【正文】 161717181819192020 圖像數(shù)據(jù)的處理 圖像二值化由于本研究采集的是梧桐樹葉的RGB 圖像，該圖像上的每一個(gè)像素點(diǎn)都是用分別代表圖像三原色紅色（R）、綠色（G）、藍(lán)色（B）的三個(gè)亮度值來描述的, 因此增加了RGB圖像處理的工作量。RGB圖像雖然能最大化保持圖像原有的特征，但其最大的缺點(diǎn)就在于數(shù)據(jù)量過于龐大，處理起來比較復(fù)雜。這樣的直線可以有許多條，但我們希望其中的一條能最準(zhǔn)確的反映與之間的關(guān)系，即我們要找出一條直線，使盡可能多的數(shù)據(jù)點(diǎn)落在這條直線上，記此直線方程為: （21） 其中 稱為自變量， 稱為因變量。首先利用圖像處理的方法, 對(duì)梧桐葉片的RGB圖像提取了葉片顏色的三原色紅色、綠色、藍(lán)色的特征參數(shù),然后建立了多個(gè)一元和多元回歸分析的數(shù)學(xué)模型，對(duì)葉片含水率和葉片顏色的關(guān)系進(jìn)行了分析和總結(jié)。在農(nóng)業(yè)領(lǐng)域，植物葉片含水率可以用來推斷農(nóng)作物是否缺水以及農(nóng)作物的生長狀況，從而提供信息用于灌溉決策,收益率估計(jì)以及干旱條件評(píng)估。張偉和毛罕平等在《缺素葉片圖像顏色和紋型特征參數(shù)提取的研究》[3]中采用圖像處理技術(shù)對(duì)番茄進(jìn)行了缺素判別, 分別對(duì)缺鉀、缺鐵、缺氮和正常4 種情況下番茄葉片圖像的特征參數(shù)進(jìn)行了采集和分析, 取得了顯著的效果。它可以幫助我們用一個(gè)或多個(gè)自變量的值去估計(jì)因變量的值。因?yàn)槲覀円话闼鸭亩际荝GB彩色圖像，所以要對(duì)二值化圖像進(jìn)行處理與分析，首先要把圖像二值化，得到二值化圖像，這樣才能對(duì)圖像做下一步的處理。用照相機(jī)采集20組梧桐葉片的正反兩面圖像，然后導(dǎo)入到計(jì)算機(jī)中，方便對(duì)圖像的下一步處理。但它極易受極端數(shù)據(jù)的影響，這是因?yàn)槠骄祵?duì)數(shù)據(jù)值的變化反應(yīng)靈敏，每個(gè)數(shù)據(jù)的每個(gè)微小變化都會(huì)導(dǎo)致不同的結(jié)果。（代碼見附錄3）表 33 RGB圖像的平均值和標(biāo)準(zhǔn)差數(shù)據(jù)葉片編號(hào)分量平均值分量標(biāo)準(zhǔn)差平均值標(biāo)準(zhǔn)差葉片含水率12345678910111213141516171819204 建立回歸模型 模型一：基于二值化圖像變異系數(shù)的一元回歸模型 將圖片的變異系數(shù)作為自變量，葉片含水率為因變量建立一元回歸模型。（數(shù)據(jù)見表33，代碼和運(yùn)行結(jié)果見附錄3）分析：由上述運(yùn)算結(jié)果可知變異系數(shù)和葉片含水率的多元回歸模型為： (45) 同時(shí)結(jié)果顯示。在對(duì)RGB圖像用Matlab處理并提取了圖像的特征參數(shù)后建立了特征參數(shù)與葉片含水率的回歸模型，最終給出了葉片顏色與葉片含水率的定量模型，并對(duì)模型進(jìn)行了驗(yàn)證，證明了得出的回歸方程是有意義的。(1) 數(shù)據(jù)量較?。ㄖ挥?0組），這就導(dǎo)致得出的模型具有局限性。 模型六：六元回歸模型分別將RGB圖像三原色紅色、綠色和藍(lán)色的三個(gè)平均值和三個(gè)標(biāo)準(zhǔn)差這六個(gè)變量作為自變量，葉片含水率為因變量建立六元回歸模型。從方程和圖像可以看出變異系數(shù)和葉片含水率成反比，同時(shí)從圖像可以看出數(shù)據(jù)點(diǎn)是非常分散地分布在擬合曲線附近的。它在概率統(tǒng)計(jì)中最常用來測(cè)量統(tǒng)計(jì)數(shù)據(jù)的分布程度。 （a） 正面 （b） 反面 圖31 葉片圖像的正反面 葉片含水率的測(cè)定用烘干法測(cè)梧桐樹葉的葉片含水率，具體做法為：首先對(duì)鮮葉片進(jìn)行三次稱重，然后記錄葉片的稱重結(jié)果。為了得到較為理想的二值化圖像，可以采用封閉且相連的邊界定義不相交的區(qū)域。本研究的主要內(nèi)容是一元和多元的線性回歸分析。此外，由于該模型只有一個(gè)特征參數(shù), 所以不足以進(jìn)行模式判別。我國是一個(gè)較為缺乏水資源的國家，同時(shí)我國又是一個(gè)農(nóng)業(yè)大國，有效地提取并且利用農(nóng)作物體內(nèi)的水分信息有助于轉(zhuǎn)變我國目前傳統(tǒng)的灌溉方式，提高水資源在我國的利用率，改善居民用水緊張的現(xiàn)狀。本研究以梧桐樹的葉片為例, 研究了葉片顏色與葉片含水率之間的關(guān)系。回歸分析的主要步驟為：(1) 模型建立：針對(duì)給定的數(shù)據(jù)集，確定其中某些變量之間的定量關(guān)系式，即建立自變量與因變量之間的回歸模型并估計(jì)其中的未知參數(shù)的值。如果物體和背景在灰度值上并沒有差別，而這個(gè)差別表現(xiàn)在其他方面（比如紋理不同），也可以將其它的差別轉(zhuǎn)換為灰度值的差別，然后通過對(duì)閥值的選取把圖像的背景和物體區(qū)域分開。結(jié)果如表31所示。標(biāo)準(zhǔn)差計(jì)算公式： （33）（33）中代表數(shù)