温室黄瓜叶片图像的白平衡处理
- 格式:pdf
- 大小:625.62 KB
- 文档页数:3
摄影白平衡知识:如何利用天气因素进行更好的白平衡修饰摄影是一种艺术,其中包含了很多技术细节,其中白平衡就是一项非常重要的技术。
对于不同的拍摄场景,白平衡的修饰也是不同的。
而在拍摄中,天气因素也会影响到白平衡的色调,所以如何利用天气因素进行更好的白平衡修饰,是每一个摄影者都应该掌握的技能。
一、白平衡的基础概念白平衡的作用是进行色温的调节,让图像中的色彩显得自然和真实。
如果白平衡调整得不好,图片中的颜色会显得过于偏红或过于偏蓝,而不符合实际的颜色。
因此,白平衡的正确使用对于拍摄出高质量的图片是十分重要的。
在进行白平衡调整的时候,我们需要知道一些基本的色温概念,这对于我们的白平衡调整是十分重要的。
1.1 K值K值是表示色温的单位,是一个热力学单位,通常用来表示沿黑体辐射曲线在色温为该值时的对应色光辐射的颜色。
每一个色温对应一种色调,因此我们需要根据不同拍摄场景的需要,选择不同的白平衡模式进行调节。
1.2色温区间色温以K值为单位,其范围在1000K~10000K之间。
这个范围内,色温从低到高,颜色就从红到蓝逐渐变化。
一般来说,我们会根据拍摄环境和光源的不同,选择白平衡模式和对应的K值来进行调节。
二、天气因素对白平衡的影响天气因素在摄影中是一个非常重要的因素,它直接关系到白平衡和色温的调整。
在不同的天气下,光线的颜色也会不同,从而会影响到拍摄对象的色彩表现,这就需要我们对白平衡进行相应的调节。
2.1晴天拍摄在晴天拍摄的时候,由于太阳光的照射,会产生一定的蓝色调,使整个场景看上去偏白色,并且一些人物或物体的阴影部分会显得过于黑暗。
这时候我们需要选择适合的白平衡模式和对应的K值来调节,一般来说,我们会选择自动白平衡模式(AWB),因为这个模式可以根据环境自动调节白平衡。
但是,有时候自动白平衡模式无法满足需求,这时候我们需要手动调节白平衡,一般会选择稍微增加一点K值,让图像中的色彩更加自然和真实。
2.2多云天气拍摄在多云天气拍摄中,光线有时候会变得柔和而稳定,但是如果错过了这个时间,会有一些温暖感的色调,这种颜色会使原本冷静、清新的色调变成暖色调,色彩也会有所偏移。
摄影白平衡知识:如何在不同季节和日光干扰下进行白平衡精准处理随着数字相机的普及,越来越多的人开始尝试摄影,然而,对于许多初学者来说,摄影白平衡往往是一个比较头疼的问题。
白平衡调整不正确会导致图像出现色偏、色温过冷或过暖等问题,从而影响图像的质量。
本文将为大家介绍如何在不同季节和日光干扰下进行白平衡精准处理。
一、白平衡的定义白平衡是指使拍摄的图像中的白色物体呈现出白色色调的过程。
相机通过色温来判断图像中的白色物体的颜色,白平衡调整就是在校正图像中白色物体的颜色,以确保它们在照片中的色彩是正常的,从而让整张照片的色彩更加自然,更加真实。
二、白平衡调整的方法1、预设白平衡许多相机都具有几个预设的白平衡设置,例如:太阳光、阴天、荧光灯等,这些设置大都是针对典型的光源环境,相机用户可以根据实际情况选择合适的预设模式。
2、手动调整白平衡手动调整白平衡是调整白平衡最准确的方法之一,可以根据图像所拍摄的环境、光源强度以及所用滤镜的情况来自定义白平衡。
用户可以通过相机的菜单或快捷键进行手动白平衡调整。
3、使用灰卡使用灰卡是调整白平衡最精准的方法之一,灰卡被设计成中性的灰色,这样根据灰卡的色温可以确定拍摄状态下所需的白平衡。
拍摄前先让灰卡曝光并记录下色温,然后使用相机菜单或快捷键进行白平衡调整。
三、不同季节白平衡调整技巧1、春季春天是一个充满活力的季节,阳光明媚的天气和绿色的植被使得拍摄春季的照片变得非常美丽。
当拍摄风景照片时,可以使用日光白平衡模式,以自然的方式呈现场景中的颜色。
如果需要突出桃花、樱花等花卉的颜色,可以使用人工白平衡模式,并将白点设定在花卉颜色的中等深度。
2、夏季夏天是一个非常炎热的季节,阳光强烈,色温较高。
在拍摄时,应该考虑到镜头晒太阳的情况,并留意太阳光所产生的阴影。
调整白平衡时使用日光模式即可。
3、秋季秋季是一个充满变化的季节,天气晴朗,所以可以选择日光白平衡模式进行拍摄。
而夕阳时分的光线较为温暖,所以拍摄时也可以使用阴影模式调整白平衡。
2007年11月农业机械学报第38卷第11期温室黄瓜叶片图像的白平衡处理徐增辉 张彦娥 【摘要】 为了消除光源对颜色的影响,减少颜色差异,提高数据精度,提出一种利用空间域增强对原始图像进行白平衡处理的方法。
数据分析表明:采用此种方法对黄瓜叶片缺陷图像进行白平衡处理,可有效提高待处理图像的灰度级别,改善图像的视觉效果,提高后期图像处理数据的精度。
关键词:黄瓜 叶片 图像 白平衡中图分类号:T P 391141文献标识码:A收稿日期:2006-08-14徐增辉 中国农业大学信息与电气工程学院 硕士生,100083 北京市张彦娥 中国农业大学信息与电气工程学院 副教授 引言应用计算机视觉技术进行作物营养诊断研究,已经从定性逐渐向定量研究发展。
但许多研究[1~5]中对数字图像的处理都没有考虑从软件上消除色温影响。
采集到的图像可能会存在整体亮度不均,颜色效果不稳定的问题,这些因素均会降低后期图像颜色特征提取的精度,也将在一定程度上影响数据处理的可信度。
特别是在定量研究中,提取可靠的图像颜色特征信息,是图像处理的重要问题之一。
本文应用白平衡原理,对黄瓜叶片图像颜色的纠偏方法及其实现进行研究。
1 图像获取及其颜色偏差现象分析111 图像获取一般在实用系统中,应该在自然光条件下获取图像,然而自然光受天气、时间等因素的影响,图像颜色变化复杂、提取颜色信息准确性差,影响后续的数据分析[6]。
为了消除自然光不稳定所造成的误差,目前机器视觉系统一般在人工光源下采集图像。
图1 自制光源示意图1.灯罩2.相机3.载物盘4.灯泡图1所示为自制光源的示意图,为降低成本同时保持比较好的显色性,采用白炽灯泡作为照明光源。
采用8个50W 的灯泡均匀布置在载物盘周围,顶部采用半球形外壳作为漫反射装置,保证在载物盘区域获得尽量均匀的光线,而且可以避免直反射所造成的高光效应。
中心的圆形载物盘用以放置叶片。
由于反射作用,光线在载物盘上获得稳定的光照效果需要一定的时间,达到稳定的时间为20s [7]。
基于图像处理的黄瓜叶子病害识别系统的研究为了进一步提高黄瓜叶子的病害检测与其病害程度分级的速率和准确性,本文综合运用图像处理技术和人工神经网络技术,实现了黄瓜叶部病害检测与染病程度的分级,并主要对发病率高且危害严重的黄瓜霜霉病、白粉病和病毒病进行了实验研究。
实验最终证明:检测系统的黄瓜叶部病害平均识别精度为94.06%,并能够快速准确地对黄瓜叶片病害的染病程度进行分级。
标签:黄瓜病害叶片;图像处理;特征提取;BP神经网络1 黄瓜叶子病害识别系统研究的必要性在全球范围内,黄瓜的种植面积大,又是人们喜欢食用的蔬菜之一。
但是,黄瓜十分容易染病。
各种环境的污染,使得黄瓜的种植遭到极其严重的病害侵蚀,导致黄瓜出现各种各样的病变症状。
然而,人们难以对各种病变进行明确的诊断并加以治疗。
结果不仅阻碍了黄瓜种植技术的进步和发展,而且会导致农民对各种病变滥用药、乱用药,引发一系列的污染问题。
黄瓜叶子病害识别系统就是利用科学技术的自动化和智能化来研究如何识别、诊断以及治疗黄瓜叶片的病害,并且对其病害程度进行分类。
这个系统的创建为农作物的诊断与治疗带来了福音,不仅能够对其进行极其准确地判断,还可以提供正确的预防和治疗方法;另外,可以减少由于人为主观判断的失误所带来的损失,降低了种植成本。
2 研究采用的科学技术本次研究采用两种先进的科学技术进行探索,一种是计算机视觉,也称为机器视觉,是研究如何用计算机来模拟和再现人类视觉功能的科学,也被称为图像理解和图像分析。
另一种是计算机图像分析技术,此技术应用于植物病害的识别研究已经有几十年的历史。
随着相关技术的不断成熟和发展,在农业各个领域上,计算机图像处理技术也得到了广泛的应用,并积极推动了农业的发展。
3 研究的环境及流程3.1 系统设计环境Matlab是一种简单,高效、功能强大的高级语言,在科学与工程计算领域有着广泛的应用前途。
由于植物病害数据较为庞大,同时要求数据处理速度较快,那么就只能选取一种处理速率较快,存储空间较大并且功能强大的图像处理软件平台,Matlab软件刚好符合所有要求,是许多专业人士的首选。
黄瓜叶片发白、变黄,慢慢就干枯了,咋回事,如何治黄瓜白化叶病是由于缺少微量元素镁而引起的一种生理性病害。
现将黄瓜白化叶病的有关情况简要介绍如下:一、症状表现黄瓜白化叶病是日光温室黄瓜生产中经常发生的一种生理性病害,特别是在日光温室深冬一大茬和冬春茬黄瓜进入盛瓜期后最容易发生的一种病害。
发病叶片首先是从主脉间的叶肉开始褪绿变白,随后向周围扩展,除叶缘保持绿色外,整个叶片叶脉间的叶肉基本都变为黄白色,俗称“白化叶”或“绿环叶”。
最后因病叶早枯致使植株长势衰弱,导致严重减产。
二、发病原因黄瓜白化叶病的发病原因是植株缺镁。
镁元素是植物叶绿素组成的核心部分,当黄瓜植株进入盛瓜期后,对镁的需求量增加,如果此时镁元素供应不足,就会因为缺镁而使黄瓜叶片白化。
黄瓜植株缺镁可以是土壤中缺少镁元素;也可能是土壤中并不缺镁,但由于我们施肥不当会引起植株对镁的吸收障碍而造成缺镁。
生产中如果施入钾肥过量,或氮肥偏多,就会影响植株对镁的吸收,磷肥不足也会引起植株对镁的吸收。
三、防治方法合理施肥底肥一定要施足,特别是要施用经过充分发酵腐熟的农家肥。
配方施用追肥黄瓜是连续采收的蔬菜,在施足底肥的基础上,必须按“少量多次”的原则施用追肥,而且要注意氮、磷、钾肥的合理配比。
一些地方的经验是每次、每亩追施尿素10-15公斤,磷二铵10-15公斤,硫酸钾15公斤。
不要氮、钾肥过多而磷肥不足。
科学用水灌水时要小水勤浇,不要大水漫灌。
黄瓜属浅根作物,土壤湿度过小会引起植株发育不良,土壤湿度过大又容易沤根而抑制根系对镁的吸收。
同时,大水漫灌也会造成镁元素的流失。
喷施叶面肥对已发生黄瓜白化叶病的温室,应急的措施是立即对叶面喷施0.5%-1%的硫酸镁水溶液或含镁的复合微肥。
每隔7-10天1次,连续喷施2-3次。
什么是拍摄中的白平衡如何调整在我们拿起相机或手机进行拍摄时,常常会遇到画面色彩不准确的问题,这时候就需要调整白平衡来还原真实的色彩。
那么,什么是白平衡呢?白平衡又该如何调整呢?白平衡,简单来说,就是让白色在不同的光线条件下依然呈现为白色。
我们知道,在不同的光源下,物体的颜色会发生变化。
比如,在烛光下,白色的物体可能看起来偏黄;在日光灯的照射下,白色可能又显得偏蓝。
而白平衡的作用,就是通过调整相机或手机的设置,让白色物体在照片或视频中呈现出真正的白色,从而让整个画面的色彩都变得准确和自然。
为什么要调整白平衡呢?想象一下,你在夕阳下拍摄美丽的风景,但是由于没有调整白平衡,照片中的整个色调都变得过于暖黄,失去了原本的层次感和真实感。
又或者在室内灯光下拍摄人物,人物的肤色看起来怪怪的,这都是因为白平衡没有设置正确。
那么,如何调整白平衡呢?首先,我们需要了解一些常见的白平衡模式。
自动白平衡是相机或手机默认的设置,它会根据拍摄环境自动判断并调整白平衡。
在大多数情况下,自动白平衡能够给出不错的效果,但在一些特殊的光线条件下,可能会出现偏差。
接下来是预设白平衡模式,常见的有日光、阴天、钨丝灯、荧光灯等。
如果你知道拍摄环境的光源类型,就可以直接选择对应的预设模式。
比如,在晴天的户外,选择日光模式;在阴天,选择阴天模式。
除了以上两种方式,还有手动白平衡调整。
手动白平衡调整通常需要使用一张白色的纸张或物体作为参考,让相机或手机对着它进行校准。
具体操作方法因设备而异,但大致步骤是相似的。
首先,找到相机或手机中的手动白平衡设置选项,然后将白色物体充满画面,按下校准按钮,相机或手机就会根据这个白色参考来调整白平衡。
在实际拍摄中,我们还可以通过调整色温来实现白平衡的效果。
色温是用开尔文(K)来表示的,数值越低,画面越偏暖;数值越高,画面越偏冷。
比如,2800K 左右的色温会让画面呈现出温暖的黄色调,适合拍摄黄昏等场景;而 5500K 左右则接近自然光的色温,画面色彩较为真实;7000K 以上则会让画面呈现出冷蓝色调。
风光摄影知识:利用白平衡控制自然环境的颜色风光摄影是指以自然环境为主题的摄影艺术形式,是让人们欣赏自然之美,感受自然之灵魂的一种表现方式。
在风光摄影中,由于自然环境的复杂性和多变性,往往会出现环境的色彩与真实感差距较大的情况。
而白平衡控制是解决这一问题的重要工具。
本文将为读者详细介绍利用白平衡控制自然环境的颜色的方法和技巧。
一、什么是白平衡白平衡是指将拍摄场景中的色温偏色调整到自然真实的状态,所以也叫"色温平衡"。
在拍摄风光的过程中,白平衡控制的重要性不言而喻。
因为白平衡错误会导致照片色彩失真,影响观感效果。
二、如何正确设置白平衡正确的白平衡设置是拍摄环境中色彩还原度高、画面层次感强、细节丰富的关键。
以下为设置白平衡的步骤:1.手动白平衡手动白平衡的方法是非常简单的,并且只需要做一次。
我们需要在摄影时使用白色卡或灰卡对景物进行测光,然后再手动在相机上设置白平衡。
使用这种白平衡方法的优点是更准确,不会因为颜色深浅不同而出现误差。
2.预设白平衡预设白平衡是针对不同场景的白平衡设置,通过相机自带的白平衡预设模式进行调节。
目前市面上的相机一般预设了五个白平衡模式:自动、白炽灯、荧光灯、阴天/阴影、晴天。
3.手动调节白平衡如果您不知道采用哪种白平衡设置,您可以在手动模式下通过设置色温和调节红、绿和蓝通道的比例实现白平衡调节。
三、如何利用白平衡控制自然环境的颜色1.弄清环境的色调在拍摄风光的时候需要先观察环境的色调,把握好色调的倾向,为后面调整白平衡做准备。
有些场景的色调显得偏蓝,有些显得偏黄,还有些则显得泛绿等。
因此,拍摄时需要根据具体场景的不同,进行不同的白平衡调整。
2.充分利用摄影软件对照片进行后期调整在摄影过程中,我们不能完全掌握所拍摄的环境条件,比如天气状况、光线情况等因素,这个时候就需要摄影师通过后期处理软件对照片进行调整。
不同的软件有不同的调整方法,通常需要进行色彩均衡、颜色溢出的调整。
基于图像处理的日光温室黄瓜病害识别的研究田有文a,李成华b(沈阳农业大学 a.信息与电气工程学院;b.工程学院,沈阳 110161)摘 要:根据日光温室黄瓜病害的彩色纹理图像的特点,将支持向量机和色度矩方法用于识别黄瓜病害。
在进行分类时,首先以色度矩作为特征向量,然后将支持向量机分类方法应用于黄瓜病害的识别。
通过黄瓜病害纹理图像识别实验分析表明,以色度矩作为病害彩色纹理图像的特征向量简便、快捷、分类效果好;支持向量机分类方法在黄瓜病害训练样本较少时也具有良好的分类能力和泛化能力,非常适合于黄瓜病害的分类问题。
不同分类核函数的相互比较分析表明,线性核函数最适合黄瓜病害识别。
关键词:农业基础科学;黄瓜病害;理论研究;图像处理;日光温室;支持向量机;色度矩中图分类号:S126 文献标识码:A 文章编号:1003—188X(2006)02—0151—031 引言近年来,以高效、节能日光温室为主体的设施园艺得到了快速发展,其中环境信息的快速采集和监测技术已逐步趋向成熟,但有关作物生长状态信息特别是植物病害信息的快速采集与处理的研究还很少。
以往诊断黄瓜病害基本上凭借经验和病理学知识进行分析和判断。
由于黄瓜病症的外观表现难以用精确和定量的数字进行描述,且诊断时间比较长,故往往延误了施药的最佳时机。
黄瓜病害由于其致病病原物种类不同,而使其叶部病斑纹理各不相同,故可根据计算机图像处理技术对黄瓜叶部病害信息进行快速采集与处理,并依据其叶部纹理特征采用模式识别技术对黄瓜病害进行确诊。
这将为我国日光温室的智能化、自动化监测与变量喷药控制和农业信息网的黄瓜病害远程诊断提供重要的理论依据。
本研究首先把日光温室黄瓜病害的叶部纹理图像的色度矩作为特征向量,然后采用支持向量机分类方法对其进行识别。
实验结果表明,采用色度矩与支持向量机相结合的方法识别黄瓜病害既简便又可靠,且对于小样本的叶部病斑纹理图像识别具有良好的学习能力和推广性;同时得出最适合于黄瓜病害识别的线性核函数。
园 艺 学 报 2003,30(2):157~162Acta Horticulturae Sinica黄瓜叶片光合作用的温度补偿点与光合启动时间张振贤1 艾希珍2 赵世杰2 杨红艳2(1中国农业大学蔬菜学系,北京100094;2山东农业大学园艺学院,泰安271018)摘 要:利用英国PP system公司生产的CIRAS-1型便携式光合仪并配置有关设备,在控温、控光条件下,对黄瓜叶片的光合起动时间、温度补偿点及其某些影响因素进行了测定。
结果表明,黄瓜低温温度补偿点约为3.3℃,高温温度补偿点为48.9~50.7℃。
日光温室品种新泰密刺的高温温度补偿点低于露地品种津研4号。
低温下老叶的温度补偿点明显高于新叶。
黄瓜功能叶的光合作用的起动时间一般在42~45min,而老叶则相对较长,约54~60min。
关键词:黄瓜;温度补偿点;光合启动时间;气孔导度中图分类号:S642.2 文献标识码:A 文章编号:0513-353X(2003)02-0157-06黄瓜是日光温室冬春栽培的主要蔬菜,但日光温室设施简陋,室内温度状况受外界环境条件影响很大,在最冷的1月份,特别是在阴雪天较多的年份,室内的温度常降到5℃或更低,往往造成冷害,而炎热的夏季室内温度往往高于40℃,严重影响植株正常的光合作用和生长,导致植株早衰,产量和品质降低。
已有研究表明,黄瓜在低温弱光下有自身的保护机制〔1,2〕,光合作用的上限、下限温度分别为3~6℃和42~44℃〔3〕,但在温度胁迫下的温度补偿点,即光合作用吸收的C O2和呼吸释放出的CO2达到动态平衡时的叶片温度,尚缺乏研究。
此外,日光温室冬季采用覆盖草苫保温,而揭苫和盖苫的主要依据是室内温度,在生产中早晨温室见光后因怕降低温度而推迟揭苫,夜间为了保温,下午温度下降到一定程度时即使光照较强也提前盖苫,缩短了见光时间,降低了光合产物的积累。
因此,研究黄瓜光合作用的温度补偿点和起动时间,对于延长黄瓜的光合时间,增加光合产物的积累,为日光温室的温度和光照管理提供可靠的理论依据等方面具有重要的意义。
2007年11月
农业机械学报
第38卷第11期
温室黄瓜叶片图像的白平衡处理
徐增辉 张彦娥
【摘要】 为了消除光源对颜色的影响,减少颜色差异,提高数据精度,提出一种利用空间域增强对原始图像进行白平衡处理的方法。
数据分析表明:采用此种方法对黄瓜叶片缺陷图像进行白平衡处理,可有效提高待处理图像的灰度级别,改善图像的视觉效果,提高后期图像处理数据的精度。
关键词:黄瓜 叶片 图像 白平衡中图分类号:T P 391141
文献标识码:A
收稿日期:2006-08-14
徐增辉 中国农业大学信息与电气工程学院 硕士生,100083 北京市张彦娥 中国农业大学信息与电气工程学院 副教授
引言
应用计算机视觉技术进行作物营养诊断研究,已经从定性逐渐向定量研究发展。
但许多研究[1~5]中对数字图像的处理都没有考虑从软件上消除色温影响。
采集到的图像可能会存在整体亮度不均,颜色效果不稳定的问题,这些因素均会降低后期图像颜色特征提取的精度,也将在一定程度上影响数据处理的可信度。
特别是在定量研究中,提取可靠的图像颜色特征信息,是图像处理的重要问题之一。
本文应用白平衡原理,对黄瓜叶片图像颜色的纠偏方法及其实现进行研究。
1 图像获取及其颜色偏差现象分析
111 图像获取
一般在实用系统中,应该在自然光条件下获取
图像,然而自然光受天气、时间等因素的影响,图像颜色变化复杂、提取颜色信息准确性差,影响后续的数据分析[6]。
为了消除自然光不稳定所造成的误差,目前机器视觉系统一般在人工光源下采集图像。
图1 自制光源示意图
1.灯罩
2.相机
3.载物盘
4.灯泡
图1所示为自制光源的示意图,为降低成本同时保持比较好的显色性,采用白炽灯泡作为照明光源。
采用8个50W 的灯泡均匀布置在载物盘周围,顶部采用半球形外壳作为
漫反射装置,保证在载物盘区域获得尽量均匀的光线,而且可以避免直反射所造成的高光效应。
中心的圆形载物盘用以放置叶片。
由于反射作用,光线在载
物盘上获得稳定的光照效果需要一定的时间,达到稳定的时间为20s [7]。
载物盘涂成白色,作为图像采图2 叶片原始图像集的背景颜色。
CCD 相机固定于灯箱顶部,与载物盘距离固定。
在1280×960分辨率下,图像上1mm 内包括4像素。
从图2所示叶片图像
的背景颜色,可以明显看
出由于色温影响,图像有偏色现象。
112 黄瓜叶片叶绿素含量与图像颜色
为了应用计算机视觉技术估测黄瓜叶片的叶绿素含量,对温室种植的黄瓜进行不同的处理,然后采集黄瓜顶六叶片的图像,进行颜色分析。
计算叶片的绿色分量,根据该分量与叶绿素的线性相关特性,建立作物营养水平的监测模型[6]。
因此,每幅图像对应模型中的一个点数据,图像偏色会直接影响模型的准确性。
图2中的偏色现象说明叶片的颜色不真实,这对定量研究会有影响。
更为严重的问题是光源稳定性与电压稳定性、操作时间有关,所获取图像的偏色程度存在差异,这样所带来的误差对特征提取的可靠性存在很大的影响,直接影响模型的建立。
2 载物盘空载图像分析及颜色纠偏
为了获得比较好的纠偏效果,先对载物盘空载
时的图像进行分析和处理,图3为拍摄的白色载物盘图像。
211 图像分析
图4为图3所示图像中心水平方向(即过载物
盘中心的径向方向)的灰度分布,其中灰度值通过
图3 载物盘原始图像
R GB 3色分量计算,G h =01299R +01587G +01114B 。
可以看出,除个别的椒盐噪声影响外,距载
物盘中心一定范围内的灰度值基本是均匀的。
但图
像整体亮度并没有达到白色(G h =255)的标准,距离白色有一定的偏差,存在着偏色现象。
假设载物盘为纯白色,即R =G =B =255,可以将中间均匀部分作为图像的白色基准颜色,利用白平衡的原理,对图像进行纠偏处理。
使用中间比较均匀部分的颜色信号,确定各通道偏差值,利用灰度级别近似为线性变化[8]的特点,将各通道偏差值对应到目标值(白色的对应值),确定线性拉伸系数,然后分别对R 、G 、B 通道进行灰度拉伸,
便可实现图像的纠偏处理。
图4 载物盘原始图像灰度值分布图
212 颜色纠偏(白平衡)处理
白平衡是一种传感器颜色纠偏的方法,系统采用统一的白色背景,有利于用白色进行颜色纠偏。
白平衡一般是指摄像设备对白色物体的还原。
传统的白平衡方法是在恒定色温环境中拍摄一纯白色物体,分析所摄得的图像数据,对白色物体部分进行平均,求R 、G 、B 的均值,定义为R w 、G w 、B w 。
若得到的R w 、G w 、B w 分量近似相等,则认为系统是白平衡的;否则调整R 、G 、B 通道增益,实现白平衡。
白平衡具体步骤如下:
(1)确定R 、G 、B 各通道的平均值R w 、G w 和B w ,作为白平衡计算中的偏差值
R w =∑R
b
M
G w =∑G
b
M
B w =
∑B
b
M
(1)
式中 R b 、G b 、B b ——各通道像素灰度值
M ——像素总数
(2)确定各通道分量的拉伸系数Κr 、Κ
g 和Κb 为Κr =(255-R w )
255Κg =(255-G w ) 255Κb =(255-B w )
255(2)
(3)利用已经取得的拉伸系数对原始图像每个
像素的每个通道分量进行计算,获得最终分量值为
R f 、G f 和B f 。
为了保证像素取值范围在[0,255]的
要求,对于计算值超过255的像素,以255作为其近
似分量值
R f =Κr R
G f =Κg G
B f =Κb
B (3)213 空白图像白平衡结果分析
图5 载物盘白平衡图像图5为经上述处理所
获得的图像,图6为其中
心水平
方向的灰度分布图。
可以看出,距载物盘中心位置400像素内的图像基本恢复为白色,颜色分
量基本均为白色。
由1mm 内含有4像素可知,在载物盘中心位置起半径为100mm 范围内的像素可达到比较理想的白平衡状态。
在黄瓜叶片营养检测的系统中,采用顶六叶片进行分析,200mm 的范围完全可以满足实际的需要。
图6 载物盘白平衡图像的灰度分布
3 叶片图像处理及分析
叶片图像与空白图像有所不同,其背景为白色,但是叶片范围内的颜色是随着叶片纹理和颜色变化的,因此只能提取外侧白色背景部分的像素集合作为白平衡参数值。
311 背景提取
为了获得白色背景的偏差值,需要对图像进行背景区域的提取。
针对研究对象主要以绿色为主的特点,采用过绿指标i ExG =2G -R -B [9]先对图像进行预处理,然后用阈值分割法进行图像分割。
图7为对图2进行过绿指标处理后的图像直方图,明显为
091农 业 机 械 学 报2007年
双峰直方图,且两峰间的距离很大,这说明采用过绿指标可以有效降低背景提取的出错率。
图8为阈值分割结果图像。
图7 对图2过绿指标处理后图像直方图
312 叶片图像白平衡纠偏处理及结果分析
分割后提取背景颜色的各通道灰度均值作为白平衡计算中的偏差值,计算纠偏拉伸系数,最后对图像每个像素进行计算,获得纠偏的结果图像。
图9即为纠偏后的结果图像,图像的颜色更接近实际情况,且叶片的脉络也变的更加清晰。
图10
为该图像纠偏
处理前后水平中心线上的图像灰度值分布比较图。
从图可以看出,叶片部分的灰度明显低于两侧背景部分,经纠偏处理后的图像灰度级有所增加,但是背景部分趋于均匀。
另外,还测算了处理后图像R GB 3原色分布。
以图像中心为原点,以5像素为间距,
右侧水平方向为0°,分别对0°、30°、60°、90°图像数据进行分析。
分析的结果与上述灰度值分布有同样规律。
本处理使叶绿素测算的精度有了很大的提高,
图8 阈值分割结果图像图9 叶片白平衡图像
图10 叶片白平衡纠偏前后图像灰度值分布图
得到了相关的实验验证[6]。
4 结束语
针对利用黄瓜叶片监测黄瓜营养水平的需要,研究了人工光源条件下,黄瓜叶片的图像白平衡颜色纠偏问题。
通过对白色图像和叶片图像的处理结果进行分析,该算法可以实现距图像中心100mm
范围内的均匀颜色白平衡。
经处理后的叶片图像更加清晰,且颜色纠偏有效,可以满足黄瓜叶片叶绿素监测的需要。
参考文献
1
91 第11期徐增辉等:温室黄瓜叶片图像的白平衡处理。