２０１ １年ｌ０月 ． 农机化研究 第１０期 基于图像处理的玉米种子特征参数提取系统 史中辉 ，赵秀艳 ，于广洋 ，刘贤喜 （１．山东农业大学ａ．机械与电子工程学院；ｂ．信息学院，山东泰安摘２７１０１８） 要：随着计算机技术的发展，利用机器视觉代替人的视觉对玉米种子进行品种识别和质量检测是必然趋势。 在检测中最关键的一步是对玉米种子图像进行有效特征提取，特征参数的有效性或者精度直接关系到种子品种 识别的成败。为此，优化了基于机器视觉的玉米种子图像处理策略，提出了比较全面有效的玉米种子特征参数 和一种适应玉米种子识别的多对象轮廓提取算法，采用ＶＣ＋＋编制了玉米种子特征参数提取系统。经实验验证， 本系统能够准确快速地提取玉米种子特征参数，为玉米种子品种识别和质量检测的后期工作奠定了基础。 关键词：玉米种子；图像处理；特征提取 中图分类号：Ｆｘ３３３；ＴＰ３１７．４ 文献标识码：Ａ 文章编号：１００３—１８８Ｘ（２０１１）１０—０１６６—０５ ０ 引言 玉米是目前种植面积最大的农作物之一。种子质 量直接关系到玉米产量高低及玉米品质的优劣，玉米 种子质量的好坏关键是进行玉米种子品种纯度的鉴 定。传统的玉米种子鉴定方法主要包括籽粒形态鉴 定法、幼苗形态鉴定法、田间种植鉴定法及生化指标 及获得玉米种子轮廓；对所定义的特征参数进行提取 并导出特征数据。系统设计路线如图ｌ所示，文件菜 单的主要功能是实现图像的导入，并将图像格式由 ＪＰＧ转化为ＢＭＰ格式，２４ｂｉｔ转化为８ｂｉｔ。图像预处理 与特征提取模块的功能将在下文中详细介绍。 的电泳分析法等多种方法…，这些方法易受各种因素 的影响，有着很大的局限性。 随着计算机技术的发展，利用玉米种子的图像特 征进行玉米品种识别的研究十分活跃＿２ Ｊ，在检测中 最关键的一步就是对包含大量数据信息的图像进行 有效特征的提取。特征参数的有效性或者精度直接 关系到种子品种识别的成败。本文针对玉米种子品 种识别与检测的特点，采用ＶＣ＋＋６．０开发了基于多 对象轮廓提取算法的玉米种子特征参数提取系统，并 对本文定义的２５种玉米特征参数进行提取，结果表 明，该系统对所定义的特征参数的提取具有高效性和 准确性。 图１系统菜单不意图 Ｆｉｇ．１ Ｄｉａｇｒａｍ ｏｆ ｓｙｓｔｅｍ ｍｅｎｕ １．２玉米种子图像的获取 获取玉米种子图像的硬件系统（如图２所示）由 １ 玉米种子图像获取与特征提取系统设计 １．１ 玉米种子特征提取系统 基于图像处理的玉米种子特征提取系统主要功能 相机、光源、遮光罩和载物台等组成。其中，图像采集 相机选用Ｓｏｎｙ Ｈ５，照片分辨率为１ ６３２×１ ２２４像素， 焦距６ ｍｍ，光圈为Ｆ４．０，ＩＳＯ为１００；光源采用三基色 ２２Ｗ荧光环形管，光源外径１９０ ｍｍ，色温４ ５００ Ｋ；遮 光罩内侧涂有无闪烁白漆；载物台表面为黑色，提高 为：实现图片的导人和格式转化；对图像进行预处理 收稿日期：２０１０—１２—２２ 对比度。图３为采集到的玉米种子图像。 作者简介：史中辉（１９８７－），男，山东青州人，硕士生，（Ｅ－ｍａｉｌ）ｚｈｏｎｇ。 基金项目：山东省科技计划项目（Ｊ０５Ｇ１６） ｈｕｉｓ１９８７＠１３９・ｃｏｎｒ １９６３），￣通讯作者：刘贤喜（－， ，２ 图像预处理 ２．１ 图像灰度化 ， 山东日照人，教授＇博士，（Ｅ一 ｉ ） ・ｈ ｌｄｌｉ＝ｈｔ￣ｓｂｕｌｌｉｓｈ￣ｄａｕ ｅｄｕ ｃｎ ｏ．．由于采集到的玉米种子图像是 ２４位真彩色图像…’…’’ 。 ’ ’’ ，１６６・ ２０１ １年１０月 农机化研究 ２．２ 中值滤波 第１０期 即图中每一像素都包含了红绿蓝３个色值。将彩色图 像转化为灰度图像，玉米种子图像没有了彩色成分， 图像的数据量减少，给后续处理带来很大的方便。本 系统采用加权平均值法将彩色图像转化为灰度图像， 按照适合人眼的视觉特点，选用了常用的一组权值进 行抖动，即红（Ｒｅｄ）取０．２９９，绿（Ｇｒｅｅｎ）取０．５８７， 在处理玉米种子图像过程中，实际采集到的图像 会因某种干扰而含有噪声，这些噪声会降低图像质 量，并影响玉米种子图像的特征提取精度。中值滤波 可以克服图像细节模糊，能够较好地保存图像边缘， 对滤除脉冲干扰及颗粒噪声效果最好。所以，本系统 蓝（Ｂｌｕｅ）取０．１４４，其转化方程为 Ｇｒｅｙ＝０．２９９Ｒ＋０．５８７Ｇ＋０．１４４Ｂ （１） 采用模板为３×３的中值滤波方法对玉米种子图像进 行增强处理。 ２．３ 图像分割 ． 经过试验，利用上述方程能够得到合理的灰度图 像，肉眼无法发现明显差异，各对应像点的灰度一致 性较好。灰度化的图像如图４所示。 对玉米种子图像进行特征提取时用到的只是玉米 种子图像部分，因此需要将这部分从整幅图像中提取 出来，并在此基础上进行玉米种子特征提取。本系统 采用最小错误概率法的阈值分割法对图像进行分割， 可以较好地把玉米种子和背景分割开。分割后图像 为二值图像，如图５所示。对灰度图像进行阈值化处 理的公式为 ＝｛ Ｔ 式中 ｇ（ ， ）一输出图像该点的灰度值； ， ）一输人图像该点的灰度值； 所选阈值。 一５．样品６．载物台 图２硬件系统组成示意图 Ｆｉｇ．２ Ｓｃｈｅｍａｔｉｃ ｏｆ ｈａｒｄｗａｒｅ ｓｙｓｔｅｍ ｃｏｍｐｏｓｉｔｉｏｎ 一 （ａ）农大１０８ 图３玉米种子图像 Ｆｉｇ．３ Ｍａｉｚｅ ｓｅｅｄ ｉｍａｇｅｓ 图５阈值分割图像 Ｆｉｇ．５ Ｉｍａｇｅ ｏｆ ｔｈｒｅｓｈｏｌｄ ｓｅｇｍｅｎｔａｔｉｏｎ ２．４形态学处理 经过阈值分割后的玉米种子二值图像还存在一些 噪声的干扰，进行形态学处理可以优化玉米种子轮 廓，而且还能进一步消除图像中的噪声。形态学的闭 （ｂ）郑单９５８ 运算能够使图像的区域缩小，并能够消除颗粒噪音， 开运算能够使图像的轮廓变的更光滑。本系统采用 了５×５结构元素的闭运算和５×５结构元素的开运算 对图像进行形态学处理。图６是对图５反色后进行形 态学处理的结果。由图６可以看出，该操作可以得到 符合特征提取需要的玉米种子目标图像。 ３玉米种子特征提取 图４玉米种子灰度图像 Ｆｉｇ．４ Ｇｒａｙ ｉｍａｇｅ ｏｆ ｍａｉｚｅ ｓｅｅｄ ３．１ 玉米种子轮廓提取 ． 传统的图像轮廓提取一般采用单对象轮廓提取， ・１６７・ ２０１ １年１０月 农机化研究 第１０期 度和圆度，颜色特征包括Ｒ均值、Ｇ均值、 均值、 标 准差、Ｇ标准差、 标准差、日均值、｜ｓ均值、，均值、日 标准差、５标准差和Ｉ标准差。 本文以农大１０８、郑单９５８为例，在多对象轮廓提 取算法的基础上，先定位玉米种子的尖端，然后对玉 米种子的几何特征和颜色特征参数进行了多对象特 征提取。 图１Ｏ玉米种子轮廓 Ｆｉｇ．１０ Ｃｏｎｔｏｕｒｓ ｏｆｍａｉｚｅ￥￣ｅｄｓ ３．２．１几何特征提取 本系统应用了１３种几何特征参数。其中，当量直 径为４倍面积与盯比值的平方根；形状参数为周长的 平方与４＂ｔｒ倍面积的比值；伸长度为长轴长度与短轴 ３．２特征提取 玉米种子特征参数主要分为几何特征参数和颜色 特征参数，反映了玉米种子发育和品种信息的主要指 标。根据玉米种子图像的特征，系统选取了２５个特 长度的比值；紧凑度为当量直径与长轴长度的比值； 圆度为种子轮廓的最小外接圆半径与最大内切圆半 征参数。其中，几何特征包括轮廓点数、面积、周长、 最大内切圆半径、最小外接圆半径、长轴长度、短轴长 径的比值。通过本系统所提取的几何特征数据如表２ 所示。 度、当量直径、最大跨度、形状参数、伸长度、紧凑 表２玉米种子几何特征参数 Ｔａｂ．２ Ｇｅｏｍｅｔｒｉｃａｌ ｆｅａｔｕｒｅ ｐａｒａｍｅｔｅｒｓ ｏｆ ｍａｉｚｅ ｓｅｅｄｓ ３．２．２颜色特征提取 本系统采用ＲＧＢ和ＨＳＩ等模型来描述玉米种子 子上颜色最稳定部分（即过形心和大端以形心和大端 之间的距离为直径且圆心在长轴上的圆形区域）的颜 的颜色信息，采用了１２种颜色特征参数，并提取了种 色特征。提取到的颜色特征数据如表３所示。 表３玉米种子颜色特征信息 Ｔａｂ．３ Ｃｏｌｏｒｆｅａｔｕｒｅｓ ｏｆｍａｉｚｅ ｓｅｅｄｓ ・１６９－ ２０１ １年１０月 农机化研究 参考文献： 第１０期 经过大量实验证明，本系统可准确、快速实现对 玉米种子特征参数的提取，提取完特征参数的程序截 图如图１ １所示。 ［１］ 张超良，王斌．玉米种子纯度检验的方法及其评价［Ｊ］． 作物杂志，１９９９（１）：ｔ２—１６． ［２］ 成芳，应义斌．机器视觉技术在农作物种子质量检验中 的应用研究进展［Ｊ］．农业工程学报，２００１，１７（６）：１７５— １７９． ［３］ ［美］Ｒａｆａｃｅｌ Ｃ Ｇｏｎｚａｌｅｚ，Ｒｉｃｈａｒｄ Ｅ Ｗｏｏｄｓ．数字图像处理 （２版）［Ｍ］．阮秋琦，阮宇智，译．北京：电子工业出版 （ａ） 提取几何特征后的程序截图 （ｂ） 提取颜色特征后的程序截图 图１１特征提取图 Ｆｉｇ．】１ Ｉｍａｇｅｓ ｏｆ ｃｈａｒａｃｔｅｒ ｅｘｔｒａｃｔｉｏｎ 社，２００５：５１—５３． ［４］ 王玉亮．多对象特征提取和优化神经网络的玉米种子品 种识别［Ｊ］，农业工程学报，２０１０，２６（６）：１９９—２０． ４ 结论 通过对图像预处理策略的优化及多对象轮廓提取 ［５］ 史智兴，程洪，李江涛，等．图像处理识别玉米品种的特 征参数研究［Ｊ］．农业工程学报，２００８，２４（６）：１９３—１９５． ［６］ 杨锦忠，郝建平，杜天庆，等．基于种子图像处理的大数 目玉米品种形态识别［Ｊ］．作物学报，２００８，３４（６）：１０６９ 一算法的提出，本系统可准确、快速地提取玉米种子特 征参数，为玉米种子品种识别和质量检测做好前期准 备工作，提高了工作效率。应用计算机图像处理技术 代替人的视觉进行玉米等谷物种子品种及质量检验， ｌ０７３． ［７］ 司秀丽，吴巍，赵新子，等．玉米种子纯度的计算机图像 识别［Ｊ］．吉林农业大学学报，２００５，２７（６）：６９４—６９７． ［８］ 宁纪峰．玉米品种的计算机视觉识别研究［Ｄ］．咸阳：西 北农林科技大学，２００２． 具有实时、高效、客观、准确和无损伤等优点，是实现 农产品检测自动化和智能化的必然趋势。该系统可 以应用到其他粒状农产品特提取与检测领域。 ［９］ 闸建文，陈永艳．基于外部特征的玉米品种计算机识别 系统［Ｊ］．农业机械学报，２００４，３５（６）：１１５—１１８． Ｔｈｅ Ｅｘｔｒａｃｔｉｏｎ Ｓｙｓｔｅｍ ｏｆ Ｃｏｒｎ Ｓｅｅｄｓ Ｃｈａｒａｃｔｅｒｉｓｔｉｃ Ｐａｒａｍｅｔｅｒ Ｂａｓｅｄ ｏｎ Ｉｍ．Ｉｍａｇｉｇｆ ｎｅ ＩＰｒｏｃｔ＂ｒｏｃｅｓｓ Ｓｈｉ Ｚｈｏｎｇｈｕｉ ，Ｚｈａｏ Ｘｉｕｙａｎ ，Ｙｕ Ｇｕａｎｇｙａｎｇ ，Ｌｉｕ Ｘｉａｎｘｉ （Ｓｈａｎｄｏｎｇ Ａｇｒｉｃｕｌｔｕｒｅ Ｕｎｉｖｅｒｓｉｔｙ ａ．Ｍｅｃｈａｎｉｃａｌ＆Ｅｌｅｃｔｉｒｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｃｏｌｌｅｇｅ；ｂ．Ｃｏｌｌｅｇｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ，Ｔａｉａｎ ２７１０１８，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｗｉｔｈ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｃｏｍｐｕｔｅｒ ｔｅｃｈｎｏｌｏｇｙ，ｉｔ ｉｓ ｎｅｃｅｓｓａｒｙ ｔｏ ｕｓｅ ｍａｃｈｉｎｅ ｖｉｓｉｏｎ ｉｎｓｔｅａｄ ｏｆ ｈｕｍａｎ ｖｉｓｉｏｎ ｔｏ ｉｄｅｎｔｉｆｙ ｃｏｒｎ ｓｅｅｄｓ ａｎｄ ｔｅｓｔ ｔｈｅ ｑｕａｌｉｔｙ．Ｔｈｅ ｍｏｓｔ ｉｍｐｏｒｔａｎｔ ｓｔｅｐ ｉｎ ｔｈｅ ｄｅｔｅｃｔｉｏｎ ｉｓ ｔｏ ｅｘｔｒａｃｔ ｅｆｆｅｃｔ ｃｈａｒａｃｔｅｒｓ ｏｆ ｔｈｅ ｃｏｒｎ ｉｍａｇｉｎｅ，ａｎｄ ｔｈｅ ｃｏｒｎ ｓｅｅｄｓ ｉｄｅｎｔｉｉｆｃａｔｉｏｎ ｄｅｐｅｎｄｓ ｏｎ ｔｈｅ ｅｆｉｃｉｆｅｎｃｙ ａｎｄ ａｃｃｕｒａｃｙ ｏｆ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｐａｒａｍｅｔｅｒｓ．Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｗｅ ｏｐｔｉｍｉｚｅ ｔｈｅ ｉｍａｇｉｎｅ ｐｒｏｃｅｓｓ ｓｔｒａｔｅｇｙ ｂａｓｅｄ ｏｎ ｍａｃｈｉｎｅ ｖｉｓｉｏｎ ａｎｄ ｐｕｔ ｆｏｒｗａｒｄ ａ ｍｏｒｅ ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｃｈａｒａｃ— ｔｅｒｉｓｔｉｃ ｐａｒａｍｅｔｅｒ ａｎｄ ａ ｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅ ｏｕｔｌｉｎｅ ｅｘｔｒａｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ．ｗｈｉｃｈ ｍａｉｎｌｙ ｕｓｅ ＶＣ＋＋ｐｒｏｇｒａｍ，ａｃｃｏｍｍｏｄａｔｅ ｔｏ ｃｏｒｎ ｓｅｅｄｓ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ．Ａｎｄ ｔｈｅ ｔｅｓｔ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｓｙｓｔｅｍ ｃａｎ ｅｘｔｒａｃｔ ＣＯｒｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｐａｒａｍｅｔｅｒｓ ｒａｐｉｄｌｙ ａｎｄ ａｃｃｕｒａｔｅｌｙ，ａｎｄ ｔｕｒｎ ｉｎｔｏ ａ ｂａｓｅｍｅｎｔ ｆｏｒ ｆｕｒｔｈｅｒ ｒｅｓｅａｒｃｈ ｏｎ ｃｏｒｎ ｓｅｅｄｓ Ｉｄｅｎｔｉｉｃａｔｉｏｎ ａｎｄ ｑｕａｌｉｔｙ ｔｅｓｔ．ｆ Ｋｅｙ ｗｏｒｄｓ：ｃｏｒｎ ｓｅｅｄｓ；ｉｍａｇｉｎｅ ｐｒｏｃｅｓｓ；ｃｈａｒａｃｔｅｒ ｅｘｔｒａｃｔｉｏ ・１７０・