基于Matlab图像的种子计数方法

秦亮

摘要 针对考种过程中任务繁重、人工计数等存在不足，提出了一种基于Matlab图像识别和处理技术的种子计数方法。该方法处理过程中使用腐蚀运算和开运算用于图像黏连区域的分割，使用二值化，便于数学运算，并在处理后对图像中的种子进行编号和计数，还可以人工校正及存档。该方法可以广泛应用于种子计数工作中。

关键词 数字图像；种子计数；黏连区域分割；Matlab处理

中图分类号 TP391.41   文献标识码 A

文章编号 1007-7731（2023）10-0129-04

数字图像处理是指借助于计算机来处理数字图像，该技术现已广泛用于与成像有关的领域，而且所覆盖的应用领域将来会越来越广[1]。数字图像处理方法具有多种优势：①速度快。相对人工计数，速度很快，计数数量越多，越具有速度优势。②适用性广。在单一的背景中只需要把种子平铺，可以面对各种类型种子，也可以扩展到其他需要计数的物品中。③设备简单。一台照相设备、一台计算机，几个常见的软件即可工作。④记录留存。可对计数图片进行存档，还可以对图片进行人工校正，减少误差。

种子计数是农业育种研究中较为重要的环节，且任务繁重。利用人工计数，计数量较大，长时间、重复性数粒会导致人员疲劳，产生一定的误差。使用仪器设备计数也有一定的局限性，不适于种类繁多、大小不一、形状多变的种子，且仪器设备也比较昂贵。随着科技水平的提高，图像处理技术的广泛运用，图片计数被应用于种子计数工作中。在图片计数过程中，使用灰度处理，减少图像数据量，使用腐蚀运算和开运算用于图像黏连区域的分割；使用二值化，便于数学运算，根据连通图的数量得到种子数量。

1 材料与方法

1.1 试验材料

计算机、拍摄工具、Photoshop软件、Matlab软件、水稻种子（计数对象可根据需要选取），白色A4纸（可根据计数对象颜色选择差异大的单色背景）。

1.2 種子图像采集

取下稻穗上的稻粒，均匀洒落在A4纸上，减少稻粒间大范围黏连。利用拍摄工具获取照片，拍照范围不超出A4纸，背景颜色单一。若拍摄照片数量较多，可以固定拍摄工具，方便图像采集、节约拍摄时间及减少操作误差。

1.3 Photoshop处理

利用Photoshop“选择”项中的“色彩范围”栏提取背景颜色，调节“颜色容差”，并合理利用“魔棒工具”和“选框工具”，删除背景颜色，然后利用“编辑”项中“填充”栏填充黑色作为背景色。

1.4 灰度化处理

图像是由像素点组成的集合。彩色图片的像素点由红、绿、蓝组成，而灰度图片的像素点用颜色深度表示，范围为0～255，白色为255，黑色为0[2]。灰度化处理是通过一定的数学算法把彩色图像转换为灰度图像，目的是使信息量减少更容易处理图像。Matlab中灰度化的函数为rgb2gray。

1.5 腐蚀运算

在腐蚀运算前先定义结构元素。结构元素是形态学变换中的基本元素，是为了探测图像某种结构信息而设计的特定形状和尺寸的图像。结构元素可以定义多种类型，如圆形、方形、线形等[3]。腐蚀运算的思路是结构元素在整幅图像中移动，移动到每一个像素点上，只有结构元素与图像上对应像素点的像素值全部重叠相等时，保留这个像素点值[4]。腐蚀运算的作用是使物体边界向内部收缩，也可以把小于结构元素的物体去除。Matlab中腐蚀运算的函数为imerode。

1.6 开运算

开运算是对目标图像先进行腐蚀运算再进行膨胀运算[5]。开运算的作用是去除背景杂色和图像上的小异物，平滑较大区域的边界，不明显的改变区域的面积，对目标区域细小黏连点处分离等。Matlab中开运算的函数为imopen。

1.7 图像二值化

在灰度化的图像中，先运用算法寻找一个确定的阈值，利用阈值把灰度图像中的像素划分为2值：目标和背景，“1”表示目标，“0”表示背景，图像二值化即将图像上像素点的灰度值转化为“0”和“1”2值[6]。用Photoshop将背景替换为黑色后，阈值易确定，目标和背景易划分，减少了背景杂色对算法的干扰。Matlab中二值化的函数为im2bw。

1.8 代码设计

clc；%清除Command Window区域；

name=imread（‘E：＼水稻种子。JPG）；%载入“水稻种子。JPG”的图片；

J=rgb2gray（name）；%灰度处理；

J1=imadjust（J）；%调节灰度图像；

SE1=strel（‘disk，2）；%定义结构元素；

SE2=strel（‘disk，4）；%定义结构元素；

J2=imerode（J1，SE2）；%在灰度化图中进行腐蚀运算；

J3=imopen（J2，SE1）；%在灰度化图中进行开运算；

level=graythresh（J3）；%在灰度化图中寻找阈值；

J4=im2bw（J3，level）；%进行二值化运算；

J5=imerode（J4，SE2）；%在二值化图中进行腐蚀运算；

J6=imopen（J5，SE1）；%在二值化图中进行开运算；

[L，N]=bwlabel（J6，4）；%计算连通数；

figure，imshow（name）；%显示图像；

text（0.05，0.1，strcat（‘数量：｛，num2str（N），‘｝），‘units，‘normalized，‘color，‘r，‘fontsize，20）；%显示数量值；

hold on；

for k=1：N；

[r，c]=find（L==k）；

rbar=mean（r）；

cbar=mean（c）；

plot（cbar，rbar，‘marker，‘。，‘markeredgecolor，‘w，‘markersize，4）；%显示连通并对每一连通数标记“。”

text（cbar，rbar，‘K，‘string，num2str（k），‘color，‘r，‘fontsize，15）；%显示对每一个连通数的编号

end

2 结果与分析

2.1 流程及效果

图像计数方法的流程如图1所示。用黏连区域演示流程效果，如图2所示。

2.2 程序代码执行情况

以水稻种子图像（图3）为例，最右侧图片为执行上述代码后的显示结果。代码运行速度快，根据连通图的数量得出种子颗粒数为18个。人工校正过程中发现，运行中对较大黏连的图像区域难以分割，会造成漏计现象，真实数量应该是19个。Matlab可以识别多种图片格式，并不限于JPG格式。

2.3 图像采集

实际图像采集的过程中会存在各种情况。①纸张上会存在阴影、明暗光线等，严重情况下可补充光源来消除。②计数对象数量较多，纸张面积不够，可平铺多张A4纸。③计算对象体积较小，可利用高分辨率相机拍照，增加图像上单位面积像素点。④散落不均匀，黏连数量较多，可人工消散。不需要消除黏连的每一个目标，可在后期图片上进行人工校正，若取相过程中每一个目标都需要人工消除黏连，则不再具备速度优势，可扩大取相区域，使计数目标的散落面积增大，扩大离散度。

2.4 图像去噪处理

处理的目的是减少背景的杂值干扰，增加Photoshop处理环节，背景色选择范围变广，适用性增强。填充黑色背景是便于matlab二值化处理后，赋予黑色图像元素为“0”值，“0”值是代表背景值。不填充黑色，则需在matlab软件编程中添加一段反运算代码，增加了运算量，代码执行速度变慢。

2.5 分割算法和代码

对黏连区域的分割是一个难题。目前基于阈值、边缘、分水岭等大类的分割方法比较多，但都有一定的局限性[7]。本文代码是利用计算图像目标的连通数，来确定目标数量，算法对黏连区域的分割优劣，直接决定了计数的准确率。代码对黏连区域的分割和杂值消除的效果影响了计算结果，存在有一定的误差，但对每一个计数目标进行了编号，后期可以人工校正。腐蚀使物体向内收缩，圖像中目标物体的形状也会变小，但只需要计算物体的个数，并不需要考虑物体的形状。

通过程序执行结果来看，对目标物体大范围接触的黏连区域分割效果不佳。由于图像是由每一个像素组成，通过代码执行程序，理论上可知：结构元素（处理累计）>目标物体的宽，可使目标物体断裂，计算的数量变大；结构元素（处理累计）>目标物体的长，可使得目标物体消失，计算的数量变小；黏连区域接触点直线长>目标物体的宽时，代码就比较难分割黏连区域。因此，需要选择好结构元素，合理安排腐蚀运算和开运算，去除小物体的同时不会造成目标物体消失。

3 结论与讨论

在实际考种过程中需要计算结实率，代码并不能识别，为此可以设计通过一定高度自由落体，在一定风速下分离种子，分别取照，此步骤需要人工进行操作。在实际操作过程中，光照和目标数量对图像计数有较大的影响。光照影响可以用各种光源来消除，目标数量可以限制在1～2个稻穗的数量级，还可以通过多张A4纸平铺来扩大拍照区域。从代码运行结果来看，存有比真实值小的情况，有一定的误差。误差是由于种子聚集，导致图像中出现黏连区域，黏连区域分割不佳。在实际应用中，可以通过人工和仪器设备干扰颗粒分离度来提高图像处理的准确性，还可以对图像中目标进行编号，方便人工校正。从计数结果来看，图像计数能够胜任绝大多数需要计数的工作，具有方便快捷、成本低廉、适于推广、准确性高的特点。对比人工的偶然误差，图像计数的误差是由编程程序引起的，属于系统误差。随着图像处理技术的发展，对黏连区域分割研究的突破，代码的不断优化，图像计数将越来越具有优势。

参考文献

[1] 徐杰.数字图像处理[M].武汉：华中科技大学出版社，2009.

[2] 莫德举，梁光华.数字图像处理[M].北京：北京邮电大学出版社，2010.

[3] 张黄群，于盛林，白银刚.形态学图像去噪中结构元素选取原则[J]. 数据采集与处理，2008（S1）：81-83.

[4] 阮秋琦.数字图像处理学（第二版）[M].北京：电子工业出版社，2007.

[5] 杨琨，曾立波，王殿成.数学形态学腐蚀膨胀运算的快速算法[J].计算机工程与应用，2005（34）：54-56.

[6] 钟雪君.一种改进的Otsu双阈值二值化图像分割方法[J].电子世界，2013（4）：104.

[7] 张轩，张新峰.粘连颗粒图像分割方法综述[J].图像与信号处理，2018，7（3）：6.

（责编：何 艳）