一種擬南芥葉片個數(shù)及葉片尖點到質(zhì)心的距離的檢測方法
【專利摘要】一種擬南芥葉片個數(shù)及葉片尖點到質(zhì)心的距離的檢測方法，該方法具體包括：在擬南芥的種植盆中，放置標定板，利用相機采集擬南芥的RGB圖像；對采集后的圖像進行預處理，實現(xiàn)圖像的自動校正和標定，其中圖像校正是為了校正圖像的畸變，圖像標定是為了獲得單位像素的真實尺寸；對預處理后的圖像進行分割，將擬南芥與背景分割，從圖像中提取出來；分割出擬南芥圖像之后，提取擬南芥的葉片個數(shù)，并計算每個葉片尖點到質(zhì)心的距離。表性參數(shù)每個葉片尖點到質(zhì)心的距離用于反映每個葉片的大小，植物的葉片個數(shù)及每個葉片的大小既可以定量地描述擬南芥的生長情況。通過這些表型參數(shù)描述不同基因的擬南芥在葉片生長情況上面的差異，從而可以推斷出不同基因的功能及對擬南芥植物的影響。
【專利說明】一種擬南芥葉片個數(shù)及葉片尖點到質(zhì)心的距離的檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種擬南芥葉片個數(shù)及葉片尖點到質(zhì)心的距離的檢測方法，利用相機采集擬南芥的圖片，應(yīng)用圖像處理方法從圖像中提取擬南芥的葉片個數(shù)及葉片尖點到質(zhì)心的距離，實現(xiàn)擬南芥生長過程的無損檢測。
【背景技術(shù)】
[0002] 擬南芥是植物學、基因?qū)W、遺傳學中的一種重要的模式植物。對擬南芥表型的研究，可以全面、徹底地闡明擬南芥的生理功能，特別是其表型與其基因之間的相互關(guān)系，以及不同的環(huán)境條件對它生長的影響。植物表型特征的檢測方法包括破壞性測量、接觸性測量和計算機視覺檢測方法。破壞性測量即針對一批植株，隨機地抽取一定數(shù)量，用破壞性的方法測量其參數(shù)。接觸性測量即采用接觸式傳感器測量植物的參數(shù)。采用計算機視覺技術(shù)進行測量即通過相關(guān)設(shè)備，包括CCD攝像頭、光源等，獲得被測對象的光譜圖像，利用相關(guān)的軟件、算法對圖像進行處理，獲得所需的數(shù)據(jù)，從而得到植物的表型參數(shù)?，F(xiàn)有的研究工作主要是利用計算機視覺技術(shù)實現(xiàn)對單個葉片的分析或者其它作物的分析。李新國等利用掃描儀獲取油菜葉片的圖像，并利用Photoshop軟件獲得葉片像素數(shù)，通過分辨率得到葉片的面積（李新國，蔡勝忠，李紹鵬等.應(yīng)用數(shù)字圖像技術(shù)測定油梨葉面積[J].熱帶農(nóng)業(yè)科學，2009，29 (2) :10-13.)。韓殿元等針對白色背景下的葉片提出一種利用顏色進行分割的算法，進而利用背景中的參考矩形板計算葉片的面積（韓殿元，黃心淵，付慧等.基于彩色通道相似性圖像分割方法的植物葉面積計算[J].農(nóng)業(yè)工程學報，2012，28(6) :179-183.)。李少昆等利用圖像技術(shù)對玉米和小麥進行圖像采集，并提取相關(guān)參數(shù)(李少昆，張弦.作物株型信息多媒體圖像處理技術(shù)的研究[J].作物學報，1998，24(3)：265-271)。李長纓等利用計算機視覺技術(shù)對溫室植物生長進行無損監(jiān)測，獲取植物的外部形態(tài)特征，包括葉冠投影面積和株高（李長纓，滕光輝，趙春江等.利用計算機視覺技術(shù)實現(xiàn)對溫室植物生長的無損監(jiān)測[J]·農(nóng)業(yè)工程學報，2003，19 (3) :140-143.)。
[0003]綜上所述，現(xiàn)有的研究存在以下缺陷：
[0004]I、采用破壞性的測量方法會對植物造成損傷，而且不能對植物的生長進行連續(xù)性測量。
[0005]2、采用傳感器測量，直接與植物進行接觸，會對植物的生長產(chǎn)生一定的影響，而且其成本高，開發(fā)難度也相對較大。
[0006]3、現(xiàn)有的計算機視覺技術(shù)主要集中在單個葉片或者其它作物的表型檢測，而對擬南芥的表型檢測主要依靠人工實現(xiàn)，工作量大、效率不高。
[0007]目前圍繞擬南芥表型的計算機視覺檢測研究，在國內(nèi)外鮮有文獻報道。

【發(fā)明內(nèi)容】

[0008]本發(fā)明要解決的技術(shù)問題是：如何針對擬南芥的特點，利用計算機視覺技術(shù)對擬南芥進行無損檢測，提取其生長過程中的葉片個數(shù)及葉片尖點到質(zhì)心的距離參數(shù)。每個葉片尖點到質(zhì)心的距離用于反映每個葉片的大小。植物的葉片個數(shù)及每個葉片的大小既可以定量地描述擬南芥的生長情況，也可以用于擬南芥基因功能的研究，即通過這些表型參數(shù)描述不同基因的擬南芥在葉片生長情況上面的差異，從而可以推斷出不同基因的功能及對擬南芥植物的影響。
[0009](一 )技術(shù)方案
[0010]為了實現(xiàn)上述目的，本發(fā)明提供了基于計算機視覺的擬南芥葉片個數(shù)及葉片尖點到質(zhì)心距離的檢測方法，包括以下步驟：
[0011]SI.在擬南芥的種植盆中，放置標定板，利用相機采集擬南芥的RGB圖像；
[0012]S2.對采集后的圖像進行預處理，實現(xiàn)圖像的自動校正和標定，其中圖像校正是為了校正圖像的畸變，圖像標定是為了獲得單位像素的真實尺寸；
[0013]S3.對預處理后的圖像進行分割，將擬南芥與背景分割，從圖像中提取出來；
[0014]S4.提取擬南芥的葉片個數(shù)，并計算每個葉片尖點到質(zhì)心的距離。
[0015]采集圖像中的標定板采用的是藍框黑白棋盤格，由3 X 3個邊長為4mm的正方形組成。將其放在擬南芥植株一側(cè)，與其一起進行圖像采集。
[0016]步驟S2具體包括如下步驟：
[0017]S2. I定位黑白棋盤格
[0018]S2. I. I根據(jù)藍色的RGB特征，提取藍色邊框；
[0019]S2. I. 2對圖 像的內(nèi)部進行孔洞填充，再減去原來的藍色邊框圖像，得到新圖像；
[0020]S2. I. 3對新圖像進行開運算，去除噪點；再進行閉運算，連接斷點，得到黑白棋盤格的區(qū)域；
[0021]S2.2角點檢測
[0022]S. 2. 2. I計算黑白棋盤格區(qū)域中的每一個點的水平方向和垂直方向上的一階導數(shù)，得到三幅新圖像：水平一階導數(shù)的平方，垂直一階導數(shù)的平方和兩個一階導數(shù)的乘積；
[0023]S. 2. 2. 2用聞斯濾波對二幅圖像進行濾波，去除噪聲；
[0024]S. 2. 2. 3由上述三幅圖像組成相關(guān)矩陣，計算準則函數(shù)，判斷其中的像素點是否為角點；
[0025]S2. 3圖像校正和圖像標定
[0026]S. 2. 3. I通過角點檢測得到棋盤格的每個正方形的頂點在圖像中坐標，并根據(jù)其在真實世界中的空間位置關(guān)系，得到二者的變換矩陣；
[0027]S. 2. 3. 2求取變換矩陣的逆，作用于圖像，實現(xiàn)圖像校正；
[0028]S2. 3. 3通過角點坐標得到黑白棋盤格的總像素個數(shù)，并根據(jù)它的真實尺寸，得到單位像素的真實尺寸；
[0029]步驟S3具體包括如下步驟：
[0030]S3. I圖像初分割
[0031]S3. I. I對每個像素的RGB值進行歸一化獲得rgb，提取3g_2. 4r_b的色差圖，用O作為閾值對圖像進行二值化；
[0032]S3. I. 2將結(jié)果減去原來檢測出的藍色邊框區(qū)域，判斷所獲前景區(qū)域像素的G的灰度值是否大于50，若是，則保留，否則去除；
[0033]S3. I. 3提取前景連通區(qū)域中的具有最多像素的區(qū)域，即為植物區(qū)域；[0034]S3. 2去除噪點
[0035]S3. 2. I對所得圖像進行開運算，得到新的圖像，其將只保留大葉片區(qū)域和植物的中心區(qū)域，而去除圖像中的細節(jié)部分，包括植物的莖和葉片周圍的噪點；
[0036]S3. 2. 2對去除的細節(jié)部分的各個連通區(qū)域計算其像素個數(shù)，像素個數(shù)小于12的直接去除；
[0037]S3. 2. 3像素個數(shù)大于等于12的連通區(qū)域，分別單獨與開運算得到的新圖像疊加，再計算疊加后圖像中的區(qū)域個數(shù)，如果區(qū)域個數(shù)減少，說明該連通區(qū)域是莖，必須保留，否貝U，如果疊加后圖像中的區(qū)域個數(shù)增加或者不變，則說明該連通區(qū)域是葉片周圍的噪點，必須去除；
[0038]S3. 2. 4判斷完所有的細節(jié)部分后，將保留的所有連通區(qū)域全部與開運算得到的新圖像疊加，得到最終的植物區(qū)域；
[0039]步驟S4具體包括如下步驟：
[0040]S4. I對植物區(qū)域的孔洞進行填充，計算區(qū)域的質(zhì)心；
[0041]S4. 2通過輪廓查找算法，提取填充后的植物區(qū)域的外輪廓點；
[0042]S4. 3計算每個外輪廓點到植物區(qū)域質(zhì)心的距離，從而將2維（2D)圖像變成I維(ID)信號；
[0043]S4. 4對S4. 3中所述的ID信號進行數(shù)據(jù)點鏡像填充，使其擴展到2的整數(shù)次冪倍，得到新的ID信號；
[0044]S4. 5對S4. 4得到 的ID信號進行4層Haar小波分解，提取第4層與S4. 3中所述的ID信號長度相同的小波系數(shù)；
[0045]S4. 6查找小波系數(shù)中的正過零點，即某個點的前一個點小于O而后一個點大于0，這些正過零點表示的是S4. 3中所述的ID信號的局部最大值；對于單個葉片而言，其葉片尖點距離植物區(qū)域的質(zhì)心最遠，即ID信號的局部最大值是每個葉片的尖點，故通過查找ID信號的局部最大值就可獲得植物的葉片個數(shù)；
[0046]S4. 7計算圖像中每個葉片的尖點到質(zhì)心的長度，將長度的像素個數(shù)與圖像標定步驟得到的單位像素的真實長度相乘，得到每個葉片的尖點到質(zhì)心的真實距離。
[0047]( 二）有益結(jié)果
[0048]本發(fā)明方法利用計算機視覺技術(shù)采集擬南芥的圖像，利用圖像處理技術(shù)實現(xiàn)了擬南芥表型的無損檢測。通過檢測藍框黑白棋盤格的藍色邊框，并用角點檢測算法檢測內(nèi)部的角點，最終實現(xiàn)了圖像的自動校正和標定。對擬南芥采用歸一化的rgb值線性組合進行閾值分割，并通過再次判斷植物區(qū)域的細節(jié)，去除不必要的噪點，從而實現(xiàn)了在不影響擬南芥正常生長的情況下，將擬南芥從復雜的自然生長環(huán)境中分割出來。分割出植物后，再提取出擬南芥葉片個數(shù)及每個葉片的尖點到質(zhì)心的距離。相對于傳統(tǒng)人工觀察和測量，該方法在效率上有了較大的提高。
【專利附圖】

【附圖說明】
[0049]通過閱讀參照以下附圖對非限制性實施例所作的詳細描述，本發(fā)明的其它特征、目的和優(yōu)點將會變得更明顯：
[0050]圖I為依照本發(fā)明一個實施例的擬南芥葉片個數(shù)及葉片尖點到質(zhì)心的距離檢測方法的流程圖；
[0051]圖2為本發(fā)明提供的方法中所使用的用于采集圖像的采集轉(zhuǎn)置；
[0052]圖3為本發(fā)明提供的預處理方法處理過程中生成的圖像，其中，子圖（I)為依照本發(fā)明方法采集的擬南芥的RGB圖像，（2)為經(jīng)過預處理后生成的黑白棋盤格區(qū)域，(3)為經(jīng)過預處理后生成的角點檢測圖像，（4)為經(jīng)過預處理后生成的校正后的圖像；
[0053]圖4為本發(fā)明提供的圖像分割方法處理過程中生成的圖像，其中，子圖⑴為經(jīng)過圖像初分割步驟后生成的二值圖像，（2)為經(jīng)過噪點去除步驟后生成的最終的擬南芥的圖像；
[0054]圖5為本發(fā)明提供的擬南芥的葉片個數(shù)及葉片尖點到質(zhì)心的距離提取方法處理過程中生成的圖像，其中，子圖（I)為植物區(qū)域內(nèi)的孔洞填充后的結(jié)果，（2)為經(jīng)過輪廓查找算法提取出的植物區(qū)域的外輪廓，⑶為每個外輪廓點到質(zhì)心的距離信號，⑷為距離信號的長度擴展成2的整數(shù)次冪得到的結(jié)果，(5)為該距離信號經(jīng)過Haar小波分解后得到的第四層小波系數(shù)，及其正過零點，（6)為檢測出的原距離信號的局部最大值，（7)為檢測出的葉片尖點，及每個尖點到質(zhì)心的距離。
【具體實施方式】
[0055]本發(fā)明提出的一種擬南芥葉片個數(shù)及葉片尖點到質(zhì)心的距離檢測方法，結(jié)合附圖和實施例詳細說明如下。以下實施例將有助于本領(lǐng)域的技術(shù)人員進一步理解本發(fā)明，但不以任何形式限制本發(fā)明。應(yīng)當指出的是，對本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改變。這些都屬于本發(fā)明的保護范圍。
[0056]為快速提取擬南芥 的表型參數(shù)，本發(fā)明一種擬南芥葉片個數(shù)及葉片尖點到質(zhì)心的距離檢測方法。該方法對采集的圖像進行預處理之后，從復雜的背景環(huán)境中分割出擬南芥，在此基礎(chǔ)上對擬南芥的葉片個數(shù)及葉片尖點到質(zhì)心的距離參數(shù)進行提取，提高了擬南芥的表型參數(shù)獲取效率。
[0057]如圖I所示，依照本發(fā)明一個實施例的擬南芥葉片個數(shù)及葉片尖點到質(zhì)心的距離檢測方法包括步驟：
[0058]SI在擬南芥的種植盆中，放置標定板，利用CXD相機采集擬南芥的RGB圖像；
[0059]在本實例中，可以采用圖2的采集裝置進行圖像的采集。該采集裝置包括：C⑶相機I、支架2、照明裝置3和擬南芥4，標定板5放在擬南芥的一側(cè)。標定板采用的是藍框黑白棋盤格，由3X3個邊長為4mm的正方形組成。
[0060]S2對采集后的圖像進行預處理，具體包括如下子步驟：
[0061]S2. I定位黑白棋盤格
[0062]S2. I. I根據(jù)藍色的RGB特征，R和G的灰度值都小于B，且B的灰度值大于150，從圖像中分割出藍色邊框。
[0063]S2. I. 2對圖像的內(nèi)部進行孔洞填充，其結(jié)果減去原來的藍色邊框圖像，得到新圖像。
[0064]S2. I. 3對新圖像進行開運算，去除噪點；再進行閉運算，連接斷點，得到黑白棋盤格的區(qū)域。
[0065]S2.2角點檢測[0066]S. 2. 2. I計算黑白棋盤格區(qū)域中的每一個點的水平方向和垂直方向上的一階導數(shù)。采用如下Prewitt模板進行計算，即用3X3區(qū)域的第三列和第一列之差近似為水平方向的導數(shù)，用第三行和第一行之差近似為垂直方向的導數(shù)。用這兩個子模板和圖像卷積，得到兩個與圖像大小相同的矩陣，記為Ix，Iy，進而計算三幅新圖像：IX2，I/和IxIy。
[0067]
【權(quán)利要求】
1.一種擬南芥葉片個數(shù)及葉片尖點到質(zhì)心的距離的檢測方法，包括以下步驟： ,51.在擬南芥的種植盆中，放置標定板，利用相機采集擬南芥的RGB圖像； ,52.對采集后的圖像進行預處理，實現(xiàn)圖像的自動校正和標定，其中圖像校正是為了校正圖像的畸變，圖像標定是為了獲得單位像素的真實尺寸； 步驟S2包括定位黑白棋盤格、角點檢測、圖像校正和圖像標定； 所述定位黑白棋盤格包括以下步驟：根據(jù)藍色的RGB特征，提取藍色邊框；對圖像的內(nèi)部進行孔洞填充，再減去原來的藍色邊框圖像，得到新圖像；對新圖像進行開運算，去除噪點；再進行閉運算，連接斷點，得到黑白棋盤格的區(qū)域； 所述角點檢測包括以下步驟：計算黑白棋盤格區(qū)域中的每一個點的水平方向和垂直方向上的一階導數(shù)，得到三幅新圖像：水平一階導數(shù)的平方，垂直一階導數(shù)的平方和兩個一階導數(shù)的乘積；用高斯濾波對三幅圖像進行濾波，去除噪聲；由上述三幅圖像組成相關(guān)矩陣，計算準則函數(shù)，判斷其中的像素點是否為角點； 所述圖像校正和圖像標定包括以下步驟：通過角點檢測得到棋盤格的每個正方形的頂點在圖像中坐標，并根據(jù)其在真實世界中的空間位置關(guān)系，得到二者的變換矩陣；求取變換矩陣的逆，作用于圖像，實現(xiàn)圖像校正；通過角點坐標得到黑白棋盤格的總像素個數(shù)，并根據(jù)它的真實尺寸，得到單位像素的真實尺寸； ,53.對預處理后的圖像進行分割，將擬南芥與背景分割，從圖像中提取出來； 步驟S3包括圖像初分割和去除噪點； 所述圖像初分割包括以下步驟：對每個像素的RGB值進行歸一化獲得rgb，提取3g-2. 4r-b的色差圖，用O作為閾值對圖像進行二值化；將結(jié)果減去原來檢測出的藍色邊框區(qū)域，判斷所獲前景區(qū)域像素的G的灰度值是否大于50，若是，則保留，否則去除；提取前景連通區(qū)域中的具有最多像素的區(qū)域，即為植物區(qū)域； 所述去除噪點包括以下步驟：對所得圖像進行開運算，得到新的圖像，其將只保留大葉片區(qū)域和植物的中心區(qū)域，而去除圖像中的細節(jié)部分，包括植物的莖和葉片周圍的噪點；對去除的細節(jié)部分的各個連通區(qū)域計算其像素個數(shù)，像素個數(shù)小于12的直接去除，像素個數(shù)大于等于12的連通區(qū)域，分別單獨與開運算得到的新圖像疊加，再計算疊加后圖像中的區(qū)域個數(shù)，如果區(qū)域個數(shù)減少，說明該連通區(qū)域是莖，必須保留，否則，如果疊加后圖像中的區(qū)域個數(shù)增加或者不變，則說明該連通區(qū)域是葉片周圍的噪點，必須去除；判斷完所有的細節(jié)部分后，將保留的所有連通區(qū)域全部與開運算得到的新圖像疊加，得到最終的植物區(qū)域； ,,54.分割出擬南芥圖像之后，提取擬南芥的葉片個數(shù)，并計算每個葉片尖點到質(zhì)心的距離； 步驟S4具體包括如下步驟： S4. I對植物區(qū)域的孔洞進行填充，計算區(qū)域的質(zhì)心； S4. 2通過輪廓查找算法，提取填充后的植物區(qū)域的外輪廓點； S4. 3計算每個外輪廓點到植物區(qū)域質(zhì)心的距離，從而將2維（2D)圖像變成I個ID信號; S4. 4對S4. 3中所述的ID信號進行數(shù)據(jù)點鏡像填充，使其擴展到2的整數(shù)次冪倍，得到新的ID信號； S4. 5對S4. 4得到的ID信號進行4層Haar小波分解，提取第4層與S4. 3中所述的ID信號長度相同的小波系數(shù)； S4. 6查找小波系數(shù)中的正過零點，即某個點的前一個點小于O而后一個點大于O，這些正過零點表示的是S4. 3中所述的ID信號的局部最大值；對于單個葉片而言，其葉片尖點距離植物區(qū)域的質(zhì)心最遠，即ID信號的局部最大值是每個葉片的尖點；故通過查找ID信號的局部最大值就可獲得植物的葉片個數(shù)； S4. 7計算圖像中每個葉片的尖點到質(zhì)心的長度，將長度的像素個數(shù)與圖像標定步驟得到的單位像素的真實長度相乘，得到每個葉片的尖點到質(zhì)心的真實距離。
2.根據(jù)權(quán)利要求1所述的擬南芥葉片個數(shù)及葉片尖點到質(zhì)心的距離的檢測方法，其中所述標定板采用藍框黑白棋盤格，由3X3個邊長為4_的正方形組成。
【文檔編號】G06T7/00GK103489192SQ201310456191
【公開日】2014年1月1日 申請日期:2013年9月30日 優(yōu)先權(quán)日:2013年9月30日
【發(fā)明者】張俊梅, 田野, 柯秋紅, 聶鳳梅 申請人:北京林業(yè)大學