一种基于边缘检测技术的农作物不等行距检测方法技术

本发明专利技术公开了一种基于边缘检测技术的农作物不等行距检测方法，步骤如下：步骤1：获取农作物的图像，并对图像进行预处理；步骤2：采用N

【技术实现步骤摘要】
一种基于边缘检测技术的农作物不等行距检测方法


[0001]本专利技术涉及一种检测技术。具体涉及一种基于边缘检测技术的农作物不等行距检测方法。

技术介绍

[0002]基于图像处理的技术在各行各业发挥着重要作用，而边缘检测技术在图像处理中是对图像轮廓特征提取的关键技术。
[0003]自动收割技术的不断发展，对农作物的株高、行排列、行距等准确信息越来越依赖。如何获取农作物的株高已经有了相关的解决方法，但是如何获取行距信息公开的做法较少。边缘检测方法有Roberts、Sobel、Prewitt、LOG、Canny等，其中Roberts、Sobel、Prewitt、LOG对边缘细节的还原效果差，另外传统Canny对尖锐边缘提取不精确。有学者在传统边缘检测中寻求改进，虽然一定程度上提高了检测的精度，但是引入机器训练和神经网络等方法后大幅增加运算时间。

技术实现思路

[0004]本专利技术提供了一种基于边缘检测技术的农作物不等行距检测方法，以解决农作物的行距检测问题。
[0005]本专利技术公开了一种基于边缘检测技术的农作物不等行距检测方法，具体步骤如下：
[0006]步骤1：获取农作物的图像，并对图像进行预处理；
[0007]步骤2：采用N
×
N矩阵，从水平和垂直两个方向来卷积计算图像中像素的幅度和梯度；
[0008]步骤3：根据相邻像素的幅度计算双阈值，根据双阈值来获取像素的强边缘点和弱边缘点；
[0009]步骤4：将同一梯度方向上幅值最大的像素点作为边缘的初始点，将边缘的初始点和同一梯度方向上的弱边缘点相连，根据边缘的初始点和弱边缘点连线的模长删除伪边缘点；
[0010]步骤5：根据保留的弱边缘点和强边缘点，通过霍夫变换线性拟合出图像的主要边缘；
[0011]步骤6：根据图像的主要边缘的间距折算出农作物的行距。
[0012]可选地，所述步骤1中中值滤波的方法的中值滤波函数为：
[0013]G(x,y)＝Med{h(x+m,y+n)|m,n∈W}
[0014]其中，h(x,y)为图像每个点的灰度值，W为二维模板，通常为3
×
3，5
×
5区域，m、n所滤波的像素选取的范围。
[0015]可选地，所述步骤2中采用3
×
3矩阵，从水平和垂直两个方向来卷积计算图像G中像素的幅度和梯度，具体计算方法为：
[0016][0017]p
x
＝(g6+2g7+a8)
‑
(g0+2g3+g6)
[0018]p
y
＝(g6+2g7+a8)
‑
(g0+2g1+g2)
[0019][0020]θ(i.j)＝arctan(p
x
/p
y
)
[0021]其中，G
x
和G
y
分别代表水平方向和垂直方向；G
x,y
是图像的像素值；G
x,y
为水平方向分量；G
x,y
为垂直方向分量；G1(i.j)为幅度；θ(i.j)为梯度方向。
[0022]可选地，所述步骤3中双阈值的计算方法：
[0023]对相邻像素幅度进行差分运算：
[0024]G1(i+1)
‑
G1(i)
[0025]选择幅度的第一个零点作为高阈值，低阈值取高阈值的0.5倍：
[0026]Th
H
＝Arg(G1(i+1)
‑
G(i)＝0)
[0027]Th
L
＝0.5Th
H
[0028]其中，Th
H
和Th
L
分别代表高阈值和低阈值。
[0029]可选地，所述步骤3根据双阈值来获取像素的强边缘点和弱边缘点，具体方法为：
[0030]当G1(i,j)＞Th
H
时，该像素为强边缘点；
[0031]当G1(i,j)＜Th
L
时，该像素不是边缘点；
[0032]当Th
L
＜G1(i,j)＜Th
H
时，该像素为弱边缘点。
[0033]可选地，所述步骤4伪边缘点的确定方法是：获取边缘的起始点与所有弱边缘点连线中模长的最大值和最小值，并根据最大值和最小值计算平均值，当边缘的初始点和弱边缘点连线的模长小于平均值时，该弱边缘点为伪边缘点。
[0034]可选地，所述步骤6根据图像的主要边缘的间距折算出农作物的行距的具体方法：根据所述步骤5中拟合出的主要边缘的间距、图像和实物比例，两者的乘积计算农作物的行距。
[0035]本专利技术至少包括以下有益效果：
[0036]1、采用中值滤波方法代替高斯滤波方法，使得处理过程更加快速；中值滤波方法在平滑脉冲噪声方面非常有效，同时可保护图像尖锐的边缘。
[0037]2、采用自适应双阈值区分强、弱、伪边缘点，并定义广义链，删除小于平均模量阈值的边链，实现抑制伪边缘点。
[0038]3、从水平和垂直两个方向来卷积计算图像中像素的幅度和梯度，能够快速提取出同一梯度上的像素点。
附图说明
[0039]通过参考附图会更加清楚的理解本专利技术的特征和优点，附图是示意性的而不应理解为对本专利技术进行任何限制，在附图中：
[0040]图1为本专利技术具体实施例的流程图；
[0041]图2为本专利技术具体实施例的水稻田灰度图；
[0042]图3为本专利技术具体实施例的水稻田的处理结果图。
具体实施方式
[0043]为使本专利技术实施例的目的、技术方案和优点更加清楚，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，本领域技术人员在没有作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。
[0044]如图1所示，本专利技术公开了一种基于边缘检测技术的农作物不等行距检测方法，具体步骤如下：
[0045]步骤S1：获取农作物的图像，并利用中值滤波对图像进行预处理得到图像G；
[0046]中值滤波的方法为：假设输入数字图像的每个点的灰度值为h(x,y)，滤波窗口为M
mn
，中值滤波函数：
[0047]G(x,y)＝Med{h(x+m,y+n)|m,n∈W}
[0048]步骤S2：采用3
×
3矩阵，从水平和垂直两个方向来卷积计算图像G中像素的幅度和梯度；
[0049]从水平和垂直两个方向来卷积计算图像G中像素的幅度和梯度，具体计算方法为：
[0050][0051]p
x
＝(g6+2g7+a8)
‑
(g0+2g3+g6)
[0052]p
y<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘检测技术的农作物不等行距检测方法，其特征在于，具体步骤如下：步骤1：获取农作物的图像，并对图像进行预处理；步骤2：采用N
×
N矩阵，从水平和垂直两个方向来卷积计算图像中像素的幅度和梯度；步骤3：根据相邻像素的幅度计算双阈值，根据双阈值来获取像素的强边缘点和弱边缘点；步骤4：将同一梯度方向上幅值最大的像素点作为边缘的初始点，将边缘的初始点和同一梯度方向上的弱边缘点相连，根据边缘的初始点和弱边缘点连线的模长删除伪边缘点；步骤5：根据保留的弱边缘点和强边缘点，通过霍夫变换线性拟合出图像的主要边缘；步骤6：根据图像的主要边缘的间距折算出农作物的行距。2.如权利要求1所述的基于边缘检测技术的农作物不等行距检测方法，其特征在于，所述步骤1中中值滤波的方法的中值滤波函数为：G(x,y)＝Med{h(x+m,y+n)|m,n∈W}其中，h(x,y)为图像每个点的灰度值，W为二维模板，通常为3
×
3，5
×
5区域，m、n所滤波的像素选取的范围。3.如权利要求1所述的基于边缘检测技术的农作物不等行距检测方法，其特征在于，所述步骤2中采用3
×
3矩阵，从水平和垂直两个方向来卷积计算图像G中像素的幅度和梯度，具体计算方法为：p
x
＝(g6+2g7+a8)
‑
(g0+2g3+g6)p
y
＝(g6+2g7+a8)
‑
(g0+2g1+g2)θ(i.j)＝arctan(p
x
/p
y
)其中，G
x
和G
y
分别代表水平方向和垂直方向；G
x,y
是图像的像素...

【专利技术属性】
技术研发人员：庄肖波，魏海峰，许为强，王浩陈，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：