本發(fā)明涉及作物自動(dòng)識(shí)別定位技術(shù)領(lǐng)域，更具體地，涉及一種葉片交叉條件下作物中心點(diǎn)定位方法及系統(tǒng)。

背景技術(shù)：

基于機(jī)器視覺(jué)的作物自動(dòng)識(shí)別和定位技術(shù)可以快速獲取作物的分布情況，為作物的田間機(jī)械化管理提供參考，有助于減少勞動(dòng)者的工作強(qiáng)度，提高作業(yè)效率和精度。作物的自動(dòng)識(shí)別和定位通?？赏ㄟ^(guò)采集作物的二維彩色圖像或三維位置信息來(lái)實(shí)現(xiàn)。二維彩色圖像利用彩色相機(jī)獲得，包含作物的顏色信息，應(yīng)用靈活，使用成本較低；三維位置數(shù)據(jù)需要通過(guò)深度相機(jī)、立體相機(jī)或激光傳感器獲得，可生成作物的點(diǎn)云數(shù)據(jù)，成本較高，計(jì)算數(shù)據(jù)量大。因而基于彩色圖像的作物識(shí)別和定位一直是科研的熱點(diǎn)。

基于彩色圖像的作物識(shí)別和定位方法是利用彩色相機(jī)獲取作物的圖像信息，通過(guò)對(duì)圖像進(jìn)行分析處理，提取作物并定位其中心點(diǎn)。一般應(yīng)用作物的綠色信息將作物從復(fù)雜的背景中分割出來(lái)，提取出作物的輪廓及聯(lián)通區(qū)域，然后計(jì)算聯(lián)通區(qū)域的質(zhì)心獲得作物的中心點(diǎn)。但是該方法在探測(cè)形狀不規(guī)則的作物時(shí)，作物中心點(diǎn)的定位容易出現(xiàn)偏差。

現(xiàn)有技術(shù)對(duì)提取出的目標(biāo)作物，首先通過(guò)像素行的直方圖統(tǒng)計(jì)確定待測(cè)作物行，然后對(duì)待測(cè)作物行進(jìn)行像素列的直方圖統(tǒng)計(jì)，確定作物的中心點(diǎn)，這種方法可以克服作物形狀不規(guī)則對(duì)定位造成的影響，但在作物葉片出現(xiàn)交叉時(shí)，會(huì)造成作物中心點(diǎn)定位的失敗。葉片出現(xiàn)交叉情況時(shí)，通常對(duì)作物圖像進(jìn)行骨架化處理。在圖像的骨架中，葉片的末端位置會(huì)出現(xiàn)末端點(diǎn)，葉片的交叉及作物中心點(diǎn)位置會(huì)存在交叉點(diǎn)，檢索骨架中的末端點(diǎn)和交叉點(diǎn)，對(duì)交叉點(diǎn)進(jìn)行分類和邏輯判斷，從而實(shí)現(xiàn)對(duì)作物中心點(diǎn)的定位，但是這種方法計(jì)算量較大，且準(zhǔn)確率較低。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明為克服上述問(wèn)題或者至少部分地解決上述問(wèn)題，提供一種葉片交叉條件下作物中心點(diǎn)定位方法及系統(tǒng)。

根據(jù)本發(fā)明的一個(gè)方面，提出一種葉片交叉條件下作物中心點(diǎn)定位方法，包括：

步驟1，基于目標(biāo)作物的原始灰度圖像，獲取目標(biāo)作物的灰度圖像和二值圖像；

步驟2，基于所述目標(biāo)作物的灰度圖像和二值圖像，獲得目標(biāo)作物的中心點(diǎn)坐標(biāo)。

進(jìn)一步，所述步驟1進(jìn)一步包括：

s11，基于目標(biāo)作物的原始灰度圖像，獲得所述目標(biāo)作物原始灰度圖像的二值圖像；

s12，對(duì)所述目標(biāo)作物原始灰度圖像的二值圖像進(jìn)行形態(tài)學(xué)去噪處理，確定所述目標(biāo)作物的圖像興趣區(qū)；

s13，基于所述目標(biāo)作物的圖像興趣區(qū)，獲取所述目標(biāo)作物圖像興趣區(qū)的二值圖像。

進(jìn)一步，所述步驟2進(jìn)一步包括：

s21，將所述目標(biāo)作物的原始灰度圖像與所述目標(biāo)作物的圖像興趣區(qū)的二值圖像融合，獲得目標(biāo)作物的圖像興趣區(qū)的灰度圖像；

s22，獲得所述目標(biāo)作物的圖像興趣區(qū)的灰度圖像的極小值點(diǎn)；獲得所述目標(biāo)作物的圖像興趣區(qū)的灰度圖像中與周圍像素點(diǎn)落差大于閾值的極小值點(diǎn)；

s23，基于所述目標(biāo)作物的圖像興趣區(qū)的灰度圖像和所述s22獲得的極小值點(diǎn)，利用分水嶺算法，獲得目標(biāo)作物的中心點(diǎn)坐標(biāo)。

進(jìn)一步，所述步驟1前還包括：

將目標(biāo)作物的初始圖像進(jìn)行灰度化處理，所述灰度化處理包括以下步驟，

igray(i,j)＝g(i,j)*1.262-r(i,j)*0.884-b(i,j)*0.311，

其中i、j為像素的行列坐標(biāo)，g(i,j)、r(i,j)和b(i,j)分別為圖像(i,j)處像素g、r、b顏色分量的灰度值，igray(i,j)為轉(zhuǎn)換后圖像(i,j)處像素的灰度值。

進(jìn)一步，所述s12進(jìn)一步包括：

基于目標(biāo)作物的原始灰度圖像，獲得所述目標(biāo)作物原始灰度圖像的二值圖像的轉(zhuǎn)換閾值利用最大類間方差法求得。

進(jìn)一步，所述s12進(jìn)一步包括：

利用形態(tài)學(xué)開(kāi)操作去除對(duì)所述目標(biāo)作物原始灰度圖像的二值圖像中雜草噪聲的干擾；

對(duì)去噪后所述目標(biāo)作物原始灰度圖像的二值圖像的像素值進(jìn)行水平投影，獲得以像素行坐標(biāo)為橫坐標(biāo)的投影曲線；以中間像素行為分界，將投影曲線分成兩部分，尋找每條曲線最小值位置對(duì)應(yīng)的像素行坐標(biāo)，兩個(gè)像素行之間區(qū)域?yàn)樗瞿繕?biāo)作物的圖像興趣區(qū)。

進(jìn)一步，所述s22進(jìn)一步包括：

計(jì)算所述目標(biāo)作物的圖像興趣區(qū)的灰度圖像中八鄰域內(nèi)的極小值點(diǎn)和極大值點(diǎn)，并分別計(jì)算極小值點(diǎn)和極大值點(diǎn)的平均值，二者的差值，作為閾值，保留與周圍像素點(diǎn)落差大于閾值的極小值點(diǎn)，獲得最終的局部極小值。

進(jìn)一步，所述s23進(jìn)一步包括：

利用所述s22獲得的極小值點(diǎn)對(duì)所述目標(biāo)作物的圖像興趣區(qū)的灰度圖像進(jìn)行前景標(biāo)記；利用分水嶺算法對(duì)標(biāo)記后的灰度圖像為輸入圖像，獲得目標(biāo)作物的中心區(qū)域；

基于目標(biāo)作物的中心區(qū)域，分別對(duì)中心區(qū)域內(nèi)像素點(diǎn)的x坐標(biāo)、y坐標(biāo)相加求和，并統(tǒng)計(jì)中心區(qū)域內(nèi)像素點(diǎn)的個(gè)數(shù)，x坐標(biāo)和、y坐標(biāo)和與像素點(diǎn)個(gè)數(shù)的比值即為最終的作物中心點(diǎn)坐標(biāo)。

根據(jù)本發(fā)明另一方面，提供一種葉片交叉條件下作物中心點(diǎn)定位系統(tǒng)，包括：

獲取模塊，用于基于目標(biāo)作物的原始灰度圖像，獲取目標(biāo)作物的灰度圖像和二值圖像；

定位模塊，用于基于所述目標(biāo)作物的灰度圖像和二值圖像，獲得目標(biāo)作物的中心點(diǎn)坐標(biāo)。

根據(jù)本發(fā)明又一方面，提供一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)計(jì)算機(jī)指令，所述計(jì)算機(jī)指令使所述計(jì)算機(jī)執(zhí)行如上述任一所述的方法。

本申請(qǐng)?zhí)岢鲆环N葉片交叉條件下作物中心點(diǎn)定位方法及系統(tǒng)，本發(fā)明所述方案具有如下有益效果：能夠有效排除作物交叉葉片的干擾，提高作物中心點(diǎn)定位的精度和速度。

附圖說(shuō)明

圖1為根據(jù)本發(fā)明實(shí)施例一種葉片交叉條件下作物中心點(diǎn)定位方法的整體流程示意圖；

圖2為根據(jù)本發(fā)明實(shí)施例一種葉片交叉條件下作物中心點(diǎn)定位方法的流程示意圖；

圖3為根據(jù)本發(fā)明實(shí)施例一種葉片交叉條件下作物中心點(diǎn)定位方法的目標(biāo)作物的原始灰度圖像示意圖；

圖4為根據(jù)本發(fā)明實(shí)施例一種葉片交叉條件下作物中心點(diǎn)定位方法的目標(biāo)作物的原始二值圖像示意圖；

圖5為根據(jù)本發(fā)明實(shí)施例一種葉片交叉條件下作物中心點(diǎn)定位方法中所述目標(biāo)作物原始灰度圖像的二值圖像水平投影示意圖；

圖6為根據(jù)本發(fā)明實(shí)施例一種葉片交叉條件下玉米中心點(diǎn)定位方法中所述目標(biāo)玉米圖像興趣區(qū)示意圖；

圖7為根據(jù)本發(fā)明實(shí)施例一種葉片交叉條件下玉米中心點(diǎn)定位方法中所述目標(biāo)玉米的原始灰度圖像示意圖；

圖8為根據(jù)本發(fā)明實(shí)施例一種葉片交叉條件下玉米中心點(diǎn)定位方法中所述目標(biāo)玉米的二值圖像示意圖。

圖9為根據(jù)本發(fā)明實(shí)施例一種葉片交叉條件下玉米中心點(diǎn)定位方法中所述目標(biāo)玉米的原始灰度圖像的極小值區(qū)域示意圖；

圖10為根據(jù)本發(fā)明實(shí)施例一種葉片交叉條件下玉米中心點(diǎn)定位方法中利用分水嶺算法分割處理得到的作物中心區(qū)域示意圖；

圖11為根據(jù)本發(fā)明實(shí)施例一種葉片交叉條件下玉米中心點(diǎn)定位方法中利用分水嶺算法分割處理得到的玉米中心點(diǎn)坐標(biāo)示意圖；

圖12為根據(jù)本發(fā)明實(shí)施例一種葉片交叉條件下玉米中心點(diǎn)定位系統(tǒng)的整體框架示意圖；

圖13為根據(jù)本發(fā)明實(shí)施例一種葉片交叉條件下玉米中心點(diǎn)定位方法的設(shè)備的結(jié)構(gòu)框架示意圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)描述。以下實(shí)施例用于說(shuō)明本發(fā)明，但不用來(lái)限制本發(fā)明的范圍。

如圖1，本發(fā)明一個(gè)具體實(shí)施例中，示出一種葉片交叉條件下作物中心點(diǎn)定位方法整體流程示意圖?？傮w上，包括：步驟1，基于目標(biāo)作物的原始灰度圖像，獲取目標(biāo)作物的灰度圖像和二值圖像；步驟2，基于所述目標(biāo)作物的灰度圖像和二值圖像，獲得目標(biāo)作物的中心點(diǎn)坐標(biāo)。

在本發(fā)明另一個(gè)具體實(shí)施例中，一種葉片交叉條件下作物中心點(diǎn)定位方法，所述步驟1進(jìn)一步包括：s11，基于目標(biāo)作物的原始灰度圖像，獲得所述目標(biāo)作物原始灰度圖像的二值圖像；s12，對(duì)所述目標(biāo)作物原始灰度圖像的二值圖像進(jìn)行形態(tài)學(xué)去噪處理，確定所述目標(biāo)作物的圖像興趣區(qū)；s13，基于所述目標(biāo)作物的圖像興趣區(qū)，獲取所述目標(biāo)作物圖像興趣區(qū)的二值圖像。

在本發(fā)明另一個(gè)具體實(shí)施例中，一種葉片交叉條件下作物中心點(diǎn)定位方法，所述步驟2進(jìn)一步包括：

s21，將所述目標(biāo)作物的原始灰度圖像與所述目標(biāo)作物的圖像興趣區(qū)的二值圖像融合，獲得目標(biāo)作物的圖像興趣區(qū)的灰度圖像；

s22，獲得所述目標(biāo)作物的圖像興趣區(qū)的灰度圖像的極小值點(diǎn)；獲得所述目標(biāo)作物的圖像興趣區(qū)的灰度圖像中與周圍像素點(diǎn)落差大于閾值的極小值點(diǎn)；

s23，基于所述目標(biāo)作物的圖像興趣區(qū)的灰度圖像和所述s22獲得的極小值點(diǎn)，利用分水嶺算法，獲得目標(biāo)作物的中心點(diǎn)坐標(biāo)。

在本發(fā)明另一個(gè)具體實(shí)施例中，一種葉片交叉條件下作物中心點(diǎn)定位方法，所述步驟1前還包括：

將目標(biāo)作物的初始圖像進(jìn)行灰度化處理，所述灰度化處理包括以下步驟，

igray(i,j)＝g(i,j)*1.262-r(i,j)*0.884-b(i,j)*0.311，

其中i、j為像素的行列坐標(biāo)，g(i,j)、r(i,j)和b(i,j)分別為圖像(i,j)處像素g、r、b顏色分量的灰度值，igray(i,j)為轉(zhuǎn)換后圖像(i,j)處像素的灰度值。

在本發(fā)明另一個(gè)具體實(shí)施例中，一種葉片交叉條件下作物中心點(diǎn)定位方法，所述s12進(jìn)一步包括：

利用形態(tài)學(xué)開(kāi)操作去除對(duì)所述目標(biāo)作物原始灰度圖像的二值圖像中雜草噪聲的干擾；

對(duì)去噪后所述目標(biāo)作物原始灰度圖像的二值圖像的像素值進(jìn)行水平投影，獲得以像素行坐標(biāo)為橫坐標(biāo)的投影曲線；以中間像素行為分界，將投影曲線分成兩部分，尋找每條曲線最小值位置對(duì)應(yīng)的像素行坐標(biāo)，兩個(gè)像素行之間區(qū)域?yàn)樗瞿繕?biāo)作物的圖像興趣區(qū)。

在本發(fā)明另一個(gè)具體實(shí)施例中，一種葉片交叉條件下作物中心點(diǎn)定位方法，所述s22進(jìn)一步包括：

計(jì)算所述目標(biāo)作物的圖像興趣區(qū)的灰度圖像中八鄰域內(nèi)的極小值點(diǎn)和極大值點(diǎn)，并分別計(jì)算極小值點(diǎn)和極大值點(diǎn)的平均值，二者的差值，作為閾值，保留與周圍像素點(diǎn)落差大于閾值的極小值點(diǎn)，獲得最終的局部極小值。

在本發(fā)明另一個(gè)具體實(shí)施例中，一種葉片交叉條件下作物中心點(diǎn)定位方法，所述s23進(jìn)一步包括：

利用所述s22獲得的極小值點(diǎn)對(duì)所述目標(biāo)作物的圖像興趣區(qū)的灰度圖像進(jìn)行前景標(biāo)記；利用分水嶺算法對(duì)標(biāo)記后的灰度圖像為輸入圖像，獲得目標(biāo)作物的中心區(qū)域；

基于目標(biāo)作物的中心區(qū)域，分別對(duì)中心區(qū)域內(nèi)像素點(diǎn)的x坐標(biāo)、y坐標(biāo)相加求和，并統(tǒng)計(jì)中心區(qū)域內(nèi)像素點(diǎn)的個(gè)數(shù)，x坐標(biāo)和、y坐標(biāo)和與像素點(diǎn)個(gè)數(shù)的比值即為最終的作物中心點(diǎn)坐標(biāo)。

如圖2，本發(fā)明實(shí)施例一種葉片交叉條件下作物中心點(diǎn)定位方法的流程示意圖。本具體實(shí)施例提供一種葉片交叉情況下的作物中心點(diǎn)定位方法。該方法充分考慮雜草、葉片交叉等因素對(duì)作物中心點(diǎn)定位的影響，提高了作物中心點(diǎn)定位的速度和準(zhǔn)確度。所述方法具體包括以下步驟。

調(diào)整安裝攝像頭的高度和角度，使攝像頭垂直拍攝作物行，確保采集的圖像中作物行近似平行于水平方向，且待測(cè)作物位于圖像的中間位置，其所在作物行稱為特定作物行。

對(duì)圖像按如下方法在進(jìn)行轉(zhuǎn)換：

igray(i,j)＝g(i,j)*1.262-r(i,j)*0.884-b(i,j)*0.311，

其中i、j為像素的行列坐標(biāo)，g(i,j)、r(i,j)和b(i,j)分別為圖像(i,j)處像素g、r、b顏色分量的灰度值，igray(i,j)為轉(zhuǎn)換后圖像(i,j)處像素的灰度值。

所述的二值圖像，白色像素點(diǎn)(灰度值為1)為作物，黑色像素點(diǎn)(灰度值為0)為背景。用正方形結(jié)構(gòu)元素對(duì)二值圖像進(jìn)行形態(tài)學(xué)開(kāi)運(yùn)算，去除二值圖像中面積微小的白色區(qū)域噪聲。

根據(jù)去噪處理獲得的二值圖像按照如下方法確定興趣區(qū)：對(duì)二值圖像的像素灰度值進(jìn)行水平投影，獲得以像素行坐標(biāo)為橫坐標(biāo)的投影曲線，以中間像素行midrow為分界將投影曲線分成兩部分，每條曲線各有一個(gè)最小值min1、min2，各個(gè)最小值可能對(duì)應(yīng)一個(gè)或多個(gè)像素行坐標(biāo)，記錄距離中間像素行midrow最近的像素行坐標(biāo)為rowmin1、rowmin2，確定rowmin1和rowmin2之間的區(qū)域?yàn)榕d趣區(qū)。

計(jì)算二值圖像興趣區(qū)內(nèi)各連通區(qū)域的面積，保留面積最大的區(qū)域，獲得包含待測(cè)作物的二值圖像。

將包含待測(cè)作物的二值圖像和灰度圖像按照如下方法進(jìn)行融合，提取新的灰度圖像inew：檢測(cè)包含待測(cè)作物二值圖像的白色像素點(diǎn)坐標(biāo)(i,j)，白色像素點(diǎn)處的灰度值為灰度圖像中對(duì)應(yīng)的灰度值igray(i,j)，黑色像素點(diǎn)處的灰度值設(shè)置為0。

作物中心區(qū)域?yàn)樾律~片，在灰度圖像inew中，該區(qū)域的灰度值要高于周圍成熟葉片，像素灰度值的落差較大，可通過(guò)檢測(cè)灰度圖像中像素八鄰域內(nèi)灰度的極小值來(lái)確定作物的中心區(qū)域。但是灰度圖像中通常存在大量的局部極小值點(diǎn)，容易造成誤檢測(cè)。應(yīng)用如下公式對(duì)其進(jìn)行擴(kuò)展極小運(yùn)算，對(duì)圖像中與鄰域像素灰度值落差小于閾值h的極小值點(diǎn)進(jìn)行消隱處理，獲得局部極小值：

bw1＝em(inew,h)，

其中，bw1表示擴(kuò)展極小運(yùn)算獲得的灰度圖像，其對(duì)圖像的極小值進(jìn)行了標(biāo)記；em表示擴(kuò)展極小運(yùn)算；h表示落差閾值。落差閾值通過(guò)計(jì)算圖像極大值點(diǎn)平均值和極小值點(diǎn)平均值的差值獲得。

應(yīng)用如下公式對(duì)圖像進(jìn)行形態(tài)學(xué)強(qiáng)制最小運(yùn)算，以標(biāo)記圖像極小值，消除指定區(qū)域外的所有其他極小值：

bw2＝imposemin(inew,bw1)，

其中，bw2表示標(biāo)記后的灰度圖像，imposemin表示形態(tài)學(xué)強(qiáng)制最小運(yùn)算。

以標(biāo)記的圖像bw2為輸入圖像，采用分水嶺算法對(duì)圖像進(jìn)行分割獲得作物的中心區(qū)域。

按照如下方法計(jì)算作物中心區(qū)域的質(zhì)心坐標(biāo)，定位作物中心點(diǎn)。首先對(duì)得到的作物中心區(qū)域進(jìn)行提取，得到中心區(qū)域的二值圖像，白色像素點(diǎn)(灰度值為1)為中心區(qū)域，黑色像素點(diǎn)(灰度值為0)為背景。對(duì)中心區(qū)域二值圖像的白色像素點(diǎn)進(jìn)行掃描統(tǒng)計(jì)，獲得中心區(qū)域像素點(diǎn)的個(gè)數(shù)n，并將所有白色像素點(diǎn)的像素行坐標(biāo)x相加求和得到x，像素列坐標(biāo)y相加求和得到y(tǒng)，根據(jù)下列公式計(jì)算得到作物中心區(qū)域的質(zhì)心坐標(biāo)(xcenter，ycenter)，

其中，ceil表示取整操作，則在原圖像中作物的中心點(diǎn)坐標(biāo)為(xcenter+rowmin1，ycenter)。

本發(fā)明又一具體實(shí)施例，提供一種葉片交叉條件下作物中心點(diǎn)定位方法。以玉米圖像為例，在自然條件下，實(shí)現(xiàn)對(duì)玉米中心點(diǎn)的快速定位。

本實(shí)施例原始采集到的圖像中中間一行作物近似為水平方向，該行作物為特定作物行，待測(cè)玉米位于特定作物行中部。

圖3為本發(fā)明實(shí)施例的目標(biāo)玉米的原始灰度圖像示意圖。對(duì)采集的圖像進(jìn)行灰度轉(zhuǎn)換，應(yīng)用最大類間方差法計(jì)算灰度閾值為138，將灰度圖像轉(zhuǎn)換為二值圖像，如圖4所示，白色像素點(diǎn)(灰度值為1)為植物(玉米或雜草)，黑色像素點(diǎn)(灰度值為0)為背景。

圖5為本發(fā)明實(shí)施例一種葉片交叉條件下玉米中心點(diǎn)定位方法中所述目標(biāo)玉米原始灰度圖像的二值圖像水平投影示意圖。圖6為根據(jù)本發(fā)明實(shí)施例一種葉片交叉條件下玉米中心點(diǎn)定位方法中所述目標(biāo)玉米圖像興趣區(qū)示意圖。首先，本實(shí)施例中選擇像素大小為4像素的正方形結(jié)構(gòu)元素對(duì)所述二值圖像進(jìn)行開(kāi)運(yùn)算，消除二值圖像面積微小的白色區(qū)域；然后，對(duì)去噪后的二值圖像進(jìn)行水平投影，獲得投影曲線；以中間像素行midrow為分界將投影曲線分為兩部分，本實(shí)施例中midrow＝360；確定每條曲線的最小值min1、min2及其對(duì)應(yīng)的像素行坐標(biāo)，選取距離中間像素行midrow最近的像素行坐標(biāo)為rowmin1、rowmin2，本實(shí)施例中min1＝0，min2＝0，對(duì)應(yīng)的像素行坐標(biāo)為rowmin1＝299，rowmin2＝631，則rowmin1和rowmin2之間的區(qū)域確定為圖像的興趣區(qū)。

圖7為根據(jù)本發(fā)明實(shí)施例一種葉片交叉條件下玉米中心點(diǎn)定位方法中所述目標(biāo)玉米的原始灰度圖像示意圖。圖8為根據(jù)本發(fā)明實(shí)施例一種葉片交叉條件下玉米中心點(diǎn)定位方法中所述目標(biāo)玉米的二值圖像示意圖。統(tǒng)計(jì)興趣區(qū)內(nèi)各區(qū)域的面積，待測(cè)玉米位于興趣區(qū)內(nèi)，由于和其他葉片出現(xiàn)交叉，所以其所在區(qū)域面積最大。保留面積最大的區(qū)域，去除零散葉片的干擾。本實(shí)施例中待測(cè)玉米所在區(qū)域面積為23048。檢測(cè)包含待測(cè)玉米二值圖像的白色像素點(diǎn)，其坐標(biāo)為(i,j)，該白色像素點(diǎn)在新的灰度圖像inew中的灰度值為圖3灰色圖像(i,j)處的值。待測(cè)玉米區(qū)域的黑色像素點(diǎn)在新的灰度圖像inew中的灰度值為0。

圖9為根據(jù)本發(fā)明實(shí)施例一種葉片交叉條件下玉米中心點(diǎn)定位方法中所述目標(biāo)玉米的原始灰度圖像的極小值區(qū)域示意圖；為對(duì)實(shí)施例的灰度圖像inew進(jìn)行擴(kuò)展極小運(yùn)算獲得的bw1，bw1的玉米中心點(diǎn)附近的灰度值要高于周邊像素點(diǎn)。本實(shí)施例中極小值點(diǎn)的平均值為147.09，極大值點(diǎn)的平均值為150.47，設(shè)置落差閾值h為3.38，消除微小區(qū)域的極小值。

圖10為根據(jù)本發(fā)明實(shí)施例一種葉片交叉條件下玉米中心點(diǎn)定位方法中利用分水嶺算法分割處理得到的作物中心區(qū)域示意圖。應(yīng)用形態(tài)學(xué)強(qiáng)制最小運(yùn)算標(biāo)記實(shí)施例的灰度圖像inew，以標(biāo)記圖像為輸入圖像，采用分水嶺算法對(duì)圖像進(jìn)行分割處理，獲得實(shí)施例的中心區(qū)域，如圖10所示。

圖11為根據(jù)本發(fā)明實(shí)施例一種葉片交叉條件下玉米中心點(diǎn)定位方法中利用分水嶺算法分割處理得到的玉米中心點(diǎn)坐標(biāo)示意圖。

圖10獲得的玉米中心區(qū)域形狀并不規(guī)則，計(jì)算該區(qū)域的質(zhì)心作為玉米的中心點(diǎn)。對(duì)中心區(qū)域的像素點(diǎn)進(jìn)行掃描統(tǒng)計(jì)，按照公式(4)計(jì)算質(zhì)心坐標(biāo)。本實(shí)施例中，中心區(qū)域的像素點(diǎn)n＝557，像素的x坐標(biāo)之和x＝89017，y坐標(biāo)之和y＝152204，獲得質(zhì)心坐標(biāo)(160,270)，則玉米的中心點(diǎn)坐標(biāo)為(459,270)，結(jié)果如圖11十字標(biāo)所示。

如圖12，在本發(fā)明另一個(gè)具體實(shí)施例中，示出一種葉片交叉條件下作物中心點(diǎn)定位系統(tǒng)總體框架示意圖。整體上，包括：獲取模塊a1，用于基于目標(biāo)作物的原始灰度圖像，獲取目標(biāo)作物的灰度圖像和二值圖像；定位模塊a2，用于基于所述目標(biāo)作物的灰度圖像和二值圖像，獲得目標(biāo)作物的中心點(diǎn)坐標(biāo)。

在本發(fā)明另一個(gè)具體實(shí)施例中，一種葉片交叉條件下作物中心點(diǎn)定位系統(tǒng)，所述獲取模塊還用于：基于目標(biāo)作物的原始灰度圖像，獲得所述目標(biāo)作物原始灰度圖像的二值圖像；對(duì)所述目標(biāo)作物原始灰度圖像的二值圖像進(jìn)行形態(tài)學(xué)去噪處理，確定所述目標(biāo)作物的圖像興趣區(qū)；基于所述目標(biāo)作物的圖像興趣區(qū)，獲取所述目標(biāo)作物圖像興趣區(qū)的二值圖像。

在本發(fā)明另一個(gè)具體實(shí)施例中，一種葉片交叉條件下作物中心點(diǎn)定位系統(tǒng)，所述定位模塊還用于：

s21，將所述目標(biāo)作物的原始灰度圖像與所述目標(biāo)作物的圖像興趣區(qū)的二值圖像融合，獲得目標(biāo)作物的圖像興趣區(qū)的灰度圖像；

s22，獲得所述目標(biāo)作物的圖像興趣區(qū)的灰度圖像的極小值點(diǎn)；獲得所述目標(biāo)作物的圖像興趣區(qū)的灰度圖像中與周圍像素點(diǎn)落差大于閾值的極小值點(diǎn)；

s23，基于所述目標(biāo)作物的圖像興趣區(qū)的灰度圖像和所述s22獲得的極小值點(diǎn)，利用分水嶺算法，獲得目標(biāo)作物的中心點(diǎn)坐標(biāo)。

在本發(fā)明另一個(gè)具體實(shí)施例中，一種葉片交叉條件下作物中心點(diǎn)定位系統(tǒng)，所述獲取模塊，還用于將目標(biāo)作物的初始圖像進(jìn)行灰度化處理，所述灰度化處理包括以下步驟，

igray(i,j)＝g(i,j)*1.262-r(i,j)*0.884-b(i,j)*0.311，

其中i、j為像素的行列坐標(biāo)，g(i,j)、r(i,j)和b(i,j)分別為圖像(i,j)處像素g、r、b顏色分量的灰度值，igray(i,j)為轉(zhuǎn)換后圖像(i,j)處像素的灰度值。

在本發(fā)明另一個(gè)具體實(shí)施例中，一種葉片交叉條件下作物中心點(diǎn)定位系統(tǒng)，所述獲取模塊，還用于基于目標(biāo)作物的原始灰度圖像，獲得所述目標(biāo)作物原始灰度圖像的二值圖像的轉(zhuǎn)換閾值利用最大類間方差法求得。

在本發(fā)明另一個(gè)具體實(shí)施例中，一種葉片交叉條件下作物中心點(diǎn)定位系統(tǒng)，所述獲取模塊，還用于：

利用形態(tài)學(xué)開(kāi)操作去除對(duì)所述目標(biāo)作物原始灰度圖像的二值圖像中雜草噪聲的干擾；

對(duì)去噪后所述目標(biāo)作物原始灰度圖像的二值圖像的像素值進(jìn)行水平投影，獲得以像素行坐標(biāo)為橫坐標(biāo)的投影曲線；以中間像素行為分界，將投影曲線分成兩部分，尋找每條曲線最小值位置對(duì)應(yīng)的像素行坐標(biāo)，兩個(gè)像素行之間區(qū)域?yàn)樗瞿繕?biāo)作物的圖像興趣區(qū)。

在本發(fā)明另一個(gè)具體實(shí)施例中，一種葉片交叉條件下作物中心點(diǎn)定位系統(tǒng)，所述定位模塊，還用于：

計(jì)算所述目標(biāo)作物的圖像興趣區(qū)的灰度圖像中八鄰域內(nèi)的極小值點(diǎn)和極大值點(diǎn)，并分別計(jì)算極小值點(diǎn)和極大值點(diǎn)的平均值，二者的差值，作為閾值，保留與周圍像素點(diǎn)落差大于閾值的極小值點(diǎn)，獲得最終的局部極小值。

在本發(fā)明另一個(gè)具體實(shí)施例中，一種葉片交叉條件下作物中心點(diǎn)定位系統(tǒng)，所述定位模塊，還用于：

利用所述s22獲得的極小值點(diǎn)對(duì)所述目標(biāo)作物的圖像興趣區(qū)的灰度圖像進(jìn)行前景標(biāo)記；利用分水嶺算法對(duì)標(biāo)記后的灰度圖像為輸入圖像，獲得目標(biāo)作物的中心區(qū)域；

基于目標(biāo)作物的中心區(qū)域，分別對(duì)中心區(qū)域內(nèi)像素點(diǎn)的x坐標(biāo)、y坐標(biāo)相加求和，并統(tǒng)計(jì)中心區(qū)域內(nèi)像素點(diǎn)的個(gè)數(shù)，x坐標(biāo)和、y坐標(biāo)和與像素點(diǎn)個(gè)數(shù)的比值即為最終的作物中心點(diǎn)坐標(biāo)。

圖13示出本申請(qǐng)實(shí)施例的葉片交叉條件下作物中心點(diǎn)定位方法的設(shè)備的結(jié)構(gòu)框圖。

參照?qǐng)D13，所述葉片交叉條件下作物中心點(diǎn)定位方法的設(shè)備，包括：處理器(processor)1301、存儲(chǔ)器(memory)1302和總線1303；

其中，

所述處理器1301和存儲(chǔ)器1302通過(guò)所述總線1303完成相互間的通信；

所述處理器1301用于調(diào)用所述存儲(chǔ)器1302中的程序指令，以執(zhí)行上述各方法實(shí)施例所提供的方法，例如包括：步驟1，基于目標(biāo)作物的原始灰度圖像，獲取目標(biāo)作物的灰度圖像和二值圖像；步驟2，基于所述目標(biāo)作物的灰度圖像和二值圖像，獲得目標(biāo)作物的中心點(diǎn)坐標(biāo)。

本實(shí)施例公開(kāi)一種計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品包括存儲(chǔ)在非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序包括程序指令，當(dāng)所述程序指令被計(jì)算機(jī)執(zhí)行時(shí)，計(jì)算機(jī)能夠執(zhí)行上述各方法實(shí)施例所提供的方法，例如包括：步驟1，基于目標(biāo)作物的原始灰度圖像，獲取目標(biāo)作物的灰度圖像和二值圖像；步驟2，基于所述目標(biāo)作物的灰度圖像和二值圖像，獲得目標(biāo)作物的中心點(diǎn)坐標(biāo)。

本實(shí)施例提供一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)計(jì)算機(jī)指令，所述計(jì)算機(jī)指令使所述計(jì)算機(jī)執(zhí)行上述各方法實(shí)施例所提供的方法，例如包括：步驟1，基于目標(biāo)作物的原始灰度圖像，獲取目標(biāo)作物的灰度圖像和二值圖像；步驟2，基于所述目標(biāo)作物的灰度圖像和二值圖像，獲得目標(biāo)作物的中心點(diǎn)坐標(biāo)。

本領(lǐng)域普通技術(shù)人員可以理解：實(shí)現(xiàn)上述方法實(shí)施例的全部或部分步驟可以通過(guò)程序指令相關(guān)的硬件來(lái)完成，前述的程序可以存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，該程序在執(zhí)行時(shí)，執(zhí)行包括上述方法實(shí)施例的步驟；而前述的存儲(chǔ)介質(zhì)包括：rom、ram、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。

以上所描述的葉片交叉條件下作物中心點(diǎn)定位方法的設(shè)備等實(shí)施例僅僅是示意性的，其中所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開(kāi)的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部模塊來(lái)實(shí)現(xiàn)本實(shí)施例方案的目的。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性的勞動(dòng)的情況下，即可以理解并實(shí)施。

通過(guò)以上的實(shí)施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到各實(shí)施方式可借助軟件加必需的通用硬件平臺(tái)的方式來(lái)實(shí)現(xiàn)，當(dāng)然也可以通過(guò)硬件?；谶@樣的理解，上述技術(shù)方案本質(zhì)上或者說(shuō)對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來(lái)，該計(jì)算機(jī)軟件產(chǎn)品可以存儲(chǔ)在計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，如rom/ram、磁碟、光盤等，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行各個(gè)實(shí)施例或者實(shí)施例的某些部分所述的方法。

最后，本申請(qǐng)的方法僅為較佳的實(shí)施方案，并非用于限定本發(fā)明的保護(hù)范圍。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。