一种基于图像识别的荷花花型性状量化分析方法
文献发布时间:2024-04-18 20:01:30
技术领域
本发明涉及花型性状量化分析方法领域,尤其涉及一种基于图像识别的荷花花型性状量化分析方法。
背景技术
荷花优美的外观,以及美好的寓意,广受人们喜爱,在园林绿化、家庭盆栽、鲜切花等方面对荷花花型、花态的要求也丰富了起来。但荷花花瓣和花型种类极其丰富,对于品种选育、识别以及花型遗传规律的分析会产生大量工作,如何对不同花型进行快速准确识别、分析,对荷花品种选育及遗传规律的精准研究非常必要,因此,有必要提供一种基于图像识别的荷花花型识别方法,以实现不同花型的荷花的自动识别及性状分析。
发明内容
本发明目的是:提供一种基于图像识别的荷花花型性状量化分析方法,以解决现有技术中缺少一种能够对不同花型的荷花进行快速准确地识别及分析的方法。
本发明的技术方案是:一种基于图像识别的荷花花型性状量化分析方法,包括如下步骤:
S1、花型识别;
S1.1、获取待测荷花的花冠具有正视图和俯视图的花冠原始图像;
S1.2、对花冠原始图像进行预处理得到花冠灰度图像,通过图像识别技术对花冠灰度图像进行识别获得荷花轮廓以及花冠的尺寸参数;
S1.3、记录荷花轮廓以及花冠的尺寸参数,结合花冠原始图像,与数据库中信息进行比对,得出待测荷花的花型。
S2、花瓣形态识别;
S2.1、获取待测荷花具有所有花瓣且花瓣未存在遮挡的花瓣原始图像,所述花瓣原始图像为俯视图;
S2.2、对花瓣原始图像进行预处理得到花瓣灰度图像,通过图像识别技术对花瓣灰度图像进行识别获得花瓣的尺寸参数;
S2.3、记录花瓣的尺寸参数,结合花瓣原始图像,与数据库中信息进行比对,得出待测荷花的花瓣形态;
S3、结合荷花的花型和花瓣形态,对荷花的种类和性状的生成分析结果。
优选的,所述花冠原始图像和花瓣原始图像均为RGB图像。
优选的,所述步骤S1.2包括如下步骤:
S1.2.1、对花冠原始图像进行灰度变换和增强处理形成花冠灰度图像;
S1.2.2、对花冠灰度图像进行二值化处理和图像形态学处理,并进行图像边缘检测;
所述步骤S2.2包括如下步骤:
S1.2.1、对花瓣原始图像进行灰度变换和增强处理形成花瓣灰度图像;
S1.2.2、对花瓣灰度图像进行二值化处理和图像形态学处理,并进行图像边缘检测。
优选的,所述图像识别技术设置为最小外接矩形法,包括如下步骤:
a.根据被检测到的图像边缘确定其形心;
b.设置图像边缘的形心为圆心,以固定角度步进绕圆心旋转,当每旋转一个角度时,随即求出每一个图像的外接矩形,然后比较所有的外接矩形,并求出面积最小的一个外接矩形,进而求出最小外接矩形的边长,所述边长对应为纵径和横径;
c.使用minAreaRec函数,同样通过边缘轮廓采用minEnclosingCircle绘制外接圆,获得图像长轴;
d.利用图像轮廓内所有像素数量计算图像面积,利用轮廓拥有像素数量计算图像周长。
优选的,所述花冠的尺寸参数包括花冠的正面面积、侧面面积、横径、最大纵径、周长和角点数;
所述花瓣的尺寸参数包括花瓣面积、最大横径、最大纵径、周长和角点数。
与现有技术相比,本发明的优点是:
(1)本发明提供一种基于图像识别的荷花花型识别方法,通过荷花花型识别模型中的颜色特征进行荷花花型识别,将识别结果中占比最高的荷花花型作为待识别的荷花的花型,实现快速准确的花型识别。
(2)通过对花冠的原始图像进行增强处理,能够有效提高样本的多样性,增加数据集大小,减小过拟合风险。并在灰度处理时采用高斯滤波对灰度图像进行图像平滑处理,能够有效提高轮廓提取的精度。
附图说明
下面结合附图及实施例对本发明作进一步描述:
图1为本发明所述一种基于图像识别的荷花花型识别方法流程图;
具体实施方式
下面结合具体实施例,对本发明的内容做进一步的详细说明:
如图1所示,一种基于图像识别的荷花花型性状量化分析方法,包括如下步骤:
S1、花型识别。
S1.1、获取待测荷花的花冠原始图像;其中,所获取的花冠原始图像为荷花盛开状态的RGB图像,盛开标准为开花第二天上午时完全开放时的状态。且每个荷花花型图像均需要清晰及无遮挡图像,并且需要包括正面角度(俯拍)、侧面角度(侧拍)两个角度的图像。
S1.2、对花冠原始图像进行预处理得到花冠灰度图像,通过图像识别技术对花冠灰度图像进行识别获得荷花轮廓以及花冠包括正面面积、侧面面积、横径、最大纵径、周长和角点数在内的尺寸参数;其中,图像识别技术包括:
S1.2.1、对花冠原始图像进行灰度变换和增强处理形成花冠灰度图像。其中增强处理包括图像旋转、对称、缩放、明亮度变换、添加随机噪声。通过数据增强,能够有效提高样本的多样性,增加数据集大小,减小过拟合风险。
灰度变换包括将原始彩色图像进行灰度化处理,采用加权平均灰度处理,根据色彩重要性,将三个分量以不同的权值进行加权平均。
采用高斯滤波对灰度图像进行图像平滑处理,去除灰度变化很大的地方,该处容易被识别为伪边缘,因此通过这种图像平滑处理,能够有效提高轮廓提取的精度。
计算图像的强度梯度,得到候选边缘;梯度是灰度变化明显的地方,而边缘也是灰度变化明显的地方,因此,通过计算灰度图像的强度梯度,能够得到候选边缘。
S1.2.2、对花冠灰度图像进行二值化处理和图像形态学处理,并进行图像边缘检测;采用自适应阈值,将像素点的像素值与该点所在的区域的像素值的平均值(最大值,中位数等)决定该店属于0还是1,采用函数adaptiveThreshold(),图像形态学处理,以及基于二值图像和灰度图像的腐蚀、膨胀和重构等方法,微调分割区域的形状,然后采用函数morphologyEx()。图像边缘检测,并结合Canny算子获得图像边缘轮廓。
利用计算机图像识别技术对花冠原始图像进行处理,利用几何方法对花冠大小、形状进行检测。该几何方法主要有最小外接矩形法、最大直径法和图像面积法等,它们主要利用图像的外接矩形、图像的中轴、图像的边缘、面积等几何特征来模拟花冠的横径和纵径,从而实现近似的大小判断最小。其中,外接矩形法为先根据被检测到的图像边缘确定其形心,然后设置图像边缘的形心为圆心,以固定角度步进绕圆心旋转,当每旋转一个角度时,随即求出每一个图像的外接矩形,然后比较所有的外接矩形,并求出面积最小的一个外接矩形,进而求出最小外接矩形的边长,该边长对应为纵径和横径。使用minAreaRec函数;继续通过边缘轮廓采用minEnclosingCircle绘制外接圆,获得图像最大直径;利用图像轮廓内所有像素数量来计算图像的面积,以及利用轮廓拥有像素数量来计算图像周长。
S1.3、记录荷花轮廓以及花冠的尺寸参数,结合花冠原始图像,与数据库中信息进行比对,得出待测荷花的花型。
S2、花瓣形态识别;
S2.1、以俯视角度获取待测荷花具有所有花瓣且花瓣未存在遮挡的花瓣原始图像,该花瓣原始图像为RGB图像。
S2.2、采用如步骤1.2.1的方法对花瓣原始图像进行灰度变换和增强处理。随后采用如步骤1.2.2的方法对花瓣灰度图像进行识别获得花瓣包括花瓣面积、最大横径、最大纵径、周长和角点数在内的尺寸参数。
S2.3、记录花瓣的尺寸参数,结合花瓣原始图像,与数据库中信息进行比对,得出待测荷花的花瓣形态。
S3、结合荷花的花型和花瓣形态,对荷花的种类和性状的生成分析结果。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明,因此无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
- 起重机控制装置、起重机控制装置的控制方法、控制程序、以及记录介质
- 工件组装装置、工件组装装置的控制方法以及工件组装装置的控制程序及记录介质
- 集水器、水循环系统、控制装置、控制方法和控制程序
- 测长控制装置、制造系统、测长控制方法和测长控制程序
- 眼科装置和眼科装置控制程序
- 超声波CT装置及其控制方法、控制程序产品
- 超声波CT装置、其控制方法以及超声波发送接收装置