全 文 ：　文章编号:1674-148X(2010)04-0325-05
黄顶菊种子的图像分割及特征提取
王艳春 1 ,迟胜起 2 ,郑长英2
收稿日期:2010-06-03
基金项目:农业部公益性行业科研专项(200803022);青岛农业大学高层次人才科研项目(630923)
作者简介:王艳春(1972-),女 ,山东烟台人 ,博士 ,研究方向为生物图像与计算机视觉技术。
通讯作者:郑长英 , E-mail:zhcy67@sohu.com
(1.青岛农业大学理学与信息工程学院 ,山东 青岛 266109;2.青岛农业大学农学与植物保护学院)
摘要:针对黄顶菊种子人工识别时存在的主观性强 、效率低 、可重复性差等缺点 , 提出利用计算机视觉和图像处理
技术提取黄顶菊种子特征参数的方法 ,研究了黄顶菊种子图像的分割方法 、目标提取及种子图像中形态和颜色特
征的提取方法 , 分析了各形态特征参数的相关性 , 筛选出了能精确反映黄顶菊种子几何特征的参数 ,验证了各特征
参数提取方法的有效性 ,为后期的种子自动识别提供了依据。
关键词:黄顶菊;计算机视觉;自动识别;图像处理;特征提取
中图分类号:S459　TP391 文献标识码:A DOI:10.3969/J.ISSN.1674-148X.2010.04.017
ImageSegmentationandFeatureExtractionofFlaveriabidentisSeeds
WANGYan-chun1 , CHISheng-qi2 , ZHENGChang-ying2
(1.ColegeofInformationScienceandEngineering, QAU, Qingdao266109, China;2.CollegeofAgronomyandPlantProtection)
Abstract:Flaveriabidentisseedsdetectionusingmanualmethodencounterswithsomeproblemssuchasgreatsub-
jectivity, loweficiencyandbadrepeatability, soamethodtoextractthefeaturesofF.bidentisseedsbasedon
computervisionandimageprocessingwasproposedinthispaper, whichcanreplacehumanvisualobservation.
Andthemethodsofimagesegmentationandtargetextractionwereanalyzed;alsothefeatureextractionmethodsin-
cludingmorphologicalandcolorwereresearched.Thecorelationofmorphologicalfeatureswasanalyzed, andsome
parameterswhichcanpreciselyreflectthegeometricpropertieswerescreenedsoastoprovideevidenceforseeds
automaticrecognition.
Keywords:Flaveriabidentis;computervision;automaticrecognition;imageprocessing;featureextraction
　　黄顶菊 (Flaveriabidentis)是一种最新入侵我
国的外来有害植物 ,其生存能力强 、结实量大 ,能够
严重破坏入侵地的生态系统 ,对我国粮食生产构成
了严重威胁 。由于黄顶菊为新发现的外来恶性入侵
植物 ,国内对其了解甚少 ,人们对黄顶菊种子的识别
还只是停留在依靠对其外观特征的文字描述进行人
工检测的方法上 ,且使用人工观测的方法进行识别 ,
方法虽然简单 ,但主观性较强 ,有时甚至会做出错误
的判断 ,并且可重复性差 ,效率也比较低下 ,而计算
机视觉技术可以模拟人眼对黄顶菊种子进行近距离
拍摄 ,然后运用数字图像 、人工智能等技术对种子图
像进行分析 ,从而自动 、快速 、准确地识别黄顶菊种
子。其中 ,种子图像的特征提取是基于机器视觉的
种子识别的关键 ,而提取的特征参数的代表性直接
关系着识别的成功与否 。
本文以黄顶菊种子图像为研究对象 ,研究了黄
顶菊种子图像的分割方法 、目标提取及可用于种子
自动识别的两种模式特征的提取方法 ,包括种子的
形态特征和颜色特征 ,并对提取的形态特征模式进
行了分析 ,以期找出能较好区分相似种子的模式特
征参数 ,从而为黄顶菊种子的快速自动识别提供基
本依据。
1　计算机视觉硬件系统
计算机视觉硬件系统主要是完成对种子的图像
青岛农业大学学报(自然科学版)　27(4):325 ～ 329, 2010
JournalofQingdaoAgriculturalUniversity(NaturalScience)
采集 、传输并对其进行加工处理的任务 [ 1] 。本研究
采用奥林巴斯体视显微镜 SZ61+光学照明系统 SZ2
-LGB+显微镜数码照相机 DP12作为图像采集模
块与计算机直接相连 ,图像采集系统如图 1所示。
图 1　计算机视觉硬件系统
在图像采集过程中 ,背景和环境光源是影响所
拍摄图像质量的最重要因素 ,直接关系着后期图像
处理的效果 。本研究选择与黄顶菊种子颜色对比度
大的白色为背景 。同时 ,为排除包括自然光在内的
各种杂光的干扰 ,图像采集是在封闭的灯箱内进行
的 。灯箱用彩色喷墨打印纸及铁丝制作而成 ,目的
是提供一致的漫反射光照条件 。
为了便于后续的图像处理和可重复性 ,图像采
集过程遵循了统一的拍摄规范 。
2　黄顶菊种子特征提取
采用计算机视觉技术进行黄顶菊种子特征提取
的流程如图 2所示。
图 2　种子特征提取流程
2.1　图像预处理
在利用计算机视觉系统进行黄顶菊种子的图像
采集过程中 ,由于光学系统的影响 ,如在图像的采集
及传输过程中会产生图像噪音 ,造成图像的某些降
质 。同时 ,用数码相机采集的图像是 24位真彩图
像 ,如果直接对其进行处理 ,信息的计算量将非常
大 ,并且 ,在进行黄顶菊种子特征提取时 ,除数量较
少的颜色特征以外 ,对图像的色彩没有特殊要求。
综上 ,为了便于种子特征值的提取和计算 ,提高特征
参数的精确度 ,在进行特征提取之前 ,对图像进行了
预处理 ,预处理的工作包括以下两个方面:
1)图像的灰度化 。本研究采用欧洲电视系统
彩色标准 YUV和美国国家电视系统委员会(NTSC)
制定的 YIQ颜色空间中均一致的亮度信息(Y)转换
方法 。其转换公式如下:
Gray=0.299×R+0.587×G+0.114×B (1)
2)图像平滑 。结合噪声的特点和黄顶菊种子
的形状特征 ,采用 3＊3窗口的中值滤波法对种子图
像进行了图像平滑处理 。结果表明该方法不仅有效
滤除了种子图像的随机噪声 ,并且较好地保护了图
像的边缘信息 。
同时 ,为了进一步消除图像中的较大点噪声和
黄顶菊种子之间的粘连 ,使图像的连通区域的轮廓
线更光滑 ,采用 2＊2的菱形结构元素对图像各进行
了一次形态学的开运算和闭运算 。
2.2　图像分割
黄顶菊种子图像的分割是利用图像技术进行辅
助识别的关键性一步 ,其分割质量将直接关系到特
征参数的提取和识别系统的最终识别率 。在进行黄
顶菊种子形态特征提取时 ,由于对图像的色彩没有
特殊要求 ,并且从其灰度直方图(图 3)来看 ,背景和
目标的灰度级存在着明显的差异 ,故对灰度化后的
二值图像采用基于阈值的分割方法进行图像分割。
为了得到较好的分割效果 ,本研究采用双峰法 、迭代
法和大律法分别作了测试以选择最佳阈值 ,根据 3
种方法进行图像分割的效果 ,本研究采用迭代法选
择阈值 ,最佳阈值为 76.35,其分割效果如图 4。
图 3　灰度图与灰度直方图
326　　　　　　　　　　　　　　　　　　　　青岛农业大学学报(自然科学版)　　　　　　　　　　　　　　　　27卷　
图 4　灰度阈值分割二值图
2.3　种子提取
依据黄顶菊种子的外部特征来进行种子识别
时 ,应该提取出每一粒种子的相关特征参数 ,故在提
取种子特征参数之前应先把图像中的种子分别提取
出来。本研究采用区域标记法 ,根据不同的标记将
种子逐个提取出来 。同时 ,为了方便寻找下一个种
子 ,种子提取以后 ,则将原图像中该种子所占区域的
像素值全部以背景色填充。图 5给出了形态特征提
取时的种子提取结果 。
2.4　特征参数提取与算法设计
2.4.1　形态特征参数提取
黄顶菊种子的形态特征包括周长 、面积 、长短
轴等几何特征参数 ,如图 7所示。其计算方法如表
1所示。
图 5　种子提取前后的二值图
种子提取过程中发现 ,如果图像中的种子摆放
过密 ,在进行种子提取时 ,会把周围种子的部分区域
也提取出来 ,如图 6所示。这时将目标区域视为面
积最大区域 ,对图像中的各区域进行面积统计 ,保留
面积最大区域 ,其余区域的元素以背景色进行填充。
图 6　过密种子提取前后二值图
在形态特征提取时 ,由于图像采集过程中种子
是随机摆放的 ,将会导致从二值图像中提取的目标
轮廓并不能准确反映种子的粒形信息 ,故在特征提
取之前 ,采用基于直角坐标系的旋转方式对种子目
标图像进行了旋转 ,以旋转后目标图像的外接矩形
面积最小 、且其边与坐标轴平行作为确定旋转角度
图 7　形态特征参数
的依据 ,同时采用双线性插值法对旋转图像进行了
灰度填充处理 ,以解决旋转后图像的畸变问题 。
2.4.2　颜色特征参数提取
颜色是反映黄顶菊种子形态的一个重要指标 ,
而数字图像中颜色的描述和显示依赖于一定的颜色
模型 [ 4] 。为了充分提取黄顶菊种子的颜色信息 ,本
研究采用 RGB模型和 HIS模型相结合的方法 ,定义
了 8个颜色特征对种子颜色进行定量分析 ,分别为
R均值 、G均值 、B均值 、R标准差 、G标准差 、B标准
差 、L均值及 L标准差 ,其计算公式如下:
327　4期　　　　　　　　　　　　　　王艳春 , 等:黄顶菊种子的图像分割及特征提取　　　　　　　　　　　　
　　R- = 1n∑
n
i=1
Ri (2)
　　SR = 1n ∑
n
i=1
(Ri-R-)2 (3)
　　G- = 1n∑
n
i=1
Gi (4)
　　SG = 1n ∑
n
i=1
(Gi-G-)2 (5)
　　B- = 1n∑
n
i=1
Bi (6)
　　SB = 1n ∑
n
i=1
(Bi-B-)2 (7)
　　L- = 1n∑
n
i=1
Li (8)
　　SL = 1n ∑
n
i=1
(Li-L-)2 (9)
其中 , n表示黄顶菊种子在图像中的像素数 。
表 1　黄顶菊种子几何特征计算方法
特征参数 计算方法
面积　 　　黄顶菊种子图像的像素点个数
周长　 　　黄顶菊种子外轮廓线的长度
长轴　 　　见图 6
短轴　 　　见图 6
圆形度 　　Perimeter2/(4＊∏＊Area)
长　　 　　最小外接矩形的长度
宽　　 　　最小外接矩形的宽度
矩形度 　　Area/(Length＊Width)
伸长度 　　MajorAxis/MinorAxis
直径　 　　2 Area/П
3　试验结果与分析
本研究采用 MATLAB7.0编写了黄顶菊种子图
像特征参数提取软件 ,对 10幅黄顶菊种子图像共
130粒种子的形态 、颜色共 18个特征参数进行了提
取 。为了便于后期种子的自动识别操作 ,本研究对
提取出的形态特征参数进行了线性相关分析 ,以用
较少的指标量来充分反映种子的形态特征 。
在提取出的 10个形态参数中 ,可以分为两大
类 ,一类表征种子的大小 ,一类表征种子的形状 。其
中面积 、周长 、直径用来描述种子大小 ,图 8和图 9
分别给出了直径与面积及周长之间的相关性分析结
果。从图 8可以看出 ,直径和面积的线性相关系数
为 1,说明直径和面积相关性非常好;从图 9可以看
出 ,直径和周长的线性相关系数为 0.65,说明两者
之间相关性较差 ,故选择直径和周长作为黄顶菊种
子的大小指标 。
图 8　直径和面积的相关性分析
图 9　直径和周长的相关性分析
在表征种子形状的 7个特征指标中 ,长短轴 、长
宽 4个特征参数对种子的摆放位置 、图像旋转处理
的结果很敏感 ,不适合作为种子识别的依据。故采
用它们的相对值特征 ,如矩形度 、圆形度和伸长度作
为表征种子形状的特征参数 ,并对这 3个参数的相
关性进行了分析 。图 10 ～ 12分别给出了三者之间
的相关性分析结果 。从图 10 ～ 12可以看出 ,矩形度
和圆形度的线性相关系数为 0.2 ,而伸长度与矩形
度的线性相关系数为 0.962,伸长度与圆形度的线
性相关系数为 0.024 ,表明圆形度与伸长度及矩形
度的相关性较差 ,而伸长度与矩形度的相关性较好 ,
故本研究选择圆形度和矩形度作为表征种子形状的
特征参数 。
328　　　　　　　　　　　　　　　　　　　　青岛农业大学学报(自然科学版)　　　　　　　　　　　　　　　　27卷　
图 10　圆形度和矩形度的相关性分析
图 11　伸长度和矩形度的相关性分析
图 12　伸长度和圆形度的相关性分析
为了进一步验证针对黄顶菊种子提出的形态和
颜色特征参数提取的有效性 ,本研究对与其形态相
近的白晶菊 、九月菊两种菊科植物的种子进行了上
述特征参数的提取 ,表 2给出了提取的形态特征参
数值 ,表 3给出了各种子的颜色特征值 。
表 2　3种种子的形态特征参数值
品种 直径(像素)周长(像素) 圆形度 矩形度
黄顶菊 86.4000 390.6518 0.482534 0.761039
白晶菊 48.0843 196.8112 0.588826 0.714005
九月菊 59.2199 232.8112 0.638276 0.819345
表 3　3种种子的颜色特征参数值
品种 R均值 G均值 B均值 R标准差 G标准差 B标准差 L均值 LR标准差
黄顶菊 32.16 30.86 28.99 13.57 13.14 13.26 2.88 2.08
白晶菊 47.29 39.57 34.41 15.51 15.43 14.21 0.58 0.81
九月菊 42.79 39.59 33.91 16.97 15.96 14.11 0.49 0.62
　　从表 2和表 3可以看出 ,本研究提出的特征提
取方法是有效的 ,利用其完全可以把黄顶菊种子与
其形态相近的种子进行区分。
4　结　论
本文采用计算机视觉技术 ,结合数字图像处理
方法 ,研究了黄顶菊种子图像的分割技术及其特征
提取方法 ,并在此基础上提取了黄顶菊种子的形态
和颜色特征信息 。同时 ,为了能用较少的指标来描
述种子的信息 ,以减少后续黄顶菊种子自动识别过
程中的计算量 ,对提取出的 10个形态参数进行了分
析 ,确定了能充分反映黄顶菊种子形态的 4个参数 ,
并对提出的特征参数提取方法的有效性进行了验
证 ,从而对图像的后续处理和分析提供了较好的
基础 。
参考文献:
[ 1] 周红 ,刘光蓉,等.数字图像处理技术在玉米种子轮廓检测中的
应用 [ J].种子 , 2004, 23(9):90-92.
[ 2] 李伯宇.图像纹理分析及分类方法研究 [ D].上海:复旦大学
　　论文 , 2007.
[ 3] 方如明 ,黄星奕 ,等.大米加工精度检测方法的研究进展 [ J].
江苏理工大学学报, 1998, 9(3):6-9.
[ 4] 张教海 , 李亚兵 ,别墅 ,等.数字图像处理在棉花形态特征提取
上的应用 [ J].湖北农业科学 , 2007, 46(3):369-370.
329　4期　　　　　　　　　　　　　　王艳春 , 等:黄顶菊种子的图像分割及特征提取