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。在開發來自高通量表型(HTP)平臺的成像數據集的大規模下游處理方面，也付出了相當大的努力。然而，大多數可用的工具都需要一些編程技巧。


PhenoImage使用的不同特征的表示。在選擇感興趣的區域之后，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

本文作者開發了 PhenoImage，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。


PhenoImage驗證。(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)在數字性狀上均存在顯著差異(P < .001)。對于統計數據，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，作者分析了LemnaTec成像系統衍生的紅、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.）。在本研究中，討論了PhenoImage的開發、實現和工作。

來源：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