【技术实现步骤摘要】
一种基于单目相机的高精度麦穗长度测量方法
本专利技术属于计算机信息处理、模式识别领域，尤其涉及一种利用图像测量种子长度的方法。
技术介绍
小麦是我国主要的粮食作物，提高小麦产量是小麦育种的重要目标。小麦的麦穗长是影响小麦产量的一种重要因素，在小麦生产中，产量的获得是以单株小麦产量的生产能力来实现的，而单株小麦的生长状况和产量信息能够直接通过其穗部形态表现出来，而穗长是麦穗形态中非常重要的一个参数，也是小麦育种、考种、测产环节中育种专家最为关心的重要参数之一。目前，测量小麦穗长的主要方法有手工直尺测量和机器视觉测量。直尺测量穗长的方法虽然操作方便，但是存在测量效率低、测量精度不高的缺点，且对于弯曲的麦穗容易产生较大的误差。现有基于机器视觉的麦穗长测量方法在测量时，首先要对机器视觉系统中的相机进行标定，根据标定的结果进行穗长的测量。当机器视觉系统发生移动或相机与载物台相对位置发生轻微变化时，要重新对系统进行标定，所以实际使用起来比较麻烦。另外，现有基于机器视觉的穗长测量方法，在测量穗长时要把麦穗放在人工标记的固定位置上，不能随意放置麦穗，造成测量操作不便。
技术实现思路
...
【技术保护点】
1.一种基于单目相机的高精度麦穗长度测量方法，其特征在于，包括以下步骤：步骤1.做好拍照准备；将麦穗放置在载物台上，用玻璃盖板盖住麦穗，接通载物台下面背光源的电源，整个载物台玻璃面板呈现出白色高亮背景，麦穗的图像边缘轮廓清晰；步骤2.图像采集；用工业相机正对着载物台面板，使得相机视场能够覆盖整个载物台，调整好焦距进行拍照，图像要求清晰、不出现抖动模糊；步骤3.图像分割和二值化；对图像进行分割和二值化处理，使得背景和麦穗目标分离，图像分割和二值化算法如下：设f(x,y)是输入图像，首先使用sobel算子对f(x,y)进行卷积，得到边缘图像g(x,y)，接着，针对g(x,y)，...
【技术特征摘要】
1.一种基于单目相机的高精度麦穗长度测量方法，其特征在于，包括以下步骤：步骤1.做好拍照准备；将麦穗放置在载物台上，用玻璃盖板盖住麦穗，接通载物台下面背光源的电源，整个载物台玻璃面板呈现出白色高亮背景，麦穗的图像边缘轮廓清晰；步骤2.图像采集；用工业相机正对着载物台面板，使得相机视场能够覆盖整个载物台，调整好焦距进行拍照，图像要求清晰、不出现抖动模糊；步骤3.图像分割和二值化；对图像进行分割和二值化处理，使得背景和麦穗目标分离，图像分割和二值化算法如下：设f(x,y)是输入图像，首先使用sobel算子对f(x,y)进行卷积，得到边缘图像g(x,y)，接着，针对g(x,y)，应用Ostu算法自适应求取取值T，按照式(1)得到g(x,y)的二值化图像gT(x,y)，将gT(x,y)作为一个标记图像，以便从f(x,y)中选取对应于“强”边缘像素的像素；将gT(x,y)作为参照图像，计算f(x,y)中对应于gT(x,y)中值为1像素位置的像素直方图，采用Ostu方法来全局地分割图像f(x,y)；Ostu算法描述如下：设X是一幅具有L级灰度级的图像，其中第i级像素为Ni个，其中i的值在0～L-1之间，图像的总像素点个数为：第i级出现的概率为：在OTSU算法中，以阈值k将所有的像素分为目标C0和背景C1两类，其中，C0类的像素灰度级为0～k-1，C1类的像素灰度级为k～L-1；图像的总平均灰度级为：C0类像素所占的总面积的比例为：C1类像素所占的总面积的比例为：ω1＝1-ω0(6)C0类像素的平均灰度级为：μ0＝μ0(k)/ω0(7)C1类像素的平均灰度级为：μ1＝μ1(k)/ω1(8)其中，最大类间方差的公式为：δ2(k)＝ω0(μ-μ0)2+ω1(μ-μ1)2(11)令k从...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。