[发明专利]玉米果穗图像籽粒分割方法

说明书

技术领域

本发明涉及计算机图像处理技术领域，具体涉及一种玉米果穗图像籽粒分割方法。

背景技术

传统的玉米果穗考种，需要人工测量和计算玉米果穗的各项指标参数，进而对玉米品种特性、形态特征进行统计和分析。传统考种过程重复、耗时、费力，对指标参数的测量严重依赖于工作人员的主观判断，获取的数据存在较大误差，考种流程标准化程度低。随着计算机和信息化技术在农业领域的深入渗透应用，使用计算机图像处理技术进行自动化考种已成为一种趋势。基于图像的自动考种方法，可以大大降低人力成本、提高玉米考种效率、形成统一的考种标准；另外，可以长期存储和重复利用样本图像数据，有利于对宝贵样本的统一标准化管理。

玉米果穗图像分割，是进行自动化考种、玉米果穗形状特征和产量计算的核心问题之一。由于玉米果穗种类繁多，从颜色角度可分为黄、白、黄白粒、紫、红等类型。图像获取过程中，由于成像光照差异以及玉米果穗本身颜色差异，使得玉米果穗中籽粒颜色所在的颜色阈值区间差异较大，即使将彩色图像转换为灰度图像，籽粒的灰度值仍明显处于不同的灰度阈值区间，这对于黄白粒等类型玉米果穗来说尤其明显。一般图像分割方法往往只能适用于单一颜色特征图像的分割，难以普遍适用于多种颜色特征玉米果穗图像的分割。

另外，由于玉米果穗一般可视为偏长的三维椭圆球，获取的玉米果穗图像实际上是玉米果穗在成像平面上的投影，因此玉米果穗图像上每个像素与其表示的三维玉米果穗上目标点，在物理尺寸上并非单一对应关系，玉米果穗图像的每个像素大小与其表示目标的大小存在较大差异；这种与物体形状相关的畸变对靠近玉米果穗边缘的籽粒影响非常大，即靠近边缘的籽粒存在较大的形状畸变；如果以玉米果穗骨架轴上图像像素大小为基准，图像上与骨架轴距离越远的像素表示的物理尺寸越大。现有的图像处理方法一般都是以图像中像素为基本特征，没有考虑像素所表示的目标本身的性状特征，这使得现有图像分割方法对玉米籽粒的分割和识别准确度以及精度较差。

综上所述，一种能够消除玉米果穗图像径向畸变，并能够克服不同颜色类型籽粒难以直接分割问题的玉米果穗图像籽粒分割方法亟待提供。

发明内容

（一）要解决的技术问题

本发明的目的在于提供一种玉米果穗图像籽粒分割方法，用于消除玉米果穗图像的径向畸变，克服不同颜色类型籽粒难以直接分割问题，进而提高对玉米果穗图像籽粒分割的准确性及精度，为玉米品种特性、形态特征的统计和分析提供有力的技术支持。

（二）技术方案

本发明技术方案如下：

一种玉米果穗图像籽粒分割方法，包括步骤：

S1.结合形态学算法对玉米果穗图像进行预处理；

S2.利用径向畸变校正方法处理步骤S1中得到的图像；

S3.根据分级阈值分割算法分割步骤S2中得到的图像，生成玉米果穗图像最终分割结果。

优选的，所述步骤S1包括：

S101.将玉米果穗图像转化为第一灰度图像；

S102.设定背景阈值，对第一灰度图像二值化，得到第一二值图像；

S103.计算所述第一二值图像中目标个数：

若大于1，则利用形态学算法确定所述第一二值图像轮廓。

优选的，所述步骤S102中通过最大类间方差算法得到背景阈值。

优选的，所述步骤S103包括：

利用区域填充方法或者轮廓计数方法得到第一二值图像中目标个数：

若第一二值图像中目标个数大于1，则先利用图像膨胀算法处理孔洞，再利用图像腐蚀算法恢复图像初始边界。

优选的，所述步骤S103之后还包括步骤：

S104.根据实际玉米果穗特征判断玉米果穗图像特征是否处于极限值范围内：

若是，则跳转至步骤S2；

若否，则选择新的玉米果穗图像并跳转至步骤S101。

优选的，所述步骤S2包括：

S201.建立步骤S1中最终得到的图像的OBB包围盒；

S202.结合所述包围盒的长轴以及短轴，利用径向畸变校正算法处理所述玉米果穗图像、第一灰度图像以及第一二值图像得到第二玉米果穗图像、第二灰度图像以及第二二值图像。

优选的，所述步骤S202包括：

建立坐标系：以所述OBB包围盒长轴方向作为玉米果穗中心轴方向Y，以所述OBB包围盒一个短轴作为X轴并以该短轴的中心点作为坐标系原点；

利用所有垂直于Y轴的玉米果穗横剖面中心点构建骨架轴；