CN114463412B 基于计算机视觉的植株表型测量方法、系统及装置（浙江托普云农科技股份有限公司）

(19)国家知识产权局(12)发明专利(10)授权公告号CN114463412B(21)申请号202210120234.4(22)申请日2022.02.07(65)同一申请的已公布的文献号申请公布号CN114463412A(43)申请公布日2022.05.10(73)专利权人浙江托普云农科技股份有限公司地址310000浙江省杭州市拱墅区祥园路88号3幢1101室(74)专利代理机构杭州五洲普华专利代理事务所(特殊普通合伙)33260专利代理师徐晶晶(56)对比文件GO6T7/90(2017.01)(54)发明名称基于计算机视觉的植株表型测量方法、系统(57)摘要型测量方法、系统及装置，方法包括获取原始植株图像进行校正处理，再进行分割处理，得到植株二值图；基于植株二值图得到骨架拓扑结构图像，进而获取植株的相关信息；将各个叶片从叶息；获取茎秆二值图，得到茎秆表型信息。本发明通过采集植株图像信息进行图像处理，获得植株骨架拓扑结构信息，根据上述拓扑结构结合切垂线测量法以及植株结构特征，获取植株表型信息。直接对植株的图像信息进行处理和分析，实获取原始植株图像并结合四个标识符进行校正处理，得到校正后的植株图像，其中，所述四个标识符在原始植株图像的四个角对校正后的植株图像进行分割处理，得到植株二值图基于植株二值图得到骨架拓扑结构图像，进而获取植株的相关信息，所述相关信息至少包括骨架信息及交点集合基于骨架信息及交点集合，进行单源路径分析和切垂线测量法得到叶片与茎秆分离的切割线，将各个叶片从叶柄与茎秆连接处进行分离得到各个叶片的轮廓信息，结合骨架拓扑结构得到植株叶片表型信息，其中，植株叶片表型信息包括宽度、长度、周长、面积、整株叶片数量将叶片的轮廓信息从植株二值图中剥离，得到茎秆二值图，通过提取茎秆骨架拓扑结构并采用切垂线测量法得到茎秆表型信息，其中，所述茎秆表型信息至少包括株高及茎粗21.一种基于计算机视觉的植株表型测量方法，其特征在于，包括以下步骤：获取原始植株图像并结合四个标识符进行校正处理，得到校正后的植株图像，其中，所述四个标识符在原始植株图像的四个角；对校正后的植株图像进行分割处理，得到植株二值图；基于植株二值图得到骨架拓扑结构图像，进而获取植株的相关信息，所述相关信息至少包括骨架信息及交点集合；基于骨架信息及交点集合，进行单源路径分析和切垂线测量法得到叶片与茎秆分离的切割线，将各个叶片从叶柄与茎秆连接处进行分离得到各个叶片的轮廓信息，结合骨架拓叶片数量；将叶片的轮廓信息从植株二值图中剥离，得到茎秆二值图，通过提取茎秆骨架拓扑结构并采用切垂线测量法得到茎秆表型信息，其中，所述茎秆表型信息至少包括株高及茎粗；对植株二值图进行骨架提取处理得到骨架拓扑结构；对骨架拓扑结构进行植株骨架拓扑结构分析，得到端点点集及交点集合，其中，所述端点点集为所有叶片顶端端点、植株茎杆生长点及茎基部端点的集合，所述交点集合为叶片与叶柄及茎秆连接处交点的集合；将骨架拓扑结构中的路径点在植株二值图中进行距离变换得到结果图像，所述结果图像为排除叶柄、茎秆的骨架拓扑结构图，进而得到叶片骨架图；通过对叶片骨架图的特征进行选择与分析，得到表征各个叶片的骨架信息；将交点集合记作(c₁,C₂,..,c),骨架信息记作(p₁,p₂,..,P);获取骨架信息中任意一点与交点集合所形成单源路径集合，从单源路径集合中选择单源路径长度最短的路径，此单源路径即为叶片与茎秆的连接点；基于所述单源路径集合，从单源路径的末端点往起始点方向遍历，得到单源路径上各点切线及相应的斜率；根据斜率得到过相应点的垂线斜率并作垂线，垂线所过连通域的点集数量的总和即表示叶片宽度或叶片与茎秆相连处宽度；根据叶片与茎秆连接处角度的突变以及连接处宽度的突变，对各点切线集合、宽度集合分别求二阶导，当第一次出现二者对应点处同时发生拐点时停止计算，则各点对应的位置即为叶片与茎秆切割的最佳点，得到切割线，进而得到各个叶片图像；根据各个叶片图像得到各个叶片的轮廓信息及主脉络骨架结构信息，进而得到各个植株叶片表型信息。2.根据权利要求1所述的基于计算机视觉的植株表型测量方法，其特征在于，所述结合四个标识符进行校正处理，包括以下步骤：将四个标识符的中心坐标按照顺时针顺序或逆时针顺序依次设置为C₁、C₂、C³、C₄,C₁为第一角标识符中心坐标、C₂为第二角标识符中心坐标、C₃为第三角标识符中心坐标、C₄为第四角标识符中心坐标，并将中心坐标所形成矩形的长宽比设置为a:b;将相邻两个角的标识符中心坐标C₁、C₄进行矩形拟合，得到变换后的中心坐标C₂'、C₃';基于变换矩阵对原始植株图像进行全局变换处理得到第二图像；3将变换后的中心坐标集所形成矩形的长宽比设置为a:c,结合长宽比a:b对第二图像的宽度进行尺度变换且变换比例为b/c,得到校正后的植株图像。3.根据权利要求1所述的基于计算机视觉的植株表型测量方法，其特征在于，所述对校正后的植株图像进行分割处理，包括以下步骤：根据植株的颜色特征获取植株颜色表征图；基于亮度图像及植株颜色表征图得到变换系数，基于变换系数得到第二灰度图像，进而通过自动阈值分割处理得到植株二值图。4.根据权利要求1所述的基于计算机视觉的植株表型测量方法，其特征在于，所述将叶片从植株二值图中剥离，得到茎秆二值图，通过提取茎秆骨架拓扑结构并采用切垂线测量获取叶片骨架图中任一点到茎秆距离最近的交点路径，对所述交点路径各个位置的点作切线，与该切线垂直的垂线所穿过区域为叶片宽度，根据所以切线角度、叶片宽度信息确定叶片与茎秆分离处切割线，根据该切割线对叶片进行分离，获取叶片轮廓及骨架结构信在叶片骨架图将叶片信息进行分离，得到茎秆二值图，进而得到茎秆信息，茎秆信息包括茎秆骨架及茎秆骨架端点集；根据茎秆骨架各个位置处切垂线与茎秆二值图相交信息，得到茎秆各个位置的茎粗；根据茎秆骨架的生长点及茎秆的基部点获取两点之间的单源路径，选取单源路径中长度最长的一条路径，则为茎秆起始点到末端点的路径，此路径对应的长度则为株高。5.根据权利要求1所述的基于计算机视觉的植株表型测量方法，其特征在于，所述四个标识符设置在图像采集装置内，所述图像采集装置包括背景板，所述背景板包含4个标识符，标识符分布在背景板4个角，标识符颜色与背景板颜色具有明显的对比度，标识符中心连接而成的矩形长宽比为4:3。6.一种基于计算机视觉的植株表型测量系统，其特征在于，包括图像校正模块、图像分割模块、骨架拓扑结构提取模块、叶片检测模块及茎秆检测模块；图像校正模块，用于获取原始植株图像并结合四个标识符进行校正处理，得到校正后的植株图像，其中，所述四个标识符在原始植株图图像分割模块，用于对校正后的植株图像进行分割处理，得到植株二值图；骨架拓扑结构提取模块，基于植株二值图得到骨架拓扑结构图像，进而获取植株的相关信息，所述相关信息至少包括骨架信息及交点集合；叶片检测模块，基于骨架信息及交点集合，进行单源路径分析和切垂线测量法得到叶片与茎秆分离的切割线，将各个叶片从叶柄与茎秆连接处进行分离得到各个独立叶片的轮廓信息，结合骨架拓扑结构得到植株叶片表型信息，其中，植株叶片表型信息包括宽度、长图，通过提取茎秆骨架拓扑结构并采用切垂线测量法，得到茎秆表型信息，其中，所述茎秆表型信息至少包括株高及茎粗；对植株二值图进行骨架提取处理得到骨架拓扑结构；4对骨架拓扑结构进行植株骨架拓扑结构分析，得到端点点集及交点集合，其中，所述端点点集为所有叶片顶端端点、植株茎秆生长点及茎基部端点的集合，所述交点集合为叶片与叶柄及茎秆连接处交点的集合；将骨架拓扑结构中的路径点在植株二值图中进行距离变换得到结果图像，所述结果图像为排除叶柄、茎秆的骨架拓扑结构图，进而得到叶片骨架图；通过对叶片骨架图的特征进行选择与分析，得到表征各个叶片的骨架信息；将交点集合记作(c₁,C₂,..,c),骨架信息记作(p₁,P₂,…,p);获取骨架信息中任意一点与交点集合所形成单源路径集合，从单源路径集合中选择单源路径长度最短的路径，此单源路径即为叶片与茎秆的连接点；基于所述单源路径集合，从单源路径的末端点往起始点方向遍历，得到单源路径上各点切线及相应的斜率；根据斜率得到过相应点的垂线斜率并作垂线，垂线所过连通域的点集数量的总和即表示叶片宽度或叶片与茎秆相连处宽度；根据叶片与茎秆连接处角度的突变以及连接处宽度的突变，对各点切线集合、宽度集合分别求二阶导，当第一次出现二者对应点处同时发生拐点时停止计算，则各点对应的位置即为叶片与茎秆切割的最佳点，得到切割线，进而得到各个叶片图像；根据各个叶片图像得到各个叶片的轮廓信息及主脉络骨架结构信息，进而得到各个植株叶片表型信息。7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任意一项所述的方法步骤。8.一种基于计算机视觉的植株表型测量装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任意一项所述的方法步骤。5技术领域[0001]本发明涉及计算机技术领域，尤其涉及一种基于计算机视觉的植株表型测量方背景技术[0002]植株表型测量在科学研究、植物培育应用中具有重要意义。目前有关植物表型自动化测量技术应用中，主要为叶片形态测量，通过采集独立的叶片图像，并利用计算机视觉技术，实现对叶片形态参数的自动检测。有关整株植物各部位的形态测量方法，还未有公开的技术方法或应用案例。[0003]现有植株表型测量方法多为分离接触式测量方法，即通过物理工具，手动测量烟草各部位的形态参数，用于植株培育方案制定的指导以及新品种研发的参考。[0004]计算机视觉在农作物形态测量应用中，主要通过图像处理方法，对作物进行分割、用到玉米、马铃薯等农作物的形态测量中，主要针对生长规律、单目标检测的应用，比如仅测量作物高度、仅测量作物叶片面积、作物叶片生长方向规范等相关应用。[0005]比如有专家学者采用红外照明设备和近红外滤镜CCD摄像机检测植物生长，统计作物生长率，该方法对周围环境适应性较好。缺点是只适用于固定不变的场景，且测量参数仅为植株从水平面到植株最上方的高度。[0006]亦或者是从不同角度采集马铃薯叶片图像，通过滤波、阈值分割与形态学检测方法，能够较准确的测量叶片面积。该方法一方面没有考虑到图像畸变对测量结果的影响；另一方面是所设计算法主要针对单一且形状比较规则的叶片，每次采集仅包含一片叶片的图[0007]还有专家是通过图像处理测量玉米、小麦等大田作物高度，借助人工标记提取玉米小麦株型信息，通过对叶片标记实现对叶片长度、叶倾角的测量。能够实现对作物株型的同时小麦、玉米株型长势比较规律，拓扑结构相对简单，通过硬编码方式即可设计技术方[0008]还有利用图像处理方法实现对叶片面积、叶角分布的测量。文中提出的方法测量结果更加全面，主要问题依旧是玉米株型拓扑结构较为规则，方法通用性较弱。等等，目前大部分操作都不够智能精简。[0009]因此，如何提出一种方案，能够简单快捷的实现对植株表型参数的自动测量，成为亟待解决的问题。发明内容[0010]本发明针对现有技术中的缺点，提供了一种基于计算机视觉的植株表型测量方6[0011]为了解决上述技术问题，本发明通过下述技术方案得以解决：[0012]一种基于计算机视觉的植株表型测量方法，包括以下步骤：[0013]获取原始植株图像并结合四个标识符进行校正处理，得到校正后的植株图像，其中，所述四个标识符在原始植株图像的四个角；[0014]对校正后的植株图像进行分割处理，得到植株二值图；[0015]基于植株二值图得到骨架拓扑结构图像，进而获取植株的相关信息，所述相关信息至少包括骨架信息及交点集合；[0016]基于骨架信息及交点集合，进行单源路径分析和切垂线测量法得到叶片与茎秆分离的切割线，将各个叶片从叶柄与茎秆连接处进行分离得到各个叶片的轮廓信息，结合骨整株叶片数量；[0017]将叶片的轮廓信息从植株二值图中剥离，得到茎秆二值图，通过提取茎秆骨架拓扑结构并采用切垂线测量法得到茎秆表型信息，其中，所述茎秆表型信息至少包括株高及[0019]将四个标识符的中心坐标按照顺时针顺序或逆时针顺序依次设置为C₁、C₂、C₃、C₄,其中，C₁为第一角标识符中心坐标、C₂为第二角标识符中心坐标、C₃为第三角标识符中心坐标、C₄为第四角标识符中心坐标，并将中心坐标所形成矩形的长宽比设置为a:b;[0020]将相邻两个角的标识符中心坐标C₁、C₄进行矩形拟合，得到变换后的中心坐标C₂'、[0021]基于中心坐标集[C₁,C₂,C₃,C₄]与变换后的中心坐标集[C₁,C₂',C₃',C₄]得到变换矩[0022]基于变换矩阵对原始植株图像进行全局变换处理得到第二图像；[0023]将变换后的中心坐标集所形成矩形的长宽比设置为a:c,结合长宽比a:b对第二图像的宽度进行尺度变换且变换比例为b/c,得到校正后的植株图像。[0024]作为一种可实施方式，所述对校正后的植株图像进行分割处理，包括以下步骤：[0027]根据植株的颜色特征获取植株颜色表征图；[0028]基于亮度图像及植株颜色表征图得到变换系数，基于变换系数得到第二灰度图像，进而通过自动阈值分割处理得到植株二值图。[0029]作为一种可实施方式，基于植株二值图得到植株[0030]对植株二值图进行骨架提取处理得到骨架拓扑结构；[0031]对骨架拓扑结构进行植株骨架拓扑结构分析，得到端点点集及交点集合，其中，所述端点点集为所有叶片顶端端点、植株茎秆生长点及茎基部端点的集合，所述交点集合为叶片与叶柄及茎秆连接处交点的集合；[0032]将骨架拓扑结构中的路径点在植株二值图中进行距离变换得到结果图像，所述结果图像为排除叶柄、茎秆的骨架拓扑结构图，进而得到叶片骨架图；[0033]通过对叶片骨架图的特征进行选择与分析，得到表征各个叶片的骨架信息。7[0034]作为一种可实施方式，所述进行单源路径分析和切垂线测量法得到叶片与茎秆分离的切割线，将各个叶片从叶柄与茎秆连接处进行分离得到各个独立叶片的轮廓信息，结合骨架拓扑结构得到植株叶片表型信息，包括以下步骤：[0035]将交点集合记作(c₁,C₂,…,c),骨架信息记作(p₁,p₂,…,p);[0036]获取骨架信息中任意一点与交点集合所形成单源路径集合，从单源路径集合中选择单源路径长度最短的路径，此单源路径即为叶片与茎秆的连接点；[0037]基于所述单源路径集合，从单源路径的末端点往起始点方向遍历，得到单源路径上各点切线及相应的斜率；[0038]根据斜率得到过相应点的垂线斜率并作垂线，垂线所过连通域的点集数量的总和即表示叶片宽度或叶片与茎秆相连处宽度；[0039]根据叶片与茎秆连接处角度的突变以及连接处宽度的突变，对各点切线集合、宽度集合分别求二阶导，当第一次出现二者对应点处同时发生拐点时停止计算，则各点对应的位置即为叶片与茎秆切割的最佳点，得到切割线，进而得到各个叶片图像；[0040]根据各个叶片图像得到各个叶片的轮廓信息及主脉络骨架结构信息，进而得到各个植株叶片表型信息。[0041]作为一种可实施方式，所述将叶片从植株二值图中剥离，得到茎秆二值图，通过提取茎秆骨架拓扑结构并采用切垂线测量法，得到茎秆表型信息，包括以下步骤：[0042]获取叶片骨架图中任一点到茎秆距离最近的交点路径，对所述交点路径各个位置的点作切线，与该切线垂直的垂线所穿过区域为叶片宽度，根据所以切线角度、叶片宽度信息确定叶片与茎秆分离处切割线，根据该切割线对叶片进行分离，获取叶片轮廓及骨架结[0043]在叶片骨架图将叶片信息进行分离，得到茎秆二值图，进而得到茎秆信息，茎秆信息包括茎秆骨架及茎秆骨架端点集；[0044]根据茎秆骨架各个位置处切垂线与茎秆二值图相交信息，得到茎秆各个位置的茎[0045]根据茎秆骨架的生长点及茎秆的基部点获取两点之间的单源路径，选取单源路径中长度最长的一条路径，则为茎秆起始点到末端点的路径，此路径对应的长度则为株高。[0046]作为一种可实施方式，所述四个标识符设置在图像采集装置内，所述图像采集装置包括背景板，所述背景板包含4个标识符，标识符分布在背景板4个角，标识符颜色与背景板颜色具有明显的对比度标识符中心连接而成的矩形长宽比为4:3。[0047]一种基于计算机视觉的植株表型测量系统，包括图像校正模块、图像分割模块、骨架拓扑结构提取模块、叶片检测模块及茎秆检测模块；[0048]图像校正模块，用于获取原始植株图像并结合四个标识符进行校正处理，得到校正后的植株图像，其中，所述四个标识符在原始植株图像的四个角；[0050]骨架拓扑结构提取模块，基于植株二值图得到骨架拓扑结构图像，进而获取植株的相关信息，所述相关信息至少包括骨架信息及交点集合；[0051]叶片检测模块，基于骨架信息及交点集合，进行单源路径分析和切垂线测量法得到叶片与茎秆分离的切割线，将各个叶片从叶柄与茎秆连接处进行分离得到各个独立叶片8的轮廓信息，结合骨架拓扑结构得到植株叶片表型信息，其中，植株叶片表型信息包括宽[0052]茎秆检测模块，将叶片从植株二值图中剥离，得到茎秆二值图，通过提取茎秆骨架拓扑结构并采用切垂线测量法，得到茎秆表型信息，其中，所述茎秆表型信息至少包括株高及茎粗。[0053]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法步骤。[0054]一种基于计算机视觉的植株表型测量装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法步骤。[0055]本发明由于采用了以上技术方案，具有显著的技术效果：[0056]本发明通过采集植株图像信息进行图像处理，获得植株骨架拓扑结构信息，根据上述拓扑结构结合切垂线测量法以及植株结构特征，获取植株表型信息。直接对植株的图像信息进行处理和分析，实现了植株的表型测量的自动化，提高了植株表型测量的效率和准确性。附图说明[0057]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。[0058]图1是本发明的方法流程示意图；[0059]图2是本发明的系统结构示意图；[0060]图3是本发明图像采集装置的示意图；[0061]图4是本发明基于3个颜色通道得到植株二值图的示意图；[0062]图5-图6是骨架拓扑结构端点、交点分析过程中像素8邻域结构图；[0063]图7是本发明实施例中图像差影法计算原理图；[0064]图8是本发明实施例中切垂线测量原理图；[0065]图9是通过自适应阈值分割即可得到植株二值图；[0066]图10是本发明方法的结果展示图。具体实施方式[0067]下面结合实施例对本发明做进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。[0068]实施例1:[0069]一种基于计算机视觉的植株表型测量方法，如图1所示，包括以下步骤：[0070]S100、获取原始植株图像并结合四个标识符进行校正处理，得到校正后的植株图像，其中，所述四个标识符在原始植株图像的四个角；[0071]S200、对校正后的植株图像进行分割处理，得到植株二值图；9[0072]S300、基于植株二值图得到骨架拓扑结构图像，进而获取植株的相关信息，所述相关信息至少包括骨架信息及交点集合；[0073]S400、基于骨架信息及交点集合，进行单源路径分析和切垂线测量法得到叶片与茎秆分离的切割线，将各个叶片从叶柄与茎秆连接处进行分离得到各个叶片的轮廓信息，[0074]S500、将叶片的轮廓信息从植株二值图中剥离，得到茎秆二值图，通过提取茎秆骨架拓扑结构并采用切垂线测量法得到茎秆表型信息，其中，所述茎秆表型信息至少包括株高及茎粗。[0076]将四个标识符的中心坐标按照顺时针顺序或逆时针顺序依次设置为C₁、C₂、C₃、C₄,其中，C₁为第一角标识符中心坐标、C₂为第二角标识符中心坐标、C₃为第三角标识符中心坐标、C₄为第四角标识符中心坐标，并将中心坐标所形成矩形的长宽比设置为a:b;[0077]将相邻两个角的标识符中心坐标C₁、C₄进行矩形拟合，得到变换后的中心坐标C₂'[0078]基于中心坐标集[C₁,C₂,C₃,C₄]与变换后的中心坐标集[C₁,C₂',C₃',C₄】得到变换矩[0079]基于变换矩阵对原始植株图像进行全局变换处理得到第二图像；[0080]将变换后的中心坐标集所形成矩形的长宽比设置为a:c,结合长宽比a:b对第二图像的宽度进行尺度变换且变换比例为b/c,得到校正后的植株图像，也就是说将第二图像的宽度变换到b/c倍得到校正后的植株图像。[0081]在此实施例中，所述四个标识符设置在图像采集装置内，所述图像采集装置包括背景板，所述背景板包含4个标识符，标识符分布在背景板4个角，标识符颜色与背景板颜色具有明显的对比度标识符中心连接而成的矩形长宽比为4:3。另外，图像采集装置势必还包括图像采集设备，参见附图3所示，背景板10由纯色、材质不透明不反光的平面板101、颜色不同于平面板101的标识符102组成；而标识符102的形状可以为圆形，可以为方形；图像采集设备20为具有摄像或拍照功能的仪器，本发明实施例不作具体限定。[0082]在一个实施例中，步骤S200中，所述对校正后的植株图像进行分割处理，包括以下步骤：[0085]根据植株的颜色特征获取植株颜色表征图；[0086]基于亮度图像及植株颜色表征图得到变换系数，基于变换系数得到第二灰度图像，进而通过自动阈值分割处理得到植株二值图。[0087]3个颜色通道imageRed、imageGreen、imageBlue,根据对3个通道色度值进行加权平均得到亮度图像，imageHue=imageRed/3.0+imageGreen/3.0+imageBlue/3.0;根据背景板颜色特征以及植株颜色特征，获取对应颜色特征下图像，此处以绿色为例，计算方式为imageColor=2*imageGreen-imageBlue-imageRed;根据亮度图像imageHue、植株颜色表征图imageColor像素值分布特征计算系数k,根据公式image4=k*imageHue+(1-k)*imageColor得到第二灰度图像image4,其中k取值在(0,1)区间，通过自适应阈值分割即可得到植株二值图image5,整个过程可以参见附图4。[0088]在一个实施例中，步骤S300中基于植株二值图得到植株的相关信息，包括以下步[0089]对植株二值图进行骨架提取处理得到骨架拓扑结构；[0090]对骨架拓扑结构进行植株骨架拓扑结构分析，得到端点点集及交点集合，其中，所述端点点集为所有叶片顶端端点、植株茎秆生长点及茎基部端点的集合，所述交点集合为叶片与叶柄及茎秆连接处交点的集合；[0091]将骨架拓扑结构中的路径点在植株二值图中进行距离变换得到结果图像，所述结果图像为排除叶柄、茎秆的骨架拓扑结构图，进而得到叶片骨架图；[0092]通过对叶片骨架图的特征进行选择与分析，得到表征各个叶片的骨架信息。[0093]具体实现步骤参见如下：image6;对骨架拓扑结构image6进行分析，获得端点点集(e₁,e₂,…,e)、交点集合(c₁,C₂,…,c);根据骨架拓扑结构image6路径点在植株二值图image5中进行距离变换获得结果图像image7,其中结果图像image7为仅包含叶柄、茎秆的骨架拓扑结构图像；本发明实施例采用差影法实现植株叶片的粗提取，计算公式为叶片骨架图image8=骨架拓扑结构image6-结果图像image7;通过对叶片骨架图image8特征选择与分析，能够获得表征各个叶片的骨架信息(p₁,p₂,…,p),其中每个点p表示第i片叶片骨架上一点；[0095]参见图5-6为骨架提取过程中图像任一像素8邻域结构图，其中P1为目标像素，通过对图像中各个像素进行结构分析，提取植株骨架拓扑结构图，具体为：[0096]Step1:循环所有前景像素点，对符合如下条件的像素点标记为删除。[0101]条件(a),中心像素P1周围的目标像素(二值中的1)的个数之和在2和6之间；条件(b),8邻域像素中，按顺时针方向，相邻两个像素出现0->1的次数。[0102]Step2:跟Step1很类似，条件(a)、(b)完全一致，只是条件(c)、(d)稍微不同，满足如下条件的像素P1则标记为删除，条件如下：[0107]循环上述两步骤，直到两步中都没有像素被标记为删除为止，输出的结果即为二值图像细化后的骨架。[0108]图7为骨架拓扑结构端点、交点分析过程中像素8邻域结构图，其中“5”号对应图中黑色位置，即待分析目标像素位置，具体为：立条件和终止条件，当满足成立条件时即成立条件下对应位置处像素为前景，该点即为交终止终止终止1372463481382248349613924937916742674681682681792798为：对两幅尺寸相同、数据类型相同的两幅图像做差，当差值大于0时结果图像对应值为255,当小于等于0时结果图像对应值为0,由此得到两幅图像差异信息。原始植株骨架拓扑结构图像image6,根据叶片叶柄处、茎秆处宽度信息进行距离变换后图像为变化图像[0120]根据原始植株骨架拓扑结构图像imag[0128]Foreachvertex[0130]其中，G为骨架图像构造图，w为各条边权重，s为起点即p;首先初始化一个空集S,用于存储已经确定最短板路径的顶点；初始化集合Q,包含图中所有顶点G.V,Q为自定义数据结构，采用最小优先队列，键为各个顶点最短距离；4-8行，从Q中取出从s到顶点最短距离最小的顶点u,将u加入S,对每个和u相邻的顶点重新计算路径长度，以替换当前最短但大于新路径的路径。[0131]由于起始点已知，终止点可列，因此可通过遍历起始点到所有终止点获得各条路径，由此获得各个叶片与茎秆连接处的单源路径。[0132]根据单源路径，从单源路径末端点往起始点方向遍历即从连接处往叶片顶点方向遍历，计算单源路径上各点切线及其对应斜率angle1,并根据该斜率计算过对应点的垂线斜率angle2并作垂线line,垂线所过连通域点集数量即为叶片宽度或叶片与茎秆相连处宽度width,根据叶片与茎秆相连处角度的突变、以及相连处宽度的突变，对所求各个位置处切线集合(anglel₁,anglel₂,…,angle1)、宽度集合(width₁,width₂,…,width)分别求二阶导，当第一次出现二者对应点处同时发生拐点时停止计算，该位置即为叶片与茎秆切割最佳点，切割线可有所述切垂线所过区域获得，由此得到叶片图像image9;[0133]根据所得叶片图像，计算各个叶片轮廓信息，计算各个叶片主脉络骨架，获得各个植株叶片表型信息。其中叶片表型信息包括叶片长度、叶片宽度、叶片周长、叶片面积、整株叶片数量信息，当然还可以包括其他信息如叶片残缺信息，本发明实施例不作具体限定。[0134]在一个实施例中，所述将叶片从植株二值图中剥离，得到茎秆二值图，通过提取茎秆骨架拓扑结构并采用切垂线测量法，得到茎秆表型信息，包括以下步骤：[0135]获取叶片骨架图中任一点到茎秆距离最近的交点路径，对所述交点路径各个位置的点作切线，与该切线垂直的垂线所穿过区域为叶片宽度，根据所以切线角度、叶片宽度信息确定叶片与茎秆分离处切割线，根据该切割线对叶片进行分离，获取叶片轮廓及骨架结构信息，直至获取叶片信息；[0136]在叶片骨架图将叶片信息进行分离，得到茎秆二值图，进而得到茎秆信息，茎秆信息包括茎秆骨架及茎秆骨架端点集；[0137]根据茎秆骨架各个位置处切垂线与茎秆二值图相交信息，得到茎秆各个位置的茎[0138]根据茎秆骨架的生长点及茎秆的基部点获取两点之间的单源路径，选取单源路径中长度最长的一条路径，则为茎秆起始点到末端点的路径，此路径对应的长度则为株高。[0139]此步骤其实与步骤S400中的单源路径搜索方法、切垂线测量法原理相同，检测方案与R4不同之处在于株高路径搜索逻辑。具体为，根据所述获取的叶片信息，将其从原始二值图中去除，得到茎秆二值图image10,即茎秆二值图image10=植株二值图image5-叶片图像image9;获取茎秆图像骨架拓扑结构及端点信息，计算端点集中所成路径中长度最长的一条路径，即为茎秆起始点(生长点)到末端点(茎基部)路径，对应长度即为株高；同样根据茎秆路径信息，计算各个位置切垂线宽度，即为茎秆各个位置处的茎粗。由此获得茎秆表型信息株高、茎粗信息，当然可以通过对茎秆图像进行形态分析、纹理分析、色度分析等检测茎秆长势残缺信息，本发明实施例不作具体限定。[0140]另外，附图9为本发明实施例中切垂线测量原理图，用于获得叶片切割线信息、茎粗测量信息，具体为：以图中植株某部位(绿色)处骨架(黑色虚线)任一点P处为例，根据P点所在区域前景像素分布拟合该点处切线，根据切线斜率反解出对应切线的垂线斜率，结合P点坐标获取切垂线，切垂线与植株相交路径即为该位置处植株宽度。根据所获取植株宽度以及切线斜率信息，结合植株不同部位结构特征，获取叶片切割线信息、茎粗测量信息。[0141]实施例2:[0142]一种基于计算机视觉的植株表型测量系统，如图2所示，包括图像校正模块100、图像分割模块200、骨架拓扑结构提取模块300、叶片检测模块400及茎秆检测模块500;[0143]图像校正模块100,用于获取原始植株图像并结合四个标识符进行校正处理，得到校正后的植株图像，其中，所述四个标识符在原始植株图像的四个角；[0144]图像分割模块200,用于对校正后的植株图像进行分割处理，得到植株二值图；[0145]骨架拓扑结构提取模块300,基于植株二值图得到骨架拓扑结构图像，进而获取植株的相关信息，所述相关信息至少包括骨架信息及交点集合；[0146]叶片检测模块400,基于骨架信息及交点集合，进行单源路径分析和切垂线测量法得到叶片与茎秆分离的切割线，将各个叶片从叶柄与茎秆连接处进行分离得到各个独立叶片的轮廓信息，结合骨架拓扑结构得到植株叶片表型信息，其中，植株叶片表型信息包括宽[0147]茎秆检测模块500,将叶片从植株二值图中剥离，得到茎秆二值图，通过提取茎秆骨架拓扑结构并采用切垂线测量法，得到茎秆表型信息，其中，所述茎秆表型信息至少包括株高及茎粗。[0148]实施例3:[0149]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下所述的方法步骤：[0150]S100、获取原始植株图像并结合四个标识符进行校正处理，得到校正后的植株图[0151]S200、对校正后的植株图像进行分割处理，得到[0152]S300、基于植株二值图得到骨架拓扑结构图像，进而获取植株的相关信息，所述相关信息至少包括骨架信息及交点集合；[0153]S400、基于骨架信息及交点集合，进行单源路径分析和切垂线测量法得到叶片与茎秆分离的切割线，将各个叶片从叶柄与茎秆连接处进行分离得到各个叶片的轮廓信息，[0154]S500、将叶片的轮廓信息从植株二值图中剥离，得到茎秆二值图，通过提取茎秆骨架拓扑结构并采用切垂线测量法得到茎秆表型信息，其中