晁艳丽
摘 要:田间作物最重要的特征指标就是叶色,其能够直观地反映出叶绿素含量的变化、作物生长过程中的光合作用、养分情况及水分含量等栽培信息,为田间的作物管理、苗的生长情况的诊断和根据苗的肥力情况提供重要依据。以大豆的叶片为研究材料,测定了叶片的叶绿素含量,利用数字图像处理技术提取了叶片的颜色特征值。结果表明,叶绿素含量与颜色特征参数具有一定的相关性,并建立了与叶绿素之间的联系
关键词:数字图像处理;叶绿素;颜色特征;大豆叶片
田间作物在不同生长期间,其颜色也是随着生育期的变化而变化的,所以颜色是反映作物长势的重要信息。由于不同的光照、土壤成分、群体结构等因素对作物的生长发育都有一定的影响,这些影响主要体现在作物不同部位的颜色不同[1]。作物整个生长发育期间都在大田里,通常有两种方法采集作物相关信息,其一是通过肉眼观察作物的颜色等特征,凭着以往的经验来判断作物的生长状况;另一种是将不同地块间的作物取样回来,进行实验室处理,通过化学手段来进行分析,获取各种所需要的参数值[2-4]。
近年来,数字图像处理技术已经在农业方面有所应用,并且已经对农作物的某些参数指标具有一定的指导意义,同时这也是一种新兴的手段来监测作物的生长信息[5-9]。本研究利用数字图像处理对大豆叶片的图像进行处理,然后提取颜色特征值,分析了其与大豆叶片叶绿素含量的关系,为快速、准确地测定大豆叶片叶绿素含量提供了有效的方法,也为能够掌握大豆生长状况的实时监测提供了保障。
1 大豆叶片叶绿素含量的測定
本研究采用Microvision工业摄像头进行实地拍摄,拍摄单片叶静态数字图像以及地面其他数据,采集均在大豆初期。叶绿素浓度采用澳作生态仪器有限公司的CCM-200型叶绿素计测定,每个叶片测5次,计算叶绿素均值,测定结果如表1所示。
2 大豆叶片颜色特征的提取
2.1图像的预处理
本研究开发了大豆叶片图像分析与处理系统,通过中值滤波方法对图片进行处理。中值滤波窗口一般有像素为3、5、7等几种正方形,经过分析表明,3×3窗口滤波效果更好。滤波如图1所示,左图为原图像,右图为中值滤波后的图像。
2.2图像颜色特征的提取
利用自行开发的大豆叶片图像分析与处理系统的颜色特征提取模块,提取颜色特征值红(R)、绿(G)、蓝(B),色调(H)、亮度(I)、饱和度(S)各个均值及各自标准差如图2所示,所提取的颜色特征值分别如表2和表3所示。
根据以上所获得的参数,进一步进行数学变换得到R/(G+B)、G/(R+B)、R/(R+G+B)、G/(R+G+B)、R/G、R/B、G/B、G/R、B/R、B/G、2G-R、2G-B、2G-R-B,将变换后所得到的值与所测得的叶绿素含量进行数学分析,利用Excel的回归分析功能,得出叶绿素含量与2G-R-B呈显著相关,相关系数为0.864,相应的回归方程如图3所示。
3 小结与讨论
1)运用颜色特征值对大豆叶片叶绿素含量估测的可行性。各种植物通常是绿色的,而其冠层能反映叶片的绿色状况,这些绿色状况与叶片的叶绿素含量相关,叶片的绿色是通过光合作用产生的。因此,叶绿素含量与太阳光的吸收和反射状况有关系。对于可见光的吸收和反射的数量多少,会直接影响着叶片的叶绿素含量。这些都是能够利用数字图像处理来获取叶片颜色特征参数,从而获得大豆叶片与其他作物叶片的叶绿素含量比较的生理基础。在研究大豆叶片之前,很多学者已经获得了很好的成果,像Adamaen等[1]与贾良良[3]都是利用数字图像处理技术获得参数与叶绿素建立相关关系,从而得到不同参数与叶绿素含量呈明显相关。本研究表明,数字图像所获取的绿色、蓝色、红色通过计算得出2G-R-B与叶绿素呈显著相关,为利用颜色参数进一步研究其与产量预测打下了一定的基础。
2)各种因素对颜色特征值的影响。在试验地里读取数据时,难免会受到天气的变化的影响,因为天气的变化会引起叶片的化学成分含量的微小变化,但这些微小的变化用肉眼是看不出来的。但通过对于图像的处理与分析便可以从中发现,颜色特征值会因为化学成分含量微小变化而引起变化,但是这些对于研究人员的最终结果影响并不大。另外,温度的高低、风力的强弱、湿度的大小均会影响叶片叶绿素含量的变化,也会影响对阳光的红光和蓝光的吸收程度,最终也会导致叶绿素含量的变化。
参考文献
[1] 贾良良.应用数字图像技术与土壤植株测试进行冬小麦氮营养诊断[D].北京:中国农业大学.2003.
[2] 王 勇,沈明霞,姬长英.基于颜色信息和形状特征的棉桃识别方法[J].农业机械学报,2007,38(11):77-79,87.
[3] 徐增辉,张彦娥.温室黄瓜叶片图像的白平衡处理[J].农业机械学报,2007,38(11):189-191.
[4] 杨福增,杨亮亮,田艳娜,等.基于颜色和形状特征的茶叶嫩芽识别方法[J].农业机械学报,2009,40(增刊):119-123.