[发明专利]一种叶片RGB图像偏态分布参数信息采集及分析方法

说明书

本发明公开了一种叶片RGB图像偏态分布参数信息采集及分析方法，采用Photoshop软件对数码相机采集到的叶片进行切割并去噪后，采用MATLAB软件对Red,Green,Blue通道及灰度图像的叶色色阶分布情况进行偏态分析并提取相关参数，采用烟草单叶叶色偏态分布参数构建与SPAD值的非线性关联模型，并将其与传统参数传统方法所构建的回归模型进行比较，进而验证偏态分析方法在叶色‑生理指标预测中的可行性及优越性。本发明基于叶片RGB模型的色阶分布为偏态分布所提取的偏态分布参数极大丰富了RGB模型的信息量，可以从叶色深浅和分布均一性两个方面描述了叶色的变化状况，提升了对个体性状描述及模型预测的精准度。

技术领域

本发明涉及植物叶片图像信息领域，尤其涉及一种叶片RGB图像偏态分布参数信息采集及分析方法。

背景技术

随着数字图像技术的日益成熟及高分辨率摄像设备的普及，利用数码图像对植物外观表型性状进行定性和定量描述的研究越来越多。数码相机可以记录可见波段的光谱信息，分辨率高，成本低。此外，数码静态彩色图像包含大量植物形态结构和叶色的信息，因此常被应用于鉴定叶色的变化。

数码彩色图像最为常用的分析方法是RGB颜色模型。其他方法(如：HSV颜色模型、Texture Analysis)也是通过RGB的数据进行转化。在RGB颜色模型中，可以使用每个像素的三个颜色传感器分别捕获红、绿、蓝光谱中的光线强度，从而描述物体图像中任何像素的颜色，这些参数都可以利用现有的软件，如(MathWorks Inc.)or Image J对数码图片处理得到。

将RGB用于叶片叶色的研究已经有很长的历史了。从1988年开始用RGB数据来测定叶绿素含量开始，经过几十年的发展，叶片的RGB数据在植物中的应用的还是集中在测定叶绿素的含量，以及跟叶绿素含量变化相关的指标上。为深入挖掘RGB数据的应用价值，研究人员提出了很多种衍生参数比如(R-B)/(R+B),G/(R+G+B),R/(R+G+B),G/R,R+G+B,R-B,R+B,R+G,log sig((G-R/3-B/3)/255)用于测定小麦、花椰菜、卷心菜、大麦、番茄、生菜和花椰菜中叶绿素的含量(Kawashima and Nakatani 1998；Adamsen et al.1999；Hu etal.2010；Cai et al.2006；Ali et al.2012).但是不论怎样将R、G、B三个均值参数进行组合，都无法改变信息量少的问题，这成为了RGB模型应用的瓶颈，极大地限制了它的应用范围。人们转而研究高光谱或多光谱。

现有RGB模型进行叶色分析有明显的局限性，主要体现在：1.传统的图像色阶分析方法是采用基于正态分布条件下对数据进行分析，这只是一种方便的近似取值的方法，并不能全面、真实的反映出叶色的分布情况。2.从RGB图像中所获取的信息太少，只有Red、Green、Blue三个通道的色阶均值，虽然有不少研究人员提出了这三个基层参数的多种组合参数，但无法解决他们在描述叶色变化的生理学意义。3、传统的研究一般采用逐步回归模型构建叶色-生理参数模型，但有些生理指标与叶色变化并不是线性相关的，采用这样的方法所构建的模型拟合度较差，预测精度不高。

发明内容

本发明的目的在于提供一种叶片RGB图像偏态分布参数信息采集及分析方法，以便在更准确描述叶色深度和均匀性的变化情况。

本发明所解决的技术问题可以采用以下技术方案来实现：

一种叶片RGB图像偏态分布参数信息采集及分析方法，包括如下步骤：

步骤一：叶片图像采集；

步骤二：叶片图像切割去噪：采用Adobe Photoshop CS软件对步骤二采集到的叶片图像进行预处理，去除背景后保存为PNG图像模式，并将图像分辨率调整为1000*1330；