基于機器視覺的玉米穗行數(shù)自動檢測算法設計

　　3.2 計算圖像特征

　　1.確定玉米穗的圓心

　　要想正確地從分割后的圖像中提取玉米穗邊緣行數(shù)特征，必須要讓計算機識別出橫斷面圖像邊緣的凸點和凹點。為了實現(xiàn)以上目的，首先確定玉米穗圖片的圓心，本文選擇用質心法[13]計算玉米穗的圓心，質心的計算方法為：

　　其中，分別為所求的質心， ，分別是玉米穗邊緣的坐標，n是邊緣點像素的個數(shù)。

　　2. 計算角度和半徑

　　從邊緣檢測圖像上可以清楚的看到邊緣點像素坐標到圓心的距離不同決定著此邊緣像素所處玉米穗的位置，比如半徑處于極大值點說明此處為玉米粒的最頂端，半徑處于極小值點說明此處像素處于玉米行的交接處，所以我們只需要統(tǒng)計出玉米邊緣到圓心距離的極小值點的個數(shù)，就相當于統(tǒng)計出了玉米行數(shù)。兩點間距離公式[14]:

　　4 玉米穗行數(shù)特征統(tǒng)計

　　4.1 繪制半徑-角度曲線圖

　　按照遍歷的順序，在上述計算邊緣圖像的圓心到邊緣的角度、半徑時，我們發(fā)現(xiàn)程序結果中，角度的初始值并不為0。為了便于最終行數(shù)特征提取，對角度從小到大進行排序，同時對半徑進行歸一化處理，得到半徑關于角度的函數(shù)，繪制出角度—半徑曲線圖。見圖7(a)所示。

　　4.2 最小值濾波

　　由于玉米穗外輪廓并非規(guī)則、標準的圓形，對于角度—半徑圖，如果直接計算其極大值或極小值點的個數(shù)，將可能會出現(xiàn)大的誤差，用一維最小值濾波器對圖像進行濾波，能有效減少誤差，且有效消除圖片大小對結果的影響。經(jīng)過大量調研，發(fā)現(xiàn)一個玉米穗行數(shù)不會超過30，這樣每一行在半徑序列里所占長度一定會大于半徑總長度/30。利用半徑總長度/30為一維最小值濾波器對角度—半徑圖進行依次濾波，得到精確地玉米穗半徑最小值截平濾波圖。

　　4.3 行數(shù)統(tǒng)計

　　從圖7最小值濾波效果圖中可以看出，被截平的線段的個數(shù)即玉米穗行數(shù)，因此，直接統(tǒng)計截平線段個數(shù)即是玉米穗行數(shù)。

　　5 結論

　　本文給出了基于機器視覺的玉米穗室內考種時行數(shù)的自動檢測算法，表1給出在實驗室的統(tǒng)計數(shù)據(jù)[15]。

　　本算法與現(xiàn)有技術相比，設計思路清晰、層次分明，提高了玉米穗行數(shù)檢測的運行效率和穩(wěn)定性，經(jīng)實驗驗證，系統(tǒng)運行準確、穩(wěn)定，可以滿足玉米穗室內考種時行數(shù)自動檢測技術的要求，擁有實時、高效、客觀、準確和無損傷等顯著優(yōu)點，具有很好的推廣價值。