秦亮

摘要 針對考種過程中任務繁重、人工計數(shù)等存在不足，提出了一種基于Matlab圖像識別和處理技術的種子計數(shù)方法。該方法處理過程中使用腐蝕運算和開運算用于圖像黏連區(qū)域的分割，使用二值化，便于數(shù)學運算，并在處理后對圖像中的種子進行編號和計數(shù)，還可以人工校正及存檔。該方法可以廣泛應用于種子計數(shù)工作中。

關鍵詞 數(shù)字圖像；種子計數(shù)；黏連區(qū)域分割；Matlab處理

中圖分類號 TP391.41? ?文獻標識碼 A

文章編號 1007-7731（2023）10-0129-04

數(shù)字圖像處理是指借助于計算機來處理數(shù)字圖像，該技術現(xiàn)已廣泛用于與成像有關的領域，而且所覆蓋的應用領域?qū)頃絹碓綇V[1]。數(shù)字圖像處理方法具有多種優(yōu)勢：①速度快。相對人工計數(shù)，速度很快，計數(shù)數(shù)量越多，越具有速度優(yōu)勢。②適用性廣。在單一的背景中只需要把種子平鋪，可以面對各種類型種子，也可以擴展到其他需要計數(shù)的物品中。③設備簡單。一臺照相設備、一臺計算機，幾個常見的軟件即可工作。④記錄留存?？蓪τ嫈?shù)圖片進行存檔，還可以對圖片進行人工校正，減少誤差。

種子計數(shù)是農(nóng)業(yè)育種研究中較為重要的環(huán)節(jié)，且任務繁重。利用人工計數(shù)，計數(shù)量較大，長時間、重復性數(shù)粒會導致人員疲勞，產(chǎn)生一定的誤差。使用儀器設備計數(shù)也有一定的局限性，不適于種類繁多、大小不一、形狀多變的種子，且儀器設備也比較昂貴。隨著科技水平的提高，圖像處理技術的廣泛運用，圖片計數(shù)被應用于種子計數(shù)工作中。在圖片計數(shù)過程中，使用灰度處理，減少圖像數(shù)據(jù)量，使用腐蝕運算和開運算用于圖像黏連區(qū)域的分割；使用二值化，便于數(shù)學運算，根據(jù)連通圖的數(shù)量得到種子數(shù)量。

1 材料與方法

1.1 試驗材料

計算機、拍攝工具、Photoshop軟件、Matlab軟件、水稻種子（計數(shù)對象可根據(jù)需要選?。?，白色A4紙（可根據(jù)計數(shù)對象顏色選擇差異大的單色背景）。

1.2 種子圖像采集

取下稻穗上的稻粒，均勻灑落在A4紙上，減少稻粒間大范圍黏連。利用拍攝工具獲取照片，拍照范圍不超出A4紙，背景顏色單一。若拍攝照片數(shù)量較多，可以固定拍攝工具，方便圖像采集、節(jié)約拍攝時間及減少操作誤差。

1.3 Photoshop處理

利用Photoshop“選擇”項中的“色彩范圍”欄提取背景顏色，調(diào)節(jié)“顏色容差”，并合理利用“魔棒工具”和“選框工具”，刪除背景顏色，然后利用“編輯”項中“填充”欄填充黑色作為背景色。

1.4 灰度化處理

圖像是由像素點組成的集合。彩色圖片的像素點由紅、綠、藍組成，而灰度圖片的像素點用顏色深度表示，范圍為0～255，白色為255，黑色為0[2]?；叶然幚硎峭ㄟ^一定的數(shù)學算法把彩色圖像轉(zhuǎn)換為灰度圖像，目的是使信息量減少更容易處理圖像。Matlab中灰度化的函數(shù)為rgb2gray。

1.5 腐蝕運算

在腐蝕運算前先定義結(jié)構(gòu)元素。結(jié)構(gòu)元素是形態(tài)學變換中的基本元素，是為了探測圖像某種結(jié)構(gòu)信息而設計的特定形狀和尺寸的圖像。結(jié)構(gòu)元素可以定義多種類型，如圓形、方形、線形等[3]。腐蝕運算的思路是結(jié)構(gòu)元素在整幅圖像中移動，移動到每一個像素點上，只有結(jié)構(gòu)元素與圖像上對應像素點的像素值全部重疊相等時，保留這個像素點值[4]。腐蝕運算的作用是使物體邊界向內(nèi)部收縮，也可以把小于結(jié)構(gòu)元素的物體去除。Matlab中腐蝕運算的函數(shù)為imerode。

1.6 開運算

開運算是對目標圖像先進行腐蝕運算再進行膨脹運算[5]。開運算的作用是去除背景雜色和圖像上的小異物，平滑較大區(qū)域的邊界，不明顯的改變區(qū)域的面積，對目標區(qū)域細小黏連點處分離等。Matlab中開運算的函數(shù)為imopen。

1.7 圖像二值化

在灰度化的圖像中，先運用算法尋找一個確定的閾值，利用閾值把灰度圖像中的像素劃分為2值：目標和背景，“1”表示目標，“0”表示背景，圖像二值化即將圖像上像素點的灰度值轉(zhuǎn)化為“0”和“1”2值[6]。用Photoshop將背景替換為黑色后，閾值易確定，目標和背景易劃分，減少了背景雜色對算法的干擾。Matlab中二值化的函數(shù)為im2bw。

1.8 代碼設計

clc；%清除Command Window區(qū)域；

name=imread（‘E：＼水稻種子。JPG）；%載入“水稻種子。JPG”的圖片；

J=rgb2gray（name）；%灰度處理；

J1=imadjust（J）；%調(diào)節(jié)灰度圖像；

SE1=strel（‘disk，2）；%定義結(jié)構(gòu)元素；

SE2=strel（‘disk，4）；%定義結(jié)構(gòu)元素；

J2=imerode（J1，SE2）；%在灰度化圖中進行腐蝕運算；

J3=imopen（J2，SE1）；%在灰度化圖中進行開運算；

level=graythresh（J3）；%在灰度化圖中尋找閾值；

J4=im2bw（J3，level）；%進行二值化運算；

J5=imerode（J4，SE2）；%在二值化圖中進行腐蝕運算；

J6=imopen（J5，SE1）；%在二值化圖中進行開運算；

[L，N]=bwlabel（J6，4）；%計算連通數(shù)；

figure，imshow（name）；%顯示圖像；

text（0.05，0.1，strcat（‘數(shù)量：｛，num2str（N），‘｝），‘units，‘normalized，‘color，‘r，‘fontsize，20）；%顯示數(shù)量值；

hold on；

for k=1：N；

[r，c]=find（L==k）；

rbar=mean（r）；

cbar=mean（c）；

plot（cbar，rbar，‘marker，‘。，‘markeredgecolor，‘w，‘markersize，4）；%顯示連通并對每一連通數(shù)標記“?！?/p>

text（cbar，rbar，‘K，‘string，num2str（k），‘color，‘r，‘fontsize，15）；%顯示對每一個連通數(shù)的編號

end

2 結(jié)果與分析

2.1 流程及效果

圖像計數(shù)方法的流程如圖1所示。用黏連區(qū)域演示流程效果，如圖2所示。

2.2 程序代碼執(zhí)行情況

以水稻種子圖像（圖3）為例，最右側(cè)圖片為執(zhí)行上述代碼后的顯示結(jié)果。代碼運行速度快，根據(jù)連通圖的數(shù)量得出種子顆粒數(shù)為18個。人工校正過程中發(fā)現(xiàn)，運行中對較大黏連的圖像區(qū)域難以分割，會造成漏計現(xiàn)象，真實數(shù)量應該是19個。Matlab可以識別多種圖片格式，并不限于JPG格式。

2.3 圖像采集

實際圖像采集的過程中會存在各種情況。①紙張上會存在陰影、明暗光線等，嚴重情況下可補充光源來消除。②計數(shù)對象數(shù)量較多，紙張面積不夠，可平鋪多張A4紙。③計算對象體積較小，可利用高分辨率相機拍照，增加圖像上單位面積像素點。④散落不均勻，黏連數(shù)量較多，可人工消散。不需要消除黏連的每一個目標，可在后期圖片上進行人工校正，若取相過程中每一個目標都需要人工消除黏連，則不再具備速度優(yōu)勢，可擴大取相區(qū)域，使計數(shù)目標的散落面積增大，擴大離散度。

2.4 圖像去噪處理

處理的目的是減少背景的雜值干擾，增加Photoshop處理環(huán)節(jié)，背景色選擇范圍變廣，適用性增強。填充黑色背景是便于matlab二值化處理后，賦予黑色圖像元素為“0”值，“0”值是代表背景值。不填充黑色，則需在matlab軟件編程中添加一段反運算代碼，增加了運算量，代碼執(zhí)行速度變慢。

2.5 分割算法和代碼

對黏連區(qū)域的分割是一個難題。目前基于閾值、邊緣、分水嶺等大類的分割方法比較多，但都有一定的局限性[7]。本文代碼是利用計算圖像目標的連通數(shù)，來確定目標數(shù)量，算法對黏連區(qū)域的分割優(yōu)劣，直接決定了計數(shù)的準確率。代碼對黏連區(qū)域的分割和雜值消除的效果影響了計算結(jié)果，存在有一定的誤差，但對每一個計數(shù)目標進行了編號，后期可以人工校正。腐蝕使物體向內(nèi)收縮，圖像中目標物體的形狀也會變小，但只需要計算物體的個數(shù)，并不需要考慮物體的形狀。

通過程序執(zhí)行結(jié)果來看，對目標物體大范圍接觸的黏連區(qū)域分割效果不佳。由于圖像是由每一個像素組成，通過代碼執(zhí)行程序，理論上可知：結(jié)構(gòu)元素（處理累計）>目標物體的寬，可使目標物體斷裂，計算的數(shù)量變大；結(jié)構(gòu)元素（處理累計）>目標物體的長，可使得目標物體消失，計算的數(shù)量變小；黏連區(qū)域接觸點直線長>目標物體的寬時，代碼就比較難分割黏連區(qū)域。因此，需要選擇好結(jié)構(gòu)元素，合理安排腐蝕運算和開運算，去除小物體的同時不會造成目標物體消失。

3 結(jié)論與討論

在實際考種過程中需要計算結(jié)實率，代碼并不能識別，為此可以設計通過一定高度自由落體，在一定風速下分離種子，分別取照，此步驟需要人工進行操作。在實際操作過程中，光照和目標數(shù)量對圖像計數(shù)有較大的影響。光照影響可以用各種光源來消除，目標數(shù)量可以限制在1～2個稻穗的數(shù)量級，還可以通過多張A4紙平鋪來擴大拍照區(qū)域。從代碼運行結(jié)果來看，存有比真實值小的情況，有一定的誤差。誤差是由于種子聚集，導致圖像中出現(xiàn)黏連區(qū)域，黏連區(qū)域分割不佳。在實際應用中，可以通過人工和儀器設備干擾顆粒分離度來提高圖像處理的準確性，還可以對圖像中目標進行編號，方便人工校正。從計數(shù)結(jié)果來看，圖像計數(shù)能夠勝任絕大多數(shù)需要計數(shù)的工作，具有方便快捷、成本低廉、適于推廣、準確性高的特點。對比人工的偶然誤差，圖像計數(shù)的誤差是由編程程序引起的，屬于系統(tǒng)誤差。隨著圖像處理技術的發(fā)展，對黏連區(qū)域分割研究的突破，代碼的不斷優(yōu)化，圖像計數(shù)將越來越具有優(yōu)勢。

參考文獻

[1] 徐杰.數(shù)字圖像處理[M].武漢：華中科技大學出版社，2009.

[2] 莫德舉，梁光華.數(shù)字圖像處理[M].北京：北京郵電大學出版社，2010.

[3] 張黃群，于盛林，白銀剛.形態(tài)學圖像去噪中結(jié)構(gòu)元素選取原則[J]. 數(shù)據(jù)采集與處理，2008（S1）：81-83.

[4] 阮秋琦.數(shù)字圖像處理學（第二版）[M].北京：電子工業(yè)出版社，2007.

[5] 楊琨，曾立波，王殿成.數(shù)學形態(tài)學腐蝕膨脹運算的快速算法[J].計算機工程與應用，2005（34）：54-56.

[6] 鐘雪君.一種改進的Otsu雙閾值二值化圖像分割方法[J].電子世界，2013（4）：104.

[7] 張軒，張新峰.粘連顆粒圖像分割方法綜述[J].圖像與信號處理，2018，7（3）：6.

（責編：何 艷）