花卉苗木行业对建设花园城市,防风林与绿化带的种植有着非常重要的意义。近年来,在经济飞速发展和环保理念不断深入人心的形势下,人们对苗圃绿化植物的需求量快速增长。现有的苗圃库存统计均是通过人工计数,劳动成本大,效率低,人力资源浪费严重,且容易出现统计错误。本研究目的是提供一种球形植物库存统计方法,以减轻一线工人的劳动负担。本文的具体研究方法涉及计算机数字图像处理技术。研究的内容为:1.采集苗圃图像:利用大疆精灵4无人机对北京南六环国家绿化带、北京房山西南召苗圃基地、北京昌平小汤山苗圃基地、河南鄢陵龙源花木有限责任公司的苗圃进行航拍,获取苗圃俯视的正投影图像。采集工作在晴朗,无风的天气下进行,同时用温度计、湿度计、风向风速计等记录了相关环境参数。2.设计球形植物计数算法:首先对苗圃图像进行裁剪预处理,去除不相关的图像边缘信息,如人行道、行道树等。然后对比了 OTSU和K-MEANS分割方法,选定了基于LAB空间的K-MEANS分割算法。由于传统的K-MEANS分割结果不稳定,目标和背景常常随机交替出现。根据航拍苗圃图像中植物区域总面积通常小于背景总面积的特点,在用传统的K-MEANS方法对图像分割后,比较图像中的黑色像素和白色像素的总和,若白色像素多于黑色像素,则对图像取反,反之则不操作,以此进行改进。然后对分割后的图像使用中值滤波、孔洞填充、开运算的形态学方法进行增强,去噪的同时还优化了植物的球形特征。最后,利用了基于Dulmage-Mendelsohn分解的连通区域标记算法和随机Hough圆检测算法分别对分割后的图像进行计数,发现随机Hough圆检测算法能够更好地处理植物粘连的情况,因此将其作为苗圃图像球形植物的计数算法。其中,随机Hough圆检测算法中半径阈值范围的设定与图像分辨率是相关的,根据经验,设定半径的阈值范围为[9,88],然后通过比较4块苗圃中不同分辨率的24幅图像的实验结果,确定了与算法匹配的最佳图像像素总和在120000左右,最佳分辨率可以是310*372,450*263,310*397等。调整图像的分辨率以后,重新对球形植物计数。结果表明,本算法对于背景单一,前景与背景颜色对比度大的植物,计数结果较为精确;对于两行及两行以下粘连的植物,能有效识别并准确计数;对两行以上粘连的植物,只能对边界上的植物计数。3.苗圃图像拼接:无人机飞行高度在25m时,所能拍摄的苗圃面积为708m2,对于大面积种植的苗木,单幅航拍图像无法获取其全部信息,因此本文对大面积种植的苗木采取蛇形拍摄的方法,利用基于SIFT的图像拼接技术对存在重叠区域的连续航拍图像进行拼接,对拼接后的全景图像进行计数得到大面积种植的苗木数量。4.开发计数软件系统:利用软件工程的分析方法进行相应计数软件系统开发。首先对球形植物计数软件系统进行了需求分析,包括调查研究、需求说明和可行性研究。在市场调查一项中,列出了ImageJ和IPP的相关图像分析软件的计数缺陷。其次对所要设计的软件的功能、性能、经济可行性、技术可行性等进行说明,最后对计数软件进行开发。软件系统主要融合了本文所设计的随机Hough圆检测的植物计数算法和基于SIFT的图像拼接算法,开发了图像导入、图像显示、植物计数、图像拼接、图像及数据导出功能。综上,本文的苗圃图像球形植物计数方法可描述为:首先对无人机航拍的单幅苗圃图像进行裁剪,并调整图像分辨率至400*300,然后使用改进的K-MEANS方法进行图像分割,使用中值滤波、孔洞填充、开运算进行图像增强,然后用随机Hough圆的检测算法实现球形植物的计数。其次,利用无人机针对大面积种植的苗木采取蛇形航拍的方法,使用基于SIFT的图像拼接算法进行大面积种植的苗木的全景图的拼接,并对全景图进行计数,得到大面积种植的苗木的数量。最后完成了苗圃图像球形植物计数软件系统的开发。