[发明专利]基于图像处理的种子芽长与根长检测方法

说明书

基于图像处理的种子芽长与根长检测方法。首先利用颜色特征提取叶片信息，并在整株芽长二值图像中去除叶片区域信息，其次通过圆盘结构元素与线性结构元素腐蚀图像方法分割出种子图像获得种子的中心，再对整株芽长二值图像进行图像增强和边缘轮廓处理，最后对芽长图像进行骨架提取与剪枝，依据像素点间的欧氏距离计算种子的芽长与根长。实验结果表明，包含特征选择与骨架提取的图像处理过程实现对种子芽长与根长的高精度、快速检测。

技术领域

本发明涉及数字图像处理与农业工程领域，尤其涉及一种基于图像处理的种子芽长与根长检测方法。

背景技术

种子质量决定了农业产量，而芽长是种子活力的一个重要判定标准。在种子发芽试验中，经常要统计种子生长的发芽率、幼苗长度以及生长速度。传统的芽长检测方法采用人工测量方式，虽然相对简单，但有诸多局限。一方面费时费力，另一方面由于每个实验研究人员的经验不同，检测的结果容易存在主观因素误差。如何准确、自动的检测种子的芽长与根长已经成为种子发芽试验中的热点问题，而图像处理技术作为一种无损检测技术，在植物病虫害检测、果蔬分级分类、农作物长势等方面具有良好的应用前景。

现有技术中芽长/根长的测量虽然利用了相关的图像处理技术，测定的过程大致包括以下个过程：首先，获取芽长/根长图像。然后，通过预处理去除图像噪声、增强图像效果。再用图像定位、分割算法提取出芽长或根长部分。然后对图像长度进行计算。但是，现有的芽长/根长技术需要手动选取比例尺或手动框选发芽区域，效率较低，并未实现对多颗种子同时进行芽长与根长检测。

发明内容

本发明要解决的技术问题是：为了解决现有技术现有的芽长/根长技术需要手动选取比例尺或手动框选发芽区域，效率较低，并未实现对多颗种子同时进行芽长与根长检测等问题，因此提出了基于特征选择与骨架提取的种子芽根长度检测方法。其特征在于：

步骤1，图像预处理，使用形态学顶帽算法对图像进行开运算，并用原图像减去经过形态学开运算的图像得到预处理图像；

步骤2，特征选取，利用RGB空间中绿芽的颜色特征，在整株芽的二值图像中去除绿芽区域信息，结合种子的形状特征分割出种子区域；

步骤3，确定种子的中心，然后对图像进行形态学腐蚀操作，确定种子的中心点；

步骤4，图像增强，利用种子根须的颜色特征提取极细的根须图像与原二值图相加得到根部增强后的二值图；

步骤5，图像边缘轮廓处理，种子的中心点的坐标对增强后图像进行边缘轮廓处理，去除相邻种子的连通性，填充轮廓内部，保证像素点的连续性；

步骤6，骨架提取与剪枝，获得图像的中心骨架：

(1)遍历图像，生成骨架端点二值图；

(2)获取骨架端点二值图中各端点的坐标，并将端点坐标按行排序，得到中心骨架垂直方向上的首端点与尾端点；

(3)删除骨架端点二值图中的首尾端点，得到分支端点二值图；

(4)用骨架二值图减去分支端点二值图，得到新的骨架二值图；

(5)判断新生成的骨架二值图中是否只含有两个端点，否则重复(1)至(4)的操作。当新骨架二值图中只含两个端点时，这两个端点即为中心骨架的首尾端点；此时上一步获得的新骨架二值图即为中所求的中心骨架图；

步骤7，长度计算，在计算芽长或根长时每4～6个像素点计算一次欧式距离以减少骨架转折的误差，并以直径为25mm的1元硬币为参照物，将像素长度换算成以毫米为单位的实际长度。

作为一种优选：步骤3中所述的形态学腐蚀操作将图像中获得的面积按降序排序，保留与芽的个数相等的多个较大连通区域。

作为一种优选：步骤5中所述的边缘轮廓处理是通过：