An image analysis method for the automatic measurement of selected morphological features of wheat shoots

• Autorzy: Sekulska-Nalewajko J. , Gocławski J.

Warianty tytułu

PL

Metoda analizy obrazu do automatycznego pomiaru wybranych cech morfologicznych pędów pszenicy

• Języki publikacji: EN

Abstrakty

EN

In the paper an image processing and analysis algorithm has been presented, which provides the automatic measurement of selected morphological features of young wheat shoots. The plants were subject of heavy metals treatment experiments as well as beneficial selenium influence, so they growth potential can differ from the control group. The proposed measurement system uses scanned leaf images, that are processed in MATLAB environment to get leaves lengths and areas. After the segmentation stage binary image skeletons are determined, then changed to the graph forms and corrected to obtain the medial axes of a stem and leaves. These axes are measured in length, after their smoothing with the cubic splines method. The selection of leaf branching pixels and their closest counterparts on the other edge of each leaf enables cutting single leaves and the measurement of their areas. The length measurements for the selected population of shoots have been presented and compared with the results of manual and simplified methods. The example measurements of leaf areas with and without selenium influence have been included as well.

PL

W artykule przedstawiono algorytm przetwarzania i analizy obrazu, który umożliwia automatyczny pomiar wybranych cech morfologicznych młodych pędów pszenicy. Rośliny te były poddawane oddziaływaniu zarówno metali ciężkich, jak i korzystnemu działaniu selenu, tak że ich potencjalny wzrost może różnić się od grupy kontrolnej. Proponowany system pomiarowy wykorzystuje zeskanowane obrazy liści, które następnie są przetwarzane w środowisku MATLAB, aby wyznaczyć długości i pola powierzchni liści. Po wykonaniu segmentacji wyznaczane są binarne obrazy szkieletów pędów, następnie zamieniane w formę grafu i korygowane w celu wyznaczenia linii środkowych łodygi i liści. Linie te podlegają pomiarom długości po ich wygładzeniu za pomocą funkcji sklejanych 3. stopnia. Wybór punktów odgałęzienia liści i ich najbliżej położonych odpowiedników z drugiej strony liścia pozwala na odcięcie poszczególnych liści i pomiar ich pola powierzchni. Przedstawiono wykonane pomiary długości wybranej populacji pędów i porównano je z wynikami metody manualnej i uproszczonej. Dołączono także przykładowe pomiary pola powierzchni liści roślin wzrastających pod wpływem korzystnego działania selenu i bez niego.

Słowa kluczowe

EN

wheat shoots; image segmentation; image skeleton; Elliptical Fourier Descriptor; skeleton pruning; cubic splines

PL

pędy pszenicy; segmentacja obrazu; szkielet obrazu; eliptyczne deskryptory Fouriera; przycinanie szkieletu; funkcje sklejane 3. stopnia

• Wydawca: Wydawnictwa AGH
• Czasopismo: Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
• Rocznik: 2011
• Tom: T. 15, z. 3
• Strony: 243--257
• Opis fizyczny: Bibliogr. 16 poz., rys., wykr., tab.

Twórcy

autor

Sekulska-Nalewajko J.

• Computer Engineering Department, Technical University of Lodz, Poland

autor

Gocławski J.

• Computer Engineering Department, Technical University of Lodz, Poland

Bibliografia

• [1] Cheng H.D., Jiang X.H., Sun Y., Wang J., Color image segmentation: advances and prospects. Pattern Recognition, vol. 34, 2001, 2259-2281.
• [2] Gocławski J., Sekulska-Nalewajko J., Gajewska E., Wielanek M., Automatyczny pomiar długości korzeni siewek pszenicy z hodowli hydroponicznej przy wykorzystaniu metod przetwarzania i analizy obrazów. Automatyka (półrocznik AGH), t. 13, z. 3, 2009, 831-847.
• [3] Gocławski J., Sekulska-Nalewajko J., Gajewska E., Wielanek M., An automatic segmentation method for scanned images ofwheat root systems with dark discolourations. International Journal of Applied Mathematics and Computer Science, vol. 19, No 4, 2009, 679-689.
• [4] Gonzalez R.C., Woods R.E., Digital image processing, 3rd ed. Prentice Hali, 2007.
• [5] Gonzalez E.R., Woods R.E., Eddins S.L., Digital Image Processing Using MATLAB. Prentice Hall, Upper Saddle River, NJ, 2004.
• [6] Hasthorpe J., Mount N., The generation ofriver channel skeletons from binary images using raster thinning algorithms. URL http://ncg.nuim.ie/gisruk/materials/ proceedings/PDF/P7.pdf, 2007.
• [7] Kuhl F.P., Giardina C.R., Elliptic Fourier features of a closed contour. Computer Graphics and Image Processing, vol. 18, 1982, 236-258.
• [8] Lam L., Lee S., Suen Y., ThinningMethodologies -A Comprehensive Survey. IEEE Transactions on Pattern Analysis and Machinę Inteligence, vol. 14, 1992, 869-885.
• [9] Lebowitz R.J., Digital image analysis measurement of root length and diameter. Enyironmental and Experimental Botany, vol. 28, 1988, 267-273.
• [10] Malina W, Smiatacz M., Metody cyfrowego przetwarzania obrazów. Akademicka Oficyna Wydawnicza EXIT, Warszawa 2005.
• [11] Neto C.J., Meyer G.E., Jones D.D., Samal A.K., Plant species identification using Elliptic Fourier leafshape analysis. Computers and Electronics in Agriculture, vol. 50, 2006, 121-134.
• [12] Otsu N., A Threshold Selection Method from Gray-Level Histograms. IEEE Transactions on Systems, Man, and Cybernetics, vol. 9, No. 1, 1979, 62-66.
• [13] Serra J., Introduction to Mathematical Morphology. Computer Vision Graphics and Image Processing, vol. 35, 1986, 283-305.
• [14] The Mathworks Inc.: MEX-files Guide. URL http://www.mathworks.com/ support/tech-notes/ 1600/1605.html.
• [15] The Mathworks Inc.: Image processing toolbox userś guide. URL http://www.mathworks.com/help/toolbox/images/.
• [16] The Mathworks Inc: Curve Fitting Toolbox. URL http://www.mathworks.com/ help/toolbox/ curvefit/.