全 文 ：第 34 卷 第 3 期
2013 年 5 月
内 蒙 古 农 业 大 学 学 报
Journal of Inner Mongolia Agricultural University
Vol． 34 No． 3
May． 2013
禾本科牧草种子图像预处理方法的研究
*
潘 新1，2， 苏 静3， 闫伟红1， 刘桂香1* ， 李燕华2， 侯振杰4
(1．中国农业科学院草原研究所，呼和浩特 010020;2．内蒙古农业大学计算机与信息工程学院，呼和浩特 010018;
3．内蒙古自治区人民医院 B超室，呼和浩特 010017;4． 常州大学计算机与工程学院，常州 213164)
摘要: 牧草自动识别是对普通数码相机获取的牧草数字图像进行预处理、特征提取与特征匹配等环节处理，达到
利用计算机实现牧草分类的目的。牧草自动识别具有成本低，易于采集，准确性高等优点，是实现草地数字化的基
础。图像预处理是保证识别精度的关键环节，本文以典型草原优质牧草禾本科种子为研究对象，研究图像的预处理
方法，获取感兴趣区域(Ｒegion of Interest，ＲOI)。主要步骤包括:首先对图像进行去噪、灰度化、二值化处理，然后对
二值图像进行形态学腐蚀、膨胀运算，确定种子边缘，最后根据种子主体位置建立坐标系，分割原始图像，获取 ＲOI。
为验证预处理方法的有效性，本文利用主成分分析(Principal Components Analysis，PCA)提取特征，对 20 个样本的禾
本科牧草种子 1000 幅图像进行识别，平均识别率达到 94． 6%。
关键词: 牧草识别; 图像预处理; 主成分分析; 禾本科牧草; 种子图像
中图分类号: TP319． 4 文献标识码: A 文章编号:1009 － 3575(2013)03 － 0159 － 04
ＲESEAＲCH ON IMAGE PＲEPＲOCESSING
METHOD OF GＲAMINEOUS GＲASS SEEDS
PAN Xin1，2， SU Jing3， YAN Wei － hong1， LIU Gui － xiang1* ， LI Yan － hua2， HOU Zhen － jie4
(1． Grassland Ｒesearch Institute of Chinese Academy of Agricultural Sciences，Huhhot 010020，China;
2． College of Computer and Information Engineering，Inner Mongolia Agricultural University，Huhhot 010018，China;
3． B － Ultrasonic Section，Inner Mongolia People＇s Hospital，Huhhot 010017，China;
4． College of Computer and Engineering ，Changzhou University，Changzhou 213164，China)
Abstract: Grass recognition can be realized by computer automatically，based on images captured by common digital camera，with a
process of image preprocessing，feature extraction and feature matching． Grass recognition has the advantanges of easy collection，low
cost and high accuracy，which is the basis for grassland digitalization． Image preprocessing is the key part for the precision of recogni-
tion． The paper focuses on the preprocessing method of the seed images of gramineous grass，to get ＲOI for further recognition． The fol-
lowing main steps are involved，firstly seed images are turned into gray and binary image，then morphologic operations of erosion and
swelling are used to determine the borderline． Finally coordinate is set up according to the location of seed image for ＲOI segmentation．
To demonstrate the effectiveness of the preprocessing method，the recognition experiments on the 1000 seed images，20 specie samples
of gramineous grass，using PCA for feature extraction，have been made and yield an average recognition rate of 94． 6% ．
Key words: Grass recognition; image preprocessing; principal components analysis (PCA) ;gramineous grass; seed image
* 收稿日期: 2013 － 04 － 20
基金项目: 中国博士后科学基金项目(20100480370、201104179) ;内蒙古自然科学基金项目(2012MS0919、2012MS0927) ;国家自然基金项目
(61063021) ;内蒙古农业大学创新团队(NDPYTD 210 － 9) ;内蒙古农业大学博士基金项目(BJ09 － 43) ;中央级公益性科研院所基本科研业务专项
(1610332011006)。
作者简介: 潘新(1974 －) ，女，博士，副教授，主要从事图像处理与模式识别的研究．
* 通讯作者: E － mail:liugx804@ 163． com
引言
数字草业是数字农业的一个重要分支，它是在
数字农业的级别标准和规范框架下，构建面向草地
生态系统现代化管理的数字技术和理论框架;集成
计算机技术、网络通讯技术、空间信息技术、自动化
技术与草业科学、地理学、生态学等基础学科，对草
地系统各要素(环境要素、生物要素、经济要素等)及
其重要过程进行监测、模拟、管理与控制［1］。近年
来，数字草业在专家系统、草地监测管理等方面取得
了一些研究进展，遥感技术提供了大量宏观数据，建
立数字草业的整体框架。但基于普通数字图像的研
究相对较少，与机器视觉在数字农业中的广泛应
用［2 － 5］相比，较为滞后，多数草地的微观尺度数据采
集、测量工作主要依赖人工完成。
牧草自动识别是利用机器视觉技术，对普通数
码相机获取的牧草的生物特征图像，包括种子、叶
子、花、整体植株等，进行预处理、特征提取与特征匹
配等环节处理，达到利用计算机实现牧草分类的目
的。牧草自动识别具有成本低，易于采集，准确性高
等优点，是实现草地数字化的基础。现有的牧草自
动识别研究较少，仅查到王敬轩等人［6］提取植物叶
片图像的形状特征对 14 种豆科牧草进行分类识别。
具体识别过程为:首先提取叶片轮廓，然后将叶片的
横纵轴比、矩形度、圆形度等 8 项几何特征和 7 项图
像不变矩特征作为全局特征，并将叶缘粗糙度作为
局部特征，利用神经网络 PNN 和 BPN 进行分类，识
别率可分别达到 85%和 82． 4%。
禾本科牧草在退化草地植被恢复、水土保持等
生态建设和草地畜牧业生产中发挥着重要作用，以
其产量高、品质好、适口性强、适应性广等特点，在我
国的草地畜牧业中扮演重要的角色［7］。研究人员开
展禾本科耐盐性、耐旱性的研究［8，9］，尝试改善生态
环境。牧草种子是人工草地建设、草地改良的必要
物质基础［7］。相比较具有多样性的叶子和花等部
分，种子的形态是植物中最为稳定的特征之一，且不
同牧草的种子在形态、表面纹理以及结构方面存在
一定差异，因此牧草种子外部形态是鉴别各种牧草
种子的真实性、牧草分级和检验的重要依据［10］，同
时为利用牧草种子图像进行牧草识别提供理论和可
行性依据。
另一方面，相同属的不同种牧草种子差异较小，
如禾本科中鹅观草属中包括大芒鹅观草、多变鹅观
草等，仅凭肉眼观察种子和经验较难区分，而基于机
器视觉技术的自动识别系统可以较好区分相同属内
不同种的细微差别。目前，可查到的草种子图像识
别仅有时长江的《豆科类杂草种子的图像识别系统
研究》［11］，建立含有 69 科 808 种共 5181 幅显微图像
杂草种子图像数据库及其相应的杂草种子的名称、
形状、颜色、纹理、生长环境、分布区域等信息及豆科
类杂草种子的图像特征数据库，提取图像形状特征、
视觉不变性特征，利用 BP 神经网络、SVM 分类器进
行分类识别，对豆科类杂草种子进行了机器识别和
鉴定［11］。
综上，禾本科牧草种子自动识别的研究有待开
展。图像预处理是保证识别精度的关键环节，主要
目的是获取感兴趣区域(Ｒegion of Interest，ＲOI) ，为
特征提取和特征匹配奠定基础。本文以禾本科牧草
种子为研究对象，研究种子图像的预处理方法。主
要步骤包括:首先对图像进行去噪、灰度化、二值化
处理，然后对获取的二值图像做形态学腐蚀、膨胀运
算，确定种子边缘，最后根据种子主体位置，建立坐
标系，分割原始图像，获取 ＲOI。为验证预处理方法
的有效性，本文建立了包括 5 个属(披碱草属、冰草
属、雀麦属、鹅观草属、针茅属)20 个种子样本的
1000 幅图像的禾本科种子图像数据库，利用主成分
分析(Principal Components Analysis，PCA)提取特征，
对禾本科牧草种子进行识别实验。
1 禾本科种子图像分析
牧草种子外部特征包括形状、大小、颜色、种皮
表面特征，种子表面存在的附属物以及种脐的位置、
形状、大小、凹凸、颜色等。牧草种子分类主要依据
种子稳定的外部特征。禾本科牧草种子体积较小，
形态和解剖差异较大，很多特征可作为鉴别种的依
据［10］。
图 1 原始种子图像(垂穗披碱草)
Fig． 1 Original seed image (Elymus nutans Griseh)
禾本科种子腹面和背面差别明显，种子腹面有
宽窄不同的沟槽，结构层次较丰富，而背面纹理相对
均匀单一，因此研究中采用禾本科腹面图像。考虑
到禾本科种子较小，采用微距镜头(焦距范围 100mm
以内)捕捉较为细节的种子形态以及表面信息。采
集环境为自然光照，将种子放在平铺的黑色背景物
上，相机自动调整焦距，对种子腹面拍照，采集的原
061 内 蒙 古 农 业 大 学 学 报 2013 年
始图像如图 1 所示。由于自然光强度变化，以及图
像背景范围较大，且具有部分噪声，因此必须对种子
图像进行预处理研究，去除图像噪声以及多余背景，
获取 ＲOI。
2 种子图像的预处理方法
根据种子图像的特点，可将其预处理分为如下 6
个步骤:
(1)读取原始彩色图像，将其转换为灰度图像，
灰度范围为 0 － 255。
(2)将灰度图像转换为二值图像。由于种子颜
色单一，且背景基本为黑色，因此利用灰度直方图设
定阈值，即将灰度直方图的两个波峰间的波谷值对
应的灰度值设为全局阈值，对图像进行二值化处理。
将灰度值大于阈值的像素点设为 0(白色) ，灰度值
小于阈值的像素点设为 1(黑色) ，所得结果如图 2
所示。
图 2 二值种子图像
Fig． 2 Binary image of the seed
(3)二值图像的形态学处理。二值图像中含有
明显噪声，白色亮点较多，用单纯滤波去噪时，亮点
会被误认为图像有用信息而未被滤除。因此采用形
态学中开运算，即对图像先进行腐蚀，然后再进行膨
胀，可以有效去除部分面积较小的亮点，同时保持所
有的灰度级和和较大的亮区特性相对不变［12］，适用
于种子二值图像。
设 A为图像矩阵，B 为结构元素矩阵，A 用 B
腐蚀记作 AB，A用 B膨胀记作 AB，则 A用 B开
运算表示为:
A·B = (A B) B
开运算的结果如图 3 所示。
(4)对开运算图像进行中值滤波，去除高频细节
噪声，并获取二值图像的边缘(图 4)。
(5)坐标系的建立。求出边缘图像的极值，并分
别设为搜索起点和终点，对二值化图像进行区域搜
索，寻找种子所在的主体位置。
(6)图像的分割。根据种子主体位置，对原始图
像进行分割，获取 ＲOI图像，如图 5 所示。
图 3 二值图像开运算结果
Fig． 3 the Ｒesult of open operation
图 4 种子图像边缘
Fig． 4 Image boundary of the seed
图 5 分割后的 ＲOI
Fig． 5 ＲOI after segmentation
3 实验与结果分析
3． 1 禾本科种子图像数据库
禾本科种子图像数据库的主要采集设备为普通
数码相机，微距镜头(焦距范围 100mm 以内) ，光源
为普通日光。数据库中包括典型温带草原禾本科的
5 个属(披碱草属、冰草属、雀麦属、鹅观草属、针茅
属)20 个牧草种子样本:垂穗披碱草、圆柱披碱草、
光穗冰草、冰草(内蒙锡盟太旗格日图)、无芒雀麦、
老芒麦、圆柱披碱草、大芒鹅观草、多变鹅观草、鹅观
草、无芒雀麦、蒙古冰草(甘肃环县)、沙生冰草、披碱
草、大针茅、蒙古冰草(宁夏盐池县大水坑)、羊草、垂
穗披碱草、冰草和蒙古冰草(锡张公路与大通道交界
处)。其中，每个种采集 10 个种子，每个种子各 5 幅
图像，种子图像数据库中共含 1000 幅彩色图像。原
始图像的大小 4592 × 3056 像素，所需存储空间3． 27
MB。
由于种子大小差异明显，且图像采集过程中设
置为自动调焦，因此分割后的 ＲOI 不固定大小。为
识别需要，ＲOI 图像归一化为统一分辨率 200 × 2000
像素。
3． 2 PCA识别实验
为验证预处理方法的有效性，本文对分割后的
161第 3 期 潘 新等: 禾本科牧草种子图像预处理方法的研究
ＲOI图像进行识别实验。具体步骤为:采用主成分
分析(Principal Components Analysis，PCA)对图像进
行特征提取，计算不同种子特征的欧氏距离，利用最
近邻分类器进行分类判别。实验使用计算机配置
AMD4000 + 2． 10GHz 双核 CPU，内存为 2GB，编程
采用 Matlab7． 0。
PCA是模式识别中最为典型的子空间投影算
法，在非监督模式下保存整体方差，通过特征方差的
迹最大化实现。由于利用主成分投影可有效保留原
始数据的主要信息，通过矩阵分解寻找最大特征值
对应的特征向量来作为低维子空间的基向量。能较
好反映图像空间的欧氏结构，识别效果较好，且易于
实现，识别速度较快，在生物特征识别等领域有广泛
应用［13，14］。PCA识别实验中，每个种子取 4 幅图像
训练，剩余 1 幅测试，则每类种子的训练样本 40 幅，
测试样本 10 幅。由于数据库中含有 20 类种子样
本，则全部训练样本数量为 800，测试样本为 200。
为排除随机选择样本对实验结果的影响，采用 K 折
交叉验证的方法，即将 1 个种子 5 幅图像中分别作
为测试样本，其余图像作训练样本，实验结果如表 1
所示。可以看出，利用本文提出的预处理方法获取
的 ＲOI，最高识别率可达 97． 5%，特征维数为 26 维，
所需识别时间较短。由于特征维数平均无对应意
义，仅在表 2 中列出平均识别率。交叉验证的平均
识别率达到 94． 6%，且特征维数最高不大于 91，具
有较好的识别精度和速度，从而证明本文预处理方
法的有效性，以及禾本科种子图像可用作牧草自动
识别。
表 1 K折交叉验证正确识别率(%)及其对应的特征维数
Tab． 1 The correct recognition rate(%)using K － Cross
validation and the corresponding feature dimension
测试样本编号 最高识别率 特征维数
No． 1 89 91
No． 2 95． 5 73
No． 3 97． 5 26
No． 4 96． 5 70
No． 5 94． 5 86
平均 94． 6 －
4 结论
本文以禾本科牧草种子为研究对象，对禾本科
种子图像的预处理方法进行研究。具体工作如下:
4． 1 建立包括 5 个属(披碱草属、冰草属、雀麦属、
鹅观草属、针茅属)的 20 个种牧草种子样本 1000 幅
图像的禾本科牧草种子数据库，为进一步研究牧草
种子图像识别技术提供公共平台。
4． 2 禾本科预处理方法的主要步骤包括:首先对图
像进行去噪、灰度化、二值化处理，然后对获取的二
值图像做形态学腐蚀、膨胀运算，确定种子边缘，最
后根据种子主体位置，建立坐标系，分割原始图像，
获取 ＲOI。
4． 3 为验证预处理方法的有效性，本文利用 PCA提
取特征，对 20 个禾本科牧草种子样本进行识别实
验，平均识别率达 94． 6%，最高识别率为 97． 5%。
以上研究可以看出，利用牧草种子图像进行识
别分类，是实现牧草自动识别的有效途径之一。今
后需进一步细化预处理方法，降低光照影响，并尝试
提取鲁棒性特征，提高识别精度。
参 考 文 献:
［1］ 唐华俊，辛晓平，杨桂霞，等． 现代数字草业理论与技
术研究进展及展望［J］．中国草地学报，2009，31(4):1
－ 8．
［2］ Burks TF，Shearer SA，Gates ＲS． Classification of weed
species using color texture features and discriminant analy-
sis［J］． Transaction of the ASAE，2000，43(2):441 －
448．
［3］ Lv Chaohui，Chen Ciaoguang，Wu Wenfu，et al． The
technique of detecting and identifying field plants by ma-
chine vision［J］． Natural Science Journal of Jilin Univer-
sity of Technology，2001，31(3):90 － 94．
［4］ 马彦平，白由路，高祥照，等． 计算机视觉技术在农业
生产中的应用与展望［J］． 中国农业资源与区划，
2009，30(4):21 － 27．
［5］ 刘立波． 基于图像的水稻叶部病害诊断技术研究［D］．
北京:中国农业科学院，2010．
［6］ 王敬轩，冯全，王宇通，等．基于图像识别技术的豆科牧
草分类研究［J］．草地学报，2010，18 (1):37 － 41．
［7］ 王明亚，毛培胜．中国禾本科牧草种子生产技术研究进
展［J］．种子，2012，31(9):55 － 60．
［8］ 刘利，张众，毕静，等． 5 个禾本科牧草品种在典型草原
耐旱适应性比较试验［J］． 内蒙古农业大学学报，
2009，30(2):270 － 273．
［9］ 毛培春，王勇．不同禾本科牧草种子萌发的耐盐性试验
［J］．内蒙古农业大学学报，2004，25(2):115 － 118．
［10］ 韩建国，毛培胜．牧草种子学(第二版) ［M］．北京:中
国农业大学出版社，2011．
［11］ 时长江．豆科类杂草种子图像识别系统研究［D］． 青
岛:中国海洋大学，2009．
［12］ 阮秋琦，阮宇智．数字图像处理［M］．北京:电子工业
出版社，2011．
［13］ G． Lu，D． Zhang，K． Wang． Palmprint recognition u-
sing eigenpalms features［J］． Pattern Ｒecognition Let-
ters，2003，24 (9):1463 － 1467．
［14］ Agarwal M．，Agrawal H．，Jain N，et al． Face Ｒecogni-
tion using Principle Component Analysis，Eigenface and
Neural Network［C］． Proceedings of International Confer-
ence on Signal Acquisition and Processing(ICSAP ＇10)．
Phnom Penh，Cambodia，2010:310 － 314．
261 内 蒙 古 农 业 大 学 学 报 2013 年