基于圖像處理的小麥穗長(zhǎng)測(cè)量

姜盼,張彬,畢昆

(1.中國(guó)傳媒大學(xué)理學(xué)院,北京 100024;2.國(guó)家農(nóng)業(yè)智能裝備工程技術(shù)研究中心,北京 100097)

1 引 言

小麥?zhǔn)俏覈?guó)主要的糧食作物之一,其種植面積和產(chǎn)量?jī)H次于水稻,占全世界人口 35%-40%的人們以此為主要糧食,同時(shí)小麥也在解決我國(guó)人口眾多耕地不足的糧食危機(jī)問(wèn)題中擔(dān)負(fù)著重要的角色,因此提高小麥的品質(zhì)和產(chǎn)量是我國(guó)目前需要迫切解決的問(wèn)題。小麥育種和考種是提高小麥產(chǎn)量研究的重要環(huán)節(jié),此環(huán)節(jié)中,農(nóng)藝性狀的測(cè)量至關(guān)重要,穗長(zhǎng)則是其中的重要參數(shù)之一,也是專(zhuān)家關(guān)心的主要外部形態(tài)參數(shù)。

目前,國(guó)外對(duì)于單株小麥外觀參數(shù)提取的研究較少,而基于遙感成像技術(shù)的預(yù)產(chǎn)[1]、病蟲(chóng)害預(yù)警[2]和評(píng)估[3]研究較多。國(guó)內(nèi)有基于圖像處理或機(jī)器視覺(jué)實(shí)現(xiàn)小麥籽粒外觀特征提取[15]和棉花纖維長(zhǎng)度測(cè)量[16]的研究,而通過(guò)計(jì)算機(jī)圖像提取小麥穗長(zhǎng)方面的研究還未見(jiàn)相關(guān)報(bào)道,國(guó)內(nèi)外市場(chǎng)上也沒(méi)有能自動(dòng)測(cè)量麥穗長(zhǎng)度的專(zhuān)用儀器設(shè)備及軟件。目前我國(guó)育種人員在考種時(shí)測(cè)量穗長(zhǎng)的方法主要采用細(xì)繩、直尺或卷尺人工定位麥穗的兩個(gè)端點(diǎn)(頸節(jié)點(diǎn)和頂點(diǎn))進(jìn)行直接測(cè)量的方法,該方法誤差較大,帶有個(gè)人主觀性,費(fèi)時(shí)費(fèi)力,重復(fù)性差,數(shù)字化程度低。本文將采用掃描儀掃描成熟期小麥的圖像,通過(guò)圖像處理方法自動(dòng)測(cè)量麥穗的長(zhǎng)度。

2 穗長(zhǎng)測(cè)量算法

小麥生長(zhǎng)環(huán)境不同,麥穗的長(zhǎng)勢(shì)也不同,麥穗長(zhǎng)度的測(cè)量有兩個(gè)基本思路:一種方法是找麥穗上部圖像的中軸點(diǎn)進(jìn)行曲線擬合并計(jì)算曲線長(zhǎng)度,但這種方法存在曲線擬合效果差,計(jì)算結(jié)果不同程度偏大的缺陷,無(wú)法對(duì)系統(tǒng)誤差進(jìn)行較好的校正。另一種方法是計(jì)算旋轉(zhuǎn)后麥穗外接矩形的長(zhǎng)度,經(jīng)過(guò)對(duì)比,發(fā)現(xiàn)第二種方法更接近人工測(cè)量習(xí)慣。本文以新疆的 4種春小麥品種為研究對(duì)象,利用旋轉(zhuǎn)麥穗后計(jì)算外接矩形方法對(duì) 20個(gè)隨機(jī)麥穗樣本進(jìn)行了穗長(zhǎng)的自動(dòng)測(cè)量。

2.1 圖像獲取及預(yù)處理

圖像獲取硬件設(shè)備為佳能平板式掃描儀,將掃描儀和計(jì)算機(jī)相連接,為了突出成熟期的小麥麥穗圖像(黃色),采集圖像時(shí)以黑色紙張作為背景,設(shè)定掃描分辨率為 300dpi,掃描小麥的灰度圖像。系統(tǒng)結(jié)構(gòu)如圖 1所示。

圖 1 系統(tǒng)結(jié)構(gòu)圖

應(yīng)用 Matlab的二值化函數(shù)將小麥灰度圖像轉(zhuǎn)化為二值圖像。二值轉(zhuǎn)換閾值設(shè)置為 0.5,轉(zhuǎn)換結(jié)果如圖 2所示。在轉(zhuǎn)換后的二值圖像中,有部分芒在閾值分割過(guò)程中未保留,但是并不影響對(duì)小麥穗長(zhǎng)的測(cè)量。

圖2 小麥二值化后的圖像

2.2 形態(tài)學(xué)腐蝕膨脹去芒

各品種小麥長(zhǎng)勢(shì)錯(cuò)綜復(fù)雜,對(duì)于多芒品種,數(shù)量多且交叉的芒將會(huì)影響麥穗頂點(diǎn)的判斷從而導(dǎo)致穗長(zhǎng)測(cè)量誤差偏大,可通過(guò)形態(tài)學(xué)腐蝕膨脹和閉運(yùn)算[4]的組合將絕大部分麥芒去除,處理結(jié)果如圖 2所示。二值形態(tài)學(xué)中的運(yùn)算對(duì)象是集合,通常給出兩個(gè)集合:圖像集合和結(jié)構(gòu)元素集合,利用結(jié)構(gòu)元素對(duì)圖像進(jìn)行操作。

如果 A是二值化后的小麥圖像集合,B是結(jié)構(gòu)元素(B本身也是一個(gè)圖像集合),形態(tài)學(xué)運(yùn)算將使用 B對(duì) A進(jìn)行操作,結(jié)構(gòu)元素往往比圖像小得多。

小麥圖像集合被膨脹就是把小麥圖像“加長(zhǎng)”或“變粗”的操作,這個(gè)過(guò)程由結(jié)構(gòu)元素來(lái)控制,定義為 A⊕B

小麥圖像集合被腐蝕是對(duì)二值小麥圖像進(jìn)行“收縮”或“細(xì)化”的過(guò)程,收縮的方式和程度由結(jié)構(gòu)元素控制,定義為 AΘB

在圖像處理的實(shí)際應(yīng)用中,通常將膨脹和腐蝕進(jìn)行各種形式的組合來(lái)進(jìn)行運(yùn)算,膨脹后再腐蝕,或者腐蝕后再膨脹,操作處理后一般不能恢復(fù)回原來(lái)圖像,而是產(chǎn)生一種新的形態(tài)變換,這就是開(kāi)運(yùn)算和閉運(yùn)算。小麥圖像 A被 B的形態(tài)閉運(yùn)算是先膨脹再腐蝕的結(jié)果:

首先通過(guò)對(duì)小麥二值化圖像進(jìn)行形態(tài)學(xué)閉運(yùn)算,再進(jìn)行兩次形態(tài)學(xué)腐蝕運(yùn)算和兩次膨脹運(yùn)算以彌補(bǔ)過(guò)腐蝕現(xiàn)象的方法去除小麥二值圖像中的麥芒。本文采用的結(jié)構(gòu)元素為 3×3值為 1的二維矩陣,經(jīng)過(guò)上述處理將麥芒去除后,再去除圖像中的小塊面積(小麥圖像面積的 0.01%)得到只有莖桿和穗上部的圖像,如圖 3所示

圖 3 小麥主部圖像

2.3 麥穗與穗莖的分割

按照國(guó)家育種標(biāo)準(zhǔn),穗長(zhǎng)是自穗頸節(jié)至穗頂(不包括芒)的長(zhǎng)度。根據(jù)麥穗的上部和莖桿之間的寬度差異可以將麥穗的上部和莖桿分割,得到只有麥穗的圖像,分割的依據(jù)是圖 3中每行黑色像素點(diǎn)的個(gè)數(shù)(寬度),以最底部莖桿的寬度 L為基準(zhǔn),記 180%*L的點(diǎn)為分割點(diǎn),分割后的上部為麥穗圖像,下部為莖桿圖像,分割結(jié)果如圖 4所示。

2.4 主軸方向角的確定

在圖像處理過(guò)程中,為了識(shí)別物體或計(jì)算物體的長(zhǎng)度,通常需求出物體的主軸的方向、長(zhǎng)度和位置等信息。物體的主軸方向可以通過(guò)圖像的幾何矩求得,圖像的幾何矩具有平移、旋轉(zhuǎn)、縮放等操作后均不會(huì)變性的特點(diǎn)。低階矩描述的是圖像的整體特征:目標(biāo)物體的面積可以通過(guò)零階矩來(lái)描述、質(zhì)心位置可以通過(guò)一階矩來(lái)描述、主軸和輔軸的方向角可以通過(guò)二階矩來(lái)計(jì)算,詳細(xì)的小麥圖像的矩計(jì)算公式如下[9]。

圖 4 麥穗上部圖像

如果將按距離分割后的麥穗上部圖像看成一個(gè)二維密度分布的二元有界函數(shù) f(x,y),函數(shù)值 f(x,y)表示點(diǎn)(x,y)處圖像像素的灰度值,則小麥圖像二維密度分布函數(shù)f(x,y)的(j+k)階矩表示為Mjk,其計(jì)算公式為:

則其零階矩為:

質(zhì)心位置為:

小麥麥穗的中心距為:

處理后的二值圖像目標(biāo)物體灰度值為 0,背景灰度值為 1,小麥麥穗的主心主軸方向則為:

2.5 旋轉(zhuǎn)外接矩形的長(zhǎng)度計(jì)算

外界環(huán)境或者其它條件都會(huì)對(duì)麥穗的生長(zhǎng)形態(tài)產(chǎn)生影響,導(dǎo)致麥穗形狀彎曲程度不同,若不將麥穗上部圖像進(jìn)行旋轉(zhuǎn)直接計(jì)算外接矩形的長(zhǎng)度為穗長(zhǎng),會(huì)產(chǎn)生較大誤差。以麥穗的底部端點(diǎn)為原點(diǎn),順時(shí)針旋轉(zhuǎn)麥穗 α角度。旋轉(zhuǎn)時(shí)可能新坐標(biāo)并不是整數(shù),因此可采用雙線性插值計(jì)算新坐標(biāo)的灰度值。雙線性插值的核心思想是在水平方向和豎直方向上分別進(jìn)行一次線性插值,具體的插值運(yùn)算公式在本文不再詳細(xì)闡述。旋轉(zhuǎn)后重新計(jì)算外接矩形的長(zhǎng)度即為麥穗的長(zhǎng)度,旋轉(zhuǎn)結(jié)果如圖 5所示。

圖5 旋轉(zhuǎn)后的圖像

2.6 實(shí)驗(yàn)結(jié)果和數(shù)據(jù)分析

將采用本文方法得到的預(yù)測(cè)值與人工測(cè)量的真實(shí)值進(jìn)行比對(duì),比較結(jié)果如圖 6所示,其中橫軸為樣本序列號(hào),縱軸為穗長(zhǎng),虛線為預(yù)測(cè)值,實(shí)線為真實(shí)值。預(yù)測(cè)值與真實(shí)值之間的絕對(duì)誤差均在 6mm以內(nèi),相對(duì)誤差均值小于 4%,兩組數(shù)據(jù)的相關(guān)系數(shù)為0.96。

通過(guò)圖 6觀察到預(yù)測(cè)值與真實(shí)值較為吻合,但也存在一定誤差。產(chǎn)生誤差的原因之一是麥穗頸節(jié)點(diǎn)位置的確定,分割點(diǎn)是經(jīng)過(guò)多組數(shù)據(jù)驗(yàn)證的結(jié)果,但是不同圖像經(jīng)二值化處理的效果不同,計(jì)算結(jié)果也會(huì)產(chǎn)生相應(yīng)的差異。原因之二是在腐蝕膨脹去掉麥芒的過(guò)程中,對(duì)于麥芒非常密集的麥穗,無(wú)法完全去除頂端的麥芒,將部分麥芒誤判為麥穗,致使結(jié)果偏大。

3 結(jié)論

圖6 預(yù)測(cè)值和真實(shí)值比對(duì)結(jié)果

本文提出了一種通過(guò)計(jì)算機(jī)圖像處理提取小麥穗長(zhǎng)的新方法。通過(guò)形態(tài)學(xué)基本運(yùn)算將麥芒腐蝕去除,麥穗上部主軸方向角確定以及旋轉(zhuǎn)過(guò)程為整個(gè)算法的關(guān)鍵。硬件采集系統(tǒng)部分采用了平板掃描儀,但圖像的采集也可通過(guò) CCD成像實(shí)現(xiàn),算法不變。對(duì)于彎曲度大的麥穗,整體旋轉(zhuǎn)計(jì)算外接矩形長(zhǎng)度誤差大,可將麥穗分段,采用同樣方法計(jì)算每段的長(zhǎng)度相加得到的和為麥穗的長(zhǎng)度。上述方法的提出為農(nóng)作物外部參數(shù)無(wú)損檢測(cè)提供了一種參考,有利于農(nóng)業(yè)育種考種工作的自動(dòng)化實(shí)現(xiàn),減輕農(nóng)業(yè)研究人員的工作強(qiáng)度和提高測(cè)量精度和速度。

[1] JianqiangREN,Zhongxin CHEN,Xiaomei YANG.Reginoal yield prediction of winter wheat based on retrieval of leaf area index by remote sensing technology[J].IEEE Transaction on Pattern A-nalysis and Machine Intelligence,2009,7(4):374-377.

[2] Chen Xue,Ma Jianwen,Qiao Hongbo.The take-all of wheat diseases feature extraction method study using ground spectral measurement data and tm multispectral data[J].IEEE Transaction on Pattern Analysis and Machine Intelligence,2008,7(1):320-322.

[3] YansongBao,Liangyun Liu,Jihua Wang.Estimating biophysical and biochemical parameters and yield of winter wheat based on landsat tm images.[J].IEEE Transaction on Pattern Analysis and Machine Intelligence,2008,7(2):789-792.

[4] Wang J Z.Pathfinder:Multiresolution Regionbased Searching of Pathology Image Using IRM[J].Journal of American Medical Informatics Association,Symposium Supplement,2000,2000suppl:883-887(LCDS).

[5] ClarkeE M,Emerson E A,Sistla A P.Automatic Verification of Finite-state Concurrent Systems Using Temporal-logic Specifications[J].ACM Transactions on Programming Languages and Systems,1986,8(2):244-263.

[6] Sha Sha,Fanghong Yin.On-line Steel Tube Length Measuring System Based on Computer Vision[J].IEEE Intelligent Control and Automation,2006,6(11):4923-4926.

[7] 岡薩雷斯.數(shù)字圖像處理(第二版)[M].北京:電子工業(yè)出版社,2008.420-454.

[8] 張雙德,周龍,胡濤.基于模式識(shí)別的米粒形狀分析[J].安徽農(nóng)業(yè)科學(xué),2009.751-752.

[9] 韓文革,于曉秋,宋偉.通徑分析在春小麥產(chǎn)量分析中的應(yīng)用[J].農(nóng)業(yè)與技術(shù),2007,27(6):87-91.

[10] 宋志偉,楊首樂(lè).春性小麥品種主要農(nóng)藝性狀與產(chǎn)量的相關(guān)及通徑分析[J].農(nóng)業(yè)科學(xué),2006,22(5):174-176.

[11] 姜長(zhǎng)勝,徐歆愷,葛慶平.一種任意曲線長(zhǎng)度的測(cè)量方法及其應(yīng)用[J].計(jì)算機(jī)工程學(xué)報(bào),2005,14(3):208-211.

[12] 姜泳水,唐金輝,陳學(xué)佺.二值圖像中物體幾何主軸的提取方法[J].計(jì)算機(jī)工程,2005,31(18):56-59.

[13] 張敏燕.染色體自動(dòng)核型分析系統(tǒng)研究.西北農(nóng)林科技大學(xué)碩士學(xué)位論文[D].陜西:西北農(nóng)林科技大學(xué)機(jī)械設(shè)計(jì)及理論,2004.18-42.

[14] 黃勇,王崇駿,王亮,等.基于形狀不變矩的圖像檢索算法的研究[J].計(jì)算機(jī)應(yīng)用研究,2004,21-45.

[15] 何勝美,李仲來(lái),何中虎.基于圖像識(shí)別的小麥品種分類(lèi)研究[J].中國(guó)農(nóng)業(yè)科學(xué),2005,38(9):1869-1875.

[16] 何曉峰,吳國(guó)新,徐守東,等.棉纖維長(zhǎng)度分布測(cè)量?jī)x器的開(kāi)發(fā)[J].儀器儀表學(xué)報(bào),2006,27(11):1468-1472.