基于图像滤波技术的水稻谷粒数字化测量方法

本研究利用基于有界平均振荡模型(boundary mean oscillation, BMO)的ZQ梯度算子,结合各向异性非线性偏微分方程模型,构造用于图像处理的BMO滤波器,对水稻谷粒的数字图像进行去噪增强、边缘检测和特征提取,并对粒形参数进行统计分析。在此基础上,比较了BMO滤波与中值滤波的处理效果,并分析了BMO滤波技术的准确性与稳定性。结果表明,BMO滤波在保留图像的边界与细节特征方面显著优于中值滤波,其处理图像获取的谷粒粒长、粒宽和长宽比与人工测量值无显著差异(p <0.05),平均粒面积与千粒重正相关性强(R2 = 0.942, p <0.001),且粒形参数提取结果在不同水稻品种间有较好的稳定性。