一种棉花叶片中心点位置定位方法技术

本发明专利技术公开了一种棉花叶片中心点位置定位方法，包括以下步骤：S1：采集棉花图像；S2：提取图像中各棉花叶片的叶片轮廓；S3：提取某一棉花叶片的叶片轮廓的四个坐标点x1、x2、x3和x4；S4：计算所述棉花叶片的叶片轮廓的初始中心点的坐标；S5：获取中心点的横坐标x

【技术实现步骤摘要】
一种棉花叶片中心点位置定位方法
本专利技术涉及作物自动识别定位
，具体涉及一种棉花叶片中心点位置定位方法。
技术介绍
基于图像处理的棉花叶片中心点定位方法可以快速获取目标作物的中心点坐标位置，为田间目标作物的精准喷洒、自动化管理等提供参考，该方法能提高作物精细化管理效率，降低额外劳动力的依赖和农业成本优化控制。通过特定相机获取目标作物的图像具有成本低、灵活性强、效率高的优点，目前也有激光传感器、红外传感器、深度相机等方法定位图像(不规则几何图像)中心点位置坐标，但这些方法普遍存在计算量大、制作成本高昂、实时性差等不足，因此，在实际生产生活中基于图像处理的棉花叶片中心点定位方法相较之下更为实用。基于图像处理的棉花叶片中心点定位方法是利用相机获取目标作物的真实图像信息，通过一系列的图像分析计算处理，最终实现目标作物叶片中心点位置定位。目前主流叶片中心定位算法主要是通过提取作物的轮廓以及联通区域，并通过计算联通区域的质心获取作物中心点坐标。但这种方法对形状规则要求较高，对于几何形状不规则、背景复杂、目标物体重叠等图像的实时性、适应性较差。为了弥补因作物形状不规则、背景复杂等带来的定位误差影响，已有技术采用先通过图像直方图目标作物统计确定待测作物，再对目标作物行进行直方图统计以此来确定目标作物的中心点(王永康等.一种基于图像灰度直方图相似度计算的室内定位方法[J].测绘通报,2018(4):63-67.)。但是，由于实际目标作物叶片普遍存在重叠现象，导致这种方法在具体应用场景中中心点定位误差较大。>
技术实现思路
本专利技术要解决的技术问题是提供一种实时性较好、中心点定位准确性符合实际场景应用要求的棉花叶片中心点位置定位方法。为解决上述技术问题，本专利技术采用以下技术方案：一种棉花叶片中心点位置定位方法，包括以下步骤：S1：采集棉花图像；S2：提取图像中各棉花叶片的叶片轮廓；S3：提取某一棉花叶片的叶片轮廓的四个坐标点，分别为左上坐标点x1(xltop,yltop)、右上坐标点x2(xrtop,yrtop)、左下坐标点x3(xllower,yllower)以及右下坐标点x4(xrlower,yrlower)；S4：根据以下公式计算所述棉花叶片的叶片轮廓的初始中心点的坐标(x0,y0)：S5：以初始中心点为起点，设定横向步长△x，xllower≤△x≤xrlower，以经过初始中心点的纵轴为主轴进行向左、向右横向扫描，获取中心点的横坐标xc；S6：以初始中心点为起点，设定纵向步长△y，yllower≤△y≤yltop，以经过初始中心点的横轴为主轴进行向上、向下纵向扫描，获取中心点的纵坐标yc；S7：坐标(xc,yc)即为所述棉花叶片的中心点位置。上述方法的步骤S1中，采用现有技术采集棉花图像并上传。步骤S2中，采用现有技术提取图像中各棉花叶片的叶片轮廓(即对棉花叶片的叶片区域进行分割)，如利用MaskR-CNN目标检测模型对棉花图像实施棉花叶片分割、基于卷积神经网络的目标叶片分割以及基于迁移学习的图像分割等；提取所得棉花叶片的叶片轮廓通常为长方形或正方形。上述方法的步骤S5中，横向步长△x可以根据需要进行设置，通常情况下步长△x越小中心点的定位越准确。由于需要以经过初始中心点的纵轴为主轴进行向左(即以初始中心点为原点向x轴负方向)、向右(即以初始中心点为原点向x轴正方向)横向扫描，所以横向步长△x会存在正负值；当进行向左横向扫描时，横向步长△x为负值，当进行向右横向扫描时，横向步长△x为正值。在本申请的一个优选实施例中，横向步长△x设置为±5px。所述步骤S5进一步包括：S501，初始化初次扫描次数i＝1，纵轴经过坐标(x0*＝x0+△x,y0＝0)；S502，扫描时，叶片轮廓被经过坐标(x0*,y0)的纵轴分为两个图像区域，分别为图像区域ABCD和图像区域A*B*C*D*，其中：图像区域ABCD的四个顶点位置分别为：A(xltop,yltop)、B(x0+△x,yltop)、C(x0+△x,yllower)、D(xllower,yllower)；图像区域A*B*C*D*的四个顶点位置分别为：A*(x0+△x,yrtop)、B*(xrtop,yrtop)、C*(xrlower,yrlower)、D*(x0+△x,yllower)；S503，将图像区域ABCD和A*B*C*D*分别缩放至同一规格的图片，并进一步转化为灰度图；在步骤S503中，对图像区域ABCD和A*B*C*D*进行缩放并缩放至相同规格，以此保留结构、明暗等基本信息，摒弃不同尺寸/比例的图像带来的比较差异。所述图像区域ABCD和A*B*C*D*的缩放要求根据需要进行设定，通常是缩放至(20～30)×(20～30)大小，更优选是缩放至20px×20px的规格，即每张图像为400个像素。对对缩放后的图像转化成灰度图，可以进一步降低图像冗余信息量，提高算法的实时处理效率。S504，分别计算两个灰度图每一行其像素点的均值和中位数，并记录每行像素点的均值和中位数；S505，分别计算步骤S504所得两个图的所有均值和中位数的标准差，以得到的均值标准差和中位数标准差(图像区域ABCD经缩放并进一步转化成灰度图后的均值标准差和中位数标准差分别表示为σavg和σmedian，图像区域A*B*C*D*经缩放并进一步转化成灰度图后的均值标准差和中位数标准差分别表示为σavg*和σmedian*)作为各自的数值特征，即：图像区域ABCD的数值特征：ABCD＝(σavg,σmedian)；图像区域A*B*C*D*的数值特征：A*B*C*D*＝(σavg*,σmedian*)；S506，利用图像区域ABCD、A*B*C*D*的数值特征，通过余弦函数计算二者的相似度imageSimilarity；即S507，将计算所得相似度及当前扫描次数中纵轴经过的横坐标x0*以元组形式保存至结果列表imageSimilaritys中，即imageSimilaritys.append((x0*,imageSimilarity))，结束当前次的扫描；S508，更新x0*坐标，即将第i次扫描中的x0*与横向步长△x的和重新定义为第i+1次扫描中的x0*，判断该重新定义的x0*与xrlower和xllower的关系，当x0*>xrlower或者x0*<xllower时，结束以纵轴为主轴的向右或向左横向扫描，执行步骤S509；否则执行步骤S502进行第i+1次扫描，直至更新后的x0*满足结束以纵轴为主轴的向右或向左横向扫描的条件；S509，在结束以纵轴为主轴的向右或向左横向扫描后，开始以纵轴为主轴的向左或向右横向扫描，实现步骤同S501～S508，得到同时包含以经过初始中心点的纵轴为主轴进行向左、向右横向扫描的结果列表imageSimilaritys；S510，遍历结果列表imageSim本文档来自技高网...

【技术保护点】
1.一种棉花叶片中心点位置定位方法，其特征在于，包括以下步骤：/nS1：采集棉花图像；/nS2：提取图像中各棉花叶片的叶片轮廓；/nS3：提取某一棉花叶片的叶片轮廓的四个坐标点，分别为左上坐标点x1(x

【技术特征摘要】
1.一种棉花叶片中心点位置定位方法，其特征在于，包括以下步骤：
S1：采集棉花图像；
S2：提取图像中各棉花叶片的叶片轮廓；
S3：提取某一棉花叶片的叶片轮廓的四个坐标点，分别为左上坐标点x1(xltop,yltop)、右上坐标点x2(xrtop,yrtop)、左下坐标点x3(xllower,yllower)以及右下坐标点x4(xrlower,yrlower)；
S4：根据以下公式计算所述棉花叶片的叶片轮廓的初始中心点的坐标(x0,y0)：



S5：以初始中心点为起点，设定横向步长△x，xllower≤△x≤xrlower，以经过初始中心点的纵轴为主轴进行向左、向右横向扫描，获取中心点的横坐标xc；
S6：以初始中心点为起点，设定纵向步长△y，yllower≤△y≤yltop，以经过初始中心点的横轴为主轴进行向上、向下纵向扫描，获取中心点的纵坐标yc；
S7：坐标(xc,yc)即为所述棉花叶片的中心点位置。


2.根据权利要求1所述的棉花叶片中心点位置定位方法，其特征在于，步骤S5进一步包括：
S501，初始化初次扫描次数i＝1，纵轴经过坐标(x0*＝x0+△x,y0＝0)；
S502，扫描时，叶片轮廓被经过坐标(x0*,y0)的纵轴分为两个图像区域，分别为图像区域ABCD和图像区域A*B*C*D*，其中：
图像区域ABCD的四个顶点位置分别为：A(xltop,yltop)、B(x0+△x,yltop)、C(x0+△x,yllower)、D(xllower,yllower)；
图像区域A*B*C*D*的四个顶点位置分别为：A*(x0+△x,yrtop)、B*(xrtop,yrtop)、C*(xrlower,yrlower)、D*(x0+△x,yllower)；
S503，将图像区域ABCD和A*B*C*D*分别缩放至同一规格的图片，并进一步转化为灰度图；
S504，分别计算两个灰度图每一行其像素点的均值和中位数，并记录每行像素点的均值和中位数；
S505，分别计算步骤S504所得两个图的所有均值和中位数的标准差，以得到的均值标准差和中位数标准差作为各自的数值特征，即：
图像区域ABCD的数值特征：ABCD＝(σavg,σmedian)；
图像区域A*B*C*D*的数值特征：A*B*C*D*＝(σavg*,σmedian*)；
S506，利用图像区域ABCD、A*B*C*D*的数值特征，通过余弦函数计算二者的相似度imageSimilarity；
S507，将计算所得相似度及当前扫描次数中纵轴经过的横坐标x0*以元组形式保存至结果列表imageSimilaritys中，即imageSimilaritys.append((x0*,imageSimilarity))，结束当前次的扫描；
S508，更新x0*坐标，即将第i次扫描中的x0*与横向步长△x的和重新定义为第i+1次扫描中的x0*，判断该重新定义的x0*与xrlower和xllower的关系，当x0*>xrlower或x0*<xllower时，结束以纵轴为主轴的向右或向左横向扫描，执行步骤S509；否则执行步骤S502进行第i+1次扫描，直至更新后的x0*满足结束以纵轴为主轴的向右或向左横向扫描的条件；
S509，在结束以纵轴为主轴的向右或向左横向扫描后，开始以纵轴为主轴的向左或向右横向扫描，实现步骤同S501至S508，得到同时包含以...

【专利技术属性】
技术研发人员：唐海涛，彭铁雁，韩红兵，
申请(专利权)人：桂林市思奇通信设备有限公司，
类型：发明
国别省市：广西;45