處理技術(shù)快速獲取水稻穗部籽粒部位面積特征參數(shù)和一次枝?？傞L度特征參數(shù)，建立這兩個(gè)特征參數(shù)與其穗部籽粒數(shù)之間相關(guān)關(guān)系數(shù)學(xué)模型，從而為快速獲取水稻穗部籽粒數(shù)建立了基礎(chǔ)。
[0051]根據(jù)圖1所示，依照本發(fā)明一種基于數(shù)字圖像處理技術(shù)的快速獲取水稻穗部籽粒數(shù)計(jì)數(shù)方法包括步驟:
[0052]S1.測(cè)量水稻穗部相關(guān)特征參數(shù)并建立水稻穗部特征參數(shù)與其穗部籽粒數(shù)之間相關(guān)關(guān)系，利用掃描儀采集水稻穗部一次枝梗經(jīng)人工平直化處理后的掃描圖像，并對(duì)采集到的圖像進(jìn)行預(yù)處理。
[0053]SI的具體步驟包括:測(cè)量水稻穗部相關(guān)特征參數(shù)并建立水稻穗部特征參數(shù)與穗部籽粒數(shù)相關(guān)關(guān)系、水稻穗部一次枝梗的平直化處理、圖像獲取、灰度化處理和二值化處理。
[0054]S1.1測(cè)量水稻穗部相關(guān)特征參數(shù)并建立水稻穗部特征參數(shù)與其穗部籽粒數(shù)之間相關(guān)關(guān)系，為利用數(shù)字圖像處理技術(shù)計(jì)數(shù)出水稻穗部籽粒數(shù)提供理論依據(jù)。通過對(duì)3個(gè)品種392個(gè)水稻穗頭測(cè)量籽粒部位每個(gè)一次枝梗長度，計(jì)算所有一次枝梗長度之和為總長度，并且計(jì)數(shù)穗部籽粒數(shù)，建立穗部籽粒部位一次枝?？傞L度與籽粒數(shù)之間的相關(guān)關(guān)系數(shù)學(xué)模型分別為:y = 2.4515x-15.3308，R2 = 0.9833，由此可確定出水稻穗部一次枝梗總長度與其穗部籽粒數(shù)之間存在正相關(guān)關(guān)系。為保證數(shù)學(xué)模型的精確性，選取3個(gè)品種96個(gè)水稻穗頭對(duì)穗部籽粒部位一次枝?？傞L度與籽粒數(shù)之間的相關(guān)數(shù)學(xué)模型進(jìn)行檢驗(yàn)，得到實(shí)際水稻穗部籽粒部位籽粒數(shù)與模型預(yù)測(cè)籽粒數(shù)之間的檢驗(yàn)數(shù)學(xué)模型為:y =0.9879X-1.6314，相關(guān)系數(shù)R2為0.9805，接近于1，則說明水稻穗部一次枝?？傞L度與其穗部籽粒數(shù)之間存在正相關(guān)關(guān)系。誤差在20%以上的水稻穗樣品占總驗(yàn)證樣品的1.0% (即I個(gè)樣品)，驗(yàn)證樣品的誤差率在10%以下的水稻穗樣品占總驗(yàn)證樣品的86.00%，誤差率在15%以下的水稻穗樣品占總驗(yàn)證樣品的97.00%。經(jīng)檢驗(yàn)其平均誤差范圍在5.71%以下。水稻穗部籽粒交替在一次枝梗上結(jié)實(shí)，并且籽粒之間間隔均勻，因此通過測(cè)量一次枝?？傞L度直接能夠確定穗部籽粒數(shù)。而穗部一次枝梗在平直化的情況下，籽粒無粘連和重疊，所有籽粒所占面積也能表明穗部籽粒數(shù)。
[0055]S1.2水稻穗部的平直化處理:根據(jù)掃描儀工作特性，水稻穗部一次枝梗需經(jīng)平直化處理后，再利用掃描儀獲取穗部圖像，并對(duì)穗部圖像進(jìn)行預(yù)處理；在采集水稻穗部圖像前需人工對(duì)穗部所有一次枝梗分開，使一次枝梗處于平直狀態(tài)，水稻穗部圖像一次枝梗之間無粘連和重疊，穗部籽粒區(qū)域面積和一次枝梗長度的特征提取準(zhǔn)確。
[0056]S1.3圖像獲取:圖像獲取主要是利用掃描儀采集水稻穗部一次枝梗經(jīng)人工平直化處理后的掃描圖像，采集水稻穗部圖像的裝置為掃描儀，數(shù)據(jù)經(jīng)USB接口存儲(chǔ)在計(jì)算機(jī)并且通過顯示器顯示。把穗部一次枝梗經(jīng)人工平直化處理后的單株水稻放置在掃描儀稿臺(tái)上，掃描儀稿臺(tái)為一透明玻璃板，稿臺(tái)下部為線光源和圖像采集系統(tǒng)，上部為黑色反射蓋板，保證水稻穗部掃描過程中圖像清晰。掃描儀分辨率設(shè)置為72dpi，圖像大小為1008X612個(gè)像素。根據(jù)上述方法獲得如圖2所示為水稻穗部原始圖像。
[0057]水稻穗部一次枝梗經(jīng)平直化處理圖像的預(yù)處理包括灰度化和二值化處理兩個(gè)步驟。
[0058]S1.4灰度化處理:對(duì)水稻穗部原始彩色圖像進(jìn)行灰度化處理，獲得水稻穗部的灰度圖像，如圖3所示，從圖中可以看出灰度圖像籽粒區(qū)域的細(xì)節(jié)和邊緣清晰。由灰度圖像得到灰度圖像的直方圖如圖4所示，直方圖中水稻穗部區(qū)域與背景區(qū)域的灰度分布特征具有明顯差異，易于區(qū)分開。
[0059]S1.5 二值化處理:根據(jù)水稻穗部區(qū)域和背景區(qū)域灰度直方圖的分布特性，采用Otsu方法選擇分割閾值，從而獲得水稻穗部與背景區(qū)域完全分開的圖像。經(jīng)二值化處理所得二值化圖像如圖5所示。
[0060]S2.數(shù)學(xué)形態(tài)學(xué)分析:對(duì)經(jīng)預(yù)處理后水稻穗部二值化圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，采用數(shù)學(xué)形態(tài)學(xué)分析中開運(yùn)算處理合理地去除結(jié)構(gòu)元素小的部分；對(duì)每個(gè)孔洞進(jìn)行填充操作，利用面積法將小于面積定值P的非目標(biāo)物體對(duì)象全部去雜；基于數(shù)學(xué)形態(tài)學(xué)的邊緣信息提取處理優(yōu)于基于微分運(yùn)算的邊緣提取算法，對(duì)噪聲敏感性低，同時(shí)提取的邊緣比較光滑。基于數(shù)學(xué)形態(tài)學(xué)的形態(tài)濾波器可借助于先驗(yàn)的幾何特征信息利用形態(tài)學(xué)算子有效地濾除噪聲，又可以保留圖像中的原有信息。
[0061]S2的具體步驟包括:膨脹和腐蝕組合的開運(yùn)算，圖像填充和去雜；
[0062]S2.1膨脹和腐蝕組合的開運(yùn)算:圖像處理過程中采用了開運(yùn)算來處理圖像，該運(yùn)算首先對(duì)圖像進(jìn)行腐蝕，然后再對(duì)腐蝕后的圖像進(jìn)行膨脹，兩次操作使用同樣的結(jié)構(gòu)元素。此次處理過程中采用的是圓形結(jié)構(gòu)元素(disk)，半徑R取1，處理結(jié)果如圖6所示。
[0063]數(shù)學(xué)形態(tài)學(xué)開運(yùn)算處理后圖像中穗部一次枝梗和穗軸經(jīng)過此運(yùn)算比結(jié)構(gòu)元素小的部分已合理地被去除。
[0064]S2.2圖像填充和去雜:對(duì)經(jīng)開運(yùn)算的二值圖像進(jìn)行孔洞填充和非目標(biāo)物體對(duì)象去除操作?？锥刺畛洳僮鞯囊粋€(gè)重要的應(yīng)用是對(duì)圖像進(jìn)行填洞操作，對(duì)每個(gè)洞進(jìn)行填充操作，對(duì)于二值圖像而言，將連接的背景像素O值區(qū)域改為前景像素I值，直到達(dá)到對(duì)象的邊界。同時(shí)利用面積法將小于面積定值P的非目標(biāo)物體對(duì)象全部去雜。水稻穗部二值圖像經(jīng)填充處理后結(jié)果如圖7所示，去雜操作處理后結(jié)果如圖8所示，水稻穗部籽粒部位一次枝梗部分通過圖像處理技術(shù)完全被分離出來，能夠真實(shí)地反映水稻穗部籽粒部位相關(guān)特性。通過上述圖像處理過程水稻穗部實(shí)際去除的部分圖像如圖9所示，由此圖可以看出水稻穗部無籽粒穗軸和一次枝梗部分完全被去除。
[0065]處理后的圖像中清晰、明了。僅剩下一次枝梗上籽粒部分，即無籽粒穗軸和一次枝梗部分等已合理去除，為后續(xù)特征參數(shù)的提取提供了有利條件。
[0066]S3.水稻穗部特征參數(shù)提取:水稻穗部圖像特征參數(shù)是水稻穗部圖像基本特性的基礎(chǔ)性描述，是建立水稻穗部相關(guān)特征參數(shù)與籽粒數(shù)間的數(shù)學(xué)模型的理論基礎(chǔ)，本發(fā)明僅僅對(duì)水稻穗部的一次枝梗籽粒部位面積特征和一次枝?？傞L度特征進(jìn)行提取。
[0067]S3水稻穗部特征參數(shù)提取具體的步驟包括:提取水稻穗部一次枝梗籽粒部位面積特征和水稻穗部籽粒部位一次枝梗總長度特征參數(shù)。
[0068]S3.1提取水稻穗部籽粒部位面積特征參數(shù):經(jīng)填充和去雜的二值圖像為僅剩水稻穗部籽粒區(qū)域像素值為I的部分，利用圖像處理技術(shù)計(jì)算像素值為I部分的像素?cái)?shù)目即為穗部一次枝梗籽粒部位的面積。
[0069]S3.2提取水稻穗部籽粒部位一次枝?？傞L度特征參數(shù):水稻穗部圖像籽粒部位一次枝梗長度是采用外接橢圓法(等價(jià)于區(qū)域的歸一化二階中心矩)獲得每個(gè)一次枝梗的主軸長度，穗部籽粒部位一次枝?？傞L度為提取的所有一次枝梗長度之和。
[0070]S4.建立數(shù)學(xué)模型:利用最小二乘法建立水稻穗部圖像特征參數(shù)與其籽粒數(shù)之間數(shù)學(xué)模型。
[0071]S4建立水稻穗部圖像特征參數(shù)與其籽粒數(shù)之間數(shù)學(xué)模型具體步驟包括:建立水稻穗部籽粒部位面積特征參數(shù)與其籽粒數(shù)之間的相關(guān)關(guān)系:建立水稻穗部籽粒部位一次枝梗總長度參數(shù)與其籽粒數(shù)之間的相關(guān)關(guān)系。
[0072]S4.1建立水稻穗部籽粒部位面積特征參數(shù)與其籽粒數(shù)之間的相關(guān)關(guān)系:通過最小二乘法建立圖像處理計(jì)算所得的一次枝梗籽粒部位面積特征參數(shù)與實(shí)際穗部籽粒數(shù)之間的數(shù)學(xué)模型。
[0073]為了計(jì)數(shù)水稻穗部籽粒數(shù)，本方法采用3個(gè)不同水稻品種380株水稻穗頭作為建立數(shù)學(xué)模型的樣本，并提取了所有水稻穗部圖像一次枝梗籽粒部位的面積特征參數(shù)值，建立水稻穗部籽粒數(shù)與其一次枝梗籽粒部位面積之間的關(guān)系。通過此方法建立水稻穗部圖像面積與穗部籽粒數(shù)之間的線性相關(guān)數(shù)學(xué)模型為:y = 4.0384+0.0073x，相關(guān)性系數(shù)為R2 =0.9846。則此式說明水稻穗部一次枝梗籽粒部位面積與其籽粒數(shù)之間有十分顯著的線性關(guān)系O
[0074]S4.2建立水稻穗部籽粒部位一次枝梗總長度參數(shù)與其籽粒數(shù)之間的相關(guān)關(guān)系:通過最小二乘法建立圖像處理計(jì)算所得的一次枝?？傞L度特征參數(shù)與實(shí)際水稻穗部籽粒數(shù)之間的數(shù)學(xué)模型。
[0075]為了計(jì)數(shù)水稻穗部的籽粒數(shù)目，本方法采用3個(gè)不同水稻品種380株水稻穗頭作為建立數(shù)學(xué)模型的樣本，并提取了所有水稻穗部圖像籽粒部位一次枝?？傞L度特征參數(shù)值，建立水稻穗部籽粒數(shù)目與其穗部圖像一次枝梗總長度之間的關(guān)系。通過此方法建立水稻穗部一次枝梗總長度特征參數(shù)與其籽粒數(shù)之間的線性相關(guān)數(shù)學(xué)模型為:Y =
0.0914Χ-32.9676，相關(guān)性系數(shù)R2 = 0.9643，則此式說明水稻穗部籽粒部位一次枝?？傞L度與其籽粒數(shù)之間有十分顯著的線性關(guān)系。
[0076]S5.數(shù)學(xué)模型檢驗(yàn):采用最小二乘法擬合檢測(cè)樣品的預(yù)測(cè)籽粒數(shù)與其實(shí)際籽粒數(shù)之間的相關(guān)關(guān)系，對(duì)水稻穗部籽粒部位面積特征參數(shù)和一次枝梗總長度特征參數(shù)與其籽粒數(shù)之間的數(shù)學(xué)模型進(jìn)行檢驗(yàn)，確保了這兩種模型的實(shí)用性和有效性。
[0077]S5.1水稻穗部特征參數(shù)與其籽粒數(shù)之間的數(shù)學(xué)模型檢驗(yàn)步驟包括:水稻穗部一次枝梗籽粒部位面積特征與其籽粒數(shù)之間的數(shù)學(xué)模型檢驗(yàn)，水稻穗部籽粒部位一次枝?？傞L度特征與其籽粒數(shù)之間的數(shù)學(xué)模型檢驗(yàn)。該發(fā)明中采用3個(gè)不同水稻品種96個(gè)水稻穗頭檢驗(yàn)相關(guān)數(shù)學(xué)模型，水稻穗部一次枝梗同樣經(jīng)平直化處理，利用掃描儀采集水稻穗部圖像，圖像處理方法與建立數(shù)學(xué)模型時(shí)采用的方法一致。
[0078]S5.1水稻穗部籽粒部位面積特征參數(shù)與籽粒數(shù)之間的模型進(jìn)行檢驗(yàn):以檢驗(yàn)樣品的實(shí)際籽粒數(shù)量作為標(biāo)準(zhǔn)來衡量經(jīng)數(shù)學(xué)模型計(jì)算所得的水稻穗部籽粒數(shù)量。以獲取的檢驗(yàn)樣品集水稻穗部的籽粒數(shù)量作為實(shí)際值與經(jīng)數(shù)學(xué)模型計(jì)算所得的水稻穗部籽粒數(shù)作為預(yù)測(cè)值之間利用最小二乘法建立相關(guān)關(guān)系曲線，并且比較兩者差異程度。
[0079]S5.1對(duì)水稻穗部一次枝梗籽粒部位面積與籽粒數(shù)之間的模型檢驗(yàn)
[0080]水稻穗部籽粒數(shù)實(shí)際值與預(yù)測(cè)值之間的檢驗(yàn)?zāi)Ｐ头匠虨?y = 2.8690+0.9791x,相關(guān)系數(shù)R2為0.9858，接近于1，則說明該模型可以通過數(shù)字圖像處理來獲取水稻穗部籽粒數(shù)量。
[0081]誤差在20%以上的水稻穗樣品占總驗(yàn)證樣品的0.0% (即無樣品)，驗(yàn)證樣品的誤差率在10%以下的水稻穗樣品占總驗(yàn)證樣品的93.75%，誤差率在15%以下的水稻穗樣品占總驗(yàn)證樣品的97.92%，經(jīng)檢驗(yàn)其平均誤差范圍在4.59%以下。
[0082]S5.2對(duì)水稻穗部籽粒部位一次枝?？傞L度與籽粒數(shù)之間的模型檢驗(yàn)
[0083]米用與S5.1相同的方法對(duì)水稻穗部籽粒部位一次枝?？傞L度與籽粒數(shù)之間的模型進(jìn)行檢驗(yàn)。
[0084]水稻穗部籽粒數(shù)實(shí)際值與預(yù)測(cè)值之間的檢驗(yàn)?zāi)Ｐ头匠虨?y = 1.0157X-0.7113，相關(guān)系數(shù)R2為0.9770，接近于1，則說明該模型可以通過數(shù)字圖像處理來獲取水稻穗部籽
粒數(shù)量。
[0085]誤差在20%以上的水稻穗樣品占總驗(yàn)證樣品的5.38% (即5個(gè)樣品)，驗(yàn)證樣品的誤差率在10%以下的水稻穗樣品占總驗(yàn)證樣品的76.34%，誤差率在15%以下的水稻穗樣品占總驗(yàn)證樣品的91.40%，經(jīng)檢驗(yàn)其平均誤差范圍在7.36%以下。
[0086]從上述兩種模型檢驗(yàn)結(jié)果看出，水稻穗部一次枝梗籽粒部位面積與籽粒數(shù)之間的數(shù)學(xué)模型檢驗(yàn)結(jié)果優(yōu)于水稻穗部籽粒部位一次枝?？傞L度與籽粒數(shù)之間的模型檢驗(yàn)結(jié)果。
[0087]以上水稻穗部籽粒數(shù)計(jì)數(shù)方法同樣適用于有芒和無芒水稻穗部籽粒數(shù)計(jì)數(shù)方法。
【權(quán)利要求】
1.一種水稻穗部籽粒數(shù)計(jì)數(shù)方法，該方法包括步驟: S1.建立水稻穗部特征參數(shù)與其穗部籽粒數(shù)之間相關(guān)關(guān)系，水稻穗部一次枝梗經(jīng)平直化處理后，利用掃描儀獲取穗部圖像，并對(duì)穗部圖像進(jìn)行預(yù)處理； S2.對(duì)預(yù)處理后的水稻穗部圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，采用數(shù)學(xué)形態(tài)學(xué)分析中開運(yùn)算處理合理地去除結(jié)構(gòu)元素小的部分；對(duì)每個(gè)孔洞進(jìn)行填充操作，利用面積法將小于面積定值P的非目標(biāo)對(duì)象全部去雜； S3.水稻穗部圖像特征參數(shù)是水稻穗部圖像基本特性的基礎(chǔ)性描述，是建立水稻穗部相關(guān)特征參數(shù)與籽粒數(shù)間的數(shù)學(xué)模型的理論基礎(chǔ)，本發(fā)明僅僅對(duì)水稻穗部的籽粒部位面積特征和籽粒部位一次枝?？傞L度特征參數(shù)進(jìn)行提取。 S4.利用最小二乘法建立水稻穗部圖像籽粒部位面積特征參數(shù)和一次枝?？傞L度特征參數(shù)與其籽粒數(shù)之間數(shù)學(xué)模型。 S5.采用最小二乘法擬合檢測(cè)樣品的預(yù)測(cè)籽粒數(shù)與其實(shí)際籽粒數(shù)之間的相關(guān)關(guān)系，對(duì)水稻穗部籽粒部位面積特征參數(shù)和一次枝?？傞L度特征參數(shù)與其籽粒數(shù)之間的數(shù)學(xué)模型進(jìn)行驗(yàn)證，確保這兩種模型的實(shí)用性和有效性。
2.如權(quán)利I所述的水稻穗部籽粒數(shù)計(jì)數(shù)方法，其特征在于，步驟SI中的所述水稻穗部預(yù)處理包括步驟: S1.1建立水稻穗部籽粒部位一次枝?？傞L度特征參數(shù)與其穗部籽粒數(shù)之間相關(guān)關(guān)系，為利用數(shù)字圖像處理技術(shù)計(jì)數(shù)出水稻穗部籽粒數(shù)提供理論依據(jù)。 S1.2在采集水稻穗部圖像前需人工對(duì)穗部所有一次枝梗分開，并且保證一次枝梗處于平直狀態(tài)，從而保證水稻穗部圖像一次枝梗之間無粘連和重疊，同時(shí)穗部籽粒區(qū)域面積和一次枝梗長度的特征提取準(zhǔn)確。水稻穗部一次枝梗經(jīng)平直化處理后，利用掃描儀獲取穗部圖像，并對(duì)穗部圖像進(jìn)行預(yù)處理。 S1.3所有稻穗圖像采集采用掃描儀，在采集稻穗圖像時(shí)，需要保證水稻穗部一次枝梗分開并且平直。掃描儀分辨率設(shè)置為72dpi，圖像大小為1008X612個(gè)像素。 S1.4灰度化處理:對(duì)彩色圖像進(jìn)行灰度化處理，獲得水稻穗部的灰度圖像，由灰度圖像得到圖像的直方圖。 51.5 二值化處理:通過直方圖確定出背景區(qū)域和水稻穗部區(qū)域灰度分布的閾值，采用最大類間方差法(Otsu方法)確定分割閾值，從而把水稻穗部區(qū)域與背景區(qū)域分開，獲得把水稻穗部與背景區(qū)域完全分開的圖像。
3.如權(quán)利I所述的水稻穗部籽粒數(shù)計(jì)數(shù)方法，其特征在于，步驟S2中的所述數(shù)學(xué)形態(tài)學(xué)處理包括步驟: S2.1圖像處理開運(yùn)算包括膨脹和腐蝕的組合:該運(yùn)算首先對(duì)圖像進(jìn)行腐蝕，然后再對(duì)腐蝕后的圖像進(jìn)行膨脹，兩次操作使用同樣的結(jié)構(gòu)元素來處理圖像。 S2.2圖像填充和去雜處理:對(duì)開運(yùn)算二值圖像進(jìn)行填充操作，將連接的背景像素O值改為前景像素I值，直到達(dá)到對(duì)象的邊界。同時(shí)利用面積法去除面積小于定值P的非目標(biāo)物體對(duì)象全部去雜。此次圖像處理過程中是對(duì)開運(yùn)算后的二值圖像進(jìn)行填充、去雜操作。
4.如權(quán)利I所述的水稻穗部籽粒數(shù)計(jì)數(shù)方法，其特征在于，步驟S3中的所述穗部圖像特征參數(shù)提取包括步驟: S3.1提取水稻穗部籽粒部位面積特征參數(shù):經(jīng)填充和去雜的二值圖像為僅剩水稻穗部籽粒部位像素值為I的區(qū)域，利用圖像處理技術(shù)計(jì)算像素值為I部分的像素?cái)?shù)目即為水稻穗部籽粒部位面積特征參數(shù)。 . 53.2提取水稻籽粒部位一次枝梗總長度特征參數(shù):水稻穗部圖像籽粒部位一次枝梗長度是采用外接橢圓法(等價(jià)于區(qū)域的歸一化二階中心矩)獲得每個(gè)一次枝梗的主軸長度，所有提取的籽粒部位一次枝梗的主軸長度之和為一次枝梗總長度。
5.如權(quán)利I所述的水稻穗部籽粒數(shù)計(jì)數(shù)方法，其特征在于，步驟S4中的所述建立基于水稻穗部圖像特征的籽粒數(shù)計(jì)數(shù)數(shù)學(xué)模型包括步驟: . 54.1建立水稻穗部籽粒部位面積特征參數(shù)與實(shí)際水稻穗部籽粒數(shù)之間的數(shù)學(xué)模型:通過最小二乘法建立圖像處理計(jì)算所獲得的籽粒部位面積特征參數(shù)與實(shí)際穗部籽粒數(shù)之間的數(shù)學(xué)模型。 . 54.2建立水稻穗部籽粒部位一次枝梗總長度特征參數(shù)與實(shí)際水稻穗部籽粒數(shù)之間的數(shù)學(xué)模型:采用最小二乘法建立圖像處理計(jì)算所得的穗部籽粒部位一次枝?？傞L度特征參數(shù)與實(shí)際水稻穗部籽粒數(shù)之間的數(shù)學(xué)模型。
6.如權(quán)利I所述的水稻穗部籽粒數(shù)計(jì)數(shù)方法，其特征在于，步驟S5中的所述驗(yàn)證基于水稻穗部圖像特征的籽粒數(shù)計(jì)數(shù)數(shù)學(xué)模型包括步驟: . 55.1水稻穗部籽粒部位面積特征參數(shù)與籽粒數(shù)之間的模型進(jìn)行檢驗(yàn):以檢驗(yàn)樣品的實(shí)際籽粒數(shù)量作為標(biāo)準(zhǔn)來衡量通過數(shù)學(xué)模型獲得的水稻穗部籽粒數(shù)量。以實(shí)際獲取的驗(yàn)證水稻樣品集的籽粒數(shù)量作為實(shí)際值與通過數(shù)學(xué)模型獲得的水稻穗部籽粒數(shù)量預(yù)測(cè)值之間建立相關(guān)關(guān)系曲線，并 且比較兩者差異程度。 S5.2水稻穗部籽粒部位一次枝?？傞L度特征參數(shù)與籽粒數(shù)之間的模型進(jìn)行檢驗(yàn):采用與S5.1相同的方法對(duì)水稻穗部籽粒部位一次枝?？傞L度與籽粒數(shù)之間的模型進(jìn)行檢驗(yàn)。
【文檔編號(hào)】G06T7/00GK104021369SQ201410186147
【公開日】2014年9月3日 申請(qǐng)日期:2014年4月30日 優(yōu)先權(quán)日:2014年4月30日
【發(fā)明者】李毅念, 趙三琴, 丁啟朔, 丁為民 申請(qǐng)人:南京農(nóng)業(yè)大學(xué)