(19)國家知識產(chǎn)權(quán)局(12)發(fā)明專利(10)授權(quán)公告號CN114463412B(21)申請?zhí)?02210120234.4(22)申請日2022.02.07(65)同一申請的已公布的文獻(xiàn)號申請公布號CN114463412A(43)申請公布日2022.05.10(73)專利權(quán)人浙江托普云農(nóng)科技股份有限公司地址310000浙江省杭州市拱墅區(qū)祥園路88號3幢1101室(74)專利代理機(jī)構(gòu)杭州五洲普華專利代理事務(wù)所(特殊普通合伙)33260專利代理師徐晶晶(56)對比文件GO6T7/90(2017.01)(54)發(fā)明名稱基于計算機(jī)視覺的植株表型測量方法、系統(tǒng)(57)摘要型測量方法、系統(tǒng)及裝置，方法包括獲取原始植株圖像進(jìn)行校正處理，再進(jìn)行分割處理，得到植株二值圖；基于植株二值圖得到骨架拓?fù)浣Y(jié)構(gòu)圖像，進(jìn)而獲取植株的相關(guān)信息；將各個葉片從葉息；獲取莖稈二值圖，得到莖稈表型信息。本發(fā)明通過采集植株圖像信息進(jìn)行圖像處理，獲得植株骨架拓?fù)浣Y(jié)構(gòu)信息，根據(jù)上述拓?fù)浣Y(jié)構(gòu)結(jié)合切垂線測量法以及植株結(jié)構(gòu)特征，獲取植株表型信息。直接對植株的圖像信息進(jìn)行處理和分析，實獲取原始植株圖像并結(jié)合四個標(biāo)識符進(jìn)行校正處理，得到校正后的植株圖像，其中，所述四個標(biāo)識符在原始植株圖像的四個角對校正后的植株圖像進(jìn)行分割處理，得到植株二值圖基于植株二值圖得到骨架拓?fù)浣Y(jié)構(gòu)圖像，進(jìn)而獲取植株的相關(guān)信息，所述相關(guān)信息至少包括骨架信息及交點集合基于骨架信息及交點集合，進(jìn)行單源路徑分析和切垂線測量法得到葉片與莖稈分離的切割線，將各個葉片從葉柄與莖稈連接處進(jìn)行分離得到各個葉片的輪廓信息，結(jié)合骨架拓?fù)浣Y(jié)構(gòu)得到植株葉片表型信息，其中，植株葉片表型信息包括寬度、長度、周長、面積、整株葉片數(shù)量將葉片的輪廓信息從植株二值圖中剝離，得到莖稈二值圖，通過提取莖稈骨架拓?fù)浣Y(jié)構(gòu)并采用切垂線測量法得到莖稈表型信息，其中，所述莖稈表型信息至少包括株高及莖粗21.一種基于計算機(jī)視覺的植株表型測量方法，其特征在于，包括以下步驟：獲取原始植株圖像并結(jié)合四個標(biāo)識符進(jìn)行校正處理，得到校正后的植株圖像，其中，所述四個標(biāo)識符在原始植株圖像的四個角；對校正后的植株圖像進(jìn)行分割處理，得到植株二值圖；基于植株二值圖得到骨架拓?fù)浣Y(jié)構(gòu)圖像，進(jìn)而獲取植株的相關(guān)信息，所述相關(guān)信息至少包括骨架信息及交點集合；基于骨架信息及交點集合，進(jìn)行單源路徑分析和切垂線測量法得到葉片與莖稈分離的切割線，將各個葉片從葉柄與莖稈連接處進(jìn)行分離得到各個葉片的輪廓信息，結(jié)合骨架拓葉片數(shù)量；將葉片的輪廓信息從植株二值圖中剝離，得到莖稈二值圖，通過提取莖稈骨架拓?fù)浣Y(jié)構(gòu)并采用切垂線測量法得到莖稈表型信息，其中，所述莖稈表型信息至少包括株高及莖粗；對植株二值圖進(jìn)行骨架提取處理得到骨架拓?fù)浣Y(jié)構(gòu)；對骨架拓?fù)浣Y(jié)構(gòu)進(jìn)行植株骨架拓?fù)浣Y(jié)構(gòu)分析，得到端點點集及交點集合，其中，所述端點點集為所有葉片頂端端點、植株莖桿生長點及莖基部端點的集合，所述交點集合為葉片與葉柄及莖稈連接處交點的集合；將骨架拓?fù)浣Y(jié)構(gòu)中的路徑點在植株二值圖中進(jìn)行距離變換得到結(jié)果圖像，所述結(jié)果圖像為排除葉柄、莖稈的骨架拓?fù)浣Y(jié)構(gòu)圖，進(jìn)而得到葉片骨架圖；通過對葉片骨架圖的特征進(jìn)行選擇與分析，得到表征各個葉片的骨架信息；將交點集合記作(c?,C?,..,c),骨架信息記作(p?,p?,..,P);獲取骨架信息中任意一點與交點集合所形成單源路徑集合，從單源路徑集合中選擇單源路徑長度最短的路徑，此單源路徑即為葉片與莖稈的連接點；基于所述單源路徑集合，從單源路徑的末端點往起始點方向遍歷，得到單源路徑上各點切線及相應(yīng)的斜率；根據(jù)斜率得到過相應(yīng)點的垂線斜率并作垂線，垂線所過連通域的點集數(shù)量的總和即表示葉片寬度或葉片與莖稈相連處寬度；根據(jù)葉片與莖稈連接處角度的突變以及連接處寬度的突變，對各點切線集合、寬度集合分別求二階導(dǎo)，當(dāng)?shù)谝淮纬霈F(xiàn)二者對應(yīng)點處同時發(fā)生拐點時停止計算，則各點對應(yīng)的位置即為葉片與莖稈切割的最佳點，得到切割線，進(jìn)而得到各個葉片圖像；根據(jù)各個葉片圖像得到各個葉片的輪廓信息及主脈絡(luò)骨架結(jié)構(gòu)信息，進(jìn)而得到各個植株葉片表型信息。2.根據(jù)權(quán)利要求1所述的基于計算機(jī)視覺的植株表型測量方法，其特征在于，所述結(jié)合四個標(biāo)識符進(jìn)行校正處理，包括以下步驟：將四個標(biāo)識符的中心坐標(biāo)按照順時針順序或逆時針順序依次設(shè)置為C?、C?、C3、C?,C?為第一角標(biāo)識符中心坐標(biāo)、C?為第二角標(biāo)識符中心坐標(biāo)、C?為第三角標(biāo)識符中心坐標(biāo)、C?為第四角標(biāo)識符中心坐標(biāo)，并將中心坐標(biāo)所形成矩形的長寬比設(shè)置為a:b;將相鄰兩個角的標(biāo)識符中心坐標(biāo)C?、C?進(jìn)行矩形擬合，得到變換后的中心坐標(biāo)C?'、C?';基于變換矩陣對原始植株圖像進(jìn)行全局變換處理得到第二圖像；3將變換后的中心坐標(biāo)集所形成矩形的長寬比設(shè)置為a:c,結(jié)合長寬比a:b對第二圖像的寬度進(jìn)行尺度變換且變換比例為b/c,得到校正后的植株圖像。3.根據(jù)權(quán)利要求1所述的基于計算機(jī)視覺的植株表型測量方法，其特征在于，所述對校正后的植株圖像進(jìn)行分割處理，包括以下步驟：根據(jù)植株的顏色特征獲取植株顏色表征圖；基于亮度圖像及植株顏色表征圖得到變換系數(shù)，基于變換系數(shù)得到第二灰度圖像，進(jìn)而通過自動閾值分割處理得到植株二值圖。4.根據(jù)權(quán)利要求1所述的基于計算機(jī)視覺的植株表型測量方法，其特征在于，所述將葉片從植株二值圖中剝離，得到莖稈二值圖，通過提取莖稈骨架拓?fù)浣Y(jié)構(gòu)并采用切垂線測量獲取葉片骨架圖中任一點到莖稈距離最近的交點路徑，對所述交點路徑各個位置的點作切線，與該切線垂直的垂線所穿過區(qū)域為葉片寬度，根據(jù)所以切線角度、葉片寬度信息確定葉片與莖稈分離處切割線，根據(jù)該切割線對葉片進(jìn)行分離，獲取葉片輪廓及骨架結(jié)構(gòu)信在葉片骨架圖將葉片信息進(jìn)行分離，得到莖稈二值圖，進(jìn)而得到莖稈信息，莖稈信息包括莖稈骨架及莖稈骨架端點集；根據(jù)莖稈骨架各個位置處切垂線與莖稈二值圖相交信息，得到莖稈各個位置的莖粗；根據(jù)莖稈骨架的生長點及莖稈的基部點獲取兩點之間的單源路徑，選取單源路徑中長度最長的一條路徑，則為莖稈起始點到末端點的路徑，此路徑對應(yīng)的長度則為株高。5.根據(jù)權(quán)利要求1所述的基于計算機(jī)視覺的植株表型測量方法，其特征在于，所述四個標(biāo)識符設(shè)置在圖像采集裝置內(nèi)，所述圖像采集裝置包括背景板，所述背景板包含4個標(biāo)識符，標(biāo)識符分布在背景板4個角，標(biāo)識符顏色與背景板顏色具有明顯的對比度，標(biāo)識符中心連接而成的矩形長寬比為4:3。6.一種基于計算機(jī)視覺的植株表型測量系統(tǒng)，其特征在于，包括圖像校正模塊、圖像分割模塊、骨架拓?fù)浣Y(jié)構(gòu)提取模塊、葉片檢測模塊及莖稈檢測模塊；圖像校正模塊，用于獲取原始植株圖像并結(jié)合四個標(biāo)識符進(jìn)行校正處理，得到校正后的植株圖像，其中，所述四個標(biāo)識符在原始植株圖圖像分割模塊，用于對校正后的植株圖像進(jìn)行分割處理，得到植株二值圖；骨架拓?fù)浣Y(jié)構(gòu)提取模塊，基于植株二值圖得到骨架拓?fù)浣Y(jié)構(gòu)圖像，進(jìn)而獲取植株的相關(guān)信息，所述相關(guān)信息至少包括骨架信息及交點集合；葉片檢測模塊，基于骨架信息及交點集合，進(jìn)行單源路徑分析和切垂線測量法得到葉片與莖稈分離的切割線，將各個葉片從葉柄與莖稈連接處進(jìn)行分離得到各個獨立葉片的輪廓信息，結(jié)合骨架拓?fù)浣Y(jié)構(gòu)得到植株葉片表型信息，其中，植株葉片表型信息包括寬度、長圖，通過提取莖稈骨架拓?fù)浣Y(jié)構(gòu)并采用切垂線測量法，得到莖稈表型信息，其中，所述莖稈表型信息至少包括株高及莖粗；對植株二值圖進(jìn)行骨架提取處理得到骨架拓?fù)浣Y(jié)構(gòu)；4對骨架拓?fù)浣Y(jié)構(gòu)進(jìn)行植株骨架拓?fù)浣Y(jié)構(gòu)分析，得到端點點集及交點集合，其中，所述端點點集為所有葉片頂端端點、植株莖稈生長點及莖基部端點的集合，所述交點集合為葉片與葉柄及莖稈連接處交點的集合；將骨架拓?fù)浣Y(jié)構(gòu)中的路徑點在植株二值圖中進(jìn)行距離變換得到結(jié)果圖像，所述結(jié)果圖像為排除葉柄、莖稈的骨架拓?fù)浣Y(jié)構(gòu)圖，進(jìn)而得到葉片骨架圖；通過對葉片骨架圖的特征進(jìn)行選擇與分析，得到表征各個葉片的骨架信息；將交點集合記作(c?,C?,..,c),骨架信息記作(p?,P?,…,p);獲取骨架信息中任意一點與交點集合所形成單源路徑集合，從單源路徑集合中選擇單源路徑長度最短的路徑，此單源路徑即為葉片與莖稈的連接點；基于所述單源路徑集合，從單源路徑的末端點往起始點方向遍歷，得到單源路徑上各點切線及相應(yīng)的斜率；根據(jù)斜率得到過相應(yīng)點的垂線斜率并作垂線，垂線所過連通域的點集數(shù)量的總和即表示葉片寬度或葉片與莖稈相連處寬度；根據(jù)葉片與莖稈連接處角度的突變以及連接處寬度的突變，對各點切線集合、寬度集合分別求二階導(dǎo)，當(dāng)?shù)谝淮纬霈F(xiàn)二者對應(yīng)點處同時發(fā)生拐點時停止計算，則各點對應(yīng)的位置即為葉片與莖稈切割的最佳點，得到切割線，進(jìn)而得到各個葉片圖像；根據(jù)各個葉片圖像得到各個葉片的輪廓信息及主脈絡(luò)骨架結(jié)構(gòu)信息，進(jìn)而得到各個植株葉片表型信息。7.一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)程序，其特征在于，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至5任意一項所述的方法步驟。8.一種基于計算機(jī)視覺的植株表型測量裝置，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計算機(jī)程序時實現(xiàn)如權(quán)利要求1至5任意一項所述的方法步驟。5技術(shù)領(lǐng)域[0001]本發(fā)明涉及計算機(jī)技術(shù)領(lǐng)域，尤其涉及一種基于計算機(jī)視覺的植株表型測量方背景技術(shù)[0002]植株表型測量在科學(xué)研究、植物培育應(yīng)用中具有重要意義。目前有關(guān)植物表型自動化測量技術(shù)應(yīng)用中，主要為葉片形態(tài)測量，通過采集獨立的葉片圖像，并利用計算機(jī)視覺技術(shù)，實現(xiàn)對葉片形態(tài)參數(shù)的自動檢測。有關(guān)整株植物各部位的形態(tài)測量方法，還未有公開的技術(shù)方法或應(yīng)用案例。[0003]現(xiàn)有植株表型測量方法多為分離接觸式測量方法，即通過物理工具，手動測量煙草各部位的形態(tài)參數(shù)，用于植株培育方案制定的指導(dǎo)以及新品種研發(fā)的參考。[0004]計算機(jī)視覺在農(nóng)作物形態(tài)測量應(yīng)用中，主要通過圖像處理方法，對作物進(jìn)行分割、用到玉米、馬鈴薯等農(nóng)作物的形態(tài)測量中，主要針對生長規(guī)律、單目標(biāo)檢測的應(yīng)用，比如僅測量作物高度、僅測量作物葉片面積、作物葉片生長方向規(guī)范等相關(guān)應(yīng)用。[0005]比如有專家學(xué)者采用紅外照明設(shè)備和近紅外濾鏡CCD攝像機(jī)檢測植物生長，統(tǒng)計作物生長率，該方法對周圍環(huán)境適應(yīng)性較好。缺點是只適用于固定不變的場景，且測量參數(shù)僅為植株從水平面到植株最上方的高度。[0006]亦或者是從不同角度采集馬鈴薯葉片圖像，通過濾波、閾值分割與形態(tài)學(xué)檢測方法，能夠較準(zhǔn)確的測量葉片面積。該方法一方面沒有考慮到圖像畸變對測量結(jié)果的影響；另一方面是所設(shè)計算法主要針對單一且形狀比較規(guī)則的葉片，每次采集僅包含一片葉片的圖[0007]還有專家是通過圖像處理測量玉米、小麥等大田作物高度，借助人工標(biāo)記提取玉米小麥株型信息，通過對葉片標(biāo)記實現(xiàn)對葉片長度、葉傾角的測量。能夠?qū)崿F(xiàn)對作物株型的同時小麥、玉米株型長勢比較規(guī)律，拓?fù)浣Y(jié)構(gòu)相對簡單，通過硬編碼方式即可設(shè)計技術(shù)方[0008]還有利用圖像處理方法實現(xiàn)對葉片面積、葉角分布的測量。文中提出的方法測量結(jié)果更加全面，主要問題依舊是玉米株型拓?fù)浣Y(jié)構(gòu)較為規(guī)則，方法通用性較弱。等等，目前大部分操作都不夠智能精簡。[0009]因此，如何提出一種方案，能夠簡單快捷的實現(xiàn)對植株表型參數(shù)的自動測量，成為亟待解決的問題。發(fā)明內(nèi)容[0010]本發(fā)明針對現(xiàn)有技術(shù)中的缺點，提供了一種基于計算機(jī)視覺的植株表型測量方6[0011]為了解決上述技術(shù)問題，本發(fā)明通過下述技術(shù)方案得以解決：[0012]一種基于計算機(jī)視覺的植株表型測量方法，包括以下步驟：[0013]獲取原始植株圖像并結(jié)合四個標(biāo)識符進(jìn)行校正處理，得到校正后的植株圖像，其中，所述四個標(biāo)識符在原始植株圖像的四個角；[0014]對校正后的植株圖像進(jìn)行分割處理，得到植株二值圖；[0015]基于植株二值圖得到骨架拓?fù)浣Y(jié)構(gòu)圖像，進(jìn)而獲取植株的相關(guān)信息，所述相關(guān)信息至少包括骨架信息及交點集合；[0016]基于骨架信息及交點集合，進(jìn)行單源路徑分析和切垂線測量法得到葉片與莖稈分離的切割線，將各個葉片從葉柄與莖稈連接處進(jìn)行分離得到各個葉片的輪廓信息，結(jié)合骨整株葉片數(shù)量；[0017]將葉片的輪廓信息從植株二值圖中剝離，得到莖稈二值圖，通過提取莖稈骨架拓?fù)浣Y(jié)構(gòu)并采用切垂線測量法得到莖稈表型信息，其中，所述莖稈表型信息至少包括株高及[0019]將四個標(biāo)識符的中心坐標(biāo)按照順時針順序或逆時針順序依次設(shè)置為C?、C?、C?、C?,其中，C?為第一角標(biāo)識符中心坐標(biāo)、C?為第二角標(biāo)識符中心坐標(biāo)、C?為第三角標(biāo)識符中心坐標(biāo)、C?為第四角標(biāo)識符中心坐標(biāo)，并將中心坐標(biāo)所形成矩形的長寬比設(shè)置為a:b;[0020]將相鄰兩個角的標(biāo)識符中心坐標(biāo)C?、C?進(jìn)行矩形擬合，得到變換后的中心坐標(biāo)C?'、[0021]基于中心坐標(biāo)集[C?,C?,C?,C?]與變換后的中心坐標(biāo)集[C?,C?',C?',C?]得到變換矩[0022]基于變換矩陣對原始植株圖像進(jìn)行全局變換處理得到第二圖像；[0023]將變換后的中心坐標(biāo)集所形成矩形的長寬比設(shè)置為a:c,結(jié)合長寬比a:b對第二圖像的寬度進(jìn)行尺度變換且變換比例為b/c,得到校正后的植株圖像。[0024]作為一種可實施方式，所述對校正后的植株圖像進(jìn)行分割處理，包括以下步驟：[0027]根據(jù)植株的顏色特征獲取植株顏色表征圖；[0028]基于亮度圖像及植株顏色表征圖得到變換系數(shù)，基于變換系數(shù)得到第二灰度圖像，進(jìn)而通過自動閾值分割處理得到植株二值圖。[0029]作為一種可實施方式，基于植株二值圖得到植株[0030]對植株二值圖進(jìn)行骨架提取處理得到骨架拓?fù)浣Y(jié)構(gòu)；[0031]對骨架拓?fù)浣Y(jié)構(gòu)進(jìn)行植株骨架拓?fù)浣Y(jié)構(gòu)分析，得到端點點集及交點集合，其中，所述端點點集為所有葉片頂端端點、植株莖稈生長點及莖基部端點的集合，所述交點集合為葉片與葉柄及莖稈連接處交點的集合；[0032]將骨架拓?fù)浣Y(jié)構(gòu)中的路徑點在植株二值圖中進(jìn)行距離變換得到結(jié)果圖像，所述結(jié)果圖像為排除葉柄、莖稈的骨架拓?fù)浣Y(jié)構(gòu)圖，進(jìn)而得到葉片骨架圖；[0033]通過對葉片骨架圖的特征進(jìn)行選擇與分析，得到表征各個葉片的骨架信息。7[0034]作為一種可實施方式，所述進(jìn)行單源路徑分析和切垂線測量法得到葉片與莖稈分離的切割線，將各個葉片從葉柄與莖稈連接處進(jìn)行分離得到各個獨立葉片的輪廓信息，結(jié)合骨架拓?fù)浣Y(jié)構(gòu)得到植株葉片表型信息，包括以下步驟：[0035]將交點集合記作(c?,C?,…,c),骨架信息記作(p?,p?,…,p);[0036]獲取骨架信息中任意一點與交點集合所形成單源路徑集合，從單源路徑集合中選擇單源路徑長度最短的路徑，此單源路徑即為葉片與莖稈的連接點；[0037]基于所述單源路徑集合，從單源路徑的末端點往起始點方向遍歷，得到單源路徑上各點切線及相應(yīng)的斜率；[0038]根據(jù)斜率得到過相應(yīng)點的垂線斜率并作垂線，垂線所過連通域的點集數(shù)量的總和即表示葉片寬度或葉片與莖稈相連處寬度；[0039]根據(jù)葉片與莖稈連接處角度的突變以及連接處寬度的突變，對各點切線集合、寬度集合分別求二階導(dǎo)，當(dāng)?shù)谝淮纬霈F(xiàn)二者對應(yīng)點處同時發(fā)生拐點時停止計算，則各點對應(yīng)的位置即為葉片與莖稈切割的最佳點，得到切割線，進(jìn)而得到各個葉片圖像；[0040]根據(jù)各個葉片圖像得到各個葉片的輪廓信息及主脈絡(luò)骨架結(jié)構(gòu)信息，進(jìn)而得到各個植株葉片表型信息。[0041]作為一種可實施方式，所述將葉片從植株二值圖中剝離，得到莖稈二值圖，通過提取莖稈骨架拓?fù)浣Y(jié)構(gòu)并采用切垂線測量法，得到莖稈表型信息，包括以下步驟：[0042]獲取葉片骨架圖中任一點到莖稈距離最近的交點路徑，對所述交點路徑各個位置的點作切線，與該切線垂直的垂線所穿過區(qū)域為葉片寬度，根據(jù)所以切線角度、葉片寬度信息確定葉片與莖稈分離處切割線，根據(jù)該切割線對葉片進(jìn)行分離，獲取葉片輪廓及骨架結(jié)[0043]在葉片骨架圖將葉片信息進(jìn)行分離，得到莖稈二值圖，進(jìn)而得到莖稈信息，莖稈信息包括莖稈骨架及莖稈骨架端點集；[0044]根據(jù)莖稈骨架各個位置處切垂線與莖稈二值圖相交信息，得到莖稈各個位置的莖[0045]根據(jù)莖稈骨架的生長點及莖稈的基部點獲取兩點之間的單源路徑，選取單源路徑中長度最長的一條路徑，則為莖稈起始點到末端點的路徑，此路徑對應(yīng)的長度則為株高。[0046]作為一種可實施方式，所述四個標(biāo)識符設(shè)置在圖像采集裝置內(nèi)，所述圖像采集裝置包括背景板，所述背景板包含4個標(biāo)識符，標(biāo)識符分布在背景板4個角，標(biāo)識符顏色與背景板顏色具有明顯的對比度標(biāo)識符中心連接而成的矩形長寬比為4:3。[0047]一種基于計算機(jī)視覺的植株表型測量系統(tǒng)，包括圖像校正模塊、圖像分割模塊、骨架拓?fù)浣Y(jié)構(gòu)提取模塊、葉片檢測模塊及莖稈檢測模塊；[0048]圖像校正模塊，用于獲取原始植株圖像并結(jié)合四個標(biāo)識符進(jìn)行校正處理，得到校正后的植株圖像，其中，所述四個標(biāo)識符在原始植株圖像的四個角；[0050]骨架拓?fù)浣Y(jié)構(gòu)提取模塊，基于植株二值圖得到骨架拓?fù)浣Y(jié)構(gòu)圖像，進(jìn)而獲取植株的相關(guān)信息，所述相關(guān)信息至少包括骨架信息及交點集合；[0051]葉片檢測模塊，基于骨架信息及交點集合，進(jìn)行單源路徑分析和切垂線測量法得到葉片與莖稈分離的切割線，將各個葉片從葉柄與莖稈連接處進(jìn)行分離得到各個獨立葉片8的輪廓信息，結(jié)合骨架拓?fù)浣Y(jié)構(gòu)得到植株葉片表型信息，其中，植株葉片表型信息包括寬[0052]莖稈檢測模塊，將葉片從植株二值圖中剝離，得到莖稈二值圖，通過提取莖稈骨架拓?fù)浣Y(jié)構(gòu)并采用切垂線測量法，得到莖稈表型信息，其中，所述莖稈表型信息至少包括株高及莖粗。[0053]一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如上所述的方法步驟。[0054]一種基于計算機(jī)視覺的植株表型測量裝置，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機(jī)程序，所述處理器執(zhí)行所述計算機(jī)程序時實現(xiàn)如上所述的方法步驟。[0055]本發(fā)明由于采用了以上技術(shù)方案，具有顯著的技術(shù)效果：[0056]本發(fā)明通過采集植株圖像信息進(jìn)行圖像處理，獲得植株骨架拓?fù)浣Y(jié)構(gòu)信息，根據(jù)上述拓?fù)浣Y(jié)構(gòu)結(jié)合切垂線測量法以及植株結(jié)構(gòu)特征，獲取植株表型信息。直接對植株的圖像信息進(jìn)行處理和分析，實現(xiàn)了植株的表型測量的自動化，提高了植株表型測量的效率和準(zhǔn)確性。附圖說明[0057]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。[0058]圖1是本發(fā)明的方法流程示意圖；[0059]圖2是本發(fā)明的系統(tǒng)結(jié)構(gòu)示意圖；[0060]圖3是本發(fā)明圖像采集裝置的示意圖；[0061]圖4是本發(fā)明基于3個顏色通道得到植株二值圖的示意圖；[0062]圖5-圖6是骨架拓?fù)浣Y(jié)構(gòu)端點、交點分析過程中像素8鄰域結(jié)構(gòu)圖；[0063]圖7是本發(fā)明實施例中圖像差影法計算原理圖；[0064]圖8是本發(fā)明實施例中切垂線測量原理圖；[0065]圖9是通過自適應(yīng)閾值分割即可得到植株二值圖；[0066]圖10是本發(fā)明方法的結(jié)果展示圖。具體實施方式[0067]下面結(jié)合實施例對本發(fā)明做進(jìn)一步的詳細(xì)說明，以下實施例是對本發(fā)明的解釋而本發(fā)明并不局限于以下實施例。[0068]實施例1:[0069]一種基于計算機(jī)視覺的植株表型測量方法，如圖1所示，包括以下步驟：[0070]S100、獲取原始植株圖像并結(jié)合四個標(biāo)識符進(jìn)行校正處理，得到校正后的植株圖像，其中，所述四個標(biāo)識符在原始植株圖像的四個角；[0071]S200、對校正后的植株圖像進(jìn)行分割處理，得到植株二值圖；9[0072]S300、基于植株二值圖得到骨架拓?fù)浣Y(jié)構(gòu)圖像，進(jìn)而獲取植株的相關(guān)信息，所述相關(guān)信息至少包括骨架信息及交點集合；[0073]S400、基于骨架信息及交點集合，進(jìn)行單源路徑分析和切垂線測量法得到葉片與莖稈分離的切割線，將各個葉片從葉柄與莖稈連接處進(jìn)行分離得到各個葉片的輪廓信息，[0074]S500、將葉片的輪廓信息從植株二值圖中剝離，得到莖稈二值圖，通過提取莖稈骨架拓?fù)浣Y(jié)構(gòu)并采用切垂線測量法得到莖稈表型信息，其中，所述莖稈表型信息至少包括株高及莖粗。[0076]將四個標(biāo)識符的中心坐標(biāo)按照順時針順序或逆時針順序依次設(shè)置為C?、C?、C?、C?,其中，C?為第一角標(biāo)識符中心坐標(biāo)、C?為第二角標(biāo)識符中心坐標(biāo)、C?為第三角標(biāo)識符中心坐標(biāo)、C?為第四角標(biāo)識符中心坐標(biāo)，并將中心坐標(biāo)所形成矩形的長寬比設(shè)置為a:b;[0077]將相鄰兩個角的標(biāo)識符中心坐標(biāo)C?、C?進(jìn)行矩形擬合，得到變換后的中心坐標(biāo)C?'[0078]基于中心坐標(biāo)集[C?,C?,C?,C?]與變換后的中心坐標(biāo)集[C?,C?',C?',C?】得到變換矩[0079]基于變換矩陣對原始植株圖像進(jìn)行全局變換處理得到第二圖像；[0080]將變換后的中心坐標(biāo)集所形成矩形的長寬比設(shè)置為a:c,結(jié)合長寬比a:b對第二圖像的寬度進(jìn)行尺度變換且變換比例為b/c,得到校正后的植株圖像，也就是說將第二圖像的寬度變換到b/c倍得到校正后的植株圖像。[0081]在此實施例中，所述四個標(biāo)識符設(shè)置在圖像采集裝置內(nèi)，所述圖像采集裝置包括背景板，所述背景板包含4個標(biāo)識符，標(biāo)識符分布在背景板4個角，標(biāo)識符顏色與背景板顏色具有明顯的對比度標(biāo)識符中心連接而成的矩形長寬比為4:3。另外，圖像采集裝置勢必還包括圖像采集設(shè)備，參見附圖3所示，背景板10由純色、材質(zhì)不透明不反光的平面板101、顏色不同于平面板101的標(biāo)識符102組成；而標(biāo)識符102的形狀可以為圓形，可以為方形；圖像采集設(shè)備20為具有攝像或拍照功能的儀器，本發(fā)明實施例不作具體限定。[0082]在一個實施例中，步驟S200中，所述對校正后的植株圖像進(jìn)行分割處理，包括以下步驟：[0085]根據(jù)植株的顏色特征獲取植株顏色表征圖；[0086]基于亮度圖像及植株顏色表征圖得到變換系數(shù)，基于變換系數(shù)得到第二灰度圖像，進(jìn)而通過自動閾值分割處理得到植株二值圖。[0087]3個顏色通道imageRed、imageGreen、imageBlue,根據(jù)對3個通道色度值進(jìn)行加權(quán)平均得到亮度圖像，imageHue=imageRed/3.0+imageGreen/3.0+imageBlue/3.0;根據(jù)背景板顏色特征以及植株顏色特征，獲取對應(yīng)顏色特征下圖像，此處以綠色為例，計算方式為imageColor=2*imageGreen-imageBlue-imageRed;根據(jù)亮度圖像imageHue、植株顏色表征圖imageColor像素值分布特征計算系數(shù)k,根據(jù)公式image4=k*imageHue+(1-k)*imageColor得到第二灰度圖像image4,其中k取值在(0,1)區(qū)間，通過自適應(yīng)閾值分割即可得到植株二值圖image5,整個過程可以參見附圖4。[0088]在一個實施例中，步驟S300中基于植株二值圖得到植株的相關(guān)信息，包括以下步[0089]對植株二值圖進(jìn)行骨架提取處理得到骨架拓?fù)浣Y(jié)構(gòu)；[0090]對骨架拓?fù)浣Y(jié)構(gòu)進(jìn)行植株骨架拓?fù)浣Y(jié)構(gòu)分析，得到端點點集及交點集合，其中，所述端點點集為所有葉片頂端端點、植株莖稈生長點及莖基部端點的集合，所述交點集合為葉片與葉柄及莖稈連接處交點的集合；[0091]將骨架拓?fù)浣Y(jié)構(gòu)中的路徑點在植株二值圖中進(jìn)行距離變換得到結(jié)果圖像，所述結(jié)果圖像為排除葉柄、莖稈的骨架拓?fù)浣Y(jié)構(gòu)圖，進(jìn)而得到葉片骨架圖；[0092]通過對葉片骨架圖的特征進(jìn)行選擇與分析，得到表征各個葉片的骨架信息。[0093]具體實現(xiàn)步驟參見如下：image6;對骨架拓?fù)浣Y(jié)構(gòu)image6進(jìn)行分析，獲得端點點集(e?,e?,…,e)、交點集合(c?,C?,…,c);根據(jù)骨架拓?fù)浣Y(jié)構(gòu)image6路徑點在植株二值圖image5中進(jìn)行距離變換獲得結(jié)果圖像image7,其中結(jié)果圖像image7為僅包含葉柄、莖稈的骨架拓?fù)浣Y(jié)構(gòu)圖像；本發(fā)明實施例采用差影法實現(xiàn)植株葉片的粗提取，計算公式為葉片骨架圖image8=骨架拓?fù)浣Y(jié)構(gòu)image6-結(jié)果圖像image7;通過對葉片骨架圖image8特征選擇與分析，能夠獲得表征各個葉片的骨架信息(p?,p?,…,p),其中每個點p表示第i片葉片骨架上一點；[0095]參見圖5-6為骨架提取過程中圖像任一像素8鄰域結(jié)構(gòu)圖，其中P1為目標(biāo)像素，通過對圖像中各個像素進(jìn)行結(jié)構(gòu)分析，提取植株骨架拓?fù)浣Y(jié)構(gòu)圖，具體為：[0096]Step1:循環(huán)所有前景像素點，對符合如下條件的像素點標(biāo)記為刪除。[0101]條件(a),中心像素P1周圍的目標(biāo)像素(二值中的1)的個數(shù)之和在2和6之間；條件(b),8鄰域像素中，按順時針方向，相鄰兩個像素出現(xiàn)0->1的次數(shù)。[0102]Step2:跟Step1很類似，條件(a)、(b)完全一致，只是條件(c)、(d)稍微不同，滿足如下條件的像素P1則標(biāo)記為刪除，條件如下：[0107]循環(huán)上述兩步驟，直到兩步中都沒有像素被標(biāo)記為刪除為止，輸出的結(jié)果即為二值圖像細(xì)化后的骨架。[0108]圖7為骨架拓?fù)浣Y(jié)構(gòu)端點、交點分析過程中像素8鄰域結(jié)構(gòu)圖，其中“5”號對應(yīng)圖中黑色位置，即待分析目標(biāo)像素位置，具體為：立條件和終止條件，當(dāng)滿足成立條件時即成立條件下對應(yīng)位置處像素為前景，該點即為交終止終止終止1372463481382248349613924937916742674681682681792798為：對兩幅尺寸相同、數(shù)據(jù)類型相同的兩幅圖像做差，當(dāng)差值大于0時結(jié)果圖像對應(yīng)值為255,當(dāng)小于等于0時結(jié)果圖像對應(yīng)值為0,由此得到兩幅圖像差異信息。原始植株骨架拓?fù)浣Y(jié)構(gòu)圖像image6,根據(jù)葉片葉柄處、莖稈處寬度信息進(jìn)行距離變換后圖像為變化圖像[0120]根據(jù)原始植株骨架拓?fù)浣Y(jié)構(gòu)圖像imag[0128]Foreachvertex[0130]其中，G為骨架圖像構(gòu)造圖，w為各條邊權(quán)重，s為起點即p;首先初始化一個空集S,用于存儲已經(jīng)確定最短板路徑的頂點；初始化集合Q,包含圖中所有頂點G.V,Q為自定義數(shù)據(jù)結(jié)構(gòu)，采用最小優(yōu)先隊列，鍵為各個頂點最短距離；4-8行，從Q中取出從s到頂點最短距離最小的頂點u,將u加入S,對每個和u相鄰的頂點重新計算路徑長度，以替換當(dāng)前最短但大于新路徑的路徑。[0131]由于起始點已知，終止點可列，因此可通過遍歷起始點到所有終止點獲得各條路徑，由此獲得各個葉片與莖稈連接處的單源路徑。[0132]根據(jù)單源路徑，從單源路徑末端點往起始點方向遍歷即從連接處往葉片頂點方向遍歷，計算單源路徑上各點切線及其對應(yīng)斜率angle1,并根據(jù)該斜率計算過對應(yīng)點的垂線斜率angle2并作垂線line,垂線所過連通域點集數(shù)量即為葉片寬度或葉片與莖稈相連處寬度width,根據(jù)葉片與莖稈相連處角度的突變、以及相連處寬度的突變，對所求各個位置處切線集合(anglel?,anglel?,…,angle1)、寬度集合(width?,width?,…,width)分別求二階導(dǎo)，當(dāng)?shù)谝淮纬霈F(xiàn)二者對應(yīng)點處同時發(fā)生拐點時停止計算，該位置即為葉片與莖稈切割最佳點，切割線可有所述切垂線所過區(qū)域獲得，由此得到葉片圖像image9;[0133]根據(jù)所得葉片圖像，計算各個葉片輪廓信息，計算各個葉片主脈絡(luò)骨架，獲得各個植株葉片表型信息。其中葉片表型信息包括葉片長度、葉片寬度、葉片周長、葉片面積、整株葉片數(shù)量信息，當(dāng)然還可以包括其他信息如葉片殘缺信息，本發(fā)明實施例不作具體限定。[0134]在一個實施例中，所述將葉片從植株二值圖中剝離，得到莖稈二值圖，通過提取莖稈骨架拓?fù)浣Y(jié)構(gòu)并采用切垂線測量法，得到莖稈表型信息，包括以下步驟：[0135]獲取葉片骨架圖中任一點到莖稈距離最近的交點路徑，對所述交點路徑各個位置的點作切線，與該切線垂直的垂線所穿過區(qū)域為葉片寬度，根據(jù)所以切線角度、葉片寬度信息確定葉片與莖稈分離處切割線，根據(jù)該切割線對葉片進(jìn)行分離，獲取葉片輪廓及骨架結(jié)構(gòu)信息，直至獲取葉片信息；[0136]在葉片骨架圖將葉片信息進(jìn)行分離，得到莖稈二值圖，進(jìn)而得到莖稈信息，莖稈信息包括莖稈骨架及莖稈骨架端點集；[0137]根據(jù)莖稈骨架各個位置處切垂線與莖稈二值圖相交信息，得到莖稈各個位置的莖[0138]根據(jù)莖稈骨架的生長點及莖稈的基部點獲取兩點之間的單源路徑，選取單源路徑中長度最長的一條路徑，則為莖稈起始點到末端點的路徑，此路徑對應(yīng)的長度則為株高。[0139]此步驟其實與步驟S400中的單源路徑搜索方法、切垂線測量法原理相同，檢測方案與R4不同之處在于株高路徑搜索邏輯。具體為，根據(jù)所述獲取的葉片信息，將其從原始二值圖中去除，得到莖稈二值圖image10,即莖稈二值圖image10=植株二值圖image5-葉片圖像image9;獲取莖稈圖像骨架拓?fù)浣Y(jié)構(gòu)及端點信息，計算端點集中所成路徑中長度最長的一條路徑，即為莖稈起始點(生長點)到末端點(莖基部)路徑，對應(yīng)長度即為株高；同樣根據(jù)莖稈路徑信息，計算各個位置切垂線寬度，即為莖稈各個位置處的莖粗。由此獲得莖稈表型信息株高、莖粗信息，當(dāng)然可以通過對莖稈圖像進(jìn)行形態(tài)分析、紋理分析、色度分析等檢測莖稈長勢殘缺信息，本發(fā)明實施例不作具體限定。[0140]另外，附圖9為本發(fā)明實施例中切垂線測量原理圖，用于獲得葉片切割線信息、莖粗測量信息，具體為：以圖中植株某部位(綠色)處骨架(黑色虛線)任一點P處為例，根據(jù)P點所在區(qū)域前景像素分布擬合該點處切線，根據(jù)切線斜率反解出對應(yīng)切線的垂線斜率，結(jié)合P點坐標(biāo)獲取切垂線，切垂線與植株相交路徑即為該位置處植株寬度。根據(jù)所獲取植株寬度以及切線斜率信息，結(jié)合植株不同部位結(jié)構(gòu)特征，獲取葉片切割線信息、莖粗測量信息。[0141]實施例2:[0142]一種基于計算機(jī)視覺的植株表型測量系統(tǒng)，如圖2所示，包括圖像校正模塊100、圖像分割模塊200、骨架拓?fù)浣Y(jié)構(gòu)提取模塊300、葉片檢測模塊400及莖稈檢測模塊500;[0143]圖像校正模塊100,用于獲取原始植株圖像并結(jié)合四個標(biāo)識符進(jìn)行校正處理，得到校正后的植株圖像，其中，所述四個標(biāo)識符在原始植株圖像的四個角；[0144]圖像分割模塊200,用于對校正后的植株圖像進(jìn)行分割處理，得到植株二值圖；[0145]骨架拓?fù)浣Y(jié)構(gòu)提取模塊300,基于植株二值圖得到骨架拓?fù)浣Y(jié)構(gòu)圖像，進(jìn)而獲取植株的相關(guān)信息，所述相關(guān)信息至少包括骨架信息及交點集合；[0146]葉片檢測模塊400,基于骨架信息及交點集合，進(jìn)行單源路徑分析和切垂線測量法得到葉片與莖稈分離的切割線，將各個葉片從葉柄與莖稈連接處進(jìn)行分離得到各個獨立葉片的輪廓信息，結(jié)合骨架拓?fù)浣Y(jié)構(gòu)得到植株葉片表型信息，其中，植株葉片表型信息包括寬[0147]莖稈檢測模塊500,將葉片從植株二值圖中剝離，得到莖稈二值圖，通過提取莖稈骨架拓?fù)浣Y(jié)構(gòu)并采用切垂線測量法，得到莖稈表型信息，其中，所述莖稈表型信息至少包括株高及莖粗。[0148]實施例3:[0149]一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如下所述的方法步驟：[0150]S100、獲取原始植株圖像并結(jié)合四個標(biāo)識符進(jìn)行校正處理，得到校正后的植株圖[0151]S200、對校正后的植株圖像進(jìn)行分割處理，得到[0152]S300、基于植株二值圖得到骨架拓?fù)浣Y(jié)構(gòu)圖像，進(jìn)而獲取植株的相關(guān)信息，所述相關(guān)信息至少包括骨架信息及交點集合；[0153]S400、基于骨架信息及交點集合，進(jìn)行單源路徑分析和切垂線測量法得到葉片與莖稈分離的切割線，將各個葉片從葉柄與莖稈連接處進(jìn)行分離得到各個葉片的輪廓信息，[0154]S500、將葉片的輪廓信息從植株二值圖中剝離，得到莖稈二值圖，通過提取莖稈骨架拓?fù)浣Y(jié)構(gòu)并采用切垂線測量法得到莖稈表型信息，其中