計算機視覺技術(shù)在根系形態(tài)和構(gòu)型分析中的應(yīng)用解析

李晚求

（深圳職業(yè)技術(shù)學院，廣東深圳，518000）

在社會科學技術(shù)快速發(fā)展背景下，計算機視覺技術(shù)得到進步。計算機硬件設(shè)施、軟件不斷完善，并得到廣泛使用。在此背景下，在計算機視覺技術(shù)中也應(yīng)用不同軟件與硬件。在現(xiàn)今植物形態(tài)分析研究工作落實中，會使用計算機視覺技術(shù)。但是，通常情況下該項技術(shù)主要是應(yīng)用在植物地上部分相關(guān)檢測工作中，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養(yǎng)、吸收水分的主要器官，對于植物的生長會產(chǎn)生直接影響?；诖耍獙χ参锔敌螒B(tài)以及構(gòu)型要有全面了解與認識，從而為植物的生長創(chuàng)造良好環(huán)境。在這一過程中，要對計算機視覺技術(shù)進行合理應(yīng)用。

1 計算機視覺技術(shù)基本概述

計算機視覺技術(shù)又被人們稱為機器視覺，該項技術(shù)通常情況下會被應(yīng)用在，生物外顯模擬等工作中。使用計算機視覺技術(shù)處理的原始信息，大部分都是圖像形式，因此，計算機視覺技術(shù)與圖像處理、模式識別之間有著相應(yīng)聯(lián)系。計算機視覺技術(shù)屬于人類眼睛的延伸，同時要具備人類大腦功能，也是因為被廣泛應(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場合以及單調(diào)場合中，更能夠發(fā)揮自身的優(yōu)勢與價值[1]。比如，在大批量作物形態(tài)測量工作中、產(chǎn)品質(zhì)量檢驗工作等，可以提升工作效率與工作質(zhì)量。

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

計算機視覺技術(shù)在根系形態(tài)以及構(gòu)型的應(yīng)用中，國外研究與發(fā)展要遠超過國內(nèi)。在具體研究工作的開展中，會將研究重點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)出針對植物測量、植物分析的系統(tǒng)，該系統(tǒng)在應(yīng)用中，可以對植物根與莖進行虛擬。在工具開發(fā)中，也可以將自身優(yōu)勢與價值發(fā)揮出來，測量植物不同生長時期狀態(tài)下，具體不同時間變化量展開相應(yīng)測量工作[2]。在植物非剛性運行的表現(xiàn)中，往往是通過變形模板方式，這樣可以更好實現(xiàn)對植物的建模。2000年我國學者，創(chuàng)建出根系參數(shù)測量系統(tǒng)，主要是使用圖像技術(shù)，對植物長度、總側(cè)面積根數(shù)以及根夾角參數(shù)進行測量。要對邊緣點去除、內(nèi)點保留兩種方式有明確認識，并將兩者的優(yōu)點進行整合，在此背景下，新的串并行混合細化算法被提出與應(yīng)用。在平面圖像測量工作開展中，要對ccd攝像機進行合理應(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)的相對差異控制在最小范圍內(nèi)。WinRHIZO根系分析系統(tǒng)，是一個較為成熟的商業(yè)軟件，在社會市場中得到廣泛應(yīng)用。WinRHIZO根系分析系統(tǒng)通常情況下，會將其應(yīng)用在洗根后專業(yè)根系分析中，了解根系長度、根系直徑以及面積等，能夠為根系形態(tài)研究以及構(gòu)型研究打下良好基礎(chǔ)。

3 計算機視覺技術(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

在計算機視覺技術(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)。在計算機視覺中圖像理解包括，目標檢測、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。基于此，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)。對于圖像閾值分割應(yīng)用原理要有正確認識，其原理主要為：對圖像中所要提取目標物與背景灰度特征差異進行分析與掌握。并對其進行合理應(yīng)用。在這一過程中，可以圖像應(yīng)用在不同灰度級目標與背景組合中，在這一過程中，要對閾值進行有效選取，從而使得圖像中的不同像素點得到明確，了解像素點是屬于目標區(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，一般情況下會將其應(yīng)用在目標與背景有較強對比圖像的分割中。目標區(qū)域的像素為，灰度值大于小于某一閾值[3]。背景區(qū)域像素點為，灰度小于等于、大于等于閾值。在圖像二值化處理期間，對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)合實際情況展開。

（2）區(qū)域生長方式。在人工智能領(lǐng)域中，區(qū)域生長方式受到計算機視覺的關(guān)注與重視。該種分割方式，非常適用于紋理圖像的分割中。通俗來講就是，應(yīng)用灰度與局部特征信息，更好落實聚類分類工作。在分類處理與合并處理工作中，要提前做好統(tǒng)計均勻性檢測工作。區(qū)域生長方式將一幅圖像，分割成為許多不同小區(qū)域，在不同的區(qū)域中，可以利用計算機，使得物體內(nèi)像素一致性特點得以體現(xiàn)，并將一致性特點，應(yīng)用在區(qū)域合并中，為其提供相應(yīng)參考標準。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)域合并的第一點內(nèi)容就是針對不同區(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，并針對相鄰區(qū)域開展邊界落實考察工作[4]。弱邊界要及時將其消除，而強邊界可以保留，相鄰區(qū)域可以實現(xiàn)合并。由此可以看出，區(qū)域之間的合并實際上是迭代的過程，每一步重新計算都要將弱邊界及時消除。當不存在弱邊界時，區(qū)域合并結(jié)束，從而完成圖像分割。

■3.2 細化技術(shù)的應(yīng)用

圖像目標的一個顯著幾何特征為骨架，在面對不同形狀圖像目標過程中，相關(guān)工作人員要及時對非畸變骨架進行分析與提取，這樣可以為圖像目標形狀分析等相關(guān)工作提供保障。因此，二值圖像中的細化，成為圖像分析與模式是識別中的重點內(nèi)容。在實際細化處理中要注意，細化要選擇原圖像中的中心線，使得整個細化過程的對稱性得到保障；要確保不會對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，可以從以下幾點展開：

（1）傳統(tǒng)算法。傳統(tǒng)算法一般會將其分為，串行算法（以邊緣追蹤法為代表）與并行算法（給予內(nèi)點保留）兩種。串行算法在具體應(yīng)用中，不僅可以實現(xiàn)檢驗，而且能夠及時刪除，有著較高工作效率，花費更少運算時間。但同樣也會存在缺點，在應(yīng)用中掃描順序會對其產(chǎn)生影響，使得骨架容易出現(xiàn)非對稱問題。而并行算法可以將此類問題在最大程度上避免，達到更好細化效果。

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

（3）數(shù)學形態(tài)學基礎(chǔ)上的細化算法。數(shù)學形態(tài)學在應(yīng)用中，主要是對不同結(jié)構(gòu)元素進行整合，實現(xiàn)目標圖像形態(tài)變換，這樣可以更好實現(xiàn)圖像細化。結(jié)構(gòu)元素通常情況下實在形態(tài)變換算法設(shè)計過程中，結(jié)合目標圖形、所需信息形狀特征設(shè)計出啦愛的。針對不同目標圖像，要采取不同處理算法，并設(shè)計不同結(jié)構(gòu)元素。實際上，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對最終細化結(jié)果產(chǎn)生直接影響。結(jié)構(gòu)元素是數(shù)學形態(tài)圖像算法，能夠優(yōu)于其他算法的重點，同時也是圖像細化的難點。該種方式向教育以往方法而言，算法簡單，運行速度較快[6]。但是在圖像拐角處理中，處理速度較慢。

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

4 結(jié)束語

綜上所述，計算機視覺技術(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，在分析工作的落實中，為達到良好分析效果，保證分析結(jié)果準確性，要對計算機視覺技術(shù)有正確認識，明確技術(shù)優(yōu)勢與技術(shù)特點，并將其應(yīng)用在不同分析環(huán)節(jié)中。