[发明专利]基于数字图像处理技术的单株水稻穗部籽粒数计数方法

权利要求书

1.一种水稻穗部籽粒数计数方法，该方法包括步骤：

S1.建立水稻穗部特征参数与其穗部籽粒数之间相关关系，水稻穗部一次枝梗经平直化处理后，利用扫描仪获取穗部图像，并对穗部图像进行预处理；

S2.对预处理后的水稻穗部图像进行数学形态学处理，采用数学形态学分析中开运算处理合理地去除结构元素小的部分；对每个孔洞进行填充操作，利用面积法将小于面积定值P的非目标对象全部去杂；

S3.水稻穗部图像特征参数是水稻穗部图像基本特性的基础性描述，是建立水稻穗部相关特征参数与籽粒数间的数学模型的理论基础，本发明仅仅对水稻穗部的籽粒部位面积特征和籽粒部位一次枝梗总长度特征参数进行提取。

S4.利用最小二乘法建立水稻穗部图像籽粒部位面积特征参数和一次枝梗总长度特征参数与其籽粒数之间数学模型。

S5.采用最小二乘法拟合检测样品的预测籽粒数与其实际籽粒数之间的相关关系，对水稻穗部籽粒部位面积特征参数和一次枝梗总长度特征参数与其籽粒数之间的数学模型进行验证，确保这两种模型的实用性和有效性。

2.如权利1所述的水稻穗部籽粒数计数方法，其特征在于，步骤S1中的所述水稻穗部预处理包括步骤：

S1.1建立水稻穗部籽粒部位一次枝梗总长度特征参数与其穗部籽粒数之间相关关系，为利用数字图像处理技术计数出水稻穗部籽粒数提供理论依据。

S1.2在采集水稻穗部图像前需人工对穗部所有一次枝梗分开，并且保证一次枝梗处于平直状态，从而保证水稻穗部图像一次枝梗之间无粘连和重叠，同时穗部籽粒区域面积和一次枝梗长度的特征提取准确。水稻穗部一次枝梗经平直化处理后，利用扫描仪获取穗部图像，并对穗部图像进行预处理。

S1.3所有稻穗图像采集采用扫描仪，在采集稻穗图像时，需要保证水稻穗部一次枝梗分开并且平直。扫描仪分辨率设置为72dpi，图像大小为1008×612个像素。

S1.4灰度化处理：对彩色图像进行灰度化处理，获得水稻穗部的灰度图像，由灰度图像得到图像的直方图。

S1.5二值化处理：通过直方图确定出背景区域和水稻穗部区域灰度分布的阈值，采用最大类间方差法(Otsu方法)确定分割阈值，从而把水稻穗部区域与背景区域分开，获得把水稻穗部与背景区域完全分开的图像。

3.如权利1所述的水稻穗部籽粒数计数方法，其特征在于，步骤S2中的所述数学形态学处理包括步骤：

S2.1图像处理开运算包括膨胀和腐蚀的组合：该运算首先对图像进行腐蚀，然后再对腐蚀后的图像进行膨胀，两次操作使用同样的结构元素来处理图像。

S2.2图像填充和去杂处理：对开运算二值图像进行填充操作，将连接的背景像素0值改为前景像素1值，直到达到对象的边界。同时利用面积法去除面积小于定值P的非目标物体对象全部去杂。此次图像处理过程中是对开运算后的二值图像进行填充、去杂操作。

4.如权利1所述的水稻穗部籽粒数计数方法，其特征在于，步骤S3中的所述穗部图像特征参数提取包括步骤：

S3.1提取水稻穗部籽粒部位面积特征参数：经填充和去杂的二值图像为仅剩水稻穗部籽粒部位像素值为1的区域，利用图像处理技术计算像素值为1部分的像素数目即为水稻穗部籽粒部位面积特征参数。

S3.2提取水稻籽粒部位一次枝梗总长度特征参数：水稻穗部图像籽粒部位一次枝梗长度是采用外接椭圆法(等价于区域的归一化二阶中心矩)获得每个一次枝梗的主轴长度，所有提取的籽粒部位一次枝梗的主轴长度之和为一次枝梗总长度。

5.如权利1所述的水稻穗部籽粒数计数方法，其特征在于，步骤S4中的所述建立基于水稻穗部图像特征的籽粒数计数数学模型包括步骤：

S4.1建立水稻穗部籽粒部位面积特征参数与实际水稻穗部籽粒数之间的数学模型：通过最小二乘法建立图像处理计算所获得的籽粒部位面积特征参数与实际穗部籽粒数之间的数学模型。

S4.2建立水稻穗部籽粒部位一次枝梗总长度特征参数与实际水稻穗部籽粒数之间的数学模型：采用最小二乘法建立图像处理计算所得的穗部籽粒部位一次枝梗总长度特征参数与实际水稻穗部籽粒数之间的数学模型。

6.如权利1所述的水稻穗部籽粒数计数方法，其特征在于，步骤S5中的所述验证基于水稻穗部图像特征的籽粒数计数数学模型包括步骤：

S5.1水稻穗部籽粒部位面积特征参数与籽粒数之间的模型进行检验：以检验样品的实际籽粒数量作为标准来衡量通过数学模型获得的水稻穗部籽粒数量。以实际获取的验证水稻样品集的籽粒数量作为实际值与通过数学模型获得的水稻穗部籽粒数量预测值之间建立相关关系曲线，并且比较两者差异程度。

S5.2水稻穗部籽粒部位一次枝梗总长度特征参数与籽粒数之间的模型进行检验：采用与S5.1相同的方法对水稻穗部籽粒部位一次枝梗总长度与籽粒数之间的模型进行检验。