一种玉米植株叶倾角的提取处理方法

摘要

本发明提供了一种玉米植株叶倾角的提取处理方法。包括采集数据，确定缩放系数，利用计算机进行图像处理，获取玉米植株的所有叶片的倾角分布，给出了玉米植株叶倾角分布函数拟合曲线。其集数字成像技术、计算机图像处理技术、数学形态学、Matlab软件图像工具处理模块与编程语言为一体，进行玉米植株叶倾角分布的提取处理。本发明的玉米植株叶片倾角度分布的处理方法得到的玉米植株叶倾角分布函数拟合曲线与实际测量叶倾角分布数据具有高度一致性。本发明的方法具有处理速度快，吻合性高、成本低、可重复性强、可以大面积采样，给出了玉米植株叶倾角分布函数，为作物生态研究、电磁散射建模和遥感参数反演的应用提供技术支撑。

说明书

技术领域

本发明属于一种玉米植株叶倾角的提取处理方法。

背景技术

玉米叶倾角分布是描述玉米植株结构的关键参数，对调控土壤-植被-大气系 统的能力和物质平衡起着至关重要的作用。从农业生态学角度分析，叶倾角分布 影响植被冠层能量和物质循环，调节冠层内部的微气候，与宏观气候环境相互作 用，可以改善植被的光能竞争能力以及光能利用率。此外，由于叶倾角与作物光 能利用率之间的关系，叶倾角的分布在一定程度上决定着作物是否适合密集种 植。从植被冠层电磁散射建模以及地表参数反演的角度来看，叶倾角分布函数是 模拟植被冠层透过率的主要参数之一。土壤自身热辐射携带着土壤信息(如土壤 湿度、土壤温度等)，而植被对热辐射的衰减强度与植被透过率(即叶倾角分布) 有关，因此要从遥感器接收到的信息反演出土壤信息，需要有植被冠层叶片倾角 分布的先验知识。除此之外，精确地测量叶倾角分布还有利于提高电磁散射建模 的能力与精度，改善从遥感信息提取地表参数的能力。

综上所述，叶倾角分布对于农业生态、植被覆盖区域地表参数反演和植被冠 层电磁散射建模具有重要意义。因此，进行叶倾角分布的精确测量十分必要。目 前测量作物叶片的方法主要有两种：一种是手工测量方法；一种是间接估算法。手 工测量方法主要用量角器、倾角仪等移动设备对叶倾角进行目视读取，该方法耗 时，耗力，成本高，不适合快速测量以及大面积推广。间接估算法通过鱼眼相机 拍摄作物冠层内部的半球照片或者投射到冠层内部的太阳辐射(光斑密度)来推 算叶面积指数和叶倾角分布。该方法主要是结合G函数(叶面积指数相关变量) 和统计关系来推断作物平均叶片倾角，不能直接测量叶片的倾角分布。(参考文 献，Shu-Qing Zhao，Jiang Hu，Long-Biao Guo et al.，Rice leaf inclination2，a VIN3-like protein， regulates leaf angle through modulating cell division of the collar.Cell Research(2010)：1-13.

[1].Mauro A.Homem Antunes，Elizabeth A.Walter-Shea，Mark A.Mesarch，Test of an extended  mathematical approach to calculate maize leaf area index and leaf angle distribution.

Agricultural and Forest Meteorology 108(2001)45-53.

[2].Sven Wagner，Marc Hagemeier，Method of segmentation affects leaf inclination angle  estimation in hemispherical photography.Agricultural and Forest Meteorology 139(2006) 12-24.)

发明内容

本发明提供了一种玉米植株叶倾角的提取处理方法。其集数字成像技术、计 算机图像处理技术、数学形态学、Matlab软件图像工具处理模块与编程语言为 一体，进行玉米植株叶倾角的提取处理。

本发明提供了一种玉米植株叶倾角的提取处理方法，步骤和条件如下：

1.采集数据：利用数字照相机获取单一背景条件下的、在玉米茎上打上固 定距离的两个标记点的玉米植株的数字彩色图像；

2.确定缩放系数：把数字彩色图像标记点建立的图像像素点距离与实际距 离的比值，定义为缩放系数k；

3.利用计算机进行图像处理：(1)图像裁剪：提取数字彩色图像中包含整 个玉米植株的最小图像；(2)图像灰度化：将裁剪之后的数字彩色图像转换为灰 度图像；(3)图像二值化：将灰度图像转换为黑白二值图像；(4)进行黑白二值 图像的数学形态学操作提取整个玉米植株的骨架图像；(5)提取玉米植株叶片骨 架图像；

4、获取玉米植株的所有叶片的倾角分布：

(1)获取玉米植株的每个叶片的像素坐标数据：利用贴标签方法将步骤3 得到的黑白二值图像的叶片骨架图像分为不同的区域，区域数目等于叶片的数目 n，建立二维数组A_ij(x_i，y_i)，将数组所有元素都初始化为0，j表示j第个叶 片，j的取值范围为[1，n]，n为大于1的整数；i为第j个叶片骨架包含的第i 个像素点，i的取值范围为[1，m]，m为大于1的整数；按叶片骨架上坐标点的 排列顺序，将每个叶片的所有像素点坐标(x_i，y_i)存储到对应的二维数组A_ij(x_i，y_i)中；

(2)坐标数据转换：将步骤2得到的缩放系数k与二维数组A_ij(x_i，y_i)中 存储的叶片像素坐标数据相乘，得到叶片的实际坐标数据，存放于数组B_ij中， B_ij＝k×A_ij；

(3)按叶片取样间隔M对叶片进行分段，并计算每段叶片的叶倾角；每个 分段的叶倾角θ的具体计算公式如下：

其中，为此分段叶片起点和终点坐标构成的向量，为x轴正方向的单位向量；

(4)重复步骤(3)，直至玉米植株的所有叶片的叶倾角提取处理完毕；

(5)获取玉米植株所有叶倾角以及其分布函数；对所有得到的叶倾角以3 °为间隔进行统计，对统计结果进行归一化处理，得到每3°区间角度的概率分 布，画出对应的直方图；进行函数拟合，得到叶倾角分布函数。

有益效果：本发明提供了一种玉米植株叶倾角的提取处理方法。其集数字成 像技术、计算机图像处理技术、数学形态学、Matlab软件图像工具处理模块与 编程语言为一体，进行玉米植株叶倾角分布的提取处理。为验证本发明的玉米植 株叶片倾角度分布的处理方法的准确性，利用曲线尺实际测量叶倾角分布数据与 本发明的处理方法得到的叶倾角分布数据进行对比。对比0-90°范围内以3°为 间隔统计，得到实测值叶倾角与本发明的方法提取处理的叶倾角值之间的散点图 (见图7)。本发明的方法提取处理的叶倾角分布与实测的叶倾角分布在每个角 度的统计个数的平均偏差为1.74，计算的平均误差为6.1％。比较玉米植株叶倾 角分布的实测值与玉米植株叶倾角分布函数拟合值(见图8)，发现二者具有高 度一致性。为验证本发明的方法提取处理玉米植株叶倾角的结果的吻合性，特定 选用3°作为统计间隔，而在实际应用中一般角度间隔不会小于5°，由统计学 可知，随着统计间隔的增加，计算结果与实际测量结果的之间吻合性将进一步提 高。本发明的方法具有处理速度快，吻合性高、成本低、可重复性强、可以大面 积采样，给出了玉米植株叶倾角分布函数，为作物生态研究、电磁散射建模和遥 感参数反演的应用提供技术支撑。

附图说明

图1为利用数字照相机获取单一背景条件下的玉米植株数字彩色图像。

图2为用本发明的方法得到的玉米植株灰度图像。

图3为用本发明的方法得到的玉米植株黑白二值图像。

图4为根据黑白二值图像进行数学形态学处理，填充叶片“孔洞”之后的黑 白二值图像。

图5为用本发明的方法得到的玉米植株骨架的二值图像。

图6为用本发明的方法得到的玉米植株叶片骨架的二值图像。

图7为利用曲线尺实际测量叶倾角分布数据与用本发明的方法得到的叶倾 角分布的散点图。各数值为0-90°范围内以3°为间隔统计得到，带正方形的实 线为用本发明的方法得到的叶倾角统计值，带圆圈的虚线为利用曲线尺实际测量叶倾角分布统计值。比较发现：后者的平均偏差为1.74， 前者的平均误差为6.1％。

图8为实测与用本发明的方法得到的叶倾角的分布函数曲线图。实线 表示利用本方法计算值拟合的Logistic曲线，圆圈(○)表示实际 测量值。

具体实施方式

实施例1本发明提供了一种玉米植株叶片倾角分布的提取方法的具体实 施方案：

1、采集数据：采集玉米植株叶片数字图像，在玉米茎上打上距离为20cm 的两个标记，并将其直立在单一背景的物体前面，利用数字照相机进行植株叶片 图像采集，从而获取到带有距离标记的玉米植株叶片彩色数字图像；

2、确定缩放系数：利用MATLAB软件，对步骤1采集的彩色数字图像，记录 距离为20cm的两个标记点的像素坐标(x，y)，采用两点之间直线距离的计算公 式获得两个标记点之间的图像距离；图像距离与实际距离的比值就是二者的缩放 系数k；

3、利用计算机进行图像处理：(1)图像裁剪：提取数字彩色图像中包含整 个玉米植株的最小图像，利用MATLAB中的imcrop图像裁剪命令实现；(2)图像 灰度化：将裁剪之后的彩色图像转换为灰度图像，利用MATLAB中的rgb2gray 命令实现；(3)图像二值化：将灰度图像转换为黑白二值图像，利用MATLAB中 的im2bwm命令实现；(4)、提取整个玉米植株骨架图像：将面状叶片细化为叶片 中心线，先利用数学形态学处理中的膨胀算子，将叶片的二值化黑白图像中的“孔 洞”填充，膨胀至将叶片中所有的“孔洞”填满为止，记录总的膨胀次数，之后 进行膨胀的反操作形态学腐蚀，腐蚀的次数与膨胀次数相同，即将填满“孔洞” 的变大图像还原为原来的图像大小，之后利用MATLAB软件中的bwmorph命令调 用二值图像细化操作，从而得到整株密度的骨架图像；(5)提取玉米植株叶片骨 架图像：把步骤(4)中获取的包含玉米叶片和玉米茎的骨架信息的整个玉米植 株骨架图像，利用感兴趣区域选择命令roipoly去除玉米茎的骨架信息，得到只 包含玉米叶片的骨架图像；

4、获取玉米植株的所有叶片的倾角分布：

(1)获取玉米植株的每个叶片的像素坐标数据：利用贴标签方法将步骤3 得到的黑白二值图像的叶片骨架图像分为不同的区域，区域数目等于叶片的数目 n，建立二维数组A_ij(x_i，y_i)，将数组所有元素都初始化为0，j表示第个叶 片，j的取值范围为[1，n]，n为大于1的整数；i为第j个叶片骨架包含的像 素点的数目，i的取值范围为[1，m]，m为大于1的整数；按叶片骨架上坐标点 的排列顺序，将每个叶片的所有像素点坐标(x_i，y_i)存储到对应的数组A_ij(x_i，y_i) 中；

(2)坐标数据转换：将步骤B得到的坐标缩放系数与数组数组A_ij(x_i，y_i) 中存储的叶片像素坐标数据相乘，得到叶片的实际坐标数据，存放在数组B_ij中，B_ij＝k×A_ij；

(3)按叶片取样间隔M对叶片进行分段，并计算每段叶片的叶倾角；第j 个叶片的第一个起点A_1j的坐标为(x₁，y₁)，毗邻的第二个点A_2j的坐标为(x₂，y₂)， 设A_1j(x₁，y₁)与A_2j(x₂，y₂)之间的距离为D1，如果|M-D1|小于0.1，那么计算 A_1j(x₁，y₁)与A_2j(x₂，y₂)构成的直线与x轴形成的叶倾角1；然后将第二个点 A_2j(x₂，y₂)作为新的起点，继续搜索与第二个点毗邻的第三个点A_3j(x₃，y₃)，设 A_2j(x₂，y₂)与A_3j(x₃，y₃)之间的距离为D2，如果|M-D2|小于0.1，那么计算A_2j(x₂，y₂)与A_3j(x₃，y₃)构成的直线与x轴形成的叶倾角2；依次类推，直至搜索 到第j个叶片的最后一点A_mj(x_m，y_m)，计算A_m-1(x_m-1，y_m-1)与A_mj(x_m，y_m)构成的 直线与x轴形成的叶倾角；叶倾角θ的具体计算公式如下：

其中，为A_ij(x_i，y_i)和A_ij(x_i+1，y_i+1)构成的向量，为x轴正方向的单位向 量；

(4)重复步骤(3)，直至玉米植株的所有叶片的叶倾角提取处理完毕；

(5)获取玉米植株所有的叶倾角以及其分布函数：对所有得到的叶倾角以3 °为间隔进行统计，对统计结果进行归一化处理，得到每3°区间角度的概率分 布，画出对应的直方图；进行函数拟合，得到叶倾角分布函数。

本实施例得到的概率分布函数为Logistic曲线，其数学表达式如下：

$F\left(x\right)=\left(\begin{array}{cc}0& x<0\\ \frac{0.9945}{0.95+\exp (3.808-0.0826\times x)}& 0\le x\le 90\\ 1& x>90\end{array}\right)---\left(2\right)$

为验证本发明的玉米植株叶片倾角分布函数提取方法的准确性，利用实际测 量叶倾角分布数据与本发明的一种玉米植株叶倾角的提取处理方法得到的叶倾 角分布数据进行对比。实际的叶片倾角是利用曲线尺对每个叶片进行测量而得。 对比0-90°范围内以3°为间隔统计得到的实测值与本发明的处理方法提取的 叶倾角测量值之间的散点图(见图7)，实测值的平均偏差为1.74，本发明的处 理方法提取的叶倾角测量值平均误差为6.1％。比较玉米植株叶倾角分布的实测 值与函数拟合曲线值(见图8)，发现二者具有高度一致性。为验证本发明的处 理方法测量结果的精度，特定选用3°作为统计间隔，而在实际应用中一般角度 间隔不会小于5°，由统计学可知，随着统计间隔的增加，计算结果与实际测量 结果的之间吻合性将进一步提高。本发明的处理方法具有处理速度快，成本低、 可重复性强等优点，有利于叶倾角分布函数的快速、大面积采样，为作物生态研 究、电磁散射建模和遥感参数反演的应用需求。