基于圖像處理技術(shù)的油菜籽數(shù)量統(tǒng)計(jì)方法

劉泰格　潘禮禮　慕帥　梁銳　覃海波　徐勝勇

摘要：?jiǎn)沃暧筒说淖蚜?shù)是油菜考種中的重要農(nóng)藝性狀參數(shù)。當(dāng)前主要依靠人工方式統(tǒng)計(jì)油菜籽的數(shù)量，費(fèi)時(shí)費(fèi)力且容易出錯(cuò)。采用圖像處理技術(shù)統(tǒng)計(jì)油菜籽數(shù)量是一種高效可行的方式。本文研究了一種基于距離變換的分水嶺算法，能有效地將油菜籽圖像中粘連的區(qū)域分割為單粒油菜籽區(qū)域，進(jìn)而對(duì)圖像中連通域的數(shù)量計(jì)數(shù)得到油菜籽的數(shù)量。該方法高效可行，對(duì)油菜籽的計(jì)數(shù)速度達(dá)到3000顆/分鐘，準(zhǔn)確率超過(guò)99 .2%

關(guān)鍵詞：油菜籽;數(shù)量統(tǒng)計(jì);分水嶺算法

油菜作為世界范圍內(nèi)廣泛種植的油料作物，應(yīng)用數(shù)字圖像處理技術(shù)采集與提取種子信息，不僅可以實(shí)現(xiàn)無(wú)損、快速、準(zhǔn)確的測(cè)量，也可以定量化獲取全部和單粒種子的各類信息，進(jìn)而實(shí)現(xiàn)從量化的角度對(duì)油菜種子品質(zhì)進(jìn)行研究。計(jì)算機(jī)數(shù)字圖像處理方法為籽粒性狀特征定量化描述提供了技術(shù)支撐。如KONG等應(yīng)用近紅外高光譜成像技術(shù)結(jié)合多元數(shù)據(jù)分析對(duì)水稻種子進(jìn)行鑒定【1】，基于全譜的隨機(jī)森林（ RandomForest）模型取得了良好的性能，在校準(zhǔn)集和預(yù)測(cè)集上均表現(xiàn)出100%的分類率，證實(shí)了RF是一種有效的建模方法。黃霞等提出了一種基于三維點(diǎn)云的谷粒高通量表型信息自動(dòng)提取方法，能同時(shí)自動(dòng)獲取谷粒的三維模型和40個(gè)表型參數(shù)，實(shí)現(xiàn)谷粒形狀的定量和定性描述【2】。劉雙喜等使用分類識(shí)別器，提出以可見(jiàn)光波段玉米種子的多區(qū)域小波色彩特征作為識(shí)別參數(shù)，建立多模型的概率聚類模型進(jìn)行玉米雜交種子種類識(shí)別，識(shí)別率可達(dá)到75%以上【3】。

油菜籽考種信息中，千粒重是衡量農(nóng)作物種子質(zhì)量的一個(gè)關(guān)鍵性指標(biāo)，而當(dāng)計(jì)算千粒重指標(biāo)時(shí)，關(guān)鍵而繁瑣的任務(wù)莫過(guò)于精確計(jì)算出種粒的數(shù)目，因此，本文研究了一種圖像處理算法，利用數(shù)字圖像處理技術(shù)對(duì)批量油菜籽進(jìn)行數(shù)量的快速提取。本文方法為自動(dòng)化的油菜考種技術(shù)提供了一個(gè)有用的參考范例。

1實(shí)驗(yàn)材料

采用2018年5月自華中農(nóng)業(yè)大學(xué)試驗(yàn)田采集的油菜籽，品種為“中雙6號(hào)”。將油菜籽放置于一個(gè)托盤中平鋪，使用手機(jī)垂直向下拍攝得到油菜籽彩色圖像。本文算法開(kāi)發(fā)和測(cè)試的PC機(jī)硬件環(huán)境為Intel（ R） Core（ TM）i7-6600U CPU@2.60 GHz 2.70 GHz、Windows7專業(yè)版SP1、MATLAB R2016a.

2油菜籽粒數(shù)統(tǒng)計(jì)圖像處理算法

首先對(duì)原彩色圖像進(jìn)行OTSU閾值分割，得到其二值圖像。再對(duì)二值圖像進(jìn)行形態(tài)學(xué)“開(kāi)”操作，結(jié)構(gòu)算子為直徑為5的圓形結(jié)構(gòu)算子，以濾除圖像中的小塊雜質(zhì)區(qū)域。預(yù)處理的圖像中，包括了單粒油菜籽和粘連籽粒區(qū)域。將粘連籽粒區(qū)域分割為單粒區(qū)域，是數(shù)量統(tǒng)計(jì)的關(guān)鍵步驟。對(duì)于粘連油菜籽，分水嶺分割算法能取得較好的分割效果。但傳統(tǒng)的分水嶺算法受噪聲等因素的干擾，會(huì)產(chǎn)生許多局部最小值，易于產(chǎn)生過(guò)分割的現(xiàn)象。本文提出了一種基于距離變換的分水嶺算法，以分割粘連油菜籽區(qū)域。

歐式距離變換。距離變換可獲取二值圖像中每個(gè)像素到最近的零像素的距離，即目標(biāo)區(qū)域內(nèi)像素點(diǎn)到背景區(qū)域的距離，并將此信息存儲(chǔ)于灰度圖像中，灰度圖像中某點(diǎn)數(shù)值越小，說(shuō)明該點(diǎn)距離背景像素點(diǎn)越近。灰度圖像中各點(diǎn)的灰度值代表一個(gè)標(biāo)簽，描述其所屬的區(qū)域，可有效避免傳統(tǒng)分水嶺算法中因局部最小值點(diǎn)過(guò)多而造成的過(guò)分割情況。對(duì)于油菜籽圖像，對(duì)二值圖像求補(bǔ)，再進(jìn)行歐式距離變換;高斯濾波。為提高分水嶺算法準(zhǔn)確率，本文運(yùn)用高斯濾波對(duì)圖像進(jìn)行平滑處理。采用大

對(duì)于單粒油菜籽區(qū)域，該改進(jìn)分水嶺算法不改變圖像形態(tài);對(duì)于粘連的油菜籽區(qū)域，將一個(gè)大的粘連區(qū)域分離為獨(dú)立的小區(qū)域，且基本保持油菜籽的基本形態(tài)。對(duì)于上述分水嶺分割得到的圖像，計(jì)算其連通域個(gè)數(shù)即可得到油菜籽粒數(shù)。

3結(jié)論

本文提出的粘連油菜籽圖像分割算法，可以有效減輕人工計(jì)數(shù)的勞動(dòng)強(qiáng)度，是油菜考種自動(dòng)化技術(shù)的一個(gè)有益參考，可以為油菜的栽培、選種育種等研究提供重要而基礎(chǔ)的數(shù)據(jù)。

參考文獻(xiàn)

【1】李錦衛(wèi)，廖桂平基于數(shù)字圖像處理的油菜種子形狀特征參數(shù)提取及模糊聚類分析【J】計(jì)算機(jī)輔助工程，（2006）：75-78

[2]劉飛，楊春艷，謝建新紅外光譜和逐步判別分析法應(yīng)用于油菜籽的研究【J】光譜學(xué)與光譜分析，36（2016）：1363 -1368

【3】劉雙喜，張宏建，王金星，王震，張春慶，李巖基于可見(jiàn)光波段的色彩概率聚類模型的玉米雜交種子識(shí)別【J】光譜學(xué)與光譜分析，38（2018）：2516- 2523