基于色调差的自然光照条件下苹果树叶片含氮量快速检测

该文旨在应用数字图像处理技术建立苹果树叶片氮含量检测模型。该方法以自然光条件下的叶片图像为分析对象,首先通过色彩恒常理论MSR算法进行去光照处理,然后应用阈值分割、改进的Sobel算子剔除叶片噪声点、叶脉等的影响,最后对不同含氮量的叶片与潘通标准色卡进行色调差分析,得到果树叶片色调差和含氮量之间的关系,建立出苹果树叶片的含氮量检测模型。经试验验证,苹果树叶片去光照图像与标准色卡图像的色调差与果树各个时期的叶片含氮量的相关系数均在0.75以上,且回归方程的F检验P值均小于0.01,具有极显著的相关关系,其中盛花期传统施肥组、结果中期传统施肥组、施复合肥组、采收期传统施肥组相关系数均在0.8以上,用最小二乘法建立的检测模型的检测值与实际值的相对误差小于10%。说明利用色调差测定苹果叶片含氮量的方法可行,该方法为实时、准确地监控苹果树整个生长过程中叶片含氮量的变化以及合理地施用氮肥提供科学理论基础。

色貌空间均匀性测试

均匀颜色空间在跨媒体颜色管理中起着重要的作用。本文以D65光源下的孟塞尔系统、Ebner和Fairchild恒常色相数据的CIEXYZ三刺激值作为输入值,利用三个模型预测相应的明度、彩度、色相的值,并根据预测值评价了常用色貌空间CIELab、CIECAM02-Jab、IPT的均匀性。实验结果表明,在明度均匀性方面,CIELab和IPT的明度均匀性较好,预测明度与孟塞尔明度V基本成线性关系,CIECAM02-Jab的均匀性稍差,预测相同孟塞尔明度的颜色得到的明度值并不完全相同;在彩度均匀性方面,CIELAB的均匀性最好,IPT均匀性最差;在色相均匀性方面,IPT的均匀性要优于CIECAM02-Jab和CIELab的均匀性,而CIELab的色相均匀性较差。

IPT色空间及其均匀性研究

IPT色空间在色域映射和图像色貌模型研究中得到应用。介绍了IPT色空间,采用D65光源下的孟塞尔系统和Ebner和Fairchild提出恒常色相数据研究了IPT色空间的均匀性。孟塞尔系统的三刺激值XYZ作为IPT色空间输入值,计算明度、彩度和色相,并与CIELAB色空间计算结果进行均匀性比较。结果表明,在明度均匀性方面,两个色空间结果基本相似,CIELAB色空间比IPT色空间稍好;在彩度均匀性上,CIELAB色空间较好于IPT色空间;在色相均匀上,采用孟塞尔系统数据的计算结果中IPT色空间在对蓝色色相预测和各个色相角的线性关系要比CIELAB色空间好,而对于Ebner和Fairchild恒常感知色相数据,IPT色空间的色相均匀性明显优于CIELAB色空间。