基于MATLAB玉米果穗颗粒统计方法.docVIP

基于MATLAB玉米果穗颗粒统计方法 　　摘要：颗粒统计与自动识别检测在现代农业中发挥关键作用，玉米果穗品质好坏与颗粒多少呈正相关。计算机技术特别是图像技术在玉米果穗中的应用多样化趋势明显，采用图像分割技术对玉米果穗进行颗粒统计能实现快速对玉米特征进行识别。由于玉米果穗颗粒之间往往存在粘连现象，采用传统分水岭分割方法对玉米果穗进行分割就会导致不能对粘连区域实现良好分割。而改进的分水岭分割算法，引入扩展极大值变换，既能避免过分割现象，又能实现对粘连区域的正确分割，本研究利用MATLAB对玉米果穗图像进行转换、灰度化、滤波降噪、区域增强等一系列处理后，采用改进的分水岭分割算法，准确实现玉米果穗颗粒统计。 　　关键词：MATLAB；颗粒统计；分水岭算法；玉米果穗 　　中图分类号： S126文献标志码： A文章编号：1002-1302（2015）02-0406-03 　　收稿日期：2014-11-06 　　作者简介：梁文东（1971―），男，广西崇左人，讲师，主要从事多媒体技术、图像处理应用研究。E-mail：meilidemeng_feng@163.com。玉米果穗性状参数测量是玉米作物遗传育种过程中一个重要环节，传统的人工测量，工序繁琐，劳动强度大，重复的手工计数更易使人眼疲劳，直接影响到检测的准确度和效率[1]。在信息技术高速发展的时代，计算机视觉技术与图像处理技术得到快速发展，使计算机测量技术日趋成熟，已经在农作物育种、测产、品质鉴定等方面广泛应用。玉米果穗性状测量主要是对外观品质参数进行测定，有穗长、穗宽、穗行数、行粒数、穗粒数以及颜色、纹理[2]等。本研究以统计穗粒数为例，借助MATLAB图像处理工具，采用扩展极大值变换改进分水岭算法，实现玉米果穗图像的颗粒统计。改进分水岭算法对中小型玉米育种与试验推广机构有很好的应用推广价值。 　　1玉米果穗图的采集与处理 　　在对玉米果穗进行颗粒计数前，需要设计合理的图像采集系统，并按统一的拍摄参数进行图像采集，然后对图像进行灰度化、图像增强和二值化等预处理[3]。 　　1.1玉米果穗图像采集 　　玉米果穗分新鲜玉米和干燥玉米2种，以广西农业职业技术学院育种中心采收晒干后的玉米种子干燥果穗作为试验材料。玉米果穗图像的采集通常有数码相机拍摄和扫描仪实物扫描2种方法。实物扫描仪法由于玉米果穗体积大，常规扫描仪由于遮光盖盖不上，出现漏光，造成聚集不准，图像模糊。相机拍摄法简单实用，但受拍摄距离、角度、光照的影响较大，会产生更多的噪声，增加了图像预处理的难度。为减少采集过程中的噪声引入，统一图像标准，拍摄前需严格按照预先要求设置好相机参数，将数码相机固定于离载物平台40～50 cm高的支架上，垂直向下拍摄，获取玉米果穗图像。 　　1.2图像预处理 　　由数码相机采集而来的玉米果穗图像是分辨率很高的彩色图像，它由R、G、B 3个颜色分量构成，数据量是灰度图像的3倍，为使后续的图像计算变得高效快捷，通常要进行彩色和灰度之间的转化。灰度图像又叫单色图像，图像中每个像素点的变化范围为0～255，分别表示不同的深浅灰色[4]。在RGB色彩模型中，灰度图像相当于彩色图像的一个颜色分量。由彩色图像转化为灰度图像其实就是使彩色的R、G、B分量值相等的过程[5]。在MATLAB中可用图形工具箱中的rgb2gray函数进行转换。 　　图像采集过程中受拍摄距离、角度、光照的影响较大，产生的噪声会直接影响到图像识别的准确率，需要根据噪声产生的原因以及噪声的统计特性和频谱分布的不同，选择合适的滤波算法，进行图像平滑。 　　平滑滤波在降低图像噪声的同时，也使图像的边界与轮廓变模糊，需要进行图像锐化处理，使得图像边缘更清晰[6]。MATLAB的图像处理工具箱中提供imfilter（）和fspecial（）2个滤波相关函数，其中imfilter（）是滤波函数，fspecial（）是滤波器（滤波模板）生成函数，它根据不同的算子生成特定的滤波器，然后由imfilter（）函数完成滤波操作，实现图像增强。本例中采用高斯-拉普拉斯算子（Laplacian of a Gaussian，LOG），拉普拉斯算子采用基于二阶微分模板，对细节的响应强烈，图像锐化增强效果显著。LOG算子是高斯平滑滤波与拉普拉斯算子的结合，锐化前先对原图噪声进行平滑滤波，然后通过拉普拉斯算子锐化图像边缘，在噪声平滑与边缘强化中取得平衡。 　　二值图像由黑和白组成，没有中间灰度值，每个像素元素的取值非0即1。二值图像能反映图像的基本结构特征，且数据量极小，运算效率高，在进行玉米果穗颗粒分割前需要进行图像二值化处理。图像二值化根据事先设定的灰度阈值，扫描所有像素，将大于阈值的像素值全部置换为1，小于阈值的为0。因此，阈值是影响二值化效果