玉米种子图像形态特征的提取

玉米种子图像形态特征的提取

郑敏江，黄晓放

武汉理工大学信息工程学院, 武汉 （430070）

E-mail ：

摘 要：玉米种子的周长、面积、圆形度、矩形度、伸长度五项形态特征参数对玉米种子的质量分级有着决定性的作用。本文介绍了利用玉米种子的二值图像对这五项形态特征参数进行了提取，并且详细地介绍了基于8连通链码的二值图像轮廓跟踪的玉米种子周长算法，此种算法能更为准确地计算图像的周长。这些特征参数的提取为以后玉米种子的分级作了充分的前期工作。

关键词：周长，面积，圆形度，矩形度，伸长度

1 引言

玉米种子质量评定体系主要从玉米种子的外形、色泽、净度等方面进行综合评价。目前，在粮食生产与经营过程中，粮食的一些检测方法，还停留在全手工阶段，依靠肉眼进行识别。这种方法人为因素很大，由于个人对标准的理解程度不同，对玉米种子等级的评定就缺乏稳定性，科学性不强。而计算机图像处理在进行大批量的产品质量检测、分级，克服了个人生理和心理因素的影响，能够收到快速、准确、无损等人工无法比拟的效果，而且可以把人从繁重的体力劳动中解放出来[1]。计算机图像处理的种子检测顾名思义就是计算机系统通过对种子图像的采集、分析、对比和判别，将种子在长度、宽度、颜色、纹理、形状等外观特征上的差别进行量化、比较和判断，模拟人眼的分选过程。而形态特征是指在提取种子特征时经常用到的一些与玉米种子形态相关的特征参数，有时通过这些特征参数可以得到玉米种子的其他特征。本文介绍了利用计算机图像处理技术对玉米种子的周长、面积、圆形度、矩形度、伸长度五项形态特征参数的提取，为后继的玉米种子进行快速准确的识别和分级奠定了基础。

2 玉米种子图像的获取

先将玉米种子均匀地撒在一块黑布上，用数码摄像机对玉米种子进行拍摄，再将玉米种子图片存入计算机。因玉米种子为黄白色，经对比，背景选用黑色，且光源不能用电光源，拍摄出来的图像效果更便于处理。原始图像如图1所示。

3 玉米种子图像的预处理

数学形态学的语言和理论经常表现为一幅二值图像的二重视图，因此要将原始图像变换为二值图像。一幅二值图像，是假设每个像素取两个离散值中的一个，是一个取值只有0和1 的逻辑数组，这两个值对应于on和off，形态学理论把二值图像看成是其前景像素的集合（1值），集合的元素属于Z2[3]，经变换的二值图像如图2所示。这样变换是完成了将图像转换成可用于计算机处理的数据，从而使图像有以下两个作用：（1）可以用其外部特性来表示区域（如它的边界）；（2）可以用其内部特性来表示区域（如组成区域的像素）。以下的形态特征参数的提取就是利用以上这两个表示方法来实现的。周长的提取所关注的焦点集中于形状特性上，选择外部表示法。面积的提取所关注的焦点集中于内部性质，选择内部表示法。

图1 原图

图2 二值图像

4 形态特征提取

由于种子的品质主要从大小、饱满度、健康度、破损率和含杂率来衡量。而种子的大小反映在二维图像上即为种子图像的面积[4]，所以可利用面积这一特征将健康的种子和破损的种子区分开来；周长在识别具有简单形状或复杂形状物体时特别有用[2]，可以将种子和它其中所含的杂物（土块、石块、叶片等）区分开来；圆形度与边界复杂性有关系，一般破损的种子由于边界受到破坏，轮廓形状一般比较复杂[5]，可以配合面积更进一步地区分标准种子和破损种子；矩形度可以用来衡量种子的饱和度，如果是相同品种的种子，其矩形度的变化不大，即数值较稳定，可以用于区分种子的品种[4]；伸长度区分了细长的种子与圆形或方形种子[2]，进一步为品种区分提供了参数保证。

在得到了质量较好的玉米种子二值图像后，下面就二值图像中的10粒玉米种子进行周长、面积、圆形度、矩形度、伸长度五项形态特征参数的提取，这五项参数的计算都是运用MATLAB语言编程实现的。其中，玉米种子的面积、周长是对种子的二值图像进行分析计算得到的，都通过对图像像素点操作完成的，所以面积、周长的提取就要求摄像机的分辨率、焦距、物距、相距的稳定性，而圆形度、矩形度、伸长度相对而言就具有图像平移、旋转、缩放不变性的好处，因此它们也被称为不变矩特征。总而言之，这五个特征参数的研究对进一步进行玉米种子的品质鉴定具有决定性的意义。其中，为提高计算的精确度，在下文中采用了并详细介绍了基于8连通链码的二值图像轮廓跟踪的周长算法。

4.1 面积（Area）特征提取

玉米种子面积描述了玉米种子轮廓区域的大小，即图像中所有属于玉米种子的像素点个数，用“A”表示。面积A可通过对属于目标区域的像素个数进行统计达到。对图像上的一

设正方形像素的边长为单位1，则该种子面积A可通过对属于该区域的个种子区域Q来说，

像素个数进行统计求和得到[2]，如公式4.1所示：

A=

(x,y)∈Q∑1 (4.1)

式中：Q——每个玉米种子轮廓区域。

4.2 周长（Perimeter）特征提取

周长定义为包围物体而不含于物体的边界长度。物体的周长在识别具有简单形状或复杂形状物体时特别有用，形状简单物体用相对较短的周长来包围它所占有的面积[2]。

周长即是指玉米种子区域的轮廓长度，用“L”表示。

链码用于表示由顺次连接的具有指定长度和方向的直线段组成的边界线[3]。轮廓周长分为4连通链码（如图3（a）所示）周长和8连通链码（如图3（b）所示）周长，每一段的方向使用数字编号方法进行编码。由于8连通链码周长还计算了对角线方向的像素长度，更接近于轮廓的实际周长，为减少误差，所以在本文中选用了8连通链码周长，并在下面的内容中详细介绍了它的算法。设正方形像素边长为单位1，种子轮廓跟踪可以将每个轮廓的奇数链码个数和偶数链码个数求出，

倍加上偶数链码个数即可求得各个玉米种子轮廓的周长，公式如4.2所示：

L=sqrt(2)*Nd+NX+NY (4.2)

式中：Nd——奇数链码个数。

NX+NY——偶数链码个数。

NX——水平方向的像素数目。

NY——垂直方向的像素数目。

图3 4连通链码周长和8连通链码

基于8连通链码的二值图像的周长算法：

（1）首先计算二值图像的大小，检测图像边缘进行轮廓跟踪，得到玉米种子的4连通边界。

（2）从图像的左上角开始对像素点逐行扫描，判断是否为垂直方向连续周长像素点NY，如果是，就NY=NY+1，记录垂直方向上连续周长像素点的个数。

（3）从图像的左上角开始对像素点逐行扫描，判断是否为水平方向连续周长像素点NX，如果是，就NX=NX+1，记录水平方向上连续周长像素点的个数。

（4）计算4连通边界周长像素点的总数SN，再计算Nd=SN−NX−NY，得到的为8连通链码的奇数码的链码数目Nd。

（5）最后计算8连通链码的玉米种子的周长：L=sqrt(2)*Nd+NX+NY。

4.3 圆形度（Circular）特征提取

圆形度参数是反映玉米种子形状的参数，通过面积和周长确定，用“C”表示。圆形度参数能很好的表现轮廓的形状特征，并且无量钢、对轮廓大小和轮廓的摆放角度不敏感，所以圆形度参数作为描述玉米种子特征的一个重要参数。圆形度参数可由种子的周长和面积得到，形状参数为1的轮廓（圆），其边界上任一点曲率相等。即这个特征对圆形目标取最小值1，越复杂的形状取值越大。圆形度与边界复杂性有着粗略的关系[2]。圆形度参数

计算公式见公式4.3：

C=L2/4πA (4.3)

式中：A——每个玉米种子面积。

L——每个玉米种子周长。

4.4 矩形度（Rectangularity）特征提取

矩形度是指玉米种子轮廓的面积与玉米轮廓的高度和宽度的乘积之比，用“R”表示。矩形度参数计算公式如4.4所示：

R=A/(H*W) (4.4)

式中：A——每个玉米种子面积。

H——每个玉米种子高度。

W——每个玉米种子宽度。

4.5 伸长度（elongation）特征提取

伸长度也称偏心率（Eccentricity），是指玉米种子短轴与长轴的比值，用“E”表示。这一参数可以把细长的目标与圆形或方形目标区分开来[2]，伸长度参数计算公式如4.5所示：

E=min(H,W)/max(H,W) (4.5)

式中：H——每个玉米种子高度。

W——每个玉米种子宽度。

利用上述形态特征提取计算公式，得出的图中十粒玉米种子的形态特征参数，如下表1所示：

表1 玉米种子形态特征参数 特

征 均值

1 10229478.341.73800.78730.9655112291.72240.73650.9603104161.95880.72950.[1**********]3 476 488.7A L 493 506.34

5 结束语

本文介绍了利用计算机图像处理技术对玉米种子进行了周长、面积、圆形度、矩形度、伸长度五项形态特征参数的提取，为玉米种子其它特征参数的提取奠定了基石，同时也为玉米种子等级的评定作了前期准备工作。根据以上五项形态特征参数的算法可得到大量玉米种子的样本信息，以便建立玉米种子形态特征的样本数据库，从而为以后玉米种子的质量检验提供了十分准确而有效的数据保证。

http://www.paper.edu.cn 参考文献

[1] 周红，刘光蓉，管庶安.数字图像处理技术在玉米种子轮廓检测中的应用.种子［J］，2004，9：.90—92.

[2] 陆玲，陈国明，戴扬. 水下结构物表面缺陷的自动检测与识

别.http://www.chinamca.com/uploadFile/[**************].doc.2006,3.

[3] (美)冈萨雷斯等.数字图像处理（MATLAB版）.阮秋琦等译.北京：电子工业出版社，2005.

[4] 王瑶.种子分类与检验的图像分割与识别.吉林大学硕士学位论文，2005.

[5] 凌云. 基于机器视觉的谷物外观品质检测技术研究.中国农业大学博士学位论文，2004.

The image of maize seeds’ modal characteristics extraction

Zheng Minjiang1，Huang Xiaofang2

Department of Information engineering Wuhan University of Technology, wuhan (430070)

Abstract

Corn seeds’ perimeter, area, circular, rectangularity, and elongation——these five modal characteristic parameters have a decisive role on maize seeds’ quality classification. This paper describes that using the binary image of maize seeds extracts these five modal characteristic parameters, and detailedly introduces that maize seeds’ perimeter algorithm bases on connective chain code 8, tracking contour of the binary image, and such algorithm can calculate the image’s perimeter more accurately. All of these parameters’ extraction makes preparation for the grading of maize seeds.

Keywords: perimeter，area，circular，rectangularity，elongation

玉米种子图像形态特征的提取

郑敏江，黄晓放

武汉理工大学信息工程学院, 武汉 （430070）

E-mail ：

摘 要：玉米种子的周长、面积、圆形度、矩形度、伸长度五项形态特征参数对玉米种子的质量分级有着决定性的作用。本文介绍了利用玉米种子的二值图像对这五项形态特征参数进行了提取，并且详细地介绍了基于8连通链码的二值图像轮廓跟踪的玉米种子周长算法，此种算法能更为准确地计算图像的周长。这些特征参数的提取为以后玉米种子的分级作了充分的前期工作。

关键词：周长，面积，圆形度，矩形度，伸长度

1 引言

玉米种子质量评定体系主要从玉米种子的外形、色泽、净度等方面进行综合评价。目前，在粮食生产与经营过程中，粮食的一些检测方法，还停留在全手工阶段，依靠肉眼进行识别。这种方法人为因素很大，由于个人对标准的理解程度不同，对玉米种子等级的评定就缺乏稳定性，科学性不强。而计算机图像处理在进行大批量的产品质量检测、分级，克服了个人生理和心理因素的影响，能够收到快速、准确、无损等人工无法比拟的效果，而且可以把人从繁重的体力劳动中解放出来[1]。计算机图像处理的种子检测顾名思义就是计算机系统通过对种子图像的采集、分析、对比和判别，将种子在长度、宽度、颜色、纹理、形状等外观特征上的差别进行量化、比较和判断，模拟人眼的分选过程。而形态特征是指在提取种子特征时经常用到的一些与玉米种子形态相关的特征参数，有时通过这些特征参数可以得到玉米种子的其他特征。本文介绍了利用计算机图像处理技术对玉米种子的周长、面积、圆形度、矩形度、伸长度五项形态特征参数的提取，为后继的玉米种子进行快速准确的识别和分级奠定了基础。

2 玉米种子图像的获取

先将玉米种子均匀地撒在一块黑布上，用数码摄像机对玉米种子进行拍摄，再将玉米种子图片存入计算机。因玉米种子为黄白色，经对比，背景选用黑色，且光源不能用电光源，拍摄出来的图像效果更便于处理。原始图像如图1所示。

3 玉米种子图像的预处理

数学形态学的语言和理论经常表现为一幅二值图像的二重视图，因此要将原始图像变换为二值图像。一幅二值图像，是假设每个像素取两个离散值中的一个，是一个取值只有0和1 的逻辑数组，这两个值对应于on和off，形态学理论把二值图像看成是其前景像素的集合（1值），集合的元素属于Z2[3]，经变换的二值图像如图2所示。这样变换是完成了将图像转换成可用于计算机处理的数据，从而使图像有以下两个作用：（1）可以用其外部特性来表示区域（如它的边界）；（2）可以用其内部特性来表示区域（如组成区域的像素）。以下的形态特征参数的提取就是利用以上这两个表示方法来实现的。周长的提取所关注的焦点集中于形状特性上，选择外部表示法。面积的提取所关注的焦点集中于内部性质，选择内部表示法。

图1 原图

图2 二值图像

4 形态特征提取

由于种子的品质主要从大小、饱满度、健康度、破损率和含杂率来衡量。而种子的大小反映在二维图像上即为种子图像的面积[4]，所以可利用面积这一特征将健康的种子和破损的种子区分开来；周长在识别具有简单形状或复杂形状物体时特别有用[2]，可以将种子和它其中所含的杂物（土块、石块、叶片等）区分开来；圆形度与边界复杂性有关系，一般破损的种子由于边界受到破坏，轮廓形状一般比较复杂[5]，可以配合面积更进一步地区分标准种子和破损种子；矩形度可以用来衡量种子的饱和度，如果是相同品种的种子，其矩形度的变化不大，即数值较稳定，可以用于区分种子的品种[4]；伸长度区分了细长的种子与圆形或方形种子[2]，进一步为品种区分提供了参数保证。

在得到了质量较好的玉米种子二值图像后，下面就二值图像中的10粒玉米种子进行周长、面积、圆形度、矩形度、伸长度五项形态特征参数的提取，这五项参数的计算都是运用MATLAB语言编程实现的。其中，玉米种子的面积、周长是对种子的二值图像进行分析计算得到的，都通过对图像像素点操作完成的，所以面积、周长的提取就要求摄像机的分辨率、焦距、物距、相距的稳定性，而圆形度、矩形度、伸长度相对而言就具有图像平移、旋转、缩放不变性的好处，因此它们也被称为不变矩特征。总而言之，这五个特征参数的研究对进一步进行玉米种子的品质鉴定具有决定性的意义。其中，为提高计算的精确度，在下文中采用了并详细介绍了基于8连通链码的二值图像轮廓跟踪的周长算法。

4.1 面积（Area）特征提取

玉米种子面积描述了玉米种子轮廓区域的大小，即图像中所有属于玉米种子的像素点个数，用“A”表示。面积A可通过对属于目标区域的像素个数进行统计达到。对图像上的一

设正方形像素的边长为单位1，则该种子面积A可通过对属于该区域的个种子区域Q来说，

像素个数进行统计求和得到[2]，如公式4.1所示：

A=

(x,y)∈Q∑1 (4.1)

式中：Q——每个玉米种子轮廓区域。

4.2 周长（Perimeter）特征提取

周长定义为包围物体而不含于物体的边界长度。物体的周长在识别具有简单形状或复杂形状物体时特别有用，形状简单物体用相对较短的周长来包围它所占有的面积[2]。

周长即是指玉米种子区域的轮廓长度，用“L”表示。

链码用于表示由顺次连接的具有指定长度和方向的直线段组成的边界线[3]。轮廓周长分为4连通链码（如图3（a）所示）周长和8连通链码（如图3（b）所示）周长，每一段的方向使用数字编号方法进行编码。由于8连通链码周长还计算了对角线方向的像素长度，更接近于轮廓的实际周长，为减少误差，所以在本文中选用了8连通链码周长，并在下面的内容中详细介绍了它的算法。设正方形像素边长为单位1，种子轮廓跟踪可以将每个轮廓的奇数链码个数和偶数链码个数求出，

倍加上偶数链码个数即可求得各个玉米种子轮廓的周长，公式如4.2所示：

L=sqrt(2)*Nd+NX+NY (4.2)

式中：Nd——奇数链码个数。

NX+NY——偶数链码个数。

NX——水平方向的像素数目。

NY——垂直方向的像素数目。

图3 4连通链码周长和8连通链码

基于8连通链码的二值图像的周长算法：

（1）首先计算二值图像的大小，检测图像边缘进行轮廓跟踪，得到玉米种子的4连通边界。

（2）从图像的左上角开始对像素点逐行扫描，判断是否为垂直方向连续周长像素点NY，如果是，就NY=NY+1，记录垂直方向上连续周长像素点的个数。

（3）从图像的左上角开始对像素点逐行扫描，判断是否为水平方向连续周长像素点NX，如果是，就NX=NX+1，记录水平方向上连续周长像素点的个数。

（4）计算4连通边界周长像素点的总数SN，再计算Nd=SN−NX−NY，得到的为8连通链码的奇数码的链码数目Nd。

（5）最后计算8连通链码的玉米种子的周长：L=sqrt(2)*Nd+NX+NY。

4.3 圆形度（Circular）特征提取

圆形度参数是反映玉米种子形状的参数，通过面积和周长确定，用“C”表示。圆形度参数能很好的表现轮廓的形状特征，并且无量钢、对轮廓大小和轮廓的摆放角度不敏感，所以圆形度参数作为描述玉米种子特征的一个重要参数。圆形度参数可由种子的周长和面积得到，形状参数为1的轮廓（圆），其边界上任一点曲率相等。即这个特征对圆形目标取最小值1，越复杂的形状取值越大。圆形度与边界复杂性有着粗略的关系[2]。圆形度参数

计算公式见公式4.3：

C=L2/4πA (4.3)

式中：A——每个玉米种子面积。

L——每个玉米种子周长。

4.4 矩形度（Rectangularity）特征提取

矩形度是指玉米种子轮廓的面积与玉米轮廓的高度和宽度的乘积之比，用“R”表示。矩形度参数计算公式如4.4所示：

R=A/(H*W) (4.4)

式中：A——每个玉米种子面积。

H——每个玉米种子高度。

W——每个玉米种子宽度。

4.5 伸长度（elongation）特征提取

伸长度也称偏心率（Eccentricity），是指玉米种子短轴与长轴的比值，用“E”表示。这一参数可以把细长的目标与圆形或方形目标区分开来[2]，伸长度参数计算公式如4.5所示：

E=min(H,W)/max(H,W) (4.5)

式中：H——每个玉米种子高度。

W——每个玉米种子宽度。

利用上述形态特征提取计算公式，得出的图中十粒玉米种子的形态特征参数，如下表1所示：

表1 玉米种子形态特征参数 特

征 均值

1 10229478.341.73800.78730.9655112291.72240.73650.9603104161.95880.72950.[1**********]3 476 488.7A L 493 506.34

5 结束语

本文介绍了利用计算机图像处理技术对玉米种子进行了周长、面积、圆形度、矩形度、伸长度五项形态特征参数的提取，为玉米种子其它特征参数的提取奠定了基石，同时也为玉米种子等级的评定作了前期准备工作。根据以上五项形态特征参数的算法可得到大量玉米种子的样本信息，以便建立玉米种子形态特征的样本数据库，从而为以后玉米种子的质量检验提供了十分准确而有效的数据保证。

http://www.paper.edu.cn 参考文献

[1] 周红，刘光蓉，管庶安.数字图像处理技术在玉米种子轮廓检测中的应用.种子［J］，2004，9：.90—92.

[2] 陆玲，陈国明，戴扬. 水下结构物表面缺陷的自动检测与识

别.http://www.chinamca.com/uploadFile/[**************].doc.2006,3.

[3] (美)冈萨雷斯等.数字图像处理（MATLAB版）.阮秋琦等译.北京：电子工业出版社，2005.

[4] 王瑶.种子分类与检验的图像分割与识别.吉林大学硕士学位论文，2005.

[5] 凌云. 基于机器视觉的谷物外观品质检测技术研究.中国农业大学博士学位论文，2004.

The image of maize seeds’ modal characteristics extraction

Zheng Minjiang1，Huang Xiaofang2

Department of Information engineering Wuhan University of Technology, wuhan (430070)

Abstract

Corn seeds’ perimeter, area, circular, rectangularity, and elongation——these five modal characteristic parameters have a decisive role on maize seeds’ quality classification. This paper describes that using the binary image of maize seeds extracts these five modal characteristic parameters, and detailedly introduces that maize seeds’ perimeter algorithm bases on connective chain code 8, tracking contour of the binary image, and such algorithm can calculate the image’s perimeter more accurately. All of these parameters’ extraction makes preparation for the grading of maize seeds.

Keywords: perimeter，area，circular，rectangularity，elongation