基于最大正方形原理的玉米作物行骨架提取方法
【技术领域】
[0001] 本发明涉及作物行检测的技术领域，具体涉及一种基于最大正方形原理的玉米作 物行骨架提取方法，主要应用于农业机械自动行走或者精准施药机械自动对准的作物行导 航线检测方面。
【背景技术】
[0002] 在现代精准农业系统的研究中，精准施药技术占据着重要的位置，然而作物行骨 架线的提取对施药机械导航信息的获取具有重要的作用。数字图像处理算法在自动识别方 面具有很大的优势，是现代精准施药技术的基础和关键技术。以往研究的作物行骨架提取 算法虽然在很大程度上拓扑性较强，但针对背景较复杂的对象运用这些算法提取的骨架很 难保证其稳定性、像素单一性等特点，且适应性不强，而且农作物生长的不同时期、光照、及 作物种类均会对作物行骨架提取的实现造成影响，因此，寻找一种高效率且能够满足多种 条件的作物行骨架提取方法是精准施药系统面临的关键问题。
[0003] 根据以往的研究，农田作物行骨架提取算法一般是以作物行线或者作物沟线为研 究对象。早在1967年，Blum就提出了骨架的概念，随后，有关骨架的研究得到了广泛的关 注。由最初的文字识别到现在的指纹验证以及车牌和工业零件的检测、医学图像分析等领 域。骨架是由一些理想的细线组成的，可以有效的反映出物体形状的连通性或拓扑结构。近 年来，国内外学者对骨架提取算法做了大量的研究。Bittle等为了提高骨架点提取的精确 度，在计算距离变换的同时，还引入了距离变换的L阶导数变换。贾挺猛等运用Rosenfeld 细化算法对葡萄树枝骨架进行了提取，维持了骨架的中心性。吕哲等提出了一种改进的最 大圆盘形态学骨架提取算法，保证了骨架曲线的中轴特性。以上这些对骨架线提取的研究 虽然在很大程度上拓扑性较强，但针对背景较复杂的对象运用这些算法提取的骨架很难保 证其稳定性、像素单一性等特点，因此还需要进一步的研究和实验。
[0004] 2015年6月30日申请的申请号为2015103642669的中国发明专利申请《基于最小 相切圆和形态学原理的作物行检测方法》，利用最小相切圆原理提取中央作物行骨架，很好 的连接了植株间的间断区域，但是其运用的形态学细化提取的骨架存在较多的冗余分支， 影响导航线拟合的精准度且适应性不强。
【发明内容】
[0005] 为了解决上述技术问题，本发明提供了一种基于最大正方形原理的玉米作物行骨 架提取方法，运用最大正方形原理提取的作物行骨架分支数少，提取的玉米作物行骨架误 差小于5cm，能够满足玉米对行精准施药的需求。
[0006] 为了达到上述目的，本发明的技术方案是：一种基于最大正方形原理的玉米作物 行骨架提取方法，其步骤如下： Sl :采用CXD工业相机和镜头对田间玉米作物行图像进行采集，得到8位玉米作物行 RGB彩色图像； 52 :根据获取的RGB彩色图像的特征，使用改进的过绿灰度化方法对玉米作物行图像 进行灰度化处理，得到灰度化图像； 53 :对获得的灰度化图像利用中值滤波进行分割处理； 54 :对中指滤波后的图像进行二值化操作，获得二值化图像； 55 :选用形态学中3*3和5*1的模板元素对二值化图像进行形态学运算，得到形态学运 算后的作物行轮廓图像； 56 :采用最大正方形原理的玉米作物行骨架提取算法处理作物行轮廓图像，提取玉米 作物行的骨架线； 57 :采用常用的随机Hough变换算法对中央作物行骨架进行直线拟合处理，获得作物 行导航线。
[0007] 所述改进的过绿灰度化算法为
，其中， Gr为灰度值；（％ /7)为平面坐标系中每个像素的坐标位置；&尤分别为财况彩色模型中 的绿色分量、红色分量和蓝色分量的值。
[0008] 所述中值滤波对灰度化图像进行两次滤波处理。
[0009] 所述形态学运算包括腐蚀和膨胀操作。
[0010] 所述最大正方形原理的玉米作物行骨架提取算法的步骤如下： (1) 以二值化图像的中心线为对称轴进行对称性行区域划分； (2) 寻找划分行区域后的作物行图像中像素值为1的邻像素点，找出满足该像素值为1 的像素点的最大正方形； (3) 记下满足最大正方形准则的待定骨架点； (4) 计算每个待定骨架点的最大正方形所包含的值为1的像素点的个数； (5) 对每一个待定骨架点自左向右，自下向上进行扫描，比较每一划分的行区域中待定 骨架点的最大正方形包含的像素值为1的像素点个数的大小； (6) 保留含最多像素值为1的最大正方形的骨架点为目标骨架点，则目标骨架点的集 合为区域作物行的骨架。
[0011] 所述获得作物行导航线后，利用拟合出的中央作物行线与实际导航线偏差的大小 来判断骨架提取的精准度。
[0012] 本发明为农田玉米作物行骨架线提取提供了一种新方法，在背景分割、作物行骨 架线提取和获取中心线偏差信息方面具有一定的优势，能克服作物间断的区域或断垄的地 方，提取的作物行骨架线更准确。本发明克服了现有作物行骨架提取方法中像素不单一、适 应性不强等缺点，可以满足玉米行精准施药的需求。通过对不同的图像实验得出，本发明可 有效地避免土壤、麦茬等背景噪声的影响，能很好地保持作物行骨架的连续性，同时又保持 了作物行骨架的单像素特性，并且适应于不同作物及光照条件，为农业精准施药系统导航 线的识别奠定了基础。
【附图说明】
[0013] 图1为本发明的流程图。
[0014] 图2 (a)是本发明的去色后的玉米田原图；（b)是采用传统的过绿算法处理的灰 度图；（c)是本发明的过绿算法处理的结果图像。
[0015] 图3是本发明中值滤波得到的滤波后的图像。
[0016] 图4是本发明的二值化后的图像。
[0017] 图5是本发明两种模板元素的窗口大小图，（a)为5*1线型结构模板元素；（b)为 3*3方形结构模板元素。
[0018] 图6是本发明的形态学滤波处理得到的作物行轮廓图。
[0019] 图7是本发明中邻像素点和最大正方形的具体原理图，（a)为邻像素点；(b)为一 阶最大正方形；（c)为二阶最大正方形。
[0020] 图8是最大正方形原理的目标骨架点描述。
[0021] 图9是本发明（a)采用对称性原理划分的行区域结果图像；(b)采用最大正方形原 理的骨架提取算法得到的结果图像。
[0022] 图10是本发明的作物行中心线拟合成直线后的偏差大小图像。
【具体实施方式】
[0023] 下面通过附图和实施例具体描述一下本发明。
[0024] 如图1所示，一种基于最大正方形原理的玉米作物行骨架提取方法，其步骤如下： Sl :采用CXD工业相机对田间玉米作物行图像进行采集，得到8位玉米作物行RGB彩色 图像。
[0025] 采用维视数字图像技术有限公司生产的型号为MV-VD030SC的C⑶工业相机和 AFT-0814MP镜头采集玉米田图像，拍摄时间为2015年7月，图片输出为8位RGB彩色图像， 去色后的黑白图像如图2(a)所示。将RGB彩色图像保存在电脑程序中，保存方式为BMP格 式。用于对玉米作物行图像进行处理的计算机配置为Intel(R)Core(TM) i3, 3. lGHz，2G内 存，并在Microsoft Visual C++6.0下的MFC应用程序框架下进行研究和开发。
[0026] S2 :根据获取的RGB彩色图像的特征，使用改进的过绿灰度化方法对玉米作物行 图像进行灰度化处理，得到灰度化图像。
[0027] 对传统的过绿灰度化方法Gray=2G-R_B进行改善，得到改进的过绿灰度化方法 为：
其中，Gr为灰度值；（a?，Λ)为平面坐标系中 每个像素的坐标位置分别为财况彩色模型中的绿色分量、红色分量和蓝色分量的 值。
[0028] 传统的过绿灰度化方法处理的RGB彩色图像如图2 (b)所示，利用上述改进的过绿 灰度化方法得到的灰度图像，在程序界面上显示如图2(c)所示。由图2(b)和图2(c)实验 结果对比表明，利用改进后的过绿灰度化方法得到的灰度化图像的作物行和背景的分割更 加明显，行间背景噪声明显减少，为后续进行中值滤波操作节省了大量的时间。
[0029] S3 :对获得的灰度化图像利用中值滤波进行分割处理。
[0030] 本文选取3*3大小的模板数组窗口对灰度化图像进行中值滤波，并采用冒泡法对 数组进行排序后返回数组元素的中值。经2次相同的滤波操作后的灰度图像如图3所示。 由图3可知，滤波处理的灰度化图像原有的噪声基本去除，满足了后续对作物行处理的需 求。
[0031] S4 :对中指滤波后的图像进行二值化操作，获得二值化图像。
[0032] 采用阈值分割法对滤波后的玉米作物行灰度图进行二值化处理，得到二值图像。 本发明采用的阈值分割法的基本原理是通过设定不同的特征阈值，把图像像素点分为两部 分，从而对图像进行二值化处理。采取设定阈值的分割算法，其实现简单、性能稳定、计算量 小、节约了处理时间。通过实验验证，当阈值设定为190时，二值化后的图像具有较好的分 割效果，处理后可得到清晰的二值化图像。当阈值设定为190时，二值化图像如图4所示。 由图4可知，经二值化处理后的玉米作物行图像与滤波后的图像相比，玉米作物行的信息 更加明显，由于形态学算法只能处理二值图像，所以进行二值化处理是后续进行腐蚀和膨 胀运算的基础。
[0033] S5 :选用形态学中3*3和5*1的模板元素对二值化图像进行形态学运算，得到形态 学运算后的作物行轮廓图像。
[0034] 由图4可知，二值化图像行间有许多小噪声，作物行上也有少许小孔噪声。但是这 些噪声相对于作物行的面积较小，因此采用形态学中5*1和3*3两种模板元素分别进行腐 蚀和膨胀运算滤除噪声，3*3的模板元素和5*1