本发明属于水分果类测定技术领域,涉及西瓜瓤色的数字化分类方法,更具体地说是一种红瓤西瓜瓤色数字化分类的方法。
背景技术:
西瓜瓤色是西瓜的科研和生产中较为重要的一项指标,红瓤西瓜是当前西瓜生产和科研工作的主流类型,红瓤西瓜的瓤色主要是西瓜功能性成份由番茄红素决定的,在当前的西瓜研究及生产中,对西瓜瓤色的描述主要为自然语言,如“粉红、桃红、红、橘红和大红”,其结果主要由研究者目测而得来。随着电子信息技术的发展,电脑及数字成像设备的普及,在西瓜研究及生产中,众多的研究者、生产者使用诸如数码相机、智能手机等用成像设备记录西瓜瓤色,存为数码图像,存储于电脑等设备中,以备研究生产参考。目前计算机图像中,通常都使用了hsb、rgb、lab及cmyk这4种色彩模型。
技术实现要素:
本发明以存储在电脑的西瓜瓤色的数字图像为材料,分析了西瓜瓤色(红色)在不同的光照条件、不同的颜色表达模式下的变化规律,在此基础上将,将采集到的西瓜瓤色的数字图像进行分析,使西瓜瓤色的自然语言描述中“粉红、桃红、红、橘红、大红”与西瓜瓤色的数字图像中的数值建立对应关系,达到西瓜瓤色的分类数字化的目的。
为实现上述目的本发明公开了如下的技术内容:
一种红瓤西瓜瓤色数字化分类的方法,其特征在于按如下的步骤进行:
(1)拍摄西瓜瓤色图像:使用canonpowershotsx220hs相机和sonydsc-w80相机拍摄,从种植的西瓜材料和品种选择中采集西瓜瓤色的数字图像;在选择取样点时,要避开瓜瓤上面的种子、开裂、被挤压等部分,取样点内的瓤色图像要尽量均匀,较能代表整个西瓜的瓤色;取样点的选择:①每个西瓜分析样品取3个点,②每个取样点的像素数要大于1000个,③每个西瓜分析样品所取的3个点至少各有1个中心瓤色和边瓤色;
(2)不同光照条件下对西瓜瓤色数字图像的影响:选择西瓜材料中较典型的“粉红、桃红、橘红和大红”瓤色,分别在以下环境:无补充光源室内、室内日光灯、室外荫、阳光下、闪光灯、微型摄影棚,在这6种拍摄环境中,采用全自动的拍摄模式拍摄照片;拍摄得到照片后,按标准的取样方法,用图像处理软件imageanalyst,得到西瓜瓤色的图像在rgb颜色模式的r值、g值和b值;
(3)西瓜瓤色的数字化分类:按照西瓜瓤色照片的处理要求,从历年拍摄的照片中选出具有代表性的照片各35张,按照西瓜瓤色的数字图像处理标准,分别读取这些照片中西瓜瓤色的rgb值,得到有效的“粉红”色的西瓜瓤色数据34个,代号分别为1-01,1-02……1-34;“桃红”色的西瓜瓤色数据33个,代号分别为2-01,2-02……2-33;“红”色的西瓜瓤色数据26个,代号分别为3-01,3-02……3-26;“橘红”色的西瓜瓤色数据28个,代号分别为4-01,4-02……4-28;“大红”色的西瓜瓤色数据26个,代号分别为5-01,5-02……5-26,共得到有效的西瓜瓤色数据147组;
(4)计算l×s值:将rgb模式下的值转换为hsb模式值,并在hsb模式下进行分析;对于hsb模式下的,h值易出现较大波动的问题,这是由于hsb的色相规定中0度和360度都是正红色造成的,故先计算了出h值与0度或360的差后,称为h的绝对值,即|h|(当h值≥180,|h|=360-h值;当h值<180,|h|=h),再设定l=1-|h|/60计算,则l值即估算出各个西瓜瓤色的h值与正红色(0度或360度)的距离远近,再计算l值再与hsb值中的s值(颜色的饱和度)的积,以此积做为比较西瓜瓤色的依据;通过对147个西瓜瓤色照片的取样,得到了相应西瓜瓤色的rgb值,经相关软件处理后得到了对应的hsb值,然后计算l×s值;
(5)将l×s值和结论中的数值做比较则得到西瓜的瓤色。
本发明更加详细的描述如下:
1.材料与方法
1.1材料
西瓜瓤色的数码图像主要使用canonpowershotsx220hs相机和sonydsc-w80相机拍摄,从本研究室的种植的西瓜材料和品种选择中采集西瓜瓤色的数字图像。
在处理西瓜瓤色的数字图像的过程中,西瓜瓤色数据的取样点的选取也比较重要。在选择取样点时,要避开瓜瓤上面的种子、开裂、被挤压等部分,取样点内的瓤色图像要尽量均匀,较能代表整个西瓜的瓤色。取样点的选择:①每个西瓜分析样品取3个点,②每个取样点的像素数要大于1000个,③每个西瓜分析样品所取的3个点至少各有1个中心瓤色和边瓤色。
1.2不同光照条件下对西瓜瓤色数字图像的影响
为了研究在不同的光线条件下,对西瓜瓤色的数字图像的影响,设计了不同光照条件下西瓜瓤色照片对比实验。选择西瓜材料中较典型的“粉红、桃红、橘红和大红”瓤色,分别在以下环境:室内(无补充光源)、室内日光灯、室外荫、阳光下、闪光灯、微型摄影棚,在这6种拍摄环境中,采用全自动的拍摄模式拍摄照片。拍摄得到照片后,按标准的取样方法,用图像处理软件imageanalyst,得到西瓜瓤色的图像在rgb颜色模式的r值、g值和b值。
1.3西瓜瓤色的数字化分类
按照西瓜瓤色照片的处理要求,从历年拍摄的照片中选出具有代表性的照片各35张,按照西瓜瓤色的数字图像处理标准,分别读取这些照片中西瓜瓤色的rgb值,得到有效的“粉红”色的西瓜瓤色数据34个,代号分别为1-01,1-02……1-34;“桃红”色的西瓜瓤色数据33个,代号分别为2-01,2-02……2-33;“红”色的西瓜瓤色数据26个,代号分别为3-01,3-02……3-26;“橘红”色的西瓜瓤色数据28个,代号分别为4-01,4-02……4-28;“大红”色的西瓜瓤色数据26个,代号分别为5-01,5-02……5-26,共得到有效的西瓜瓤色数据147组。
2.结果与分析
2.1不同光照条件下对西瓜瓤色数字图像的影响
“粉红、桃红、橘红和大红”瓤色西瓜材料,分别在6种拍摄环境中拍摄数码图像,分析得到西瓜瓤色的图像在rgb颜色模式的r值、g值和b值。直接比较这些数值较困难,因此我们将这些数值再还原为颜色,则可以较直观的观察比较在不同的光照条件下,所得到的西瓜瓤色图像的变化情况。
从以上5个图中,我们可以较直观看出,西瓜的瓤色在室外荫、日光灯和阳光这3种光照条件下拍摄的照片的颜色差别较小,在闪光灯、室内和暗室都有较大的颜色差别,在这3个较极端的光线条件下,变化较为明显。在拍摄西瓜瓤色照片时,要尽量避免较弱或较强的光线环境,在日常的光线下条件下拍摄的照片基本能还原西瓜瓤色。
2.3西瓜瓤色的数字化分类
通过图像处理软件得到147个西瓜瓤色的rgb值后,在用rgb颜色模式进行数据分析过程中,各个瓤色之间的重合区域较多,各个值的变化规律不够明显,分析各个瓤色的值较困难。参考各种资料后,经过考虑,将rgb模式下的值转换为hsb模式值,并在hsb模式下进行分析。对于hsb模式下的,h值易出现较大波动的问题,这是由于hsb的色相规定中0度和360度都是正红色造成的,故先计算了出h值与0度或360的差后,称为h的绝对值,即|h|(当h值≥180,|h|=360-h值;当h值<180,|h|=h),再设定l=1-|h|/60计算,则l值即估算出各个西瓜瓤色的h值与正红色(0度或360度)的距离远近,再计算l值再与hsb值中的s值(颜色的饱和度)的积,以此积做为比较西瓜瓤色的依据。
通过对147个西瓜瓤色照片的取样,得到了相应西瓜瓤色的rgb值,经相关软件处理后得到了对应的hsb值,然后计算l×s值。
3.讨论
通过本实验可以得出,西瓜瓤色的数字图像是有一定规律的,通过合理的计算,是可以通过数字来表达出西瓜瓤色的变化规律的。本实验采用l×s值的对西瓜瓤色的进行区分,各个瓤色之间存在着重合的区域,这说明用l×s值对西瓜瓤色的区分程度还不够精细,解决这个问题方法,一是在hsb颜色模式下找到一个更合理的计算公式,使计算出来的数值区分度更高;二是在rgb等其它颜色模式下找到更合理的计算公式。限于作者的水平,希望能有更高水平的研究者做进一步的研究工作。
本发明公开的一种红瓤西瓜瓤色数字化分类的方法,与现有技术相比所具有的积极效果在于:
(1)使研究者对西瓜瓤色的判断更为的客观,不易受外界环境条件的干扰。
(2)使研究者对西瓜瓤色的判断方式统一、标准相同,便于对西瓜品种和种质资源的交流对比。
(3)使研究者对西瓜瓤色的判断将不再依据研究者的观察,对西瓜瓤色的判断方式变为一系列的数值大小的比较,比自然语言的比较更为详尽。
附图说明
图1为粉红瓤色西瓜在不同光照下拍摄照片后的颜色还原;
图2:桃红瓤色西瓜在不同光照下拍摄照片后的颜色还原;
图3:橘红瓤色西瓜在不同光照下拍摄照片后的颜色还原;注:图3中因橘红西瓜的室内照片丢失,所以无室内颜色还原;
图4:大红瓤色西瓜在不同光照下拍摄照片后的颜色还原;
图5:大红瓤色西瓜在不同光照下拍摄照片后的颜色还原;注:以上图片中暗室是指微型摄影棚;
图6:hsb颜色模式中的h值色相轮;
图7:全部瓤色图像的l×s值和hsb值中的b值变化的折线图;图7中的紫色折线即为l×s值的变化趋势图;通过计算得到粉红瓤色的l×s值变化区间为[22.6-55.0]之间,桃红瓤色的l×s值变化区间为[46.7-65.9]之间,红瓤色的l×s值变化区间为[62.3-75.2]之间,橘红瓤色的l×s值变化区间为[68.8-78.4]之间,大红瓤色的l×s值变化区间为[74.4-81.7]之间。
具体实施方式
下面通过具体的实施方案叙述本发明。除非特别说明,本发明中所用的技术手段均为本领域技术人员所公知的方法。另外,实施方案应理解为说明性的,而非限制本发明的范围,本发明的实质和范围仅由权利要求书所限定。对于本领域技术人员而言,在不背离本发明实质和范围的前提下,对这些实施方案中的物料成分和用量进行的各种改变或改动也属于本发明的保护范围。其中所用的试剂原料均有市售。
实施例1
一种红瓤西瓜瓤色数字化分类的方法,其特征在于按如下的步骤进行:
(1)拍摄西瓜瓤色图像:使用canonpowershotsx220hs相机和sonydsc-w80相机拍摄,从种植的西瓜材料和品种选择中采集西瓜瓤色的数字图像;在选择取样点时,要避开瓜瓤上面的种子、开裂、被挤压等部分,取样点内的瓤色图像要尽量均匀,较能代表整个西瓜的瓤色;取样点的选择:①每个西瓜分析样品取3个点,②每个取样点的像素数要大于1000个,③每个西瓜分析样品所取的3个点至少各有1个中心瓤色和边瓤色;
(2)不同光照条件下对西瓜瓤色数字图像的影响:选择西瓜材料中较典型的“粉红、桃红、橘红和大红”瓤色,分别在以下环境:无补充光源室内、室内日光灯、室外荫、阳光下、闪光灯、微型摄影棚,在这6种拍摄环境中,采用全自动的拍摄模式拍摄照片;拍摄得到照片后,按标准的取样方法,用图像处理软件imageanalyst,得到西瓜瓤色的图像在rgb颜色模式的r值、g值和b值;
(3)西瓜瓤色的数字化分类:按照西瓜瓤色照片的处理要求,从历年拍摄的照片中选出具有代表性的照片各35张,按照西瓜瓤色的数字图像处理标准,分别读取这些照片中西瓜瓤色的rgb值,得到有效的“粉红”色的西瓜瓤色数据34个,代号分别为1-01,1-02……1-34;“桃红”色的西瓜瓤色数据33个,代号分别为2-01,2-02……2-33;“红”色的西瓜瓤色数据26个,代号分别为3-01,3-02……3-26;“橘红”色的西瓜瓤色数据28个,代号分别为4-01,4-02……4-28;“大红”色的西瓜瓤色数据26个,代号分别为5-01,5-02……5-26,共得到有效的西瓜瓤色数据147组;
(4)计算l×s值:将rgb模式下的值转换为hsb模式值,并在hsb模式下进行分析;对于hsb模式下的,h值易出现较大波动的问题,这是由于hsb的色相规定中0度和360度都是正红色造成的,故先计算了出h值与0度或360的差后,称为h的绝对值,即|h|(当h值≥180,|h|=360-h值;当h值<180,|h|=h),再设定l=1-|h|/60计算,则l值即估算出各个西瓜瓤色的h值与正红色(0度或360度)的距离远近,再计算l值再与hsb值中的s值(颜色的饱和度)的积,以此积做为比较西瓜瓤色的依据;通过对147个西瓜瓤色照片的取样,得到了相应西瓜瓤色的rgb值,经相关软件处理后得到了对应的hsb值,然后计算l×s值;
(5)将l×s值和结论中的数值做比较则得到西瓜的瓤色。