采用最大轮廓矩形法检测果树树叶稀密程度的方法技术

本发明专利技术公开了一种采用最大轮廓矩形法检测果树树叶稀密程度的方法，与现有技术相比，采用最大轮廓矩形法对果树图像面积进行检测及计算，以获得果树树叶稀密程度，该结果是因果树实际图像而异的，不存在现有方法统一采用相机所设定的图像大小作为最大轮廓而导致所检测到的树叶稀密程度偏小的问题，更能准确反映果树的生物量密度水平的测量果树树叶稀密度的数字图像处理方法。本发明专利技术简单、易行，能更加实时有效检测果树树叶稀密程度。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种，与现有技术相比，采用最大轮廓矩形法对果树图像面积进行检测及计算，以获得果树树叶稀密程度，该结果是因果树实际图像而异的，不存在现有方法统一采用相机所设定的图像大小作为最大轮廓而导致所检测到的树叶稀密程度偏小的问题，更能准确反映果树的生物量密度水平的测量果树树叶稀密度的数字图像处理方法。本专利技术简单、易行，能更加实时有效检测果树树叶稀密程度。【专利说明】
本专利技术涉及图像处理
，尤其是一种。
技术介绍
果树树叶稀密程度的实时快速检测是基于实时的变量喷雾的关键技术。关于单株果树生物量密度的概念，目前国内外还没有确切的定义。国外主要集中于森林或木材生物量密度及区域作物的生物量密度研究，但针对单株果树生物量密度进行研究的学者很少。果树树叶稀密程度是指一幅果树图像中树叶与树干占整个果树图像的面积比。现有方法将采集图像时相机所设定图像的大小作为整个果树图像的面积，但该值比果树实际轮廓面积要大，从而导致计算的果树树叶稀密程度值比实际偏小；该方法还要求在同一成像距离下采集样本作为标准，其后再采用BP数据融合技术消除成像距离对果树树叶稀密程度检测结果的影响。
技术实现思路
本专利技术所要解决的技术问题是:提供一种，它可以解决现有法检测树叶稀密程度值比实际值偏小且受成像距离影响的问题，能准确反映果树的生物量密度水平，以克服现有技术的不足。 本专利技术是这样实现的:，包括如下步骤: 1)通过图像的识别技术，利用超绿色法与OtSU算法结合，识别出清晰的果树二值化图像；2)将步骤I)中的果树二值化图像进行中值滤波去噪， 3)将步骤2)中的去噪图像通过开启运算，即分别连续4次腐蚀和4次膨胀来消除杂质；4)将步骤3)获得的图像进行膨胀运算处理，以消除图像中的空洞；增加了代表果树的白色区域，解决了错分的问题；5)将经过步骤4)处理过的图像利用最大轮廓矩形法检测其所占的最大轮廓，包括果树图像的长及宽，然后以此计算出果树图像的轮廓面积；5)计算出图像中果树的树叶树干所占的面积；6)利用步骤4)计算出的果树的树叶所占的面积除以果树图像的轮廓面积的值即为果树树叶稀密程度。 步骤2)中所述的形态学处理具体指:1)将中值滤波后的果树图像先连续进行4次腐蚀，然后连续进行4次膨胀，腐蚀与膨胀的机构元素都相同。连续4次腐蚀与膨胀能将果树图像中的独立像素点(杂草和土壤)较好的去除，且果树图像轮廓变得光滑，凸显了果树图像。 步骤4)中所述的利用最大轮廓矩形法检测其所占的最大轮廓具体是指，通过检测步骤3)中处理过的图像中整棵果树最大轮廓所占的面积A，即检测果树水平和垂直两个方向的最大边界所占的像素数量，再计算这两边界为长和宽的矩形面积即为果树整个图像的面积A ;再检测整幅图像中树叶与树干的面积m，即在该果树二值图像中，果树树叶和树干对应的像素值为1，统计像素值为I所占的像素数即为整幅图像中树叶与树干所占的面积m，则根据式(I)计算树叶稀密程度η: 【权利要求】1.一种，其特征在于:包括如下步骤: 1)通过图像的识别技术，利用超绿色法与Otsu算法结合，识别出清晰的果树二值化图像； 2)将步骤I)中的果树二值化图像进行中值滤波去噪， 3)将步骤2)中的去噪图像通过开启运算，即分别连续4次腐蚀和4次膨胀来消除杂质； 4)将步骤3)获得的图像进行膨胀运算处理，以消除图像中的空洞； 5)将经过步骤4)处理的图像利用最大轮廓矩形法检测其所占的最大轮廓，包括果树图像的长及宽，然后以此计算出果树图像的轮廓面积，并计算出图像中果树的树叶树干所占的面积； 6)利用步骤4)计算出的果树的树叶所占的面积除以果树图像的轮廓面积的值即为果树树叶稀密程度。2.根据权利要求1所述的，其特征在于:步骤2)中所述的形态学处理具体指:将中值滤波后的果树图像先连续进行4次腐蚀，然后连续进行4次膨胀，腐蚀与膨胀的结构元素都相同。3.根据权利要求1所述的，其特征在于:步骤4)中所述的利用最大轮廓矩形法检测其所占的最大轮廓具体是指，通过检测步骤3)中处理过的图像中整棵果树最大轮廓所占的面积A，即检测果树水平和垂直两个方向的最大边界所占的像素数量，再计算这两边界为长和宽的矩形面积即为果树整个图像的面积A ;再检测整幅图像中树叶与树干的面积m，即在该果树二值图像中，果树树叶和树干对应的像素值为1，统计像素值为I所占的像素数即为整幅图像中树叶与树干所占的面积m，则根据式(I)计算树叶稀密程度H:rj = fL< I ο O ?ο 、A⑴ 式(I)中，Π表示果树树叶稀密度，m表示该幅图中果树树干与树叶所占的面积;A表示果树整个图像的面积。【文档编号】G01C11/00GK104132650SQ201410246400【公开日】2014年11月5日 申请日期:2014年6月5日 优先权日:2014年6月5日 【专利技术者】张富贵, 沈明明, 袁奎, 吴雪梅, 刘国志, 陈宇熠 申请人:贵州大学本文档来自技高网...

【技术保护点】
一种采用最大轮廓矩形法检测果树树叶稀密程度的方法，其特征在于：包括如下步骤：1）通过图像的识别技术，利用超绿色法与Otsu算法结合，识别出清晰的果树二值化图像；2）将步骤1）中的果树二值化图像进行中值滤波去噪，3）将步骤2）中的去噪图像通过开启运算，即分别连续4次腐蚀和4次膨胀来消除杂质；4）将步骤3）获得的图像进行膨胀运算处理，以消除图像中的空洞；5）将经过步骤4）处理的图像利用最大轮廓矩形法检测其所占的最大轮廓，包括果树图像的长及宽，然后以此计算出果树图像的轮廓面积，并计算出图像中果树的树叶树干所占的面积；6）利用步骤4）计算出的果树的树叶所占的面积除以果树图像的轮廓面积的值即为果树树叶稀密程度。

【技术特征摘要】

【专利技术属性】
技术研发人员：张富贵，沈明明，袁奎，吴雪梅，刘国志，陈宇熠，
申请(专利权)人：贵州大学，
类型：发明
国别省市：贵州;52