一种烟田图像目标定位线的检测方法
【技术领域】
[0001] 本发明涉及数字图像处理领域，更具体地，涉及一种烟田图像目标定位线的检测 方法。
【背景技术】
[0002] 目前的烟田的烟叶定位检测方法主要有Rough Transform (HT)和投影法。HT法受 噪声的影响很小，因此具有比较高的鲁棒性。但是由于该方法运用统计学来进行大量的数 学计算，数据量很大，处理时间长，不适合现代化农业的实时性要求。投影法对作物的种植 要求比较高，如果作物行直线度不高，则检测效果很不理想。
【发明内容】
[0003] 本发明提供一种快速的烟田图像目标定位线的检测方法。
[0004] 为了达到上述技术目的，本发明的技术方案如下：
[0005] -种烟田图像目标定位线的检测方法，包括以下步骤：
[0006] Sl :将采集的烟田图像进行分割；
[0007] S2:进行定位点的确定：
[0008] S3 :利用确定的定位点划定定位线。
[0009] 进一步地，其特征在于，所述步骤Sl的过程如下：
[0010] 将采集的烟田图像转化为灰度图像，再将得到的灰度图线进行分割，包括以下步 骤：
[0011] S21 :利用等距离方法来确定各个类的初始中心值：
[0012]
[0013] 式中C':是苐i类的初始中心值，G_、G_是灰度图像中像素的最大、最小灰度值， K是初始类总数，i = 1，2,…，K ;
[0014] S22 :基予特征空间的欧氏距离将各个像素点分配到距离最近的类中：
[0015]
[0016] 式中D1, ,是第j个点与第i个类中心的距离，G ,是第j个点的灰度值，G;?是第i 个类第m次的中心值，m是循环次数，i = 1，2,…，K，j = 1，2,…，N，N是像素总数；
[0017] S23 :根据各个类中像素的平均德计算类更新后的中心值：
[0018]
[0019] 式中N1是步骤S22后归入各个类的像素点总数，i = 1，2,…，K ;
[0020] S24 :重复步骤S22、S23,计算类间距离M，直到M满足设定的距离阈值：
[0021]
[0022] 式中C：是第i个类当前的中心值，CT1是第i个类前一个中心值；
[0023] S25 :确定分割阈值，将灰度图像转化为二值图像：
[0024]
[0025] 式中T是灰度图像分割最优阈值。
[0026] 进一步地，所述步骤S2的过程如下：
[0027] S31 :设定一个1像素 Xn像素的区域，对得到二值图像从下到上、从左到右逐像 素地移动该区域对二值图像进行扫描，生成以该区域中心的X为横坐标、y为纵坐标的曲线 s (X)，分别计算s (X)的平均值A和标准偏差D :
[0028]
[0029]
[0030] 式中ω是扫描宽度；
[0031] S32 :令水平线y 以上的S(X)部分为定位区域，以化和X1^1代表第1个目 -JL- 标区域的左右端点，&和Xm代表第η个定位区域的左右端点，各个定位区域左右端点的中 点BI
、别代表定位点。
[0032] 进一步地，所述步骤S3的过程如下：
[0033] S41 :令数组AJP A p是分别保存1像素 Xn像素区域当前扫描线和前一扫描线上 定位点的横坐标值，将Ap的坐标值从小到大排序；
[0034] S42 :计算当前扫描线上定位点之间的距离平均值A1和距离阈值A 2:
[0035]
[0036] A2=U-YbA1
[0037] 式中η是当前扫描线上点位点的个数，&、\是当前扫描线上最初和最后定位点的 横坐标值；
[0038] S43 :令点PUi, y;)是当前扫描线上点位点，点P' Uj,乃）、P"（x_j+1, yj+1)是当前扫 描线上左、右相邻的2个定位点，计算参数山、d2:
[0039]
[0040] 其中山、(12的取值包括以下4种情况：
[0041] Dd1=O,表示P与P'位于同一垂直线，二者属于同一类；同样，若d2=0,则P与 P 〃位于同一垂直线，二者属于同一类；
[0042] 2)山〈0并且d2>0,表示P在P'和P〃之间，P在P'和P〃之间还存在以下2种可 能：①I Cl1Kd2, P距P〃比较近，如果Id1I SA2，表明P与P'属于同一类；否则，表示出现了 新类，点P作为第1个定位点归属到新类中；②I Cl11 >d2, P距P"比较近，如果I d21彡A2，表 明P与P"属于同一类；否则，表示出现了新的类，点P作为第1个定位点归属到新类中；
[0043] 3) P'是前一扫描线的第1个定位点，并且Cl1X),表示P位于前一扫描线所有定位点 的左侧，如果Id 1I <a2,P与前一扫描线最初定位点属于同一类；否则，表示出现了新的类， 点P作为第1个定位点归属到新类中；
[0044] 4)P〃是前一扫描线上倒数第2个定位点，并且d2〈0,表示P位于前一扫描线所有 定位点的右侧，如果Id 2I < A2, P与前一扫描线上的最后定位点属于同一类；否则，表示出 现了新的类，点P作为第1个定位点归属到新类中；
[0045] S44:当前扫描线上的定位点聚类完毕后，拷贝数组An到数组Ap中后进行下一行扫 描直至全部扫面完毕得到最终的定位线。
[0046] 与现有技术相比，本发明技术方案的有益效果是：
[0047] 本发明方法利用设定区域内的像素累加方法，消除噪声对烟叶植株的影响，确定 每一个烟叶植株列在每一水平线上的定位点；根据相邻水平扫描线上定位点的横坐标信 息，构造模式特征向量聚类判别函数，将属于同一烟叶植株列的定位点归属到同一个数据 类中，最后确定各条定位线的方位，该方法逻辑清晰，计算量较小，节省了大量了时间和人 力物力。
【附图说明】
[0048] 图1为本发明方法的流程图；
[0049] 图2为本发明方法的实验效果图。
【具体实施方式】
[0050] 附图仅用于示例性说明，不能理解为对本专利的限制；
[0051] 为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品 的尺寸；
[0052] 对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解 的。
[0053] 下面结合附图和实施例对本发明的技术方案做进一步的说明。
[0054] 实施例1
[0055] 如图1所示，一种烟田图像目标定位线的检测方法，包括以下步骤：
[0056] Sl :将采集的烟田图像进行分割；
[0057] S2:进行定位点的确定：
[0058] S3 :利用确定的定位点划定定位线。
[0059] 进一步地，其特征在于，所述步骤Sl的过程如下：
[0060] 将采集的烟田图像转化为灰度图像，再将得到的灰度图线进行分割，包括以下步 骤：
[0061] S21 :利用等距离方法来确定各个类的初始中心值：
[0062]
[0063] 式中是第i类的初始中心值，G_、G_是灰度图像中像素的最大、最小灰度值， K是初始类总数，i = 1，2,…，K ;
[0064] S22 :基予特征空间的欧氏距离将各个像素点分配到距离最近的类中：
[0065]
[0066] 瓦甲D1,』是弟个总与第i个类中心的距离，G』是第j个点的灰度值，是第i 个类第m次的中心值，m是循环次数，i = 1，2,…，K，j = 1，2,…，N，N是像素总数；
[0067] S23 :根据各个类中像素的平均德计算类更新后的中心值：
[0068]
[0069] 式中N1是步骤S22后归入各个类的像素点总数，i = 1，2,…，K ;
[0070] S24 :重复步骤S22、S23,计算类间距离M，直到M满足设定的距离阈值：
[0071]
[0072] 式中?Η是第i个类当前的中心值，CT1是第i个类前一个中心值；
[0073] S25 :确宙分割阖倌,将灰度图像转化为二值图像：
[0074]
[0075] XVT 1疋久/叉間条刀'割最优阈值。
[007