[发明专利]一种番茄植株边缘排序方法

摘要

本发明公开了一种番茄植株边缘排序方法。首先对采集的番茄植株彩色图像进行图像分割；直接在二值图像中提取出番茄植株连续边缘；对所提取的的番茄植株边缘进行去噪；然后遍历番茄植株边缘图像，将未排序边缘点作为当前边缘点；将当前已排序边缘从当前边缘点的8邻域按序延伸，同时识别出交叉点；当当前边缘在当前边缘点8邻域内无法继续延伸时，新增一从同一起点至当前交叉点的边缘，并从交叉点8邻域内继续按序延伸；最后求同一起点边缘的最长边缘，保存最长边缘和其余边缘；应用本发明可实现具有复杂边缘点邻接关系和较多噪声点的长番茄植株茎秆边缘的实时排序、去噪，为基于图像边缘分析的番茄植株组成器官识别提供连续和完整的已排序边缘。

主权项

1.一种番茄植株边缘排序算法，其特征在于，包括如下步骤：①图像分割：对番茄植株彩色图像C进行图像分割，获得番茄植株二值图像B；采用基于绿红色差特征量的阈值图像分割算法，如式(1)所示：式中：B(x,y)—二值图像B中坐标为(x,y)像素的像素值；Tb—图像分割阈值；cn—归一化绿红色差特征量，如式(2)所示：式中：min‑表示求最小值；max‑表示求最大值；cc—绿红色差特征量，如式(3)所示：式中：RGB—彩色图像的三个颜色分量；②连续边缘提取：在图像分割后的二值图像B中，进行番茄植株连续边缘提取，获得边缘图像E，如式(4)所示：式中：Eo(x,y)—边缘图像Eo中坐标为(x,y)像素的像素值；Eo(x+1,y)—边缘图像Eo中坐标为(x+1,y)像素的像素值；Eo(x,y+1)—边缘图像Eo中坐标为(x,y+1)像素的像素值；B(x+1,y)—二值图像B中坐标为(x+1,y)像素的像素值；B(x,y+1)—二值图像B中坐标为(x,y+1)像素的像素值；③边缘去噪：去除Eo中长度小于阈值Tl的短边缘，获得边缘图像Es；④边缘排序：对边缘图像Es中各边缘的边缘点按其在图像坐标系中的位置先后关系分别进行排序，包含如下步骤：步骤4.1：存储已排序边缘的变量、数组定义和初始化；定义已排序边缘数变量EN，初始化为0；定义存储已排序边缘点数的一维数组EPN，并将其所有元素均初始化为0；定义存储已排序边缘点图像纵横坐标y、x的二维数组EPY、EPX，第一维表示该边缘点所在边缘序号，第二维表示该边缘点在所在已排序边缘所有边缘点中的序号；定义标识边缘点是否为已排序边缘点的二维数组EdgPoF，第一维表示边缘点在图像坐标系中的纵坐标，第二维表示边缘点在图像坐标系中的横坐标，将其所有元素均初始化为0；进入步骤4.2；步骤4.2：进行同一起点边缘簇中边缘的排序；存储同一起点边缘簇所需变量和数组的定义和初始化；定义同一起点边缘簇中边缘数变量EdgeNo，初始化为0；定义存储边缘点数的一维数组EdgPoNo，并将其所有元素均初始化为0；定义存储边缘点图像纵横坐标y、x的二维数组EdgPoY、EdgPoX，第一维表示该边缘点所在边缘的序号，第二维表示该边缘点在所在边缘所有边缘点中的序号；进入步骤4.3；步骤4.3：从上往下，从左往右逐点扫描边缘图像ES，判断当前像素(i,j)是否为未排序边缘点，即判断ES(i,j)及EdgPoF(i,j)的值；若是，即ES(i,j)值为1、EdgPoF(i,j)值为0，则新建一条以该边缘点(i,j)为起点的边缘，即将边缘数EdgeNo置为1，将第EdgeNo号边缘的边缘点数EdgPoNo(EdgeNo)置为1，保存第EdgeNo号边缘中第1个边缘点的图像纵横坐标，即EdgPoY(EdgeNo,1)＝i，EdgPoX(EdgeNo,1)＝j；将该边缘点(i,j)标识为已排序边缘点，即设置EdgPoF(i,j)＝1；使用变量StartY、StartX分别保存该起点的图像纵横坐标，即设置StartY＝i，StartX＝j；将该边缘作为当前边缘EdgeNo；将该边缘点(i,j)作为当前边缘点(r,c)，即r＝i，c＝j，进入步骤4.4；否则，跳转至步骤4.9；步骤4.4：存储分叉点及相应公共边缘的变量和数组的定义及初始化；定义分叉点数变量CroPoNo，并初始化为0；定义存储分叉点图像纵横坐标的一维数组CroPoY及CroPoX；定义存储第CroPoNo个分叉点对应的公共边缘CroPoNo的边缘点图像纵横坐标的二维数组ShaEdgPoY、ShaEdgPoX，其中第一维表示公共边缘序号，第二维表示边缘点序号；进入步骤4.5；步骤4.5：分叉点及公共边缘的识别：基于当前边缘点8邻域内边缘点个数及其位置关系实现当前边缘点是否为分叉点的识别；若当前边缘点8邻域内边缘点个数为两个且这两个边缘点为非相邻边缘点或边缘点个数大于2个，则当前边缘点为交叉点，当前边缘点及其前已排序边缘为公共边缘，使用CroPoNo保存分叉点数即公共边缘数，使用CroPoY及CroPoX数组分别保存分叉点图像纵横坐标，并将当前边缘点及其前已排序边缘作为该分叉点对应的公共边缘，使用数组ShaEdgPoY、ShaEdgPoX按序保存该公共边缘的边缘点图像纵横坐标；步骤4.6：判断当前边缘点(r,c)的8邻域内是否存在未排序边缘点(p,q)，即判断是否存在ES(p,q)为1且EdgPoF(p,q)同时为0的像素；若是，当前边缘EdgeNo的边缘点数EdgPoNo(EdgeNo)自增1，将该边缘点(p,q)按序存入当前边缘EdgeNo，即EdgPoY(EdgeNo,EdgPoNo(EdgeNo))＝p，EdgPoX(EdgeNo,EdgPoNo(EdgeNo))＝q，将该边缘点(p,q)标识为已排序边缘点，即设置EdgPoF(p,q)＝1，并以该边缘点(p,q)为当前边缘点，即r＝p，c＝q，跳转至步骤4.5；否则，进入步骤4.7；步骤4.7：判断分叉点数CroPoNo是否大于0；若是，新建一边缘，即边缘数EdgeNo自增1，且将序号为CroPoNo的公共边缘的边缘点按序存入该新建边缘，作为该新建边缘中的边缘点，即将ShaEdgPoY(CroPoNo,t)、ShaEdgPoX(CroPoNo,t)按t从1至ShaEdgPoNo(CroPoNo)的顺序分别存入EdgPoY(EdgeNo,t)、EdgPoX(EdgeNo,t)，当前边缘EdgeNo的边缘点数为该公共边缘的边缘点数，即EdgPoNo(EdgeNo)＝ShaEdgPoNo(CroPoNo)，同时以该新建边缘为当前边缘EdgeNo，以该分叉点为当前边缘点，即r＝CroPoY(CroPoNo)，c＝CroPoX(CroPoNo)，公共边缘数CroPoNo减1，跳转至步骤4.5；否则，转入步骤4.8；步骤4.8：同一起点边缘簇中最长边缘和其他边缘的提取：求同一起点边缘簇中的最长边缘，并按序保存其边缘点图像纵横坐标；遍历同一起点边缘簇中除最长边缘外的其他边缘，剔除其中在最长边缘上的公共边缘点；对剔除最长边缘上的公共边缘点后剩余的边缘重复步骤4.8，直至剔除最长边缘上的公共边缘点后剩余的边缘数为0为止，去除长度小于阈值Tl的短边缘，跳转到步骤4.2；步骤4.9：结束边缘排序过程；获得边缘图像E4。