(21)申請?zhí)?01911123129.0(71)申請人廈門梓蔓生物科技有限公司地址361000福建省廈門市中國(福建)自由貿(mào)易試驗區(qū)廈門片區(qū)海景東路18號4樓A13之3GO6TGO6T(72)發(fā)明人張熠平劉圓圓祁建民鄭泓達(dá)陳可欣馬放來呂子杰(74)專利代理機(jī)構(gòu)北京中政聯(lián)科專利代理事務(wù)所(普通合伙)11489代理人黃娟GO6T5/00(2006.01)GO6T5/30(2006.01)(54)發(fā)明名稱一種基于圖像處理的工業(yè)大麻種子計數(shù)方法(57)摘要一種基于圖像處理的工業(yè)大麻種子計數(shù)方到的圖像進(jìn)行二次膨脹，得到邊緣明顯的灰度圖像；去除邊緣明顯的灰度圖像中存在的邊框；通過限制對比度自適應(yīng)直方圖均衡CLAHE算法，進(jìn)行圖像的照度均衡，通過直線濾波法對均衡后圖像進(jìn)行線條粗檢測，采用迭代法進(jìn)行圖像二值化，去除二值化圖像孤立像素點；對圖像進(jìn)行連通域檢測，得到多個連通域，實現(xiàn)對圖像的分類；并生成切割結(jié)果圖像；生成相加結(jié)果圖；查找相加結(jié)果圖中連通域的個數(shù)和位置。本發(fā)明簡單易操作，計算精確高效，能夠?qū)Υ舐榉N子進(jìn)行有效21.一種基于圖像處理的工業(yè)大麻種子計數(shù)方法，其特征在于，包括以下步驟：S2、將大麻種子圖片導(dǎo)入到計算機(jī)中，并選取出其中清晰不模糊的大麻種子圖片進(jìn)行S3、讀取選取的圖片并將其轉(zhuǎn)換為灰度圖像，利用邊緣檢測函數(shù)提取圖像中的邊緣信S4、使用霍夫直線檢測法對灰度圖像進(jìn)行檢測，并去除邊緣明顯的灰度圖像中存在的S5、通過限制對比度自適應(yīng)直方圖均衡CLAHE算法，進(jìn)行圖像的照度均衡，通過直線濾波法對均衡后圖像進(jìn)行線條粗檢測，采用迭代法進(jìn)行圖像二值化，去除二值化圖像孤立像首先利用腐蝕將弱粘連的種子分離，再利用面積特征將種子連通域分成兩類，第一類是一個連通域中只包含一個大麻種子的連通域類；第二類是一個連通域中包含多個大麻種子的連通域類；S7、根據(jù)凹點對S6中的第二類圖像進(jìn)行切割，并檢測連通域的凹點特征和面積特征，利用這兩個特征對大麻種子連通域進(jìn)行循環(huán)切割，并生成切割結(jié)果圖像；S8、對切割結(jié)果圖像進(jìn)行腐蝕和去小連通域操作，并相加第一類圖像和切割結(jié)果圖像，生成相加結(jié)果圖；S9、查找相加結(jié)果圖中連通域的個數(shù)和位置。2.根據(jù)權(quán)利要求1所述的一種基于圖像處理的工業(yè)大麻種子計數(shù)方法，其特征在于，在3.根據(jù)權(quán)利要求1所述的一種基于圖像處理的工業(yè)大麻種子計數(shù)方法，其特征在于，在S3中，通過matlab膨脹模型對圖像進(jìn)行二次膨脹操作，參數(shù)為'disk'。4.根據(jù)權(quán)利要求1所述的一種基于圖像處理的工業(yè)大麻種子計數(shù)方法，其特征在于，S4的具體操作步驟如下：提取二十個極值點；S42、對取出的二十個線段做進(jìn)一步處理：若兩條線段距離小于四十像素數(shù)則拼接起來，拼接后的線段若小于一百像素數(shù)則舍棄該線段；段抹去。5.根據(jù)權(quán)利要求1所述的一種基于圖像處理的工業(yè)大麻種子計數(shù)方法，其特征在于，在S5中，圖像二值化的具體步驟如下：首先對灰度圖像進(jìn)行圖像加深操作，之后再進(jìn)行拉伸操作生成灰階分布圖，然后在灰階分布圖中找到低谷與左邊的峰值，二者之間中間的位置記為new-level,根據(jù)new-level進(jìn)行otsu二值化圖像。6.根據(jù)權(quán)利要求1所述的一種基于圖像處理的工業(yè)大麻種子計數(shù)方法，其特征在于，S6的具體步驟如下：3S61、利用腐蝕方法將圖中弱粘連的種子連通域分離，并生成處理圖一；S62、獲取處理圖一，檢測連通域的面積特征，并記錄下面積特征；S63、獲取處理圖一和S62處理后的面積特征，利用面積特征將大麻種子連通域分成兩S64、循環(huán)上述步驟至少五次。7.根據(jù)權(quán)利要求1所述的一種基于圖像處理的工業(yè)大麻種子計數(shù)方法，其特征在于，S9的具體步驟如下：S91、獲取相加結(jié)果圖并找出圖像中每個連通域的最小外接矩形；S92、以外接矩形的中心作為大麻種子的中心，外接矩形個數(shù)作為大麻種子個數(shù)，最后顯示結(jié)果。4一種基于圖像處理的工業(yè)大麻種子計數(shù)方法技術(shù)領(lǐng)域[0001]本發(fā)明涉及大麻種子計數(shù)技術(shù)領(lǐng)域，尤其涉及一種基于圖像處理的工業(yè)大麻種子計數(shù)方法。背景技術(shù)[0002]大麻為?？啤⒋舐閷僦参?，一年生直立草本，枝具縱溝槽，密生灰白色貼伏毛，葉掌狀全裂，裂片披針形或線狀披針形，特指雌性植物經(jīng)干燥的花和毛狀體，大麻種植可剝麻收子；為了進(jìn)行大麻種子質(zhì)量檢驗、測量產(chǎn)量、考種等科研實驗，數(shù)粒是不可或缺的步驟，而且數(shù)粒的精度對實驗結(jié)果有著極大的影響，育種是通過創(chuàng)造遺傳變異、改良遺傳特性以達(dá)到培育出優(yōu)良動植物新品種的技術(shù)，對種植業(yè)和畜牧業(yè)的發(fā)展具有非常重要的意義，而計數(shù)是育種的一個重要環(huán)節(jié)；[0003]目前在對大麻種子進(jìn)行計數(shù)時，人工計數(shù)的方式還是十分普遍，優(yōu)點是工具要求低，而缺點是效率低、容易出錯，勞動力大，容易造成視覺疲勞，也有少數(shù)的機(jī)電一體化數(shù)粒設(shè)備，可以代替人工計數(shù)，但是存在著誤差大、制造復(fù)雜、價格昂貴等問題，難以廣泛地推廣應(yīng)用。發(fā)明內(nèi)容[0004](一)發(fā)明目的[0005]為解決背景技術(shù)中存在的技術(shù)問題，本發(fā)明提出一種基于圖像處理的工業(yè)大麻種子計數(shù)方法，簡單易操作，計算精確高效，能夠?qū)Υ舐榉N子進(jìn)行有效計數(shù)，取代人工計數(shù)和機(jī)械計數(shù)的方式，節(jié)省了人力成本和設(shè)備成本，大幅度地提高工作效率。[0006](二)技術(shù)方案[0007]本發(fā)明提出了一種基于圖像處理的工業(yè)大麻種子計數(shù)方法，包括以下步驟：[0008]S1、拍攝大麻種子圖片；[0009]S2、將大麻種子圖片導(dǎo)入到計算機(jī)中，并選取出其中清晰不模糊的大麻種子圖片進(jìn)行處理；[0010]S3、讀取選取的圖片并將其轉(zhuǎn)換為灰度圖像，利用邊緣檢測函數(shù)提取圖像中的邊緣信息，對得到的圖像進(jìn)行二次膨脹，得到邊緣明顯的灰度圖像；[0011]S4、使用霍夫直線檢測法對灰度圖像進(jìn)行檢測，并去除邊緣明顯的灰度圖像中存在的邊框；[0012]S5、通過限制對比度自適應(yīng)直方圖均衡CLAHE算法，進(jìn)行圖像的照度均衡，通過直線濾波法對均衡后圖像進(jìn)行線條粗檢測，采用迭代法進(jìn)行圖像二值化，去除二值化圖像孤立像素點；[0013]S6、對圖像進(jìn)行連通域檢測，得到多個連通域，實現(xiàn)對圖像的分類；[0014]首先利用腐蝕將弱粘連的種子分離，再利用面積特征將種子連通域分成兩類，第一類是一個連通域中只包含一個大麻種子的連通域類；第二類是一個連通域中包含多個大5麻種子的連通域類；[0015]S7、根據(jù)凹點對S6中的第二類圖像進(jìn)行切割，并檢測連通域的凹點特征和面積特征，利用這兩個特征對大麻種子連通域進(jìn)行循環(huán)切割，并生成切割結(jié)果圖像；[0016]S8、對切割結(jié)果圖像進(jìn)行腐蝕和去小連通域操作，并相加第一類圖像和切割結(jié)果圖像，生成相加結(jié)果圖；[0017]S9、查找相加結(jié)果圖中連通域的個數(shù)和位置。[0019]優(yōu)選的，在S3中，通過matlab膨脹模型對圖像進(jìn)行二次膨脹操作，參數(shù)為‘disk'。[0020]優(yōu)選的，S4的具體操作步驟如下：[0021]S41、利用matlab的hough模型處理S3得到的灰度圖像，得到線段信息，從變換矩陣H中提取二十個極值點；[0022]S42、對取出的二十個線段做進(jìn)一步處理：若兩條線段距離小于四十像素數(shù)則拼接起來，拼接后的線段若小于一百像素數(shù)則舍棄該線段；[0023]S43、對得到的線段進(jìn)一步篩選，保留角度條件為88°到92°以及-2°到2°的線段，其余線段抹去。[0024]優(yōu)選的，在S5中，圖像二值化的具體步驟如下：[0025]首先對灰度圖像進(jìn)行圖像加深操作，之后再進(jìn)行拉伸操作生成灰階分布圖，然后在灰階分布圖中找到低谷與左邊的峰值，二者之間中間的位置記為new-level,根據(jù)new-level進(jìn)行otsu二值化圖像。[0026]優(yōu)選的，S6的具體步驟如下：[0027]S61、利用腐蝕方法將圖中弱粘連的種子連通域分離，并生成處理圖一；[0028]S62、獲取處理圖一，檢測連通域的面積特征，并記錄下面積特征；[0029]S63、獲取處理圖一和S62處理后的面積特征，利用面積特征將大麻種子連通域分成兩類；[0030]S64、循環(huán)上述步驟至少五次。[0031]優(yōu)選的，S9的具體步驟如下：[0032]S91、獲取相加結(jié)果圖并找出圖像中每個連通域的最小外接矩形；[0033]S92、以外接矩形的中心作為大麻種子的中心，外接矩形個數(shù)作為大麻種子個數(shù)，最后顯示結(jié)果。[0034]本發(fā)明的上述技術(shù)方案具有如下有益的技術(shù)效果：[0035]大麻種子圖片導(dǎo)入到計算機(jī)中；之后讀取選取的圖片并將其轉(zhuǎn)換為灰度圖像，利用邊緣檢測函數(shù)提取圖像中的邊緣信息，對得到的圖像進(jìn)行二次膨脹，得到邊緣明顯的灰度圖像；然后使用霍夫直線檢測法對灰度圖像進(jìn)行檢測，并去除邊緣明顯的灰度圖像中存在的邊框；之后通過限制對比度自適應(yīng)直方圖均衡CLAHE算法，進(jìn)行圖像的照度均衡，通過直線濾波法對均衡后圖像進(jìn)行線條粗檢測，采用迭代法進(jìn)行圖像二值化，去除二值化圖像孤立像素點；然后對圖像進(jìn)行連通域檢測，得到多個連通域，實現(xiàn)對圖像的分類；首先利用腐蝕將弱粘連的種子分離，再利用面積特征將種子連通域分成兩類；之后根據(jù)凹點對第二類圖像進(jìn)行切割，并檢測連通域的凹點特征和面積特征，利用這兩個特征對大麻種子連通域進(jìn)行循環(huán)切割，并生成切割結(jié)果圖像；然后對切割結(jié)果圖像進(jìn)行腐蝕和去小連通域操作，6并相加第一類圖像和切割結(jié)果圖像，生成相加結(jié)果圖；最后查找相加結(jié)果圖中連通域的個[0036]本發(fā)明簡單易操作，計算精確高效，能夠?qū)Υ舐榉N子進(jìn)行有效計數(shù)，取代人工計數(shù)和機(jī)械計數(shù)的方式，節(jié)省了人力成本和設(shè)備成本，大幅度地提高工作效率。具體實施方式[0037]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明了，下面結(jié)合具體實施方式，對本發(fā)明進(jìn)一步詳細(xì)說明。應(yīng)該理解，這些描述只是示例性的，而并非要限制本發(fā)明的范圍。此外，在以下說明中，省略了對公知結(jié)構(gòu)和技術(shù)的描述，以避免不必要地混淆本發(fā)明的概念。[0038]本發(fā)明提出的一種基于圖像處理的工業(yè)大麻種子計數(shù)方法，包括以下步驟：[0040]S2、將大麻種子圖片導(dǎo)入到計算機(jī)中，并選取出其中清晰不模糊的大麻種子圖片進(jìn)行處理；[0041]S3、讀取選取的圖片并將其轉(zhuǎn)換為灰度圖像，利用邊緣檢測函數(shù)提取圖像中的邊緣信息，對得到的圖像進(jìn)行二次膨脹，得到邊緣明顯的灰度圖像；[0042]S4、使用霍夫直線檢測法對灰度圖像進(jìn)行檢測，并去除邊緣明顯的灰度圖像中存[0043]S5、通過限制對比度自適應(yīng)直方圖均衡CLAHE算法，進(jìn)行圖像的照度均衡，通過直線濾波法對均衡后圖像進(jìn)行線條粗檢測，采用迭代法進(jìn)行圖像二值化，去除二值化圖像孤立像素點；[0045]首先利用腐蝕將弱粘連的種子分離，再利用面積特征將種子連通域分成兩類，第一類是一個連通域中只包含一個大麻種子的連通域類；第二類是一個連通域中包含多個大麻種子的連通域類；[0046]S7、根據(jù)凹點對S6中的第二類圖像進(jìn)行切割，并檢測連通域的凹點特征和面積特征，利用這兩個特征對大麻種子連通域進(jìn)行循環(huán)切割，并生成切割結(jié)果圖像；[0047]S8、對切割結(jié)果圖像進(jìn)行腐蝕和去小連通域操作，并相加第一類圖像和切割結(jié)果[0048]S9、查找相加結(jié)果圖中連通域的個數(shù)和位置。[0049]在一個可選的實施例中，在S3中，通過matlab的edge模型進(jìn)行邊緣檢測，參數(shù)為‘prewitt'。[0050]在一個可選的實施例中，在S3中，通過matlab膨脹模型對圖像進(jìn)行二次膨脹操作，[0051]在一個可選的實施例中，S4的具體操作步驟如下：H中提取二十個極值點；[0053]S42、對取出的二十個線段做進(jìn)一步處理：若兩條線段距離小于四十像素數(shù)則拼接起來，拼接后的線段若小于一百像素數(shù)則舍棄該線段；7余線段抹去。[0055]在一個可選的實施例中，在S5中，圖像二值化的具體步驟如下：[0056]首先對灰度圖像進(jìn)行圖像加深操作，之后再進(jìn)行拉伸操作生成灰階分布圖，然后在灰階分布圖中找到低谷與左邊的峰值，二者之間中間的位置記為new-level,根據(jù)new-level進(jìn)行otsu二值化圖像。[0057]在一個可選的實施例中，S6的具體步驟如下：[0058]S61、利用腐蝕方法將圖中弱粘連的種子連通域分離，并生成處理圖一；[0060]S63、獲取處理圖一和S62處理后的面積特征，利用面積特征將大麻種子連通域分成兩類；[0062]在一個可選的實施例中，S9的具體步驟如下：[0063]S91、獲取相加結(jié)果圖并找出圖像中每個連通域的最小外接矩形；[0064]S92、以外接矩形的中心作為大麻種子的中心，外接矩形個數(shù)作為大麻種子個數(shù)，最后顯示結(jié)果。[0065]本發(fā)明中，使用時，首先使用高清相機(jī)拍攝大麻種子圖片，將大麻種子圖片導(dǎo)入到計算機(jī)中并選取出其中清晰不模糊的大麻種子圖片進(jìn)行處理；之后讀取選取的圖片并將其轉(zhuǎn)換為灰度圖像，通過matlab的edge模型進(jìn)行邊緣檢測，參數(shù)為‘prewitt’,通過matlab膨脹模型對圖像進(jìn)行二次膨脹操作，參數(shù)為‘disk',得到邊緣明顯的灰度圖像；[0066]然后使用霍夫直線檢測法對灰度圖像進(jìn)行檢測，并去除邊緣明顯的灰度圖像中存H中提取二十個極值點，對取出的二十個線段做進(jìn)一步處理，若兩條線段距離小于四十像素數(shù)則拼接起來，拼接后的線段若小于一百像素數(shù)則舍棄該線段，對得到的線段進(jìn)一步篩選，[0067]之后通過限制對比度自適應(yīng)直方圖均衡CLAHE算法，進(jìn)行圖像的照度均衡，通過直線濾波法對均衡后圖像進(jìn)行線條粗檢測，采用迭代法進(jìn)行圖像二值化，去除二值化圖像孤立像素點；圖像二值化的過