本申請涉及圖像處理，特別是涉及一種茶葉莖稈和葉片高光譜分離提取方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)：

1、在茶葉加工過程中，使用高光譜圖像識別茶葉莖稈和葉片是一個重要步驟?，F(xiàn)有方法大多依賴于人工操作，效率低且準(zhǔn)確性不足。因此，迫切需要一種自動化的圖像處理方法來識別和分割茶葉莖稈和茶葉葉片，并提取相應(yīng)的高光譜數(shù)據(jù)的方法。

技術(shù)實現(xiàn)思路

1、本申請的目的是提供一種茶葉莖稈和葉片高光譜分離提取方法、裝置、設(shè)備及介質(zhì)，可提高茶葉莖稈和葉片的高光譜圖像識別的自動化程度和準(zhǔn)確性。

2、為實現(xiàn)上述目的，本申請?zhí)峁┝巳缦路桨浮?/p>

3、第一方面，本申請?zhí)峁┝艘环N茶葉莖稈和葉片高光譜分離提取方法，包括：根據(jù)茶葉高光譜圖像，獲得茶葉二值化圖像；對所述茶葉二值化圖像中的茶葉進(jìn)行邊緣像素移除，獲得茶葉骨架圖像；確定所述茶葉骨架圖像中茶葉骨架的起點和分叉點；根據(jù)起點和分叉點，采用廣度優(yōu)先搜尋算法從所述茶葉骨架圖像中確定連接起點和分叉點的骨架線以及連接相鄰分叉點的骨架線，獲得莖稈骨架線；依據(jù)莖稈骨架線搜索莖稈連通域，獲得茶葉莖稈圖像；將茶葉莖稈圖像從所述茶葉二值化圖像中刪除，獲得去除莖稈后的茶葉葉片二值化圖像；移除所述去除莖稈后的茶葉葉片二值化圖像中的噪點連通域，獲得葉位不粘連的茶葉葉片二值化圖像；根據(jù)分叉點，標(biāo)注所述葉位不粘連的茶葉葉片二值化圖像中的葉位；根據(jù)莖稈連通域的像素位置和標(biāo)注的葉位，從所述茶葉高光譜圖像中分別提取茶葉莖稈的高光譜數(shù)據(jù)和茶葉葉片的高光譜數(shù)據(jù)。

4、第二方面，本申請?zhí)峁┝艘环N茶葉莖稈和葉片高光譜分離提取裝置，包括：二值化模塊、邊緣像素移除模塊、分叉點確定模塊、骨架線搜尋模塊、莖稈搜索模塊、莖稈刪除模塊、葉片獲得模塊、葉位標(biāo)注模塊和提取模塊。二值化模塊，用于根據(jù)茶葉高光譜圖像，獲得茶葉二值化圖像。邊緣像素移除模塊，用于對所述茶葉二值化圖像中的茶葉進(jìn)行邊緣像素移除，獲得茶葉骨架圖像。分叉點確定模塊，用于確定所述茶葉骨架圖像中茶葉骨架的起點和分叉點。骨架線搜尋模塊，用于根據(jù)起點和分叉點，采用廣度優(yōu)先搜尋算法從所述茶葉骨架圖像中確定連接起點和分叉點的骨架線以及連接相鄰分叉點的骨架線，獲得莖稈骨架線。莖稈搜索模塊，用于依據(jù)莖稈骨架線搜索莖稈連通域，獲得茶葉莖稈圖像。莖稈刪除模塊，用于將茶葉莖稈圖像從所述茶葉二值化圖像中刪除，獲得去除莖稈后的茶葉葉片二值化圖像。葉片獲得模塊，用于移除所述去除莖稈后的茶葉葉片二值化圖像中的噪點連通域，獲得葉位不粘連的茶葉葉片二值化圖像。葉位標(biāo)注模塊，用于根據(jù)分叉點，標(biāo)注所述葉位不粘連的茶葉葉片二值化圖像中的葉位。提取模塊，用于根據(jù)莖稈連通域的像素位置和標(biāo)注的葉位，從所述茶葉高光譜圖像中分別提取茶葉莖稈的高光譜數(shù)據(jù)和茶葉葉片的高光譜數(shù)據(jù)。

5、第三方面，本申請?zhí)峁┝艘环N計算機(jī)設(shè)備，包括：存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機(jī)程序，所述處理器執(zhí)行所述計算機(jī)程序以實現(xiàn)上述中任一項所述的茶葉莖稈和葉片高光譜分離提取方法。

6、第四方面，本申請?zhí)峁┝艘环N計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，該計算機(jī)程序被處理器執(zhí)行時實現(xiàn)上述中任一項所述的茶葉莖稈和葉片高光譜分離提取方法。

7、根據(jù)本申請?zhí)峁┑木唧w實施例，本申請具有了以下技術(shù)效果。

8、本申請?zhí)峁┝艘环N茶葉莖稈和葉片高光譜分離提取方法、裝置、設(shè)備及介質(zhì)，對茶葉高光譜圖像進(jìn)行二值化處理，在茶葉二值化圖像中提取茶葉骨架，基于茶葉骨架的起點和分叉點搜尋莖稈骨架線，從而確定茶葉莖稈圖像，從茶葉二值化圖像中刪除茶葉莖稈圖像，可確定茶葉葉片二值化圖像和葉片葉位，實現(xiàn)了自動識別和分割茶葉莖稈和茶葉葉片，并最終提取相應(yīng)的高光譜數(shù)據(jù)，克服了人工操作效率低且準(zhǔn)確性不足的缺陷，提高了茶葉莖稈和葉片的高光譜圖像識別的自動化程度和準(zhǔn)確性。

技術(shù)特征：

1.一種茶葉莖稈和葉片高光譜分離提取方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的茶葉莖稈和葉片高光譜分離提取方法，其特征在于，根據(jù)茶葉高光譜圖像，獲得茶葉二值化圖像，具體包括：

3.根據(jù)權(quán)利要求1所述的茶葉莖稈和葉片高光譜分離提取方法，其特征在于，對所述茶葉二值化圖像中的茶葉進(jìn)行邊緣像素移除，獲得茶葉骨架圖像，具體包括：

4.根據(jù)權(quán)利要求1所述的茶葉莖稈和葉片高光譜分離提取方法，其特征在于，確定所述茶葉骨架圖像中茶葉骨架的起點和分叉點，具體包括：

5.根據(jù)權(quán)利要求1所述的茶葉莖稈和葉片高光譜分離提取方法，其特征在于，依據(jù)莖稈骨架線搜索莖稈連通域，獲得茶葉莖稈圖像，具體包括：

6.根據(jù)權(quán)利要求1所述的茶葉莖稈和葉片高光譜分離提取方法，其特征在于，移除所述去除莖稈后的茶葉葉片二值化圖像中的噪點連通域，獲得葉位不粘連的茶葉葉片二值化圖像，具體包括：

7.根據(jù)權(quán)利要求1所述的茶葉莖稈和葉片高光譜分離提取方法，其特征在于，根據(jù)分叉點，標(biāo)注所述葉位不粘連的茶葉葉片二值化圖像中的葉位，具體包括：

8.一種茶葉莖稈和葉片高光譜分離提取裝置，其特征在于，所述茶葉莖稈和葉片高光譜分離提取裝置包括：

9.一種計算機(jī)設(shè)備，包括：存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計算機(jī)程序以實現(xiàn)權(quán)利要求1-7中任一項所述的茶葉莖稈和葉片高光譜分離提取方法。

10.一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，其特征在于，該計算機(jī)程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-7中任一項所述的茶葉莖稈和葉片高光譜分離提取方法。

技術(shù)總結(jié)
本申請公開了一種茶葉莖稈和葉片高光譜分離提取方法、裝置、設(shè)備及介質(zhì)，涉及圖像處理技術(shù)領(lǐng)域。該方法包括根據(jù)茶葉高光譜圖像獲得茶葉二值化圖像，并提取茶葉骨架圖像；確定茶葉骨架圖像中茶葉骨架的起點和分叉點；根據(jù)起點和分叉點采用廣度優(yōu)先搜尋算法獲得莖稈骨架線；依據(jù)莖稈骨架線搜索莖稈連通域獲得茶葉莖稈圖像；從茶葉二值化圖像中刪除茶葉莖稈圖像，獲得去除莖稈后的茶葉葉片二值化圖像，移除其中的噪點連通域，獲得葉位不粘連的茶葉葉片二值化圖像；標(biāo)注葉位；根據(jù)莖稈連通域的像素位置和標(biāo)注的葉位，從茶葉高光譜圖像中分別提取茶葉莖稈和葉片的高光譜數(shù)據(jù)。本申請能提高茶葉莖稈和葉片的高光譜圖像識別的自動化程度和準(zhǔn)確性。

技術(shù)研發(fā)人員：李曉麗,張雪晨,何勇,胡妍,葉思潭,張熠強,于樺昊
受保護(hù)的技術(shù)使用者：浙江大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6