用于植物圖像分析的開源圖形用戶界面

高通量基因分型與分子育種方法相結合，大大加快了作物改良計劃。最近，改進的植物表型方法導致了從人工測量到自動化平臺的轉變，

并提高了可擴展性和分辨率。在開發(fā)來自高通量表型(HTP)平臺的成像數(shù)據(jù)集的大規(guī)模下游處理方面，也付出了相當大的努力。

然而，大多數(shù)可用的工具都需要一些編程技巧。

選擇感興趣的區(qū)域之后，從原始圖像導出裁剪圖像。二進制圖像是植物像素的遮罩，其中植物像素被設置為1，背景被設置為0。

分割的圖像表示來自背景的分割的植物像素。以淺藍色顯示的邊界框是基于分割的像素計算的，并包圍植物的所有像素。

凸包表示包圍植物所有像素的最小凸多邊形。圖像骨架近似于莖和葉的中心線，并且使用骨架化算法來計算。

這是一種基于開源圖形用戶界面 (GUI) 的跨平臺解決方案，用于 HTP 圖像處理，旨在使具有很少或沒有編程技能的用戶可以訪問圖像分析。

開源特性提供了擴展其可用性以滿足用戶特定需求的可能性。多種功能和過濾參數(shù)的可用性為分析來自各種植物種類和平臺的圖像提供了靈活性。

(a)在充分澆水條件下生長的26天的高粱和小麥植株的原始和處理過的RGB圖像。(b)利用表型圖像(PhenoImage)得到了兩個數(shù)字特征:凸面積(凸面面積)和投射莖面積(PSA)，

它們代表了植物的結構。每個點代表單株復制，水平線代表組均值。高粱(n = 5)和小麥(n = 6)在數(shù)字性狀上均存在顯著差異(P < .001)。

對于統(tǒng)計數(shù)據(jù)，使用Welch's t檢驗(方差相等而非假設)

PhenoImage既可以在個人計算機上運行，也可以在高性能計算集群上運行。為了測試該應用的有效性，

LemnaTec成像系統(tǒng)衍生的紅、綠、藍（RGB）顏色強度和基于植物色素沉著的熒光拍攝圖像，

這些圖像來自兩種不同物理屬性的植物：高粱（sorghum bicolor（L.）Moench）和小麥（Triticum aestivum L.）。研究中，討論了PhenoImage的開發(fā)、實現(xiàn)和工作。