李晚求

（深圳職業(yè)技術(shù)學(xué)院，廣東深圳，518000）

在社會(huì)科學(xué)技術(shù)快速發(fā)展背景下，計(jì)算機(jī)視覺技術(shù)得到進(jìn)步。計(jì)算機(jī)硬件設(shè)施、軟件不斷完善，并得到廣泛使用。在此背景下，在計(jì)算機(jī)視覺技術(shù)中也應(yīng)用不同軟件與硬件。在現(xiàn)今植物形態(tài)分析研究工作落實(shí)中，會(huì)使用計(jì)算機(jī)視覺技術(shù)。但是，通常情況下該項(xiàng)技術(shù)主要是應(yīng)用在植物地上部分相關(guān)檢測(cè)工作中，在植物根部中的應(yīng)用并沒有得到普及。植物根部是植物吸收營(yíng)養(yǎng)、吸收水分的主要器官，對(duì)于植物的生長(zhǎng)會(huì)產(chǎn)生直接影響?；诖?，要對(duì)植物根系形態(tài)以及構(gòu)型要有全面了解與認(rèn)識(shí)，從而為植物的生長(zhǎng)創(chuàng)造良好環(huán)境。在這一過程中，要對(duì)計(jì)算機(jī)視覺技術(shù)進(jìn)行合理應(yīng)用。

1 計(jì)算機(jī)視覺技術(shù)基本概述

計(jì)算機(jī)視覺技術(shù)又被人們稱為機(jī)器視覺，該項(xiàng)技術(shù)通常情況下會(huì)被應(yīng)用在，生物外顯模擬等工作中。使用計(jì)算機(jī)視覺技術(shù)處理的原始信息，大部分都是圖像形式，因此，計(jì)算機(jī)視覺技術(shù)與圖像處理、模式識(shí)別之間有著相應(yīng)聯(lián)系。計(jì)算機(jī)視覺技術(shù)屬于人類眼睛的延伸，同時(shí)要具備人類大腦功能，也是因?yàn)楸粡V泛應(yīng)用在生產(chǎn)領(lǐng)域、生活領(lǐng)域以及科研領(lǐng)域等不同領(lǐng)域中。特別是在需要使用視覺獲取信息的重復(fù)場(chǎng)合以及單調(diào)場(chǎng)合中，更能夠發(fā)揮自身的優(yōu)勢(shì)與價(jià)值[1]。比如，在大批量作物形態(tài)測(cè)量工作中、產(chǎn)品質(zhì)量檢驗(yàn)工作等，可以提升工作效率與工作質(zhì)量。

2 計(jì)算機(jī)視覺技術(shù)在根系形態(tài)和構(gòu)型分析中的應(yīng)用現(xiàn)狀

計(jì)算機(jī)視覺技術(shù)在根系形態(tài)以及構(gòu)型的應(yīng)用中，國(guó)外研究與發(fā)展要遠(yuǎn)超過國(guó)內(nèi)。在具體研究工作的開展中，會(huì)將研究重點(diǎn)集中在圖像處理以及植物形態(tài)建模兩方面中。正在平面圖像的處理分析中，主要是將靜態(tài)照片作為輸入數(shù)據(jù)，研發(fā)出針對(duì)植物測(cè)量、植物分析的系統(tǒng)，該系統(tǒng)在應(yīng)用中，可以對(duì)植物根與莖進(jìn)行虛擬。在工具開發(fā)中，也可以將自身優(yōu)勢(shì)與價(jià)值發(fā)揮出來(lái)，測(cè)量植物不同生長(zhǎng)時(shí)期狀態(tài)下，具體不同時(shí)間變化量展開相應(yīng)測(cè)量工作[2]。在植物非剛性運(yùn)行的表現(xiàn)中，往往是通過變形模板方式，這樣可以更好實(shí)現(xiàn)對(duì)植物的建模。2000年我國(guó)學(xué)者，創(chuàng)建出根系參數(shù)測(cè)量系統(tǒng)，主要是使用圖像技術(shù)，對(duì)植物長(zhǎng)度、總側(cè)面積根數(shù)以及根夾角參數(shù)進(jìn)行測(cè)量。要對(duì)邊緣點(diǎn)去除、內(nèi)點(diǎn)保留兩種方式有明確認(rèn)識(shí)，并將兩者的優(yōu)點(diǎn)進(jìn)行整合，在此背景下，新的串并行混合細(xì)化算法被提出與應(yīng)用。在平面圖像測(cè)量工作開展中，要對(duì)ccd攝像機(jī)進(jìn)行合理應(yīng)用。相較于手工方式而言，該系統(tǒng)的應(yīng)用，可以將不同參數(shù)的相對(duì)差異控制在最小范圍內(nèi)。WinRHIZO根系分析系統(tǒng)，是一個(gè)較為成熟的商業(yè)軟件，在社會(huì)市場(chǎng)中得到廣泛應(yīng)用。WinRHIZO根系分析系統(tǒng)通常情況下，會(huì)將其應(yīng)用在洗根后專業(yè)根系分析中，了解根系長(zhǎng)度、根系直徑以及面積等，能夠?yàn)楦敌螒B(tài)研究以及構(gòu)型研究打下良好基礎(chǔ)。

3 計(jì)算機(jī)視覺技術(shù)在根系形態(tài)和構(gòu)型分析中的應(yīng)用

■3.1 圖像分割技術(shù)的應(yīng)用

在計(jì)算機(jī)視覺技術(shù)中，圖像分割技術(shù)是其中的重要組成部分。圖像分割技術(shù)的主要工作是分割圖像中感興趣目標(biāo)區(qū)域與背景區(qū)域，圖像分割是所有圖像分析中的基本工作任務(wù)。在計(jì)算機(jī)視覺中圖像理解包括，目標(biāo)檢測(cè)、特征提取等不同內(nèi)容，此類工作的展開，都探需要圖像分割質(zhì)量提供保障?；诖?，在根系形態(tài)與構(gòu)型分析中，首先要做的工作就是圖像分割。在具體分割中，可以從以下幾點(diǎn)展開：

（1）閾值分割方式。圖像閾值分割方式，在根系形態(tài)與構(gòu)型分析中，屬于較為有效的分割技術(shù)。對(duì)于圖像閾值分割應(yīng)用原理要有正確認(rèn)識(shí)，其原理主要為：對(duì)圖像中所要提取目標(biāo)物與背景灰度特征差異進(jìn)行分析與掌握。并對(duì)其進(jìn)行合理應(yīng)用。在這一過程中，可以圖像應(yīng)用在不同灰度級(jí)目標(biāo)與背景組合中，在這一過程中，要對(duì)閾值進(jìn)行有效選取，從而使得圖像中的不同像素點(diǎn)得到明確，了解像素點(diǎn)是屬于目標(biāo)區(qū)域，還是屬于背景區(qū)域，從而形成二值圖像。圖像閾值分割方式，一般情況下會(huì)將其應(yīng)用在目標(biāo)與背景有較強(qiáng)對(duì)比圖像的分割中。目標(biāo)區(qū)域的像素為，灰度值大于小于某一閾值[3]。背景區(qū)域像素點(diǎn)為，灰度小于等于、大于等于閾值。在圖像二值化處理期間，對(duì)于閾值選擇要給予更多重視，為后續(xù)閾值分割打下良好基礎(chǔ)。在閾值選取中，可以采用雙峰法、參數(shù)法等。具體閾值選取方式的選擇，要結(jié)合實(shí)際情況展開。

（2）區(qū)域生長(zhǎng)方式。在人工智能領(lǐng)域中，區(qū)域生長(zhǎng)方式受到計(jì)算機(jī)視覺的關(guān)注與重視。該種分割方式，非常適用于紋理圖像的分割中。通俗來(lái)講就是，應(yīng)用灰度與局部特征信息，更好落實(shí)聚類分類工作。在分類處理與合并處理工作中，要提前做好統(tǒng)計(jì)均勻性檢測(cè)工作。區(qū)域生長(zhǎng)方式將一幅圖像，分割成為許多不同小區(qū)域，在不同的區(qū)域中，可以利用計(jì)算機(jī)，使得物體內(nèi)像素一致性特點(diǎn)得以體現(xiàn)，并將一致性特點(diǎn)，應(yīng)用在區(qū)域合并中，為其提供相應(yīng)參考標(biāo)準(zhǔn)。應(yīng)用在不同物體內(nèi)像素一致性特征的區(qū)分中，包含許多不同內(nèi)容，比如，灰度值、紋理信息等。區(qū)域合并的第一點(diǎn)內(nèi)容就是針對(duì)不同區(qū)域都賦予一組參數(shù)，這也就是特征。此類特征可以將其應(yīng)用在，物體類型的反應(yīng)中，并針對(duì)相鄰區(qū)域開展邊界落實(shí)考察工作[4]。弱邊界要及時(shí)將其消除，而強(qiáng)邊界可以保留，相鄰區(qū)域可以實(shí)現(xiàn)合并。由此可以看出，區(qū)域之間的合并實(shí)際上是迭代的過程，每一步重新計(jì)算都要將弱邊界及時(shí)消除。當(dāng)不存在弱邊界時(shí)，區(qū)域合并結(jié)束，從而完成圖像分割。

■3.2 細(xì)化技術(shù)的應(yīng)用

圖像目標(biāo)的一個(gè)顯著幾何特征為骨架，在面對(duì)不同形狀圖像目標(biāo)過程中，相關(guān)工作人員要及時(shí)對(duì)非畸變骨架進(jìn)行分析與提取，這樣可以為圖像目標(biāo)形狀分析等相關(guān)工作提供保障。因此，二值圖像中的細(xì)化，成為圖像分析與模式是識(shí)別中的重點(diǎn)內(nèi)容。在實(shí)際細(xì)化處理中要注意，細(xì)化要選擇原圖像中的中心線，使得整個(gè)細(xì)化過程的對(duì)稱性得到保障；要確保不會(huì)對(duì)原圖像的連通性造成影響；要將原圖像基本特征保存。在具體的應(yīng)用中，可以從以下幾點(diǎn)展開：

（1）傳統(tǒng)算法。傳統(tǒng)算法一般會(huì)將其分為，串行算法（以邊緣追蹤法為代表）與并行算法（給予內(nèi)點(diǎn)保留）兩種。串行算法在具體應(yīng)用中，不僅可以實(shí)現(xiàn)檢驗(yàn)，而且能夠及時(shí)刪除，有著較高工作效率，花費(fèi)更少運(yùn)算時(shí)間。但同樣也會(huì)存在缺點(diǎn)，在應(yīng)用中掃描順序會(huì)對(duì)其產(chǎn)生影響，使得骨架容易出現(xiàn)非對(duì)稱問題。而并行算法可以將此類問題在最大程度上避免，達(dá)到更好細(xì)化效果。

（2）在神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上的細(xì)化算法。針對(duì)神經(jīng)網(wǎng)絡(luò)中的分類識(shí)別特點(diǎn)，相關(guān)工作人員要合理應(yīng)用，為邊緣點(diǎn)分類打下基礎(chǔ)。該種方式可以實(shí)現(xiàn)圖像細(xì)化問題轉(zhuǎn)變，轉(zhuǎn)化為安全點(diǎn)問題落實(shí)后續(xù)工作[5]。結(jié)合安全點(diǎn)判別規(guī)則運(yùn)行網(wǎng)絡(luò)，將安全點(diǎn)判別問題轉(zhuǎn)化，轉(zhuǎn)化成為學(xué)習(xí)過程，細(xì)化過程也屬于學(xué)習(xí)過程。

（3）數(shù)學(xué)形態(tài)學(xué)基礎(chǔ)上的細(xì)化算法。數(shù)學(xué)形態(tài)學(xué)在應(yīng)用中，主要是對(duì)不同結(jié)構(gòu)元素進(jìn)行整合，實(shí)現(xiàn)目標(biāo)圖像形態(tài)變換，這樣可以更好實(shí)現(xiàn)圖像細(xì)化。結(jié)構(gòu)元素通常情況下實(shí)在形態(tài)變換算法設(shè)計(jì)過程中，結(jié)合目標(biāo)圖形、所需信息形狀特征設(shè)計(jì)出啦愛的。針對(duì)不同目標(biāo)圖像，要采取不同處理算法，并設(shè)計(jì)不同結(jié)構(gòu)元素。實(shí)際上，可以選擇不同的結(jié)構(gòu)元素，結(jié)構(gòu)元素選擇是否合理會(huì)對(duì)最終細(xì)化結(jié)果產(chǎn)生直接影響。結(jié)構(gòu)元素是數(shù)學(xué)形態(tài)圖像算法，能夠優(yōu)于其他算法的重點(diǎn)，同時(shí)也是圖像細(xì)化的難點(diǎn)。該種方式向教育以往方法而言，算法簡(jiǎn)單，運(yùn)行速度較快[6]。但是在圖像拐角處理中，處理速度較慢。

植物根系形態(tài)具備復(fù)雜性特點(diǎn)，在細(xì)化中會(huì)出現(xiàn)不同拐角問題。使用該種細(xì)化方式，保障目標(biāo)連通性。因此，在細(xì)化中可以采用內(nèi)點(diǎn)保留、邊緣點(diǎn)刪除的并行細(xì)化算法方式，即使工作效率不高，但是可以滿足相應(yīng)需求。

4 結(jié)束語(yǔ)

綜上所述，計(jì)算機(jī)視覺技術(shù)在植物根系形態(tài)分析與構(gòu)型分析中發(fā)揮著重要作用。因此，在分析工作的落實(shí)中，為達(dá)到良好分析效果，保證分析結(jié)果準(zhǔn)確性，要對(duì)計(jì)算機(jī)視覺技術(shù)有正確認(rèn)識(shí)，明確技術(shù)優(yōu)勢(shì)與技術(shù)特點(diǎn)，并將其應(yīng)用在不同分析環(huán)節(jié)中。