高通量基因分型与分子育种方法相结合，大大加快了作物改良计划。最近，改进的植物表型方法导致了从人工测量到自动化平台的转变，并提高了可扩展性和分辨率。在开发来自高通量表型(HTP)平台的成像数据集的大规模下游处理方面，也付出了相当大的努力。然而，大多数可用的工具都需要一些编程技巧。


PhenoImage使用的不同特征的表示。在选择感兴趣的区域之后，从原始图像导出裁剪图像。二进制图像是植物像素的遮罩，其中植物像素被设置为1，背景被设置为0。分割的图像表示来自背景的分割的植物像素。以浅蓝色显示的边界框是基于分割的像素计算的，并包围植物的所有像素。凸包表示包围植物所有像素的最小凸多边形。图像骨架近似于茎和叶的中心线，并且使用骨架化算法来计算

本文作者开发了 PhenoImage，这是一种基于开源图形用户界面 (GUI) 的跨平台解决方案，用于 HTP 图像处理，旨在使具有很少或没有编程技能的用户可以访问图像分析。开源特性提供了扩展其可用性以满足用户特定需求的可能性。多种功能和过滤参数的可用性为分析来自各种植物种类和平台的图像提供了灵活性。


PhenoImage验证。(a)在充分浇水条件下生长的26天的高粱和小麦植株的原始和处理过的RGB图像。(b)利用表型图像(PhenoImage)得到了两个数字特征:凸面积(凸面面积)和投射茎面积(PSA)，它们代表了植物的结构。每个点代表单株复制，水平线代表组均值。高粱(n = 5)和小麦(n = 6)在数字性状上均存在显著差异(P < .001)。对于统计数据，使用Welch's t检验(方差相等而非假设)

PhenoImage既可以在个人计算机上运行，也可以在高性能计算集群上运行。为了测试该应用的有效性，作者分析了LemnaTec成像系统衍生的红、绿、蓝（RGB）颜色强度和基于植物色素沉着的荧光拍摄图像，这些图像来自两种不同物理属性的植物：高粱（sorghum bicolor（L.）Moench）和小麦（Triticum aestivum L.）。在本研究中，讨论了PhenoImage的开发、实现和工作。

来源：Wiley Online Library.PhenoImage: An open-source graphical user interface for plant image analysis.Feiyu Zhu, Manny Saluja, Jaspinder Singh Dharni, Puneet Paul, Scott E. Sattler, Paul Staswick, Harkamal Walia, Hongfeng Yu
https://acsess.onlinelibrary.wiley.com/doi/10.1002/ppj2.20015