[发明专利]油菜每角粒数图像识别方法

权利要求书

1.一种油菜每角粒数的图像识别方法，其特征在于，该方法包括步骤：

S1.通过测量油菜角果去除花梗和果喙后长度建立油菜角果长度特征参数与角果籽粒数量之间的关系模型；

S2.油菜角果长度的图像识别方法：采集平铺状态下油菜角果图像，经油菜角果图像预处理、图像细化、端点和交点检测、端点配对、角果长度计算等步骤识别出角果物理长度；

S3.把油菜角果的图像识别长度带入油菜角果长度特征参数与角果籽粒数量之间的关系模型，计算出每角果籽粒数。

2.根据权利要求1所述的一种油菜每角粒数的图像识别方法，其特征在于，步骤S1进一步包括：

S1.1油菜角果长度测量以角果去除花梗和果喙后仅有荚果部分测试长度为基准，人工测量角果长度，同时对角果内部籽粒数量进行计数，建立油菜角果长度特征参数与角果籽粒数量之间的关系模型。

3.根据权利要求1所述的一种油菜每角粒数的图像识别方法，其特征在于，步骤S2进一步包括：

S2.1利用扫描仪采集平铺状态下批量油菜角果图像，油菜角果图像经过灰度化、二值化、空洞填充、去除小面积处理后即可得到完整的油菜角果二值图像；采用开运算去除角果的花梗和果喙；

S2.2将油菜角果图像进行细化，角果变成骨骼细线位于角果的中心位置，细化后的二值角果图像和形状仅为单个像素宽的线；对每条骨骼线去除5个像素点，达到去除毛刺的目的；

S2.3采用击中击不中变换原理对线段的端点和交点像素进行检测；端点和交点检测包括设置查找表和扫描寻找端点和交点两个步骤；

S2.4步骤S2.3中所述设置查找表包括，采用结构元素为3×3形状的检测模板，角果二值图像中每个位置可能的值只有0和1，该检测模板共有2⁹＝512个不同的形状，将该形状的元素与矩阵相乘将乘积累加起来即为每个3×3的形状在0-511中分配一个唯一的值；线段的端点在其8连通域内除其本身外只能存在一个1，即该处模板元素和为2且模板中心点为1，以此为依据构造一个长度为512的列向量查找表，计算每个模板的索引值并加1，将索引值变为1-512，满足端点条件的在查找表对应位置上置1，反之置0，最终生成查找表；

S2.5步骤S2.3中所述扫描寻找端点和交点包括，将3×3形状的模板结构元素遍历整个油菜分枝骨骼图像并计算每个形状内的索引值，然后对应查找表上的对应值，为1即端点，为0则是非端点；只需将模板元素的和由2改为4，保持其余条件不变即可有效识别角果之间的交点本身及其附近的一簇点；

S2.6针对油菜角果之间交点的识别结果正是一簇一簇的，故可利用DBSCAN聚类算法对角果交点进行聚类，从每类簇中选择一个点作为角果的交点并去除该类簇中其余的点即可实现多余交点的去除；

S2.7以连通域为单位提取角果子图像，再对子图像中的角果端点进行配对；按照子图像端点的个数d和交点的个数p来进行分类配对；配对形式有：单角果型d＝2且p＝0，双角果交叉型d＝4且p＝1，普通型；

S2.8普通型配对步骤：选择任意角果交点o为原点，从o点向任意两端点a、b作向量oa、ob，计算向量之间的夹角；作通过a、b两端点的直线方程，在两端点之间每隔1个单位取一个x值并求出对应的y值，假设共取了t个坐标点且有u个坐标点落在油菜角果内，则直线与角果的重合度若端点a、b满足θ≥170°且ξ≥0.9，则端点a、b即为某角果的两个端点，对未配对的端点进行再一次的配对时，需要降低配对条件为θ减少10°、ξ减小0.1，直至条件降至θ≥120°且ξ≥0.4时，结束端点配对；

S2.9假设已配对的角果两端点a、b的坐标为(x₁，y₁)、(x₂，y₂)，通过两点间距离公式即可得到该角果的像素长度d；设置像素长度d转化为物理尺寸长度d’的转换比例系数k。

4.根据权利要求1所述的一种油菜每角粒数的图像识别方法，其特征在于，步骤S3进一步包括：

S3.1将得到的角果长度d’代入油菜角果长度与籽粒数之间的线性关系模型中即可得到油菜角果中的籽粒数。