基于苧麻葉片RGB特征值的缺素診斷研究

高士 邱偉 彭佳紅

摘要：數字圖像處理技術已經成為精準農業的重要手段之一。以一個季度苧麻盆栽葉片圖像數據為基礎，對苧麻幼葉、熟葉、老葉生長過程中苧麻葉片氮、磷肥不同營養元素變化量與生長過程中苧麻葉片圖像的顏色特征進行提取研究。使用RGB顏色模型對苧麻生長過程葉片圖像顏色特征進行提取，并將其特征值與氮磷含量變化進行相關分析得到：G/（R+G+B）可以作為缺氮診斷標準，其值大于0.43時，推斷苧麻生長缺氮;R/（R+G+B）可以作為缺磷診斷標準，其值大于0.34時，診斷苧麻缺磷。

關鍵詞：苧麻;缺素;特征值

中圖分類號：TP391? ? ? ?文獻標識碼：A

文章編號：1009-3044（2019）24-0199-02

開放科學（資源服務）標識碼（OSID）：

1 背景

數字圖像處理是通過計算機對圖像進行去除噪聲、增強、復原、分割、提取特征等處理的方法和技術。其中，數字處理技術在苧麻缺素診斷過程中的應用過程主要包括圖像預處理、特征值提取、診斷三個部分。圖像預處理常用分量法灰度化圖像與中值濾波法去噪聲。灰度化圖像的每個像素只需一個字節存放灰度值[1、2]。將其灰度化處理，使R、G、B的值歸一到某個特定的區間或相等的這個值就是灰度值，范圍一般在0-255之間[3]。將采集到的圖像中的R、G、B分量作為圖像的灰度值，公式如下：

[F1（i，j）=R（i，j）;F2（i，j）=G（i，j）;F3（i，j）=B（i，j）;]? ? ? ? ? ? ? ? ? ? ? （1）

其中，F1、F2、F3即計算后的灰度值，i、j為灰度坐標系坐標。

中值濾波是一種常用的、能有效抑制噪聲的非線性信號處理技術，常用于保護邊緣信息[4]，是一種經典的平滑噪聲的方法，其輸出圖形為g（x，y）=med{f（x-k，y-l），（k，l∈W）}，其中，f（x，y），g（x，y）分別為原始圖像和處理后圖像。基本原理是把數字圖像中一點的值用該點的一個鄰域中各點值的中值代替，使周圍的像素值接近的真實值，從而消除孤立的噪聲點。

苧麻葉片圖像的特征值是苧麻葉片圖像的物理特征，主要包括其結構、紋理、顏色、形狀等。顏色模型是數據來描述圖像的典型代表，常見的模型是RGB顏色模型，提取其R、G、B特征值算法如圖1所示。

2 基于苧麻氮磷缺素葉片的RGB特征值診斷

通過提取到的RGB特征值與氮磷肥的含量變化相關性進行診斷。

實驗組共分為七個小組，施肥過程為苧麻生長的幼葉、熟葉、老葉期三個時期，每個時期施肥兩次，每次約50和20KG/hm2。如：氮肥的施量在適度范圍內呈線性增長，其他營養元素比例調配適當，使氮元素為單一變量，對于其他元素同樣如此。這樣，保證苧麻葉片由缺素到營養元素足夠的水平范圍內[5]，見表1，單位為KG/hm2。

對苧麻葉片圖像提取的21個顏色特征值，見表2。

2.1 基于苧麻葉片RGB特征值的缺氮診斷

在同一苧麻品種的不同生長時期，將提取到的苧麻葉片顏色特征數據表2產生的值與生長過程的含氮肥含量變化表1分別進行相關分析，得到相關性關系見表3。

由表3可看出，在幼葉期間，所提取的顏色特征值與氮肥的含量相關性很高，且結果都呈顯著相關關系。且誤差范圍在極小范圍之內，對結果不造成影響。得出結論：氮肥的含量跟計算機處理得到的顏色特征值是有相關性的，可以為后面的缺素診斷奠定基礎[6]。在整個苧麻葉片生長過程的氮肥含量變化過程中，提取到R、G、B分別跟氮肥的含量變化呈負相關性，G/（R+G+B）綠光標準值在整個生長過程中與氮肥的含量變化呈負相關關系，根據統計學原理，在數字圖像處理技術中，可以利用該綠光標準值的變化范圍來診斷苧麻生長過程中氮肥含量的情況[7-8]。為此，在苧麻的生長過程中記錄了G/（R+G+B）綠光標準值與氮肥含量的關系，得出散點圖2。

由圖2中看出，不同時期的N肥施量情況影響G/（R+G+B）值的變化。根據經驗，在0-50kg氮肥的情況下是屬于缺素階段，G/（R+G+B）值的變化范圍在[0.43，0.45]區間，當G/（R+G+B）值的變化范圍在小于0.43范圍時，可診斷苧麻的氮肥含量充足或有施肥過量。綜上，利用數字圖像處理技術在提取苧麻葉片RGB值后，計算不同時期的G/（R+G+B）綠光標準值，然后依據其值的范圍就可以推斷出苧麻的缺氮情況。當綠光標準值在G/（R+G+B）>0.43時，診斷為缺氮;而G/（R+G+B）<0.43，供氮情況良好。

2.2 基于苧麻葉片RGB特征值的缺磷診斷

對不同時期磷肥含量的變化（見表1）數據值與苧麻葉片顏色特征值數據（見表2）進行相關性分析，得到表4。

表4中，不同時期的磷肥施量與R/（R+G+B）標準值有明顯的負相關性，依據統計學原理，這表明R/（R+G+B）紅光標準比值可以作為磷肥含量的診斷指標，同理，依據R/（R+G+B）標準比值隨磷肥的含量變化建立散點圖，推斷出磷肥供應不足時R/（R+G+B）的范圍區間，進行缺素診斷，散點圖見圖3。

由圖3中可以看到，不同時期的P肥施量情況影響R/（R+G+B）值的變化，在0-50kg磷肥的情況下，屬于缺素階段，此時R/（R+G+B）值的變化范圍在[0.34，0.37]區間，當R/（R+G+B）值的在小于0.34范圍的時候，可以診斷苧麻的磷肥含量充足或有施肥過量的情況。綜上，利用數字圖像處理技術在提取苧麻葉片RGB值后，篩選出不同時期的R/（R+G+B）紅光標準值，計算后依據其值的范圍可以推斷出苧麻的缺磷情況如何[8]。當紅光標準值在R/（R+G+B）>0.34時，可以診斷為供磷不足時期，R/（R+G+B）<0.34時，可以診斷為供磷情況良好。