基于图像处理的植物图像数据库存取技术

使用Matlab进行植物图像分析的方法研究植物图像分析是一门重要的研究领域，它可以帮助我们更好地理解植物的结构和生理特性。

近年来，随着计算机技术的不断发展，使用计算机视觉方法进行植物图像分析已成为一种较为常见的研究手段。

本文将介绍使用Matlab进行植物图像分析的方法研究，并探讨其在生态学、农业科学等领域的应用前景。

一、图像预处理图像预处理是植物图像分析的第一步，它的目的是消除图像中的噪声和不需要的信息，提高图像的质量。

在Matlab环境下，我们可以利用图像处理工具箱中提供的函数进行图像预处理。

例如，我们可以使用滤波器对图像进行平滑操作，可以使用阈值分割方法将图像分为背景和前景等。

二、特征提取特征提取是植物图像分析的核心，它的目的是从图像中提取出植物的形态和结构等特征。

在Matlab中，我们可以利用图像处理工具箱中的多种函数进行特征提取。

例如，我们可以使用形态学操作对植物的轮廓进行提取，可以使用边缘检测算法对植物的边缘进行提取，可以使用纹理分析方法对植物的纹理特征进行提取等。

三、机器学习方法机器学习方法在植物图像分析中扮演着重要的角色，它可以根据提取出的特征对植物进行分类和识别。

在Matlab中，我们可以利用机器学习工具箱中提供的函数进行机器学习算法的实现。

例如，我们可以使用支持向量机（SVM）算法对植物进行分类，可以使用卷积神经网络（CNN）对植物进行识别等。

通过机器学习方法，我们可以更加准确地对植物进行分类和识别，为后续的研究工作提供支持。

四、应用前景植物图像分析在生态学、农业科学等领域具有重要的应用前景。

在生态学中，通过对植物的图像分析，我们可以了解植物的空间分布状况、生态系统的稳定性等。

在农业科学中，通过对植物的图像分析，我们可以监测植物的生长状态、预测产量、研究植物的抗逆性等。

此外，植物图像分析还可以应用于植物病害的检测和预防、植物品种的鉴别和选育等方面。

总结：使用Matlab进行植物图像分析的方法研究有着广泛的应用前景。

基于图像处理的植物图像数据库存取技术马晓丹;祁广云;谭峰【摘要】以植物叶片为例,以Delphi7为前台开发工具,图像信息数据库采用SQL Server 2000作为服务器,实现了网像处理过程中BMP与JPEG格式的转换;同时,通过ADO流式存取技术,实现了数据库对JPEG图像数据操作的支持.【期刊名称】《农机化研究》【年(卷),期】2006(000)003【总页数】3页(P180-181,186)【关键词】计算机应用;图像数据库;理论研究;Delphi;SQLServer;ADO;流式存取【作者】马晓丹;祁广云;谭峰【作者单位】黑龙江八一农垦大学工程学院,黑龙江,大庆,163319;黑龙江八一农垦大学信息技术学院,黑龙江,大庆,163319;黑龙江八一农垦大学信息技术学院,黑龙江,大庆,163319【正文语种】中文【中图分类】TP391随着信息技术的高速发展，图像数据库存取技术已经在很多方面得到了广泛的应用，如医学影像数据库、人事管理数据库等；但关于植物图像数据库的管理还很少。

植物图像数据库如果可以和专家系统相结合，进行远程植物病害的诊治，这将会加快垦区乃至全国的农业现代化步伐。

本系统以植物叶片为例，旨在图像处理的基础上对植物叶片的中间过程图像进行实时地存取，为将来的植物病害诊治打下良好的基础。

在对植物叶片进行图像处理和分析时，及时地存取其中间过程的图像是非常重要的。

这不仅便于图像的管理，而且也方便随时了解叶片的各个生长阶段和病害的概貌。

图像处理主要针对的是BMP格式的图像，其它以点阵形式描述图形图像，并在有足够的文件量的前提下，能真实细腻地反映图片的层次、色彩；但其缺点是文件体积较大，不适合于数据库存储，所以必须把BMP转换成适合数据库存储的图像格式。

JPEG是24位的图像文件格式，也是一种高效率的压缩格式，通过损失极少的分辨率，可以将图像所需存储量减至原大小的10%，适合于数据库操作；反之，当从数据库中读取JPEG图像时，需要将其转换为BMP格式才能适合于图像的处理与分析。

基于图像处理的实时植物检测技术研究随着社会的进步和科技的发展，农业也随之发展，成为国家经济的重要组成部分。

在农业生产中，植物检测是一项至关重要的任务，目前通常采用人工方法进行，但效率低、成本高、准确率也难以保证。

然而，基于图像处理的实时植物检测技术却可解决这一问题。

一、基本原理基于图像处理的实时植物检测技术是利用图像采集设备（如智能手机），通过拍摄或录制植物的影像，运用图像处理算法来提取、分析植物的特征，从而达到有效检测的目的。

这一技术主要包含以下几个步骤：1. 植物影像采集：通过智能手机、摄像机等设备拍摄植物的图像或视频。

2. 图像预处理：对采集的图像进行预处理，如去噪、图像增强等处理操作，使图像更加清晰、准确。

3. 特征提取：通过运用图像处理算法，从图像中提取所需的特征信息，如叶子的形状、颜色、纹理等。

4. 分析比对：将提取到的特征信息与标准数据进行比对，确定植物的类别和属性。

5. 结果展示：将分析结果展示给用户，包括植物名称、成长状态、照片等信息。

二、研究进展近年来，国内外对基于图像处理的植物检测技术进行了大量的研究和探索，取得了不少进展。

1. 植物识别在植物识别方面，国内外学者研究出了不同的基于图像处理的植物识别方法。

其中，最常用的是基于形态学特征、纹理特征和颜色特征的方法。

国内外研究者在这方面取得了不少创新性成果，如利用深度学习算法提取植物特征，实现更为精准的分类识别。

2. 植物病害检测植物病害是影响植物生长的主要因素之一，也是中小农户普遍面临的问题。

因此，如何快速、准确地发现植物病害，成为了研究者研究的一个重点。

基于图像处理的植物病害检测技术通过分析植物叶片的形态、颜色、纹理等特征信息，可以有效地检测植物叶子上的病害，例如利用卷积神经网络，识别并分类不同类型的植物病害。

3. 实时检测技术随着移动设备的快速发展，利用智能手机、平板电脑等设备进行实时植物检测，逐渐成为热点研究方向。

现有的移动设备搭载了先进的处理芯片和高质量的摄像头，使得实时植物检测技术的实现变得更加可行。

基于图像处理的植物病害检测技术研究随着人们对生态环境的日益重视和生物多样性的保护，植物生长逐渐成为了人们关注的热点话题。

但是，在植物生长过程中，植物容易受到各种病害的困扰。

因此，如何及时准确地检测和识别植物病害，成为了一个非常值得研究的问题。

随着计算机视觉和图像处理等技术的不断发展，基于图像处理的植物病害检测技术也应运而生。

一、植物病害检测技术的研究现状当前，基于图像处理的植物病害检测技术已经得到了广泛的应用。

其中主要包括基于传统方法和机器学习方法的两种方式。

传统方法主要利用图像处理技术对植物图像进行本质特征提取和特征分析，实现植物病害的自动检测。

但是，这种方法的实现难度较大，且对操作人员的要求较高，容易出现误判现象。

相比之下，机器学习方法主要利用计算机对大量数据进行学习并识别，以达到准确识别植物病害的目的。

这种方法依靠先进的算法技术，可以大大减少误判的可能性。

二、植物病害检测技术的关键技术基于图像处理的植物病害检测技术主要依靠以下关键技术：1、图像采集技术植物生长在自然环境中，其叶子颜色和形状可能会受到阳光、光照、风吹等自然因素的影响而发生变化。

为了准确地识别植物病害，需要先对植物图像进行准确采集和处理。

因此，图像采集技术是基于图像处理的植物病害检测技术中的重要一环。

2、特征提取技术在采集到植物图像后，需要对植物图像进行特征提取。

特征提取是根据植物图像的形态、颜色、纹理等特性，提取出对植物病害检测有价值的特征。

基于图像处理的植物病害检测技术通常采用形态学、颜色空间、纹理分析方法等进行图像特征提取。

3、分类器的选择对于植物图像的识别和分类，需要利用相关的分类器。

常用的分类器包括传统的支持向量机(SVM)和人工神经网络(ANN)，以及近年来较热门的卷积神经网络(CNN)。

这些分类器具有不同的特点和适用范围，可以根据实际情况进行选择。

三、基于图像处理的植物病害检测技术的应用前景基于图像处理技术，植物病害检测技术实际上已经被广泛应用于生产和研究中。

浅谈植物标本数字化技术及其应用植物标本是进行植物分类和研究的重要资源，它们以干燥保存的方式呈现出植物的形态和特征。

传统的植物标本保存方式存在一些弊端，例如保存空间大、易发生损坏、难以共享等。

随着数字化技术的发展，植物标本的数字化成为一种新的方式，解决了传统保存方式的一些问题，并且为植物学研究提供了更便捷的工具。

植物标本数字化技术包括植物标本的扫描、摄影、虚拟化和数据库管理等过程。

通过高性能扫描仪或高清摄影器材，将植物标本拍摄或扫描成数字图像。

然后使用计算机软件对这些图像进行处理，去除噪点、调整色彩、标注文字等。

将处理好的数字图像存储到数据库中，并结合数据库管理系统实现标本的分类、查询和管理。

植物标本数字化的应用主要体现在以下几个方面。

数字化的植物标本可以方便进行远程浏览和查询。

用户可以通过互联网访问植物标本数据库，无需身临其境就能了解植物的形态特征和分类信息。

这为广大植物学爱好者、研究人员和教师提供了更广泛的资源和平台。

数字化的植物标本可以提供多样化的展示方式。

数字化植物标本可以进行三维虚拟化，展现出植物的全貌和空间结构。

用户可以通过旋转、放大、缩小等操作，观察植物的各个部位和细节。

这种虚拟化的展示方式将植物标本的利用价值提升到一个新的层次。

数字化的植物标本可以实现标本的共享和交流。

通过数字化技术，不同机构和个人可以将自己的植物标本共享到一个公共的数据库中，实现标本资源的共享和流通。

这样一方面可以节约重复工作，提高工作效率，另一方面可以促进学术交流和合作，推动植物学研究的进展。

数字化的植物标本可以为教学提供更便捷和多样化的教材。

教师可以利用数字化的植物标本制作教学课件，通过多媒体的形式展示植物的形态特征和分类知识。

学生通过这种方式可以更直观地理解和记忆植物的相关知识，提高学习效果。

植物标本数字化技术的出现和应用，为植物学研究和教学带来了新的机遇和挑战。

通过数字化的植物标本，我们可以更方便地了解植物的形态特征和分类信息，提高研究效率和学习效果。

浅谈植物标本数字化技术及其应用1. 引言1.1 浅谈植物标本数字化技术及其应用植物标本数字化技术是指利用现代科技手段将植物标本的形态、结构等信息进行数字化处理，以实现对植物资源进行全面记录和管理的技术。

随着科技的不断发展，数字化技术在植物标本领域得到了越来越广泛的应用。

这种技术不仅可以提高植物研究的效率和准确性，还能够促进植物多样性的保护和推动植物分类学的发展。

通过数字化技术，可以将植物标本的图像、形态特征、地理信息等数据进行高效地存储和检索，为科学研究提供了便利。

数字化技术还可以对植物标本进行三维重建，从而更好地展示植物的形态特征，为植物分类和鉴定提供更多的参考依据。

数字化技术的应用不仅有助于提高植物研究的质量和效率，还可以促进植物多样性的保护。

通过数字化技术，可以对植物资源进行全面监测和管理，及时发现植物种群的变化和生态环境的变化，为保护植物多样性提供科学依据。

植物标本数字化技术的应用前景广阔，将对植物学研究、保护和推广起到重要的推动作用。

在未来的发展中，数字化技术将继续发挥着重要的作用，为人们更全面地了解和利用植物资源提供更强有力的支持。

2. 正文2.1 数字化技术在植物标本中的应用数字化技术在植物标本中的应用主要包括数字化标本的制作、管理与共享。

传统的植物标本保存在标本馆中，通常需要人工操作和维护，而数字化技术的应用可以将标本的影像、数据和信息进行数字化处理，实现对植物标本的全面记录和管理。

数字化技术可以利用高分辨率的数字相机对植物标本进行影像拍摄，不仅可以保留标本的形态特征，还可以记录标本的颜色、纹理等细节信息。

这样可以大大提高标本的保存质量和可视化效果，方便研究者观察和研究植物的形态特征。

数字化技术还可以将标本的数据和信息进行数字化录入，建立标本的电子数据库。

这样可以实现对标本信息的快速检索和管理，同时也可以通过网络平台与其他标本馆进行信息共享和交流，促进植物资源的共享和利用。

数字化技术还可以利用三维扫描技术对植物标本进行全息式数字化处理，实现对植物的三维重建和虚拟展示，为植物研究、教育和展示提供更多可能性。

植物物候是生物学领域中一个重要的研究对象，它们被广泛应用于气候变化、生态系统服务等研究领域。

物候期是指植物或动物在生长发育过程中的一些特定阶段，如开花、结果和叶片变色等。

了解和监测植物物候对于生态系统管理、农业生产和自然资源保护等方面具有重要意义。

传统上，观测物候期需要耗费大量时间和人力物力，同时无法实现对于大规模区域的连续监测，而基于物候相机的植物物候信息提取方法则可以有效地解决这些问题。

基于物候相机的植物物候信息提取方法是指利用自动化设备来监测和记录植物的物候信息。

这种方法利用计算机视觉和图像处理技术，通过对植物的生长发育过程进行连续的图像拍摄和分析，实现对植物物候的准确监测和记录。

下面将从以下几个方面介绍基于物候相机的植物物候信息提取方法：一、工作原理基于物候相机的植物物候信息提取方法主要包括三个步骤：图像采集、图像处理和物候信息提取。

通过摄像头对植物进行连续的图像采集，获取植物生长发育过程的图像序列。

利用图像处理技术对采集到的图像进行预处理，包括去除噪声、图像增强等操作。

通过计算机视觉和机器学习算法对处理后的图像进行分析和识别，提取出植物的物候信息，如开花期、结果期等。

二、优势和应用基于物候相机的植物物候信息提取方法具有以下几个优势：可以实现对大规模区域的植物物候进行连续、自动化监测，提高了监测效率和数据的准确性。

可以实现对植物物候信息的长期持续监测，为相关研究提供了丰富的数据支持。

另外，基于物候相机的植物物候信息提取方法还可以实现对植物不同阶段生长发育特征的定量分析，为生态系统管理和气候变化等研究提供了重要的数据支持。

基于物候相机的植物物候信息提取方法在农业生产、生态环境监测、气候变化研究等领域具有重要的应用价值。

可以利用物候信息提取方法实现对农作物的生长发育过程进行监测和预测，为农业生产提供科学的种植建议。

另外，还可以利用该方法对生态系统的物候变化进行监测和分析，为生态环境管理和保护提供科学依据。

林业工程学报，２０２０，５（６）：１２８－１３６ＪｏｕｒｎａｌｏｆＦｏｒｅｓｔｒｙＥｎｇｉｎｅｅｒｉｎｇＤＯＩ：１０．１３３６０／ｊ．ｉｓｓｎ．２０９６－１３５９．２０１９１１００３收稿日期：２０１９－１１－０４㊀㊀㊀㊀修回日期：２０２０－０２－１８基金项目：江苏省自然科学基金（ＢＫ２０１６１５２３）；福建省林木种苗科技攻关六期项目（２０１９２０２１）；江苏省六大人才高峰项目（ＮＹ－０５８）；江苏省 青蓝 工程项目（苏教２０１８４２）；江苏省 ３３３工程 项目（苏人２０１８６）；江苏高校优势学科建设工程资助项目（ＰＡＰＤ）㊂作者简介：李杨先，男，研究方向为植物表型平台㊂通信作者：张慧春，女，教授㊂Ｅ⁃ｍａｉｌ：ｎｊｚｈａｎｇｈｃ＠ｈｏｔｍａｉｌ．ｃｏｍ一种基于图像处理技术的植物形态表型参数获取方法李杨先，张慧春∗，杨旸（南京林业大学机械电子工程学院，南京２１００３７）摘㊀要：传统人工测量仪器提取植物形态表型参数的方式存在效率低㊁误差大㊁适用性弱㊁破坏性强等缺陷，成为制约植物表型研究发展的瓶颈㊂将模式树种杨树的姊妹种簸箕柳（ＳａｌｉｘｓｕｃｈｏｗｅｎｓｉｓＣｈｅｎｇ）作为研究对象，设计了一套基于图像处理技术的植物形态表型参数获取系统，通过高分辨率ＲＧＢ相机获取植株的二维图像序列，基于ＨＳＶ模型阈值分割方法实现簸箕柳与背景环境的分割，结合运动中恢复结构算法生成三维点云，并利用棋盘格进行坐标系间的距离转换㊂使用本系统提取簸箕柳的株高㊁基径㊁叶片面积㊁分枝数和分枝角等表型参数并与传统人工接触式测量值相比较，平均绝对百分比误差分别为７．６９％，１３．９４％，９．９９％，５．３２％，９．３０％㊂结果表明，本研究设计的植物形态表型参数获取系统能够较好地重建植物三维点云，并可快速㊁准确提取植物的形态表型参数，能够实现无损测量，满足研究对象簸箕柳三维形态表型参数的测量和生长观测的需求，可为植物尤其是林木表型研究提供数据参考㊂关键词：簸箕柳；形态表型参数；图像处理；三维点云；无损测量中图分类号：Ｓ２３７；ＴＰ３９１．１㊀㊀㊀㊀文献标志码：Ａ㊀㊀㊀㊀开放科学（资源服务）标识码（ＯＳＩＤ）：文章编号：２０９６－１３５９（２０２０）０６－０１２８－０９ＡｍｅｔｈｏｄｆｏｒｏｂｔａｉｎｉｎｇｐｌａｎｔｍｏｒｐｈｏｌｏｇｉｃａｌｐｈｅｎｏｔｙｐｉｃｐａｒａｍｅｔｅｒｓｕｓｉｎｇｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｏｌｏｇｙＬＩＹａｎｇｘｉａｎ，ＺＨＡＮＧＨｕｉｃｈｕｎ∗，ＹＡＮＧＹａｎｇ（ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌａｎｄＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００３７，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｃｈｉｎａｉｓａｌａｒｇｅａｇｒｉｃｕｌｔｕｒｅａｎｄｆｏｒｅｓｔｒｙｃｏｕｎｔｒｙ．ＡｇｒｏｆｏｒｅｓｔｒｙｉｓｔｈｅｆｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ ｓｎａｔｉｏｎａｌｅｃｏｎｏｍｙ．Ｈｏｗｅｖｅｒ，ｗｉｔｈｔｈｅｃｏｎｔｉｎｕｏｕｓｃｈａｎｇｅｏｆｔｈｅｗｏｒｌｄｗｉｄｅｅｎｖｉｒｏｎｍｅｎｔ，ｔｈｅｇｌｏｂａｌｔｅｍｐｅｒａｔｕｒｅａｎｄｃａｒｂｏｎｄｉｏｘｉｄｅｃｏｎ⁃ｃｅｎｔｒａｔｉｏｎａｒｅｒｉｓｉｎｇ，ｔｈｅｄｅｇｒｅｅｏｆｌａｎｄｓａｌｉｎｉｚａｔｉｏｎｉｓｉｎｃｒｅａｓｉｎｇ，ａｎｄｐｌａｎｔｓｗｉｌｌｆａｃｅｍｏｒｅａｎｄｍｏｒｅｈａｒｓｈｌｉｖｉｎｇｅｎ⁃ｖｉｒｏｎｍｅｎｔ．Ｂｙｓｔｕｄｙｉｎｇｔｈｅｐｈｅｎｏｔｙｐｅｏｆｐｌａｎｔｓ，ｉｔｃａｎｂｅｕｎｄｅｒｓｔｏｏｄｔｈｅｐｈｙｓｉｃａｌ，ｐｈｙｓｉｏｌｏｇｉｃａｌａｎｄｂｉｏｃｈｅｍｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｔｒａｉｔｓｏｆｐｌａｎｔｓｐｒｏｄｕｃｅｄｂｙｔｈｅｉｎｔｅｒａｃｔｉｏｎｏｆｔｈｅｇｅｎｏｔｙｐｅｏｆｐｌａｎｔｓｗｉｔｈｔｈｅｅｎｖｉｒｏｎｍｅｎｔ．Ａｃｃｅｌｅｒａ⁃ｔｉｎｇｔｈｅｓｔｕｄｙｏｆｐｌａｎｔｐｈｅｎｏｔｙｐｅｃａｎｅｆｆｅｃｔｉｖｅｌｙｐｒｏｍｏｔｅｔｈｅｉｍｐｒｏｖｅｍｅｎｔｏｆｐｌａｎｔｖａｒｉｅｔｉｅｓ，ｍａｋｅｐｌａｎｔｓａｄａｐｔｔｏｔｈｅｃｈａｎｇｅｏｆｇｌｏｂａｌｅｎｖｉｒｏｎｍｅｎｔ，ａｎｄｔｈｕｓａｃｃｅｌｅｒａｔｅｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆａｇｒｉｃｕｌｔｕｒｅａｎｄｆｏｒｅｓｔｒｙｉｎＣｈｉｎａ．Ｔｈｅｔｒａｄｉｔｉｏｎａｌｍｅｔｈｏｄｏｆｅｘｔｒａｃｔｉｎｇｐｌａｎｔｍｏｒｐｈｏｌｏｇｉｃａｌｐｈｅｎｏｔｙｐｉｃｐａｒａｍｅｔｅｒｓｂｙｍａｎｕａｌｍｅａｓｕｒｉｎｇｉｎｓｔｒｕｍｅｎｔｓｈａｓｍａｎｙｄｒａｗ⁃ｂａｃｋｓ，ｓｕｃｈａｓｌｏｗｅｆｆｉｃｉｅｎｃｙ，ｌａｒｇｅｅｒｒｏｒ，ｗｅａｋａｐｐｌｉｃａｂｉｌｉｔｙａｎｄｓｔｒｏｎｇｄｅｓｔｒｕｃｔｉｖｅｎｅｓｓ，ｗｈｉｃｈｈａｓｂｅｃｏｍｅｔｈｅｂｏｔ⁃ｔｌｅｎｅｃｋｏｆｐｌａｎｔｐｈｅｎｏｔｙｐｉｃｒｅｓｅａｒｃｈ．Ｉｎｔｈｉｓｐａｐｅｒ，ＳａｌｉｘｓｕｃｈｏｗｅｎｓｉｓＣｈｅｎｇ，ａｓｉｓｔｅｒｓｐｅｃｉｅｓｏｆｔｈｅｍｏｄｅｌｔｒｅｅｐｏｐｌａｒ，ｗａｓｄｅｓｉｇｎｅｄａｓａｒｅｓｅａｒｃｈｏｂｊｅｃｔ，ａｎｄａｓｅｔｏｆｐｌａｎｔｍｏｒｐｈｏｌｏｇｉｃａｌｐｈｅｎｏｔｙｐｉｃｐａｒａｍｅｔｅｒｓａｃｑｕｉｓｉｔｉｏｎｓｙｓｔｅｍｂａｓｅｄｏｎｔｈｅｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｏｌｏｇｙｗａｓｄｅｓｉｇｎｅｄ．Ｔｈｅｔｗｏ⁃ｄｉｍｅｎｓｉｏｎａｌｉｍａｇｅｓｅｑｕｅｎｃｅｏｆｔｈｅｐｌａｎｔｗａｓｏｂｔａｉｎｅｄｂｙｔｈｅｈｉｇｈ⁃ｒｅｓｏｌｕｔｉｏｎＲＧＢｃａｍｅｒａ，ｔｈｅｔｈｒｅｓｈｏｌｄｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎＨＳＶｍｏｄｅｌｗａｓｕｓｅｄｔｏｓｅｇｍｅｎｔｔｈｅＳ．ｓｕ⁃ｃｈｏｗｅｎｓｉｓＣｈｅｎｇａｎｄｔｈｅｂａｃｋｇｒｏｕｎｄｅｎｖｉｒｏｎｍｅｎｔ，ａｎｄｔｈｅｔｈｒｅｅ⁃ｄｉｍｅｎｓｉｏｎａｌｐｏｉｎｔｃｌｏｕｄｗａｓｇｅｎｅｒａｔｅｄｂｙｃｏｍｂｉｎｉｎｇｔｈｅｓｔｒｕｃｔｕｒｅｆｒｏｍｔｈｅｍｏｔｉｏｎ（ＳＦＭ）ａｌｇｏｒｉｔｈｍ，ａｎｄｕｓｅｄｔｈｅｃｈｅｃｋｅｒｂｏａｒｄｔｏｐｅｒｆｏｒｍｄｉｓｔａｎｃｅｃｏｎｖｅｒｓｉｏｎｂｅｔｗｅｅｎｃｏｏｒｄｉｎａｔｅｓｙｓｔｅｍｓ．Ｐａｒａｍｅｔｅｒｓｓｕｃｈａｓｐｌａｎｔｈｅｉｇｈｔ，ｂａｓａｌｄｉａｍｅｔｅｒ，ｌｅａｆａｒｅａ，ｂｒａｎｃｈｎｕｍｂｅｒａｎｄｂｒａｎｃｈａｎｇｌｅｐｈｅ⁃ｎｏｔｙｐｅｏｆＳ．ｓｕｃｈｏｗｅｎｓｉｓＣｈｅｎｇｗｅｒｅｅｘｔｒａｃｔｅｄｂｙｔｈｉｓｓｙｓｔｅｍａｎｄｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｔｒａｄｉｔｉｏｎａｌｍａｎｕａｌｃｏｎｔａｃｔｍｅａｓ⁃ｕｒｅｍｅｎｔｖａｌｕｅｓ．Ｔｈｅａｖｅｒａｇｅａｂｓｏｌｕｔｅｐｅｒｃｅｎｔａｇｅｅｒｒｏｒｓｗｅｒｅ７．６９％，１３．９４％，９．９９％，５．３２％ａｎｄ９．３０％，ｒｅｓｐｅｃｔｉｖｅ⁃ｌｙ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｐｌａｎｔｍｏｒｐｈｏｌｏｇｉｃａｌｐａｒａｍｅｔｅｒａｃｑｕｉｓｉｔｉｏｎｓｙｓｔｅｍｃｏｕｌｄｒｅｃｏｎｓｔｒｕｃｔｔｈｅｔｈｒｅｅ⁃ｄｉｍｅｎ⁃ｓｉｏｎａｌｐｏｉｎｔｃｌｏｕｄｏｆｐｌａｎｔ，ａｎｄｈａｄｔｈｅａｂｉｌｉｔｙｔｏｅｘｔｒａｃｔｔｈｅｍｏｒｐｈｏｌｏｇｉｃａｌｐｈｅｎｏｔｙｐｉｃｐａｒａｍｅｔｅｒｓｏｆｐｌａｎｔｑｕｉｃｋｌｙａｎｄ㊀第６期李杨先，等：一种基于图像处理技术的植物形态表型参数获取方法ｐｒｅｃｉｓｅｌｙ．Ｍｅａｎｗｈｉｌｅ，ｔｈｅｓｙｓｔｅｍｃａｎａｃｈｉｅｖｅｎｏｎ⁃ｄｅｓｔｒｕｃｔｉｖｅｍｅａｓｕｒｅｍｅｎｔａｎｄｓａｔｉｓｆｙｔｈｅｄｅｍａｎｄｆｏｒｔｈｅｍｅａｓｕｒｅ⁃ｍｅｎｔｏｆｔｈｅｔｈｒｅｅ⁃ｄｉｍｅｎｓｉｏｎａｌｐｈｅｎｏｔｙｐｉｃｐａｒａｍｅｔｅｒｓｏｆＳ．ｓｕｃｈｏｗｅｎｓｉｓＣｈｅｎｇａｎｄｔｈｅｄｅｍａｎｄｆｏｒＳ．ｓｕｃｈｏｗｅｎｓｉｓＣｈｅｎｇｇｒｏｗｔｈｏｂｓｅｒｖａｔｉｏｎ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｅｓｙｓｔｅｍｃａｎｐｒｏｖｉｄｅｄａｔａｒｅｆｅｒｅｎｃｅｆｏｒｔｈｅｒｅｓｅａｒｃｈｏｎｐｌａｎｔｐｈｅｎｏｔｙｐｅｅｓｐｅ⁃ｃｉａｌｌｙｆｏｒｅｓｔｔｒｅｅｓ．Ｋｅｙｗｏｒｄｓ：ＳａｌｉｘｓｕｃｈｏｗｅｎｓｉｓＣｈｅｎｇ；ｍｏｒｐｈｏｌｏｇｉｃａｌｐｈｅｎｏｔｙｐｉｃｐａｒａｍｅｔｅｒ；ｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ；３Ｄｐｏｉｎｔｃｌｏｕｄ；ｎｏｎ⁃ｄｅｓｔｒｕｃｔｉｖｅｍｅａｓｕｒｅｍｅｎｔ㊀㊀植物表型是指能够反映植物结构和组成，或能反映植物生长发育过程和结果，由基因型与环境互作所产生的部分或全部可辨识植物物理㊁生理和生化特征及性状［１］㊂传统表型测量方法具有样本量小㊁效率低㊁误差大㊁适应性差等缺点，已成为制约植物表型发展的重要因素［２］㊂面对植物表型测量技术发展滞后的现状，基于生物㊁传感器㊁机器视觉技术以及高性能计算机的表型分析平台能够为植物表型的精确化和高效化测量铺平道路㊂目前，针对农作物的表型监测技术已得到了较好的发展㊂与农作物相比，林木较高大㊁多枝叶密㊁生长周期长㊁根系发达和株型较大等特点决定了对其进行表型采集和分析的难度较大㊂但从林木的经济价值及生态价值考虑，有必要通过研究林木的表型，培育出有利于提高经济价值和提升人类生存环境的树种，从而完善表型信息采集系统在植物领域的应用㊂倪超等［３］设计了一套基于多目立体视觉的非接触式马尾松苗木形态学参数提取系统，利用该系统提取了苗木的根系体积参数，为苗木质量的评价提供了更加精确的形态指标㊂束义平等［４］采用车载二维激光扫描仪获取树木的点云数据，并基于点云数据检测分割树冠㊁识别树干，实现了树冠体积的在线测量；同时，李秋洁等［５］实现了基于移动二维激光扫描的单木三维绿量测定，真实反映了树冠内部体积及空隙㊂南玉龙等［６］搭建了一套植物冠层超声回波信号检测系统，实现了植物冠层密度超声量化㊂张慧春等［７］设计了一套植物表型测量系统，利用该系统可以获取植物的三维形态特征并建立植物时序生长可视模型㊂林木的株高㊁基径和分枝数等表型参数能够直接反映林木的生长发育情况，而叶片面积和分枝角对光合作用的强弱具有直接影响，但是目前鲜见有关林木这方面形态表型参数的研究㊂簸箕柳（ＳａｌｉｘｓｕｃｈｏｗｅｎｓｉｓＣｈｅｎｇ）作为模式树种杨树的姊妹种，已完成全基因组测序，且个体相对较小㊁幼龄期相对较短［８－９］，易于开展大规模田间试验，非常适合作为林木表型研究的对象㊂本研究以簸箕柳为研究对象，设计了一种基于图像处理技术的植物形态表型参数获取系统，能够对形态表型参数进行快速㊁精确㊁非破坏性测量，与传统测量方法相比优势突出，为簸箕柳等林木的生长发育状况研究提供了更精确的形态性状指标㊂１㊀材料与方法１．１㊀试验材料选取簸箕柳为试验植株，剪取１５段直径（４ʃ０．２）ｍｍ㊁高（１２ʃ０．３）ｃｍ的簸箕柳枝条（亲本从江苏省新沂市采集）进行扦插式种植，基质选用南京林业大学林区有机土壤㊂过筛后装入规格相同的圆柱形黑色陶瓷花盆（口径１０ｃｍ㊁高１１．５ｃｍ）中㊂簸箕柳枝条扦插后，手动浇水至土壤饱和，并置于ＲＸＺ型人工气候箱（宁波江南制造厂）中培养㊂人工气候箱的环境参数设置为相对湿度８０％㊁温度２８ħ㊁光照强度２７８μｍｏｌ／（ｍ２㊃ｓ）㊁昼夜时间比为１６ʒ８㊂在此环境条件下，簸箕柳存活率高，生长速度较快，有利于试验的进行㊂１．２㊀图像采集平台设计与构建为获取植株二维图像序列，构建了一套植物形态表型图像采集平台（图１），该平台主要由密闭采集环境和光源㊁旋转平台和竖直移动平台㊁图像采集模块三部分组成㊂整个暗箱环境框架选用铝型材构建，高角度打光的ＬＥＤ光源［１０］和覆盖在框架上的黑色植绒布能够尽量减小拍照的噪音干扰㊂相机旋转平台和竖直移动平台㊁图像采集模块的三维示意图见图２ａ，旋转平台实现相机围绕簸箕柳进行圆周运动，从而获取簸箕柳的二维图像序列；竖直移动平台通过步进电机控制丝杠导轨改变相机在竖直方向上的高度（相机位置见图２ｂ，根据植株的高度不同取Ｈ＝４５ ７０ｃｍ㊁ｈ＝２０ ４０ｃｍ），在每个相机位置调节相机角度（相机轴线与丝杠导轨轴线的夹角为１５ʎ ７５ʎ），保证簸箕柳和标定板完全处于相机视野范围内，以获取２组不同高度下较为完整的图像信息；图像采集模块由高分辨率ＧＯ⁃５０００Ｃ⁃ＰＧＥ型ＲＧＢ相机和ＬＭ８ＨＣ型镜头组成㊂簸箕柳形态表型参数获取平台需要满足能够自动从２个高度位置获取簸箕柳形态信息且具有较高图像质量的要求，因此，本平台使用ＬａｂＶＩＥＷ２０１６软件设计了一个具有相机启９２１林业工程学报第５卷停㊁对焦显示窗口㊁图像自动存储㊁数量调整㊁拍摄时间间隔等功能的相机控制程序，图像采集控制界面程序如图３所示㊂本试验控制相机旋转一周的时间为１９５ｓ，每个相机高度拍摄３０张簸箕柳二维图像，共６０张㊂因此，控制相机每隔６．５ｓ拍摄一张簸箕柳图像㊂１．棋盘格标定板；２．暗箱框架；３．竖直移动导轨；４．ＲＧＢ相机；５．暗箱采集背景；６．ＬＥＤ光源；７．轨道板；８．步进电机；９．旋转圆台；１０．图像采集控制系统；１１．电机控制系统；１２．电机驱动系统㊂图１㊀簸箕柳形态表型图像采集平台Ｆｉｇ．１㊀ＭｏｒｐｈｏｌｏｇｉｃａｌｐｈｅｎｏｔｙｐｅｉｍａｇｅａｃｑｕｉｓｉｔｉｏｎｐｌａｔｆｏｒｍｏｆＳａｌｉｘｓｕｃｈｏｗｅｎｓｉｓＣｈｅｎｇ１．相机镜头；２．相机采集卡；３．角度调节装置；４．丝杠导轨滑块；５．丝杠导轨步进电机；６．滑轮；７．丝杠导轨；８．定滑轮；９．旋转台；１０．旋转台步进电机㊂图２㊀相机移动平台三维示意图Ｆｉｇ．２㊀Ｔｈｒｅｅ⁃ｄｉｍｅｎｓｉｏｎａｌｄｉａｇｒａｍｏｆｃａｍｅｒａｍｏｖｉｎｇｐｌａｔｆｏｒｍ１．图像路径存储；２．图像命名；３．相机选择；４．拍摄间隔设置；５．拍摄张数设置；６．时间显示；７．取消；８．显示窗口㊂图３㊀使用ＬａｂＶＩＥＷ设计的簸箕柳图像采集界面Ｆｉｇ．３㊀ＩｍａｇｅａｃｑｕｉｓｉｔｉｏｎｉｎｔｅｒｆａｃｅｏｆＳａｌｉｘｓｕｃｈｏｗｅｎｓｉｓＣｈｅｎｇｄｅｓｉｇｎｅｄｂｙＬａｂＶＩＥＷ０３１㊀第６期李杨先，等：一种基于图像处理技术的植物形态表型参数获取方法㊀㊀平台工作流程如下：首先基于图像采集平台进行标定板图像的采集，然后采用 张正友标定法 ［１１］基于ＭＡＴＬＡＢ软件对相机进行标定，得到相机的内外参数及畸变参数㊂相机标定完成后，将簸箕柳摆放在平台内相机拍摄圆周圆心处，通过中控计算机的相机控制系统设置拍摄图像数量㊁拍摄间隔时间㊁存储路径等参数㊂启动图像采集平台，由图像采集平台搭载相机围绕簸箕柳旋转，相机控制系统控制相机拍摄，通过平台获取２组不同高度的图像；基于相机标定得到的标定参数对平台采集的簸箕柳二维图像序列进行畸变纠正㊂畸变纠正后，基于ＨＳＶ（ｈｕｅ，ｓａｔｕｒａｔｉｏｎ，ｖａｌｕｅ）模型进行阈值分割，目的是将植物和标定板从图像中提取出来㊂使用ＳＦＭ（ｓｔｒｕｃｔｕｒｅｆｒｏｍｍｏｔｉｏｎ）算法对采集平台获取的二维图像序列重建出三维点云，在此基础上使用ＰＭＶＳ（ｐａｔｃｈ⁃ｂａｓｅｄｍｕｌｔｉｖｉｅｗｓｙｓｔｅｍ）算法重建出稠密三维点云㊂最后利用ＰＣＬ（ｐｏｉｎｔｃｌｏｕｄｌｉｂｒａｒｙ）点云库㊁ＭＡＴＬＡＢ软件等对生成的簸箕柳点云信息进行操作和计算，分别提取出簸箕柳株高㊁基径㊁叶面积㊁分枝数和分枝角参数㊂本平台可以稳定地获取簸箕柳二维图像，且图像质量清晰，符合平台的预期功能㊂平台获取的一幅细节图见图４㊂图４㊀平台获取的图像Ｆｉｇ．４㊀Ｉｍａｇｅａｃｑｕｉｒｅｄｂｙｔｈｅｐｌａｔｆｏｒｍ１．３㊀植株点云获取方法１．３．１㊀图像预处理图像预处理是为了将感兴趣的部分与背景等其他干扰像素分割，以此提高图像的匹配效率和后期的测量精度㊂由图４可知，所需保留的部分为簸箕柳和棋盘格标定板，花盆㊁泥土㊁背景幕布等信息为干扰因素㊂本研究使用ＨＳＶ颜色模型并结合ＯｐｅｎＣＶ库对图像进行分割［１２］㊂棋盘格标定板的作用为求解点云坐标系中距离与世界坐标系中真实距离的转换㊂使用ＨＳＶ模型分割首先要将图像转换为ＨＳＶ模型再进行分割操作，ＨＳＶ颜色模型中绿色的阈值区间为［３５，４３，４６］ ［７７，２５５，２５５］，白色的阈值区间为［０，０，２２１］ ［１８８，３０，２５５］㊂由于光照等因素的影响，簸箕柳和标定板不完全是标准色的阈值区间㊂试验结果表明，簸箕柳选取阈值区间［３０，１２０，１３０］ ［６０，１９０，２５５］，标定板选取阈值区间［０，０，１００］ ［９０，７０，２５５］得到的分割效果较好㊂基于ＨＳＶ颜色模型的分割效果见图５㊂由图５可知，基于ＨＳＶ的分割效果干扰信息少，簸箕柳信息保留完整㊂图５㊀阈值分割图像Ｆｉｇ．５㊀Ｔｈｒｅｓｈｏｌｄｓｅｇｍｅｎｔａｔｉｏｎｏｆｔｈｅｉｍａｇｅ图６㊀簸箕柳稀疏点云重建效果图Ｆｉｇ．６㊀ＲｅｂｕｉｌｄｉｎｇｅｆｆｅｃｔｍａｐｏｆｓｐａｒｓｅｐｏｉｎｔｃｌｏｕｄｏｆＳａｌｉｘｓｕｃｈｏｗｅｎｓｉｓＣｈｅｎｇ１．３．２㊀基于图像序列的植株三维点云获取与处理植株三维点云使用基于多视觉立体运动中恢复结构（ｓｔｒｕｃｔｕｒｅｆｒｏｍｍｏｔｉｏｎｗｉｔｈｍｕｌｔｉ⁃ｖｉｅｗｓｔｅｒｅｏ，ＳＦＭ⁃ＭＶＳ）的开源软件ＶｉｓｕａｌＳＦＭ生成㊂ＶｉｓｕａｌＳＦＭ封装了基于ＳＩＦＴ图像特征匹配㊁相机参数确定及稀疏点云重建等算法［１３］，通过导入２组不同视角的植株二维图像实现植株稀疏点云的重建㊂其中，每组图像数量分别为３０张，共６０张㊂２０１９年３月１９日采集的编号为１的簸箕柳稀疏点云重建效果图见图６，其中，虚线局部放大图表示每一张二维图像的拍摄位置和角度，即拍摄时相机所在位置㊂１３１林业工程学报第５卷利用ＳＦＭ重建得到的是稀疏三维点云，为获得更好的重建效果，需对目标重建出稠密三维点云㊂使用基于片面的三维多视角立体视觉算法（ｐａｔｃｈ⁃ｂａｓｅｄｍｕｌｔｉｖｉｅｗｓｙｓｔｅｍ，ＰＭＶＳ）生成的植株稠密点云效果见图７㊂从图７中可以看出，获得的簸箕柳三维稠密点云包含植株相应的纹理和颜色信息，表明此方法在簸箕柳形态构建上具有较好的效果，能够较真实反映植株形态㊂图７㊀生成的稠密点云效果图Ｆｉｇ．７㊀Ｇｅｎｅｒａｔｅｄｄｅｎｓｅｐｏｉｎｔｃｌｏｕｄｒｅｎｄｅｒｉｎｇｓ将生成的三维稠密点云进行滤波预处理以去除噪声点和离群点，获取较为平滑的稠密点云；之后利用标定板进行比例缩放，标定板中每个方格尺寸为５０ｍｍˑ５０ｍｍ，总体尺寸为１５０ｍｍˑ１５０ｍｍ㊂在世界坐标系中，原点Ｏ坐标为（０，０，０），标定板平面中心白方格右上角ｑ１点坐标为（０，５０，０），中心白方格左下角ｑ２点坐标为（５０，０，０），中心白方格右下角ｑ３点坐标为（５０，５０，０）㊂在生成的点云坐标系中，原点Ｑ在点云坐标系中的坐标为（ｘ，ｙ，ｚ），选取点ｐ１（ｘ１，ｙ１，ｚ１）㊁ｐ２（ｘ２，ｙ２，ｚ２）和ｐ３（ｘ３，ｙ３，ｚ３）㊂通过式（１）计算出坐标位置的缩放关系Ｋ，利用Ｋ即可进行点云坐标系中距离与世界坐标系中真实距离的转换㊂㊀Ｋ＝１３（ｐ１Ｑｑ１Ｏ＋ｐ２Ｑｑ２Ｏ＋ｐ３Ｑｑ３Ｏ）（１）２㊀簸箕柳表型三维形态参数提取为研究簸箕柳的生长发育和光合作用等情况，需要选择合理的形态参数用于分析，本研究选取了株高㊁基径㊁叶面积㊁分枝数和分枝角等表型形态参数进行测量㊂利用手工测量方式选取的基径㊁叶面积㊁分枝角测量点和测量部位如图８所示，其中，去除顶部第一个展开的叶片，从上至下选取３个叶片进行叶面积测量㊂图８㊀形态参数手工测量部位Ｆｉｇ．８㊀Ｍａｎｕａｌｍｅａｓｕｒｅｍｅｎｔｌｏｃａｔｉｏｎｏｆｍｏｒｐｈｏｌｏｇｉｃａｌｐａｒａｍｅｔｅｒｓ２．１㊀株高与基径参数提取植物株高的生长速度能够反映植物长势情况，杨柳科属植物的株高一般是指植株与土壤交接点到植株顶部叶片自然伸展至最高处的垂直高度㊂传统株高测量方式是使用直尺量取生长点到植株顶部竖直方向的距离，该方法属于接触式测量，容易对植物造成损伤［１４］㊂本研究中簸箕柳株高参数的提取方法如下：首先利用主成分分析法（ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ，ＰＣＡ）大致确定簸箕柳植株的主径方向（图９中箭头方向），然后基于此方向做簸箕柳植株的最小包围盒，包围盒高度即为簸箕柳株高㊂ＰＣＡ的实现方法如下：１）求取中心点㊂假设输入点集为Ｐ＝ｐｉ｜ｉ＝１，２， ，ｎ{}，点云中点的数量为ｎ，则点云中心点（ｐｍ）为：ｐｍ＝１ｎðｎｉ＝１ｐｉ（２）２）求特征协方差矩阵㊂通过式（２）求得的ｐｍ求取协方差３ˑ３矩阵Ｃｐ：Ｃｐ＝１ｎðｎｉ＝１（ｐｉ－ｐｍ）（ｐｉ－ｐｍ）Τ（３）３）求协方差矩阵的特征值和特征向量㊂由于Ｃｐ是对称实矩阵，可得到３个非负特征值λ０㊁λ１㊁λ２，从而计算出相应的特征向量ｅ０㊁ｅ１和ｅ２：Ｃｐｅｉ＝λｉｅｉ，ｉɪ０，１，２{}（４）其中，ｅ０代表点云中最密集方向（植株主径方向）㊂图９㊀植株高度最小包围盒Ｆｉｇ．９㊀Ｍｉｎｉｍｕｍｂｏｕｎｄｉｎｇｂｏｘｏｆｐｌａｎｔｈｅｉｇｈｔ２３１㊀第６期李杨先，等：一种基于图像处理技术的植物形态表型参数获取方法通过人工获取的株高参数记录了１５株簸箕柳快速生长期内株高的变化，采集时间为２０１９年２月２０日至２０１９年３月１６日，每隔６ｄ记录一组数据，记录５次共７５组数据㊂由簸箕柳形态表型参数获取平台提取的簸箕柳株高参数，分别选取３组数据的平均值作为一次测量结果，测量日期和间隔都与手工测量相同㊂平台提取基径的方法为：首先截取簸箕柳的生长枝条，通过确定簸箕柳生长点处基径边缘坐标（ｘ１，ｙ１，ｚ１）与水平方向上另一边缘处坐标（ｘ２，ｙ２，ｚ２），计算两点之间的欧式距离㊂通过手工测量的方法记录１５株簸箕柳快速生长期内基径的变化㊂由于扦插后第一周萌芽的枝条较短，基径较小，手工测量和平台都不易提取基径参数，因此，选择簸箕柳扦插后的第二周开始测量，采集时间为２０１９年３月１日 ２５日，每隔６ｄ记录一组数据，记录５次共７５组数据㊂２．２㊀叶片面积提取叶片是植物进行光合作用合成有机物的重要器官，叶片面积大小直接决定了光合作用的强弱，对农作物产量具有重要影响［１５］㊂传统叶片面积测量方法有方格法㊁描形称质量法和仪器测定法等［１６］，本试验中手工测量数据使用ＹＭＪ⁃Ｄ型叶面积仪（浙江托普云农科技股份有限公司）测量获得㊂由于ＳＦＭ⁃ＭＶＳ算法生成点云的规则特征和植株的形态差异，获取的点云数据通常分布不均且含有一定误差［１７］㊂本研究采用最小二乘法对叶片的原始点云数据进行处理，以获取较好的曲面拟合效果㊂最小二乘法是一种数学优化算法，即利用最小化误差的平方和寻找数据的最佳函数匹配［１８］㊂叶片拟合前后曲面重建的对比效果见图１０㊂图１０㊀叶片拟合前后效果对比Ｆｉｇ．１０㊀Ｃｏｍｐａｒｉｓｏｎｏｆｔｈｅｅｆｆｅｃｔｓｂｅｆｏｒｅａｎｄａｆｔｅｒｌｅａｆｆｉｔｔｉｎｇ㊀㊀计算叶片面积须将叶片点云剖分为三维三角形网格，所有三角剖分后三角形网格的面积之和即为叶片面积㊂由于分割出的各个叶片坐标系存在差异性，因此需要调整叶片点云，使之处于统一测量坐标系㊂定义的叶片标准测量坐标系以叶片的点云重心为坐标原点，Ｘ㊁Ｙ㊁Ｚ轴方向分别与叶片的长度㊁宽度㊁厚度方向一致，Ｘ㊁Ｙ㊁Ｚ轴的正方向符合右手法则㊂统一测量坐标系的目标是使叶片点云在空间中具有相同的朝向，利用主成分分析法调整叶片点云坐标系至本研究定义的标准测量坐标系，使叶片点云具有相同的朝向㊂叶片点云经过坐标转换和最小二乘法拟合后，利用Ｄｅｌａｕｎａｙ三角剖分算法（一种特殊的三角剖分算法，符合空圆特征和最大化最小角特征２个重３３１林业工程学报第５卷要准则）生成三角形网格，三角剖分后任一三角形的外接圆范围内不会有其他点存在［１９］㊂Ｄｅｌａｕｎａｙ三角剖分算法主要通过以下２个步骤完成：首先，将叶片点云投影到ＸＹ平面上，由于对叶片点云进行了坐标转换，因此点云投影到ＸＹ平面不会造成点的重合，对投影过的二维点进行Ｄｅｌａｕｎａｙ三角剖分；然后，根据投影前ｘ㊁ｙ对应的ｚ值将三角剖分后的三角形网格返回到三维坐标系中㊂上述２个步骤主要通过ＭＡＴＬＡＢ软件中的Ｄｅｌａｕｎａｙ和ｔｒｉｓｕｒｆ函数（用于创建三角剖分曲面图）完成㊂簸箕柳叶面积参数的测量时间选择为簸箕柳扦插后的第２周，此时簸箕柳叶片生长较好，也达到了叶面积测量仪所能测量的最小值㊂采集时间为２０１９年３月１日 ２５日，每隔６天记录一组数据，记录５次共７５组数据，其中，每组包含３片叶子的测量值㊂同时，使用叶面积测量仪记录了１５株簸箕柳快速生长期内叶面积的变化，每次测量去除顶部第１个展开的叶片，从上至下依次选取３个叶片㊂２．３㊀分枝数与分枝角提取簸箕柳分枝数是单株簸箕柳从主干上生长出的枝条数㊂簸箕柳的分枝方式为单轴分枝，主干单一且较为明显，簸箕柳分枝数等于自身叶片数量，每一个分枝上仅有１个叶片，因此提取簸箕柳分枝数即对簸箕柳叶片数进行提取㊂将背景㊁花盆与主干部分进行分割，只留下叶片部分，并利用分割后的叶片进行三维重建，对于主干分割不理想的情况则后期在点云中进行人为分割处理㊂在三维空间中，每一个叶片点云之间无交集，可将每个叶片点云看做一个点云团，且每个点云之间的距离小于叶片点云团之间的距离㊂因此，本研究采用基于欧式距离聚类分割的思想对点云团进行计数，并设定阈值，将噪点信息排除㊂由于簸箕柳前期分枝不明显，因此，选择扦插后第２周开始对１５株簸箕柳进行分枝数的测量，采集时间为２０１９年３月１日 １９日，每隔６天记录一组数据，记录４次共６０组数据㊂分枝角对树形结构的形成具有决定性作用，分枝角的大小对簸箕柳枝条间的生长和光照效果有一定影响［２０］㊂传统的分枝角测量方式为使用量角器测量主干与分枝之间的角度θ㊂本研究提取分枝角的方法为提取两个向量之间的夹角，在点云中选取主干上两点设置为向量ａ，分枝上选取两点设置为向量ｂ㊂分枝上选取的第１个点位于分枝与主干的交接处，第２个点与第１个点的连线应尽可能沿分枝初始伸长的切线方向，在保证上述选点的条件下，两点间的距离应尽可能远㊂利用式（５）求得分枝角θ：θ＝ａｒｃｃｏｓａ㊃ｂａ㊃ｂ（５）簸箕柳顶部分枝角基本呈锐角，底部分枝角基本呈钝角，因此，分别提取顶部和底部两部分的分枝角进行测量㊂顶部分枝角的选择为去除顶部３个分枝后的第１个分枝，底部分枝角的选择为去除底部３个分枝后的第１个分枝㊂选择扦插后第３周开始对１５株簸箕柳进行分枝数的测量，采集时间为２０１９年３月７日 １９日，每隔６天记录一组数据，记录３次共４５组数据㊂２．４㊀试验数据对比簸箕柳形态表型参数提取值与人工测量值的比较如图１１所示㊂簸箕柳形态表型参数提取效果通过使用形态表型参数提取的结果误差来评价，估计误差由决定系数（Ｒ２）㊁误差均方根（ＲＭＳＥ）和平均绝对百分比误差（ＭＡＰＥ）衡量㊂本系统提取的簸箕柳各表型参数与人工测量值的吻合程度较好，能够较真实地反应簸箕柳的形态属性㊂株高㊁基径㊁叶片面积㊁分枝数以及分枝角的人工测量值与本系统测量值的ＲＭＳＥ分别为８．９１ｍｍ㊁０．５４ｍｍ㊁６３．６５ｍｍ２㊁１．３６和５．８１ʎ；ＭＡＰＥ分别为７．６９％，１３．９４％，９．９９％，５．３２％和９．３０％㊂由图１１ａ可知，与人工测量值相比，该系统提取的株高整体偏高，结合系统获取株高的方法进行分析可知，系统获取的株高值普遍高于人工测量值的原因在于所生成的簸箕柳三维点云数据受到噪点的影响，在植株顶端存在噪点干扰，导致生成的包围盒产生了一定误差；簸箕柳生长点处一般会萌发新叶片，生长点处会出现叶片遮挡情况，使生长点处点云重建效果不理想，影响包围盒的大小㊂由图１１ｂ可知，系统基径测量值普遍大于人工测量值，且误差随着基径的增大逐渐减小㊂结合试验分析，由平台获取的基径测量值平均绝对百分比误差较大，主要是因为簸箕柳基径尺寸较小，一般为２ ７ｍｍ㊂系统基径测量误差来源主要是基径选取点与人工选取点存在一定的偏差，此外，基径选取点的偏离也是导致误差产生的主要原因，而基径边缘噪点的干扰也会导致测量值普遍大于人工测量值㊂由图１１ｃ可知，与人工测量值相比，该系统提取的叶片面积值整体偏低㊂簸箕柳的叶片表面有褶皱结构，利用ＳＦＭ和ＣＭＶＳ算法生成的植株三维点云不能很好地体现这些细节，且通过最小二乘４３１㊀第６期李杨先，等：一种基于图像处理技术的植物形态表型参数获取方法图１１㊀形态表型参数测量准确性评价Ｆｉｇ．１１㊀Ａｃｃｕｒａｃｙｅｖａｌｕａｔｉｏｎｏｆｍｅａｓｕｒｅｍｅｎｔｓｏｆｍｏｒｐｈｏｌｏｇｉｃａｌｐｈｅｎｏｔｙｐｅｐａｒａｍｅｔｅｒｓ法进行拟合会平滑叶片点云，导致叶片面积的计算值偏小㊂由图１１ｄ可知，系统测量分枝数与人工测量分枝数大多重合或较为接近，对于分枝数较少的阶段有部分数据偏低，分枝数较多的阶段有部分数据偏高㊂经过对产生误差的数据分析可知，产生误差的主要原因在于图像的分割质量㊂虽然该方法对图像边缘要求较低，但图像内部不能存在缺失部分，如果存在缺失部分就会导致生成的点云之间存在较大间隙，叶片数会增大，从而导致分枝数增加㊂而在分枝数较少时，主要也是因为叶片存在重叠导致分割效果不理想，使叶片无法区分，叶片数减少，导致分枝数也减少㊂由图１１ｅ可知，系统测量得到的分枝角基本都比人工测量得到的分枝角大㊂结合实际试验对此结果进行分析可知，测量误差主要来源于主干向量与分枝向量的选取，对于点云重建效果不理想的分枝部位进行向量选取时会产生相对较大的误差；同时，对于分枝较细的部位也会产生较大误差，分枝较细时，线段的选取不够准确㊂３㊀结㊀论本研究提出了一种基于图像处理技术的植物形态表型参数获取方法，以模式树种杨树的姊妹种簸箕柳作为研究对象，设计了一套基于ＲＧＢ相机传感器的形态表型参数获取平台，结合二维图像恢复物体几何外形的方法无损提取了簸箕柳的株高㊁基径㊁叶片面积㊁分枝数和分枝角表型参数㊂结果表明：１）通过对相机高度的调节获取２组不同高度的图像序列，补充一部分被遮挡部分的信息，能够在一定程度上减少叶片等器官相互遮挡带来的影响，提高生成的植株点云数据的精度㊂２）基于ＨＳＶ阈值分割的方法能够较好地将目标植物与干扰背景进行分割，簸箕柳自身信息保留较为完整，有利于提高特征匹配速度和形态表型参数的提取㊂３）基于二维图像恢复物体几何外形的方法可以较精确获得植株点云数据，提取的株高㊁基径㊁叶面积㊁分枝数和分枝角参数除基径外平均绝对百分比误差均在１０％以内㊂基径由于数值较小，因此误差相对偏大，但能够满足植株实际测量和生长观测的需求，同时，经过预处理后三维点云的生成速率比使用原图像提高２０％左右㊂本研究中基于图像处理技术的植物形态表型参数获取方法适用于林木表型信息测量，为林木生长监测㊁育种改良等提供了一种新的表型测量方法，今后将探讨该方法用于杨树等其他林木性状参数测量的可行性，为植物表型性状提取与测量提供新的技术手段㊂本研究设计的植物形态表型参数获取平台在自动化程度和参数提取效率上仍有提高的空间，在植株器官分割上未能实现自动分割㊂因此，提高平台的自动化程度和采集数据的多源性能够实现大规模的植物形态表型参数提取，为植物学提供有力的研究平台㊂参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：［１］潘映红．论植物表型组和植物表型组学的概念与范畴［Ｊ］．作５３１。

植物图像处理技术在植物分类中的应用研究植物分类是生物学领域中一项重要的研究工作，它的首要任务是建立植物分类系统，并对已知和未知植物进行分类鉴定。

在传统的植物分类中，主要依据各植物的形态特征进行分类。

而近年来随着计算机技术的发展，利用图像处理技术辅助植物分类工作逐渐成为一种新的研究方向。

本文将探索植物图像处理技术在植物分类中的应用研究。

一、植物图像处理技术的基本概念植物图像处理技术是指将植物的图像进行数字化处理，以便为植物的形态特征提取和分析提供依据的技术。

该技术包括：数字图像获取、图像预处理与增强、特征提取与分类等。

数字图像获取：数字图像获取是指使用相机、扫描仪或其他设备将植物样品的图像进行数字化获取的过程。

图像的分辨率和色彩深度等对后续处理产生影响，因此必须适当选择设备参数以获取高质量的数字图像。

图像预处理与增强：图像预处理与增强是指对图像进行去噪、平滑、锐化、增强等操作，以改善图像质量、减少噪声和提高图像细节信息的清晰度等。

特征提取与分类：特征提取是指从图像中提取植物的形态特征，如叶子的形状、纹理等等。

特征分类是基于提取的特征进行分类和识别的过程。

通过提取植物的特征，可以对其进行分类和识别。

二、植物图像处理技术在植物分类中的应用图像处理技术有助于解决传统植物分类学中的一些问题。

例如，传统上对植物形态特征的描述困难且主观性较强，而图像处理可以将图像信息转换为客观的数字特征和指标，进而用于分类分析。

此外，对于异质性较大的物种，传统分类方法的效果往往较差，而图像处理可以对其进行形态分析和统计学处理，提高分类准确度。

因此，植物图像处理技术在植物分类中具有广阔的应用前景。

1. 叶片形态分类叶片形态分类是植物分类学中的基础研究，它是通过对植物叶片形态学特征的分析来区分不同植物种类。

而图像处理技术能够探索叶片的形态、表面形态等特征，根据特征提取和分类技术对其形态特征进行分析。

例如，在植物分类系统中，形态特征是常用的分类方式之一，因此通过植物图像处理技术，可以进一步提高植物分类系统的准确度和可靠性。