王炳強 程 洪 劉 沖

(1. 滄州職業(yè)技術學院，河北 滄州 061001；2. 河北農(nóng)業(yè)大學信息科學與技術學院，河北 保定 071001)

基于雙邊濾波的RSG玉米籽粒胚部提取研究

王炳強1程 洪2劉 沖1

(1. 滄州職業(yè)技術學院，河北 滄州 061001；2. 河北農(nóng)業(yè)大學信息科學與技術學院，河北 保定 071001)

胚部是玉米籽粒的重要組成部分，為了分析其形態(tài)特征以提高玉米籽粒品種自動識別率，針對玉米籽粒圖像的特點，驗證了一個利用雙邊濾波結合種子區(qū)域生長法(RSG)提取籽粒胚部的方法：先用雙邊濾波器在保證邊緣的情況下平滑玉米籽粒胚部，再用RSG分割出胚部。選取華北地區(qū)常用的京科25為試驗對象，采用該法提取出的胚部區(qū)域的面積與周長進行統(tǒng)計，并分別與手工測量的面積、周長進行線性回歸分析，相關系數(shù)R2的均值分別達到0.962 0，0.985 2。

玉米；籽粒；胚部；自動檢測；雙邊濾波；種子區(qū)域生長法

利用計算機相關技術來實現(xiàn)農(nóng)產(chǎn)品品質(zhì)自動檢測是目前農(nóng)業(yè)高新領域的一個重要發(fā)展趨勢[1-3]。玉米作為中國重要的農(nóng)作物之一，在玉米籽粒品種的判定方面，許多學者[4-6]基于玉米籽粒外部特征開展了大量的研究。胚部是玉米籽粒的重要組成部分，利用數(shù)字圖像處理技術獲取其形態(tài)特征的前提是把它從玉米籽粒的2D圖像提取出。為了提高不同種類玉米籽粒的辨識率，在籽粒胚部特征方面的分析研究也開展了起來，寧紀鋒等[7]進行了玉米籽粒尖端及胚部所在面的識別研究，沒有進一步分割出胚部；韓仲志等[8]提出了利用獨立分量法測量玉米籽粒胚部，但需要具體判斷哪個分量含有胚部特征信息。筆者近幾年也開展了類似研究，發(fā)現(xiàn)雙邊濾波器(Bilateral filter)可以在保持圖像中對象邊緣的同時濾除噪聲。利用它可以去除籽粒的胚部區(qū)域噪聲。種子區(qū)域生長法(region seeds growing，RSG)簡單快速，是可以用來實現(xiàn)目標對象分割的一種算法，在機器視覺領域已廣受關注。本試驗根據(jù)這兩種算法的特點及玉米籽粒的形態(tài)特征，進行了基于雙邊濾波的玉米籽粒胚部提取研究。

1 材料與方法

1.1 試驗材料

選取華北地區(qū)常用的京科25為對象，使用平板掃描儀，型號為明基Q52，掃描精度設定為600 dpi。用此試驗儀器獲得試驗研究用的50粒玉米的圖像，這些圖像的模式均為RGB、bmp格式。因為需要研究玉米籽粒的胚部特性，因此在獲取圖像時要使對象的胚面朝上，采用由頂及底的掃描方式，從而盡量減少掃描時陰影噪聲的產(chǎn)生。

1.2 試驗方法

1.2.1 圖像處理流程 對象胚部區(qū)域的提取流程見圖1。利1.1中描述的方法獲取試驗圖像后，需要將圖像中的背景去除(把玉米圖像中的掃描儀的黑色背景板像素值置為0)，采用雙邊濾波去除噪聲，制定區(qū)域生長法規(guī)則并運行算法處理圖像獲取胚部區(qū)域，形態(tài)學修正。

圖1 圖像處理流程圖Figure 1 Steps of image processing

1.2.2 雙邊濾波 Bilateral Filter的輸出值不但與所分析像素的鄰域空間中像素的位置有關，并且還與這些像素的亮度值有關。它的實現(xiàn)原理即由兩個函數(shù)來控制它的輸出。這兩個函數(shù)中一個決定濾波器的系數(shù)(是靠幾何空間距離)，而另一個憑借像素的差值。

(1)

式中：

p(i,j)——輸出值；

P(k,l)——輸入值，其中(k,l)是以像素(i,j)作為中心的鄰域窗口中的像素；

w(i,j,k,l)——濾波核。

w(i,j,k,l)的值由空域核d(i,j,k,l)與值域核r(i,j,k,l)的乘積來決定。d(i,j,k,l)的值取決于像素間的幾何空間距離，隨著距離的減小而增大；r(i,j,k,l)的值取決于像素間的相似度，像素間越相似則其值越大。在灰度變化平緩區(qū)域，值域濾波系數(shù)接近1，此時空域濾波起主要作用，雙邊濾波器因此退化為可對圖像進行平滑操作的傳統(tǒng)的高斯低通濾波器，從而實現(xiàn)圖像的平滑。而濾波器能夠保持邊緣細節(jié)的能力，則是值域濾波起作用的結果，因為對象邊緣的像素間的差異較大，值域濾波起主要作用。

(2)

(3)

(4)

式中：

σd、σr——分別為空間域內(nèi)高斯函數(shù)標準差和值域中高斯函數(shù)標準差。

Bilateral Filter對空間方差的取值很敏感，圖像中對象的邊緣與細節(jié)越清晰，空間方差的值越小，反之亦然。對于圖像中的平滑區(qū)域，去除噪聲時值域方差的值越大越好，而對于邊緣等細節(jié)區(qū)域要保留更多的細節(jié)，亮度方差越小越好。經(jīng)反復試驗，在本試驗中鄰域窗口設為10，空域方差與值域方差分別為3與0.1。

1.2.3 區(qū)域生長法的具體實現(xiàn)

(1) 玉米籽粒圖像矩陣I,構造與I同樣大小標記矩陣S，其初始值為“1”，構造二維矩陣K，存放已標記像素坐標。

(2) 選取初始種子點, 在S中相應位置標記為“0”,將種子點坐標存入K；然后計算目標對象內(nèi)G分量與B分量的平均值P：首先，計算每個Pixel的G與B的比，然后，求所有像素的此特征值的和，最后用和除以像素的總個數(shù)；統(tǒng)計S中“0”像素的數(shù)目N0，并計算K中B分量的平均值Bx，之后將它當作初始的判決標準量：

(5)

式中：

Knum——像素集K中的像素個數(shù)；

(xi,yj)——像素集K中第i個像素坐標；

B(xi,yj)——像素的B值。

(4) 重復步驟(3)直至Nj+1-Nj=0。依據(jù)S矩陣，得到I中目標區(qū)域。

2 結果分析與討論

2.1 提取所得胚部區(qū)域

在使用Bilateral Filter前后玉米籽粒圖像對比見圖2。由圖2可知，經(jīng)過雙邊濾波之后圖像中需要提取的目標區(qū)域內(nèi)顏色更加趨于一致。

利用RSG算法得到的目標區(qū)域見圖3。圖3(a)分割出的胚部明顯丟失了部分信息，圖3(b)所得到的區(qū)域與人眼觀測到的胚部區(qū)域基本一致。

圖2 濾波前后玉米籽粒圖像Figure 2 The corn grainimages

圖3 提取出的胚部區(qū)域Figure 3 Segmented embryo regions

2.2 數(shù)值化分析

計算從圖像中獲取的籽粒胚部面積以及周長：從圖像中提取出的胚部區(qū)域的像素個數(shù)為自動獲取的面積；胚部區(qū)域邊緣的像素個數(shù)作為自動獲取的周長。手工測量實際的玉米籽粒胚部形態(tài)參數(shù)：使用網(wǎng)格測量法得到面積參數(shù),也就是在畫滿網(wǎng)格(單個網(wǎng)格的面積為1 mm2)的白紙上描繪出玉米籽粒的輪廓，對網(wǎng)格計數(shù)，如此進行10次，取平均值作為面積值；采用細線的擬合法測量胚部周長，將細線沿胚部的邊緣一周，測量細線的長度，如此進行10次，取平均值作為周長值。將自動測量值與手工測量值進行分析比較。

由圖4、5可知，自動測量值與手工測量值有較高的相關性，R2分別為0.962 0，0.985 2。通過分析可知，采用本試驗提出的方法可以檢測出玉米籽粒的胚部，提取出的胚部形態(tài)參數(shù)值有很高的借鑒價值。

3 結語

(1) 本試驗基于雙邊濾波的區(qū)域生長法提取玉米籽粒胚部區(qū)域，不僅解決了區(qū)域生長種子點的選取以及生長規(guī)則問題，并且降低了玉米籽粒胚部噪聲對分割的影響。

(2) 通過試驗驗證本試驗所提出的方法，提取的目標區(qū)域與人的眼睛觀測到的種子胚部基本一致。所得目標區(qū)域的形狀參數(shù)與實際測量的非常接近，R2分別達到0.962 0，0.985 2。驗證了方法的可行性。

圖4 從圖像中獲取的胚部周長與手工測量值Figure 4 Perimeters from image and measured values by hand

圖5 從圖像中獲取的胚部面積與手工測量值Figure 5 Areas from image and measured values by hand

此外，假如玉米種子由于存儲不當?shù)仍驅е聠适Щ盍?，胚部顏色變得發(fā)黃、發(fā)暗或發(fā)灰，那么分割胚部的效果就會受到一定的影響。

[1] 王璽, 張寶石. 玉米種子純度鑒定技術研究進展[J]. 種子, 2002(1): 43-45.

[2] 趙欣欣, 于運國, 崔克艷. 玉米種子純度室內(nèi)檢驗方法的研究現(xiàn)狀與應用展望[J]. 種子科技, 2010, 28(1): 24-27.

[3] 張守潤. 利用幼苗及籽粒形態(tài)鑒定玉米品種真實性和純度研究[J]. 甘肅農(nóng)業(yè)科技, 2010(4): 11-14.

[4] JIANG Jing-tao, WANG Yan-yao, YANG Ran-bing. Variety identification of corn seed based on Bregman Split method [J]. Transactions of the Chinese Society of Agricultural Engineering, 2012, 28(Supp.2): 248-252.

[5] 陳新亮, 王徽蓉, 李衛(wèi)軍, 等. 一種用于玉米品種鑒別的近紅外光譜頻率選擇方法[J]. 光譜學與光譜分析, 2010, 30(11): 2 919-2 922.

[6] 程洪, 史智興, 么煒, 等. 基于支持向量機的玉米品種識別[J]. 農(nóng)業(yè)機械學報, 2009, 40(3): 180-183.

[7] 寧紀鋒, 何東健, 楊蜀秦. 玉米籽粒的尖端和胚部的計算機視覺識別[J]. 農(nóng)業(yè)工程學報, 2004, 20(3): 117-119.

[8] 韓仲志, 趙友剛, 楊錦忠. 基于籽粒RGB圖像獨立分量的玉米胚部特征檢測[J]. 農(nóng)業(yè)工程學報, 2010, 26(3): 222-226.

Study on extraction of corn kernel embryo by RSG base on bilateral filtering

WANG Bing-qiang1CHENGHong2LIUChong1

(1.DepartmentofInformationEngineering,CangzhouTechnicalCollege,Cangzhou,Hebei061001,China; 2.CollegeofInformationScienceandTechnology,AgriculturalUniversityofHebei,Baoding,Hebei071001,China)

Embryo is an important part of the corn kernel. Its characteristics can help to improve the automatic recognition rate of corn variety. This paper was on the extraction of embryo from the image of corn kernel. Jingke 25 which was commonly used in North China was selected as study objects. A bilateral filtering combined with the growth of the seed region (RSG) method was proposed to extract corn kernel embryo. The obtained embryo was the same with the observed by eyes. The area and perimeter of the embryo were calculated to be compared with the area and perimeter measured by hands. The mean values ofR2were 0.962 and 0.985 2, respectively.

Corn; Kernel; Embryo; Auto detection; Bilateral filter; Region seeds growing

河北省青年自然基金項目(編號：F2015204130)

王炳強，男，滄州職業(yè)技術學院講師。

程洪(1981-)，女，河北農(nóng)業(yè)大學副教授。 E-mail：chenghong@cau.edu.cn

2016-12-10

10.13652/j.issn.1003-5788.2017.02.008