玉米是糧食、飼料、工業原料兼用型作物。玉米生產在國家糧食生產和糧食安全中占有極重要的戰略地位。研究證明，玉米優良種的推廣使玉米增產40%。種子質量直接關系到玉米產量高低及玉米質量和品質的優劣，而推廣優良的雜交種需要大量的優質種子[1-4]。

　　玉米穗籽粒行數(穗行數)是穗部重要農藝性狀之一。不同品種的玉米穗行數有較大差別，生長條件也會影響穗行數，在玉米育種、栽培及新品種DUS測試[5]等科研中準確計數穗行數非常重要。玉米穗行數的傳統測定靠人工計數，存在人工計數方法固有的缺陷—易于疲勞、誤差大、效率低。

　　本文基于機器視覺的相關理論即數字圖像處理的方法，設計出一種玉米穗行數自動檢測算法確定其行數。特別提出用一維最小值濾波器對排序好的角度-半徑曲線圖進行濾波，這樣做可以濾去角度-半徑變化曲線中的噪聲，避免直接計算其極大值或極小值點的個數，可能會出現的誤差。經過檢測，該算法可以客觀、高效、準確地檢測出玉米穗行數，滿足我國玉米糧食產業的選種需要。

　　1 自動檢測算法整體方案設計

　　根據人工行數檢測習慣，我們只關心玉米橫斷面外邊緣輪廓圖像信息，穗行數是由外邊緣輪廓的凸凹變換所決定的。因此，設計基于機器視覺的玉米穗行數自動檢測算法，主要包括圖像采集，圖像預處理，圖像特征提取和特征統計四個部分[6-8]。其流程圖如圖1所示。

　　在上述流程圖中，圖像采集即玉米穗橫斷面照片的獲取。將玉米穗橫斷面放在白色背景上，在它上方加上環形光源，相機在環形光源正中、玉米穗橫斷面正上進行拍攝獲取玉米穗橫斷面圖像。本文在實驗中獲的圖像為JPEG格式，該格式的的特點是具有高壓縮比，能夠保留RGB顏色模型中的所有顏色信息，可以有效地提取與玉米顏色相關的特征。

　　2 圖像預處理

　　圖像預處理是整個設計的關鍵步驟[9]，預處理效果直接關系到后面特征提取的效果，進而關系到整個設計的處理精度和準確率。本設計對圖像的預處理主要包括對比度增強、彩色圖像轉換成灰度圖像、采樣壓縮、最大類間方差圖像分割。

　　2.1 對比度增強

　　由于玉米部分多數為黃白色，而背景部分選擇了白色，兩部分灰度級差別不大，故需要對圖片先進行主題部分加強，通過減小主題部分的細節，增大背景和主題的對比度，來區分玉米穗橫斷面主題和背景。

　　圖2所示的HSV(Hue-Saturation-Value)顏色空間[10]是一種均勻的顏色空間，能夠反映人的視覺對顏色的感覺。色調H飽和度S包含顏色信息，而亮度V與顏色無關。由于飽和度與一定色調的亮度有關，純光譜色是完全飽和的，隨著白光的加入飽和度逐漸減少。而對比度增強就是要減少玉米橫斷面圖像中的黃白色分量即增大S的數值。

　　本算法采用下面步驟增強對比度：

　　1) 原有RGB彩色圖像轉換為HSV顏色模型;

　　2) 單獨提取HSV模型中飽和度S分量進行增強;

　　3) 利用增強后的S和原有H、V重構圖像并轉換為RGB顏色模型;

　　4) 根據公式Gray = 0.2990 * R + 0.58700* G + 0.1140 * B將彩色圖像轉換為灰度圖像。

　　2.2 圖像采樣壓縮

　　為提高行數自動檢測效率，減少算法執行時間。本文對灰度圖像的行和列進行重新采樣，采樣頻率降為原有1/2，圖像大小由原有976*1000降為488*500。

　　以下是實現代碼：

　　p2=2;%圖像采樣率

　　f=f(1:p2:end,1:p2:end);%對圖像f進行采樣壓縮

　　2.3 圖像分割

　　圖像分割[11]的目的是把圖像空間分成一些有意義的區域。該設計中最關鍵的部分是能夠準確地將采集到的圖像分割成兩部分，一是玉米穗橫斷面部分即主題部分，二是圖片背景部分，只有正確地分割才能準確地提取玉米穗部分的邊緣，才能夠順利地進行后面的工作。

　　為實現以上目的，需要將壓縮后的灰度圖片翻轉，使玉米穗主題部分變亮，然后再在圖片中心增加一個點光源，使玉米穗部分更加亮，增大兩部分的灰度值，最后采用閾值分割法將圖片分割成兩部分，而閾值t的選取是用最大類間方差法(簡稱otsu法)[12]求解的。