一种茄子茎夹角无损检测方法

1.本发明属于作物表型研究领域，更具体地说，尤其涉及一种茄子茎夹角无损检测方法。


背景技术：

2.自20世纪90年代初以来，“组学”(omics)成为生命科学领域最引人注目的新概念和新学科，如基因组学(genomics)、转录(transcriptomics)、蛋白质组学(proteomics)和代谢组学(melabolomics)等。伴随各种组学的不断兴起和发展，90年代末，人们提出表型组(phenome)和表型组学(phenomics)的概念。表型组(phenome)是指某一生物的全部性状特征；表型组学(phenomics)是一门在基因组水平上系统研究某一生物或细胞在各种不同环境条件下所有表型的学科。表型组学借助高通量的表型分析技术和平台与基因组学、转录组学、蛋白质组学、代谢组学结合在一起，己成为系统生物学的主要技术平台，应用于复杂的生命系统的研究。近十几年来,原先主要应用于动物及生物医学研究的表型组及表型组学研究平台也已经渗入到植物表型及相关组学的研究中毫无疑问，表型组学作为一个与表型鉴定相关的研究领域，是联系生物体基因型和表现型的桥梁；同时，表型组学利用目标群体详细的表型信息将为功能基因组学研究。
3.高通量表型组学的研究通常要在极短的时间内测量大量的样本，这中间必须有配合其需获取表型特征的各类装置与算法。cn107507192a《一种水稻剑叶夹角在体测量便携装置及在体测量方法》中提及一种水稻的叶夹角测量方法，但其方法并不适应无法弯折的茄子茎并且其算法同样不适用于茄子茎粗糙的表皮。汪韬，贡亮等人发表《基于自定义聚类的水稻剑叶夹角测量》中提及的方法中能有效的取水稻剑叶夹角，但其方法不使用茄子育种阶段一般种植于大棚，其中白色背景板很难与大棚的白色覆膜分离。并且水稻剑叶有其明显特征用于定位，但茄子茎没有明显特征判定。因此提出一种茄子茎夹角无损检测方法使其能快速稳定的测算茄子茎夹角，避免人工测量造成的主观误差成为迫切需求。


技术实现要素：

4.本发明的目的是为了解决现有技术中存在的缺点，而提出的一种茄子茎夹角无损检测方法。
5.为实现上述目的，本发明提供如下技术方案：一种茄子茎夹角无损检测方法，包括如下步骤：
6.s1、输入捕获的茄子茎夹角图像；
7.s2、对图像进行霍夫直线检测，将检测出的直线组合尝试组合为矩形，记录所有组合成功的矩形；
8.s3、判定组合成功的矩形数量，若数量大于n个，默认n》5，则进行s4步骤，若小于5个则认定为图片分析失败。
9.s4、将所有矩形组合成一个新的轮廓，计算该轮廓的最小外接矩形；
10.s5、按最小外接矩形分割出背景板以及茄子茎图像并灰度化图像。
11.s6、使用大律法将图像进行二值化，分割出茄子茎。
12.s7、将二值化图像进行骨骼化操作，得到茄子茎骨骼图。
13.s8、分析茄子茎骨骼图，对其进行角点检测，获取骨骼图关键节点。同时判定关键节点是否包含标定板内茄子茎最下方的点，若无则添加最下方的点到关键节点。
14.s9、将关键节点梳理出最下方到分叉点的直线lb，分叉点到最临近的左右侧点的直线l
l
和lr，计算l
l
和lr夹角。
15.s10、输出结果
16.优选的，所述s2中，获取的茄子茎夹角图像中应包含完整的背景板，待检测的植物根茎。拍摄时成像设备尽量居中于背景板且平行于背景板。背景板印刷有空心的棋盘格。
17.优选的，所述s2中，霍夫直线检测由图像处理库emgucv实现，参数为
18.优选的，所述s4中，将所有矩形组合成一个新的轮廓过程，仅取各个矩形的顶点填充到新轮廓，减少系统运算量。
19.优选的，所述s6中，大律法将图像进行二值化之前进行高斯滤波操作，高斯核大小默认为he＝w*2+1,其中w为棋盘格边界宽度，由图像处理库emgucv的函数threshold()实现。
20.优选的，所述s8中，角点检测通过遍历骨骼线上所有点，判定点附近区域的所有点与该点的灰度相似度：
21.其中(x,y)，(x0,y0)分别为模板中心像素点和待比较像素点的坐标，t为相似度阈值。此外，由于公式未考虑(x,y)在图像边界的情况，需检验角点中是否包含骨骼线最底部，若不存在则加入。
22.优选的，所述s9中，按点的位置关系组成为底部直线lb用于定位、左侧分叉l
l
和右侧lr用于计算茄子茎夹角。
23.本发明的技术效果和优点：本发明所有判定阈值均为分析茄子茎夹角图像后自动生成，且生成结果具有唯一性。有效的减少了人工介入造成的标准不统一，工作量巨大等困难，为后续的工作奠定了良好的基础，且此算法的计算过程简单，在一定程度上提高了测量茄子茎夹角的速度，从而更好的为茄子表型研究提供稳定高效数据支撑。
附图说明
24.图1为本发明的拍摄需求示意图；
25.图2为本发明图像处理流程结果示意；
26.图3为本发明的算法流程图；
具体实施方式
27.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
28.本发明提供一种技术方案：一种食用菌团块图像自动切割算法，包括如下步骤：
29.s1、输入捕获的茄子茎夹角图像；
30.s2、对图像进行霍夫直线检测，将检测出的直线组合尝试组合为矩形，记录所有组合成功的矩形；
31.s3、判定组合成功的矩形数量，若数量大于n个,默认n》5，则进行s4步骤，若小于5个则认定为图片分析失败。
32.s4、将所有矩形组合成一个新的轮廓，计算该轮廓的最小外接矩形；
33.s5、按最小外接矩形分割出背景板以及茄子茎图像并灰度化图像。
34.s6、使用大律法将图像进行二值化，分割出茄子茎。
35.s7、将二值化图像进行骨骼化操作，得到茄子茎骨骼图。
36.s8、分析茄子茎骨骼图，对其进行角点检测，获取骨骼图关键节点。同时判定关键节点是否包含标定板内茄子茎最下方的点，若无则添加最下方的点到关键节点。
37.s9、将关键节点梳理出最下方到分叉点的直线lb，分叉点到最临近的左右侧点的直线l
l
和lr，计算l
l
和lr夹角。
38.s10、输出结果
39.具体的，一种茄子茎夹角无损检测方法s1中获取的茄子茎夹角图像中应包含如图1所示：完整的背景板，待检测的植物根茎。拍摄时成像设备尽量居中于背景板且平行于背景板。背景板印刷有空心的棋盘格。。
40.具体的，一种茄子茎夹角无损检测方法，如图2b所示对图像进行霍夫直线检测，将检测出的直线组合尝试组合为矩形，记录所有组合成功的矩形。
41.具体的，一种茄子茎夹角无损检测方法，如图2b所示对所有矩形组合成一个新的轮廓，仅取各个矩形的顶点填充到新轮廓，减少系统运算量，同时确定茄子茎所处平面，提高计算精度。
42.具体的，一种茄子茎夹角无损检测方法，如图2c所示对所有矩形组合成的新轮廓做最小外接矩形运算，确定茄子茎所处平面，提高计算精度。
43.具体的，一种茄子茎夹角无损检测方法，如图2d所示将确定的茄子茎所处平面从原始图中切割出并执行灰度化，减少系统运算量。
44.具体的，一种茄子茎夹角无损检测方法，如图2e所示将灰度化后的图像进行大律法二值化，消除棋盘格并分割出茄子茎区域的二值图。
45.具体的，一种茄子茎夹角无损检测方法，如图2f所示将分割出茄子茎区域的二值图进行骨骼化操作，得到茄子茎区域的骨骼图。
46.具体的，一种茄子茎夹角无损检测方法，如图2g所示茄子茎区域的骨骼图上的点进行角点判定，提取茄子茎区域的骨骼图像的关键点合集。其中，由于角点判定算法的局限性，执行下一步流程前需要将茄子茎区域的骨骼图像所有点进行排序，找出最底部的点，判定该点是否存在于关键点合集，若不存在则添加进关键点合集。
47.具体的，一种茄子茎夹角无损检测方法，如图2h所示按点的位置关系组成为底部直线lb用于定位、左侧分叉l
l
和右侧lr用于计算茄子茎夹角。最终将计算结果输出到原图显示。
48.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。