【技术实现步骤摘要】
一种水稻叶片花青素显色区域分割及定量分析的方法
[0001]本专利技术涉及农业实验
，尤其涉及一种水稻叶片花青素显色区域分割及定量分析的方法。
技术介绍
[0002]水稻是亚洲热带广泛种植的重要谷物，中国南方为主要产稻区，北方各省均有栽种。水稻叶片花青素显色区域的面积与颜色是测算水稻花青素含量在表型上的重要指标。
[0003]目前，现有技术中采用图像处理方式来分析水稻叶片花青素显色区域。该方法的缺点为：由于水稻叶片花青素显色区域具有模糊边缘、形状不定的特点，往往需要采用大量的人工指定的阈值去分析处理。人工指定阈值的介入使得分析的结果十分主观，不同人员或时期分析出的结果相差较大。
技术实现思路
[0004]本专利技术的实施例提供了一种水稻叶片花青素显色区域分割及定量分析的方法，以实现快速准确地识别出水稻叶片花青素显色区域。
[0005]为了实现上述目的，本专利技术采取了如下技术方案。
[0006]一种水稻叶片花青素显色区域分割及定量分析的方法，包括：
[0007]步骤S1、...
【技术保护点】
【技术特征摘要】
1.一种水稻叶片花青素显色区域分割及定量分析的方法，其特征在于，包括：步骤S1、获取原始图像，所述原始图像包含完整水稻叶片图像；步骤S2、对所述原始图像进行切割预处理，得到原始图像中的叶片区域；步骤S3、基于提取的叶片区域进行色彩空间转换，获取原始图像高反差图像和原始图像取反高反差图，比较水稻叶片花青素显色区域的亮度值和叶片正常显色区域的亮度值，根据比较结果利用所述原始图像高反差图像和原始图像取反高反差图得到目标待提取图；步骤S4、对所述目标待提取图按照亮度中值进行二值化处理后，根据所述比较结果得到目标图像；步骤S5、利用识别模型对所述目标图像进行轮廓识别处理，得到所有水稻叶片的花青素显色区域。2.根据权利要求1所述的方法，其特征在于，所述步骤S2中的对所述原始图像进行切割预处理，包括：A11、将初始图像转换为原始灰度图像，对原始灰度图像进行高斯模糊处理；A12、利用Emgucv图像处理库中SmoothGaussian函数对高斯模糊处理后的灰度图进行降噪操作，得到降噪图；A13、利用Emgucv图像处理库中Canny函数对降噪图进行边缘检测；A14、利用Emgucv图像处理库中Close函数对降噪图进行边缘闭合操作，闭合参数使用高斯核大小相同数值，得到边缘闭合图；A15、利用Emgucv图像处理库中FindContours图对边缘闭合图进行边缘检测操作，得到边缘检测图；A16、对边缘检测图进行外轮廓检测，遍历所有外轮廓，计算所有外轮廓的最小外接矩形后，按照长边/短边的公式计算水稻叶片的长宽比，按照轮廓的面积以及长宽比根据设定的判定规则筛选出水稻叶片区域，其中长宽比计算式为：max(轮廓最小外接矩形长，轮廓最小外接矩形宽)/min(轮廓最小外接矩形长，轮廓最小外接矩形宽)。3.根据权利要求2所述的方法，其特征在于，所述判定规则包括：面积小于原始图像长*宽*0.5％且长宽比小于8，得到水稻叶片外轮廓；将水稻叶片外轮廓内部的像素值填充为255，外部的像素填充为0，得到叶片区域蒙版图，依照叶片区域蒙版图从原始图像中切割出水稻叶片区域，记为前景图。4.根据权利要求1所述的方法，其特征在于，所述步骤A11中的对原始灰度图像进行高斯模糊处理的高斯核大小按照图像分辨率以及叶片在图像中所占的比例动态生成。5.根据权利要求1所述的方法，其特征在于，所述的步骤S3中的基于提取的叶片区域进行色彩空间转换，获取原始图像高反差图像和原始图像取反高反差图，包括：步骤S13、将判定出的水稻叶片区域由RGB色彩空间转换为HSV色彩空间后，在整个叶片区域上分析叶片空间的亮度分布，开辟256长度的数组，默认数组填充0，作为亮度记录数组；遍历叶片区域像素，获得叶片区域像素在HSV色彩空间的V通道的数值，若亮度数值首次出现，则记录数组与亮度数值相等的位置记为1；叶片区域遍历结束后，收集记录为1的数组序号，重新构成亮度数组；统计亮度数组取得中位数；对原始图像进行高斯模糊处理得到高斯模糊图像，将原始图像减去高斯模糊图像得到原始图像高反差图像，其中高斯模糊所用高斯核大小默认为：((Min(轮廓最小外接矩形长，
轮廓最小外接矩形宽)/20％)/2)*2
‑
1。6.根据权利要求5所述的方法，其特征在于，当水稻叶片的花青素显色区域没有明确边界，显色区域接近水稻叶片本身颜色时，所述的步骤S2中的对所述原始图像进...
【专利技术属性】
技术研发人员：刘艳芳，杨晓洪，滕彩玲，张鹏，黄清梅，
申请(专利权)人：云南省农业科学院质量标准与检测技术研究所，
类型：发明
国别省市：
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。