农业是国民经济的基础,提高农业生产效率和农业自动化生产程度是农业现代化的根本途径,计算机视觉技术可以对农业现代化的发展起到积极的促进作用。本系统运用计算机视觉和图像处理技术摄取作物生长发育不同阶段的图像,在计算机中进行各种处理和测量,最终获取作物的形态信息和数据,显示于计算机屏幕并存储于多媒体数据库中。在此系统中,将作物(目标)从照片中提取出来是一个关键的问题,也是一个典型的图像分割问题。 由于作物图像为彩色照片,因此考虑利用彩色图像分割技术进行图像分割。针对典型的作物图像,分析了3组典型的用于彩色图像分割的彩色模型共9个特征量。这三组彩色模型分别为:HSI模型、HSV模型和I1I2I3模型。实验结果表明,特征量H(HSV)对于作物图像有较好的分割效果。 根据这一实验结果,利用特征量H(HSV)进行图像分割,但通过实验发现利用该特征量分割后,在叶片前端较细处未能正确分割。为了解决这一问题,又实验了两种分割算法。为了验证这3个算法的有效性并比较它们的分割效果,设计了一个分割算法的评价实验。算法评价实验的结果表明,3个算法中采用二维阈值的方法具有最好的分割稳定性和执行效率,最适用于该农作物测量系统。 在系统中实现了这个算法,实际应用表明二维阈值的分割方法较好的解决了作物图像的分割问题。 此外,由于该测量系统还保存作物的颜色信息,所以在进行颜色测量前,需要对数码照片进行颜色校正。对室外拍摄的照片进行分析,太阳光的光谱变化是导致偏色的主要原因,因此,针对不同时刻阳光造成的偏色,试验了4种颜色校正算法,试验结果表明,基于灰块标定物的曲线法具有最好的校正效果。该农作物测量系统将采用此算法校正偏色照片。