一种植物花朵数量检测方法与流程

本发明涉及图像处理技术领域，尤其是一种植物花朵数量检测方法。

背景技术：

实际环境中植物花朵数量的检测比较复杂，目前使用较多的主要有两种方法：一是基于图像处理的检测方法，如通过rgb图像的颜色特征进行花朵的识别，或者利用形态特征进行花朵的检测。利用颜色与形态特征进行花朵的识别通常需要设定提取阈值，而且阈值取值是否合适在很大程度上决定了最终的识别效果；这种方法检测速度较快，但是精度相对较低。另一种是利用机器学习进行植物花朵的检测，这种方法通常对计算机的配置要求较高，而且需要大量的样本进行长时间的训练，很难做到实时检测。

技术实现要素：

本发明要解决的技术问题是提供一种植物花朵数量检测方法，能够解决现有技术的不足，识别精度较高，可以做到在线实时检测。

为解决上述技术问题，本发明所采取的技术方案如下。

一种植物花朵数量检测方法，包括以下步骤：

a、从rgb图像中提取红色分量r和蓝色分量b，然后对图像分量进行增强处理，将增强后的红色分量r和蓝色分量b相减，得到灰度图像r-b；

b、计算灰度图像r-b中所有非0元素的均值和标准差以及转换阈值threshold；

c、根据转换阈值threshold对r-b图像进行转换，将小于该阈值的元素赋值为0，大于该阈值的元素值不变；然后对变换之后的图像进行开和闭运算，计算其连通区域平均面积meanarea；

d、根据meanarea进行滤波处理，滤波处理后剩余的连通区域数量即为花朵的数量。

作为优选，骤a中，对图像分量进行增强处理包括以下步骤，

a1、求解图像分量的直方图，建立直方图与原图像分量的映射函数，计算其亮度和色饱和度的均值与标准差；

a2、分别根据亮度和色饱和度计算出两组图像分割点，使用上述两组图像分割点分别对直方图进行剪切；

a3、对两次剪切得到的直方图区域的重叠部分的分布函数进行加权平均；

a4、对直方图区域进行重新组合，然后根据直方图与原图像分量的映射函数求得增强后的图像分量。

作为优选，步骤a2中，图像分割点的计算方法为，

亮度图像分割点，

色饱和度分割点，

其中，μ为亮度平均值，μ’为色饱和度平均值，σ为亮度标准差，σ’为色饱和度标准差，k和k’分别为权重系数。

作为优选，步骤b中，根据以下公式计算转换阈值threshold，

其中，μ和σ分别代表r_b的非0元素均值和标准差，pixeli,j表示非0元素，i，j分别表示图像r_b对应矩阵的第i行、第j列；size(r_b,1)和size(r_b,2)分别表示图像r_b对应矩阵的行、列数。

作为优选，步骤d中，进行滤波处理包括以下步骤，

d1、将连通区域的像素点转换为对应的频率值，对频率值进行傅里叶变换；

d2、建立不同频段的强度分布函数，将强度分布函数经过线性变换变为正态分布；

d3、对位于(μ-3σ,μ+3σ)区间以外区域进行删除；μ为正态分布的均值，σ为正态分布的标准差；

d4、通过傅里叶逆变换得到处理后的连通区域图像。

作为优选，对经过步骤d4得到的连通区域图像进行灰度平滑处理。

采用上述技术方案所带来的有益效果在于：本发明提出的方法转换阈值动态可变，检测和识别精度较高；与机器学习方法比，本发明提出的方法计算速度较快，可以做到在线实时检测。

附图说明

图1是本发明的原理图。

图2是第一组实验拍摄的原图。

图3是第一组实验拍摄原图处理后的图像。

图4是第二组实验拍摄的原图。

图5是第二组实验拍摄原图处理后的图像。

具体实施方式

参照图1，本发明一个具体实施方式包括以下步骤：

a、从rgb图像中提取红色分量r和蓝色分量b，然后对图像分量进行增强处理，将增强后的红色分量r和蓝色分量b相减，得到灰度图像r-b；

b、计算灰度图像r-b中所有非0元素的均值和标准差以及转换阈值threshold；

c、根据转换阈值threshold对r-b图像进行转换，将小于该阈值的元素赋值为0，大于该阈值的元素值不变；然后对变换之后的图像进行开和闭运算，计算其连通区域平均面积meanarea；

d、根据meanarea进行滤波处理，滤波处理后剩余的连通区域数量即为花朵的数量。

步骤a中，对图像分量进行增强处理包括以下步骤，

a1、求解图像分量的直方图，建立直方图与原图像分量的映射函数，计算其亮度和色饱和度的均值与标准差；

a2、分别根据亮度和色饱和度计算出两组图像分割点，使用上述两组图像分割点分别对直方图进行剪切；

a3、对两次剪切得到的直方图区域的重叠部分的分布函数进行加权平均；

a4、对直方图区域进行重新组合，然后根据直方图与原图像分量的映射函数求得增强后的图像分量。

步骤a2中，图像分割点的计算方法为，

亮度图像分割点，

色饱和度分割点，

其中，μ为亮度平均值，μ’为色饱和度平均值，σ为亮度标准差，σ’为色饱和度标准差，k和k’分别为权重系数。

步骤b中，根据以下公式计算转换阈值threshold，

其中，μ和σ分别代表r_b的非0元素均值和标准差，pixeli,j表示非0元素，i，j分别表示图像r_b对应矩阵的第i行、第j列；size(r_b,1)和size(r_b,2)分别表示图像r_b对应矩阵的行、列数。

步骤d中，进行滤波处理包括以下步骤，

d1、将连通区域的像素点转换为对应的频率值，对频率值进行傅里叶变换；

d2、建立不同频段的强度分布函数，将强度分布函数经过线性变换变为正态分布；

d3、对位于(μ-3σ,μ+3σ)区间以外区域进行删除；μ为正态分布的均值，σ为正态分布的标准差；

d4、通过傅里叶逆变换得到处理后的连通区域图像，然后进行灰度平滑处理。

参照图2-5，本发明可以快速、准确的识别出植物花朵的数量。

在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。