基于常规低分辨率摄像头对叶色特征值的提取方法技术

本发明专利技术公开了基于低分辨率摄像头对叶色特征值的提取方法，具体包括以下步骤：S1、首先使用低分辨率摄像头对叶片的图像信息进行采集，然后对采集的数字图像进行边缘检测，S2、然后通过运用图像轮廓切割及颜色阈值算法对S1边缘处理完成的数字图像进行切割、分离出前景目标图像，实现对普通相机所采集的彩色叶片图像进行自动化的精确快速切割并提取目标透明背景图像，涉及植物生理研究技术领域。本发明专利技术方法，对比了不同分辨率、不同样本容量数字图像对叶色特征参数的影响，说明了本办法对设备条件要求较低，可以通过适当降低图像分辨率或者运用大型计算机对数据进行处理。

Extraction of leaf color eigenvalues based on conventional low-resolution camera

The invention discloses a method for extracting leaf color eigenvalues based on low-resolution cameras, which includes the following steps: S1, first collecting image information of blades with low-resolution cameras, then detecting the edges of the collected digital images, S2, and then cutting the digital images completed by edge processing of S1 by using image contour cutting and color threshold algorithm. To separate the foreground target image and realize the automatic and fast cutting of the color leaf image captured by the ordinary camera and extract the transparent background image of the target, which involves the field of plant physiology research technology. The method of the invention compares the effects of digital images with different resolutions and sample sizes on leaf color characteristic parameters, and illustrates that the method requires lower equipment conditions and can process data by appropriately reducing image resolution or using a large computer.

【技术实现步骤摘要】
基于常规低分辨率摄像头对叶色特征值的提取方法
本专利技术涉及植物生理研究
，具体为基于常规低分辨率摄像头对叶色特征值的提取方法。
技术介绍
高通量表型检测所需的设备和软件成本往往是大规模研究的瓶颈，如突变体筛选或数量遗传学分析，已有学者通过高光谱等手段对植物叶片中的生理生化指标及内在器官的变化情况进行定量分析，但由于其使用条件要求苛刻、成本昂贵，难以在生产中大规模推广，近年来，随着数字图像技术的日益成熟及高分辨率摄像设备的普及，采用数字图像对植物外观表型性状的定量描述成为了可能，由于数字图像摄像设备成本相较于高光谱仪器较为低廉，且具有携带使用方便，图像采集门槛低等优点，因此，基于数字图像对植物的定量分析成为一个研究热点，植株叶片是其最重要的光合器官，叶色是反映植株内在生理生化指标及器官变化的最主要外在特征之一，对叶色进行定量描述对于快速检测判断植物生长态势具有重要意义，有学者提出了从图像分析角度来估算叶片表观颜色方法，如基于叶图像检索（CBLIR）对叶片形状，颜色和纹理特征的描述方法，以及基于Rice中RGB值的叶色动力学建模，有学者通过对植物叶片图像形状和颜色信息的分析，提出了数字图像在观赏叶及茶叶嫩叶识别中应用的方法，也有学者基于颜色特征对图像切割后定量描述农作物病害情况，现阶段的研究已基本实现了对植物数字图像特定形状、颜色的定量识别。随着研究的深入，部分学者开始尝试通过数字图像建立植物外观性状与其内部的生理生化变化情况的关联；已有研究实现了通过彩色RGB图像对植物体内水分及氮素含量的估测，并提出了运用图像R、G、B值及其组合参数在定量描述植物内在因子变化中的系列方法，由于其所需要的数字照片采集条件要求相对苛刻，算法及分析过程较为繁琐，难以在生产中进行大规模推广。
技术实现思路
（一）解决的技术问题针对现有技术的不足，本专利技术提供了基于常规低分辨率摄像头对叶色特征值的提取方法，解决了现有的高分辨率摄像头所需数字照片采集条件要求相对苛刻，算法及分析过程较为繁琐，难以在生产中进行大规模推广的问题。（二）技术方案为实现以上目的，本专利技术通过以下技术方案予以实现：基于常规低分辨率摄像头对叶色特征值的提取方法，具体包括以下步骤：S1、首先使用低分辨率摄像头对叶片的图像信息进行采集，然后对采集的数字图像进行边缘检测；S2、然后通过运用图像轮廓切割及颜色阈值算法对S1边缘处理完成的数字图像进行切割、分离出前景目标图像，实现对低分辨率摄像头所采集的彩色叶片图像进行自动化的精确快速切割并提取目标透明背景图像；S3、之后快速获取目标图像各个像素点R、G、B及灰度分量的色阶值及其累计频次，并基于偏态分布分别对中位数、标准差、方差、偏度、峰度和峰值叶色特征参数进行描述性统计；S4、建立叶色像素色阶累计频次直方图与特征参数表，实现对叶色特征值的精确、全局性描述。优选的，所述步骤S2中只进行图片切割的数字图像在计算机识别中会对白色背景进行误判，影响叶片颜色特征值获取的准确性，因此还需要通过颜色阈值法对所分离出来的目标图像再次进行背景透明化处理，减少背景噪点对叶片图像像素点RGB累积量的干扰。优选的，所述数字图像像素点与其相邻像素存在着连通关系，若两个像素的坐标位置是否相邻，而且两个像素的RGB值是否满足特定的相似性准则，可判定两个像素连通。优选的，所述步骤S3在偏态分布中，均值与中位数、众数不相等，为准确反映偏态分布的集中趋势，需要对偏态分布的中位数进行计算。优选的，所述步骤S3中的偏度是统计数据分布偏斜方向和程度的度量，是统计数据分布非对称程度的数字特征，定义上偏度是样本的三阶标准化矩。优选的，所述步骤S3中的峰度是描述总体中所有取值分布形态陡缓程度的统计量，峰度的绝对值数值越大表示其分布形态的陡缓程度与正态分布的差异程度越大。（三）有益效果本专利技术提供了基于常规低分辨率摄像头对叶色特征值的提取方法。与现有技术相比具备以下有益效果：该基于常规低分辨率摄像头对叶色特征值的提取方法，通过在具体包括以下步骤：S1、首先使用低分辨率摄像头对叶片的图像信息进行采集，然后对采集的数字图像进行边缘检测；S2、然后通过运用图像轮廓切割及颜色阈值算法对S1边缘处理完成的数字图像进行切割、分离出前景目标图像，实现对普通相机所采集的彩色叶片图像进行自动化的精确快速切割并提取目标透明背景图像；S3、之后快速获取目标图像各个像素点R、G、B及灰度分量的色阶值及其累计频次，并基于偏态分布分别对中位数、标准差、方差、偏度、峰度和峰值叶色特征参数进行描述性统计；S4、建立叶色像素色阶累计频次直方图与特征参数表，实现对叶色特征值的精确、全局性描述，实现了通过对偏态分布提出R、G、B及灰度分量的均值、中位数、标准差、方差、偏度、峰度、峰值等参数作为定量描述叶色的特征参数；同时，对比了不同分辨率、不同样本容量数字图像对叶色特征参数的影响，说明了本办法对设备条件要求较低，可以通过适当降低图像分辨率或者运用大型计算机对数据进行处理，进而提升群体样本容量及处理效率，能够满足研究人员在实验室条件下对植物叶片叶色变化情况的定量描述，具有设备成本低廉、采集分析高效、参数数据量大，模型可以完善廉的优点，可以广泛运用于测量大种群作物的颜色相关性状，这将提升大样本表型性状数据的提取效率，降低高通量表型获取障碍，并帮助研究人员在各种实验室条件下建立外观颜色表型性状与植物体内在生理生化的关联，更好的解释植物外观表型及适应性的生理基础，从而实现通过使用低分辨率摄像头也可很好的提高叶色特征值的提取精度。附图说明图1为本专利技术背景噪音对图像RGB特征值的干扰分析表；图2为本专利技术绿色植物叶片R、G、B、灰度分量色阶累计频次直方图；图3为本专利技术特征参数的正态分布函数公式示意图；图4为本专利技术特征参数的偏态分布函数公式示意图；图5为本专利技术特征参数的偏度计算公式示意图；图6为本专利技术特征参数的峰度计算公式示意图；图7为本专利技术数字图像转化为图像矩阵的示意图；图8为本专利技术彩色数字图像像素点颜色信息与图像矩阵的关联图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1-6，本专利技术实施例提供一种技术方案：基于常规低分辨率摄像头对叶色特征值的提取方法，具体包括以下步骤：S1、首先使用低分辨率摄像头对叶片的图像信息进行采集，然后对采集的数字图像进行边缘检测；S2、然后通过运用图像轮廓切割及颜色阈值算法对S1边缘处理完成的数字图像进行切割、分离出前景目标图像，实现对低分辨率摄像头所采集的彩色叶片图像进行自动化的精确快速切割并提取目标透明背景图像；S3、之后快速获取目标图像各个像素点R、G、B及灰度分量的色阶值及其累计频次，并基于偏态分布分别对中位数、标准差、方差、偏度、峰度和峰值叶色特征参数进行描述性统计；S4、建立叶色像素色阶累计频次直方图与特征参数表，实现对叶色特征值的精确、全局性描述。本专利技术中，步骤S2中只进行图片切割的数字图像在计算机识别中会对白色背景进行误判，影响叶片颜色本文档来自技高网...

【技术保护点】
1.基于常规分辨率摄像头对叶色特征值的提取方法，其特征在于：具体包括以下步骤：S1、首先使用低分辨率摄像头对叶片的图像信息进行采集，然后对采集的数字图像进行边缘检测；S2、然后通过运用图像轮廓切割及颜色阈值算法对S1边缘处理完成的数字图像进行切割、分离出前景目标图像，实现对低分辨率摄像头所采集的彩色叶片图像进行自动化的精确快速切割并提取目标透明背景图像；S3、之后快速获取目标图像各个像素点R、G、B及灰度分量的色阶值及其累计频次，并基于偏态分布分别对中位数、标准差、方差、偏度、峰度和峰值叶色特征参数进行描述性统计；S4、建立叶色像素色阶累计频次直方图与特征参数表，实现对叶色特征值的精确、全局性描述。

【技术特征摘要】
1.基于常规分辨率摄像头对叶色特征值的提取方法，其特征在于：具体包括以下步骤：S1、首先使用低分辨率摄像头对叶片的图像信息进行采集，然后对采集的数字图像进行边缘检测；S2、然后通过运用图像轮廓切割及颜色阈值算法对S1边缘处理完成的数字图像进行切割、分离出前景目标图像，实现对低分辨率摄像头所采集的彩色叶片图像进行自动化的精确快速切割并提取目标透明背景图像；S3、之后快速获取目标图像各个像素点R、G、B及灰度分量的色阶值及其累计频次，并基于偏态分布分别对中位数、标准差、方差、偏度、峰度和峰值叶色特征参数进行描述性统计；S4、建立叶色像素色阶累计频次直方图与特征参数表，实现对叶色特征值的精确、全局性描述。2.根据权利要求1所述的基于常规低分辨率摄像头对叶色特征值的提取方法，其特征在于：所述步骤S2中只进行图片切割的数字图像在计算机识别中会对白色背景进行误判，影响叶片颜色特征值获取的准确性，因此还需要通过颜色阈值法对所分离出来的目标图像再次进行背景透明化处理，减少背景噪点对...

【专利技术属性】
技术研发人员：白合智，江海东，陈郑盟，王政福，柯晨丹，张肇诚，布素红，
申请(专利权)人：漳州市佰佳贸易有限公司，
类型：发明
国别省市：福建,35