彩色水稻图案预测和图案种植方法

摘要

本发明公开了一种彩色水稻图案预测和图案种植方法，使用本发明所述建立一种彩色水稻图案预测和图案种植方法，依据水稻动态生长模型，根据种植方案在计算机上长出各个阶段的水稻，在计算机上预测展示不同阶段的图案效果。方便设计人员更好的设计，也利于种植人员快速了解，从而更好的种植，有利于彩色图案种植在农业观光旅游业中的推广。

说明书

技术领域

本发明涉及农业方面的植物虚拟建模预测和种植领域，具体涉及一种彩色水稻图案预测和图案种植方法。

背景技术

育种学家在培育水稻品种时会培育出一些形态颜色和常规水稻相差较大，但是品质口味差别不大的水稻品种，这样不同形态颜色尤其是不同颜色的水稻品种搭配起来，在田间会形成不同颜色的图案，这两年逐步成为一门独特的大地艺术，具备很高的观赏性。同时，随着旅游观光农业日渐兴起，这种行为这两年来逐渐被人们发掘，利用，而且必然会在更多地方推广开来，成为各地观光旅游一个景点。而且随着这种彩色水稻种植大地艺术的推广，图案必然会越来越复杂。

但是，在种植彩色水稻中发现，大部分种植的图案和颜色搭配，多凭农户的自我经验，其对于如何从色彩和搭配，种植的方式往往不能够很好进行选择。往往要等种植并生长后，才能确定颜色和图案的正确性，此种方式，造成图案和颜色的主观性较大，往往要等到最后才知道图案和颜色是否最合理，需要经验丰富的农夫才能完成，这制约了农业旅游观光业的推广。因此，农业旅游观光业，开发出一种能够在水稻种植之初就对不同颜色搭配的水稻的各个生长阶段进行预测的方法。

发明内容

本发明提供一种彩色水稻图案预测和图案种植方法，解决彩色水稻图案种植在观光旅游开发中所存在的问题。

为解决上述技术问题，本发明提供了一种彩色水稻图案预测和图案种植方法，  一种彩色水稻图案预测方法，其特征在于，包括以下步骤：

S11：根据田块大小和种植株行距，比如一般粳稻种植株行距约为20cm*16cm，确定水稻种植后行数m和列数n，以行列交叉点为水稻种植点；

S12：每个水稻种植点为一个坐标点，绘制具有行数m和列数n个坐标点的图像；

S13：把图像按比例缩小或放大，让图像像素数分别为m行、n列；

S14：把图像转化为灰度图，再转化为具有一定阀值的二值化图像矩阵，不同阀值代表不同颜色，并形成代表不同颜色的二值化颜色矩阵集合；

S15：构建水稻动态生长模型，根据不同品种和颜色的水稻在不同生长阶段的颜色不同，从S14中挑选不同的颜色矩阵，赋予水稻动态生长模型在不同生长阶段的预测彩色图像；

S16：形成可供预览的图案生长模型图片和动态生长视频，作为农业彩色水稻图案种植的预测显示。

进一步地，所述S15步骤中，所述生长阶段分为水稻苗期、拔节期、抽穗期和灌浆期。

本发明还构建了一种彩色水稻图案种植方法，包括以下步骤：

S21：利用如权利要求1至2所述的彩色水稻图案预测方法所预测形成的图案及不同颜色水稻种植位置数据，形成水稻不同品种和颜色水稻的种植图；

S22：丈量土地，画出m行、n列；

S23：根据S21中形成的种植图，在m行、n列的交叉点，种下不同品种和颜色的水稻植株。

进一步地，所述S23步骤中，按照不同品种的水稻颜色，先种植颜色较深的水稻，再种植颜色较浅的水稻。

本发明的有益效果是：使用本发明所述建立一种彩色水稻图案预测和图案种植方法，依据水稻动态生长模型，根据种植方案在计算机上长出各个阶段的水稻，在计算机上预测展示不同阶段的图案效果。方便设计人员更好的设计，也利于种植人员快速了解，从而更好的种植，有利于彩色图案种植在农业观光旅游业中的推广。

具体实施方式

下面通过具体实施例，对本发明的技术方案作进一步具体说明。

实施例1

S11：根据田块大小和种植株行距，比如一般粳稻种植株行距约为20cm*16cm，确定水稻种植后行数m和列数n，以行列交叉点为水稻种植点；

S12：每个水稻种植点为一个坐标点，绘制具有行数m和列数n个坐标点的图像；

S13：把图像按比例缩小或放大，让图像像素数分别为m行、n列；

S14：把图像转化为灰度图，再转化为具有一定阀值的二值化图像矩阵，不同阀值代表不同颜色，并形成代表不同颜色的二值化颜色矩阵集合；

S15：构建水稻动态生长模型，根据不同品种和颜色的水稻在不同生长阶段的颜色不同，从S14中挑选不同的颜色矩阵，赋予水稻动态生长模型在不同生长阶段的预测彩色图像；S15步骤中所述生长阶段分为水稻苗期、拔节期、抽穗期和灌浆期。

S16：形成可供预览的图案生长模型图片和动态生长视频，作为农业彩色水稻图案种植的预测显示。

根据能够获得的水稻种类和颜色，设计水稻图案，如水稻品种为三种颜色，设计水稻图案为三种颜色。一般而言，设计的图案具有象征意义等，不应过于复杂。拿来设计图案进行扫描，获取扫描图像。

根据田块大小和种植株行距，比如一般粳稻种植株行距约为20cm*16cm（约6寸*5寸），确定水稻种植后行数m和列数n。

对扫描的图像进行调整，调整其长宽比，如果长宽比为m:n，则不需要调整，如果不同，分别在长或宽部分增加若干背景，使其长宽比为m:n，背景颜色要和原图像背景颜色相同。在计算机程序中，该图像所有的像素组成一个矩阵A

根据水稻行数和列数，把图像按比例缩小或放大，让图像像素数分别为m行、n列。这样每一个像素对应一棵水稻，像素的不同性状代表水稻的不同品种。

把扫描获取的图案进行转化，转化成灰度图，然后从灰度图转换为二值化图像。所谓二值化图像是对灰度图像设置一定的阈值，图像中的像素点以这个阈值为限，大于等于这个阈值的为255，小于这个阈值的像素是0。这样设计的图像会非常分明。而且这个二值化图像矩阵A中所有的数都是0或255。

选择不同的阈值会把同样的灰度图像转化成不一样的二值化图像。由于设计的图像有简单的几种颜色构成，而且在设计图像时尽量选择对比比较鲜明的颜色，在灰度图像中不同的颜色对应不同的灰度值

在计算机程序中设置一个窗口，显示原始设计图像，灰度处理图像和二值化图像，设置一个滚动条，滚动条设置不同的阈值，调节滚动条，设置不同的阈值，观察二值化图像数据，达到需要的效果，记录下此时滚动条的数值，这个数值就是当前的阈值。查看不同的阈值会有不同图像显示，是不同颜色的分割线。

对于不同阈值范围内的数据矩阵进行记录，不同阈值对应不同的颜色。阈值最小的开始，此时二值化矩阵A1，矩阵中数据为255的表示颜色最深的，阈值倒数第二的时候，矩阵A2中数据为255的表示颜色最深的两种颜色，A2-A1，这个矩阵中数据为255的表示颜色第二深的，以此类推。依据颜色深浅，得到不同的矩阵系列A1、A2、A3……

依据水稻动态生长模型进行预测，需要依据较为复杂的算法，但是计算机运算量有限，只是分若干时期对模型进行大量简化的基础上进行分阶段预测。

水稻模型简单假设。

 1.    预测水稻苗期、拔节期、抽穗期和灌浆期四个关键生长期。

2.    假设每株水稻有15个分蘖，每个分蘖上最多同时着生5片叶片。

3.    所有水稻叶片和稻穗都以浙粳88为基础，叶片直立不卷曲不扭曲，稻穗直立。

实施例2

S21：利用如权利要求1至2所述的彩色水稻图案预测方法所预测形成的图案及不同颜色水稻种植位置数据，形成水稻不同品种和颜色水稻的种植图；

S22：丈量土地，画出m行、n列；

S23：根据S21中形成的种植图，在m行、n列的交叉点，种下不同品种和颜色的水稻植株。

所述S23步骤中，按照不同品种的水稻颜色，先种植颜色较深的水稻，再种植颜色较浅的水稻。

设计种植方案，可以根据这些矩阵轻松进行，在种植开始时，根据丈量土地，画线，画出m行n列，每一株水稻都种植在节点上，根据矩阵种植m行、n列，如首先种植颜色最深的，根据矩阵A1中为255的数据分别处在多少行多少列，然后种植，依次完成不同颜色水稻种植。

以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。