danforthcenter/plantcv

PlantCV – 植物表型分析的计算机视觉工具

是什么 – PlantCV 是一个开源的 Python 库，汇集了一系列图像分析算法，用于从照片中测量植物性状（大小、形状、颜色、病害症状等）。它专为高通量表型实验室设计，旨在为研究人员提供一种一致且模块化的方法，将原始植物图像转化为定量数据。

主要特性

• 模块化流程 – 个体处理步骤（如分割、目标检测、性状提取）以可重用函数的形式提供，可串联成自定义工作流。
• 广泛的算法基础 – 封装了经典计算机视觉技术（阈值处理、形态学操作、轮廓分析），并整合了其他包的方法。
• 可扩展性 – 由于库的插件架构，可添加新方法而不会破坏现有流程。
• 跨平台 – 可通过 PyPI、Conda-forge 或直接从源码安装；支持 Linux、macOS 和 Windows。
• 丰富的文档与教程 – 项目网站托管了完整的 API 参考、分步教程图库和示例数据集。

典型工作流程

1. 加载图像 – 使用 pcv.readimage() 读取植物照片。
2. 预处理 – 应用滤波、色彩空间转换或背景去除。
3. 分割 – 使用阈值处理或基于机器学习的掩码分离植物组织。
4. 提取性状 – 调用 pcv.shape_features()、pcv.area()、pcv.fluorescence_intensity() 等函数计算测量值。
5. 导出 – 结果以 Python 对象返回，或写入 CSV/JSON 供后续分析使用。

安装

# 通过 pip
pip install plantcv

# 或通过 conda-forge
conda install -c conda-forge plantcv

快速入门 – 项目 教程图库 (https://plantcv.org/tutorials) 为新用户逐步讲解常见用例，从简单的叶面积测量到多相机表型分析流程。API 文档可在 https://docs.plantcv.org/ 获取。

社区与支持

• 问题与提问 – 在 GitHub 问题页面提交工单。
• 贡献指南 – 提供贡献指南和行为准则；仓库列出了超过 70 位贡献者。
• 引用要求 – 使用该库进行研究时，请引用项目主页列出的 PlantCV 发表文献。

许可证 – BSD-3-Clause（参见 LICENSE 文件）。

---

PlantCV 是一个真实、积极维护的软件项目，将计算机视觉技术应用于植物表型领域，明确属于 AI/ML 范畴。