基于計算機圖像處理的葉綠素含量檢測系統(tǒng)研究.pdf

1、若將計算機視覺技術(shù)比作視神經(jīng)接收外界信息并在大腦中成像的過程，則計算機圖像處理過程可以看作是大腦對外界圖像的一種篩選和量化。但是不同于人的視覺感官，計算機處理圖像信息的過程更加具有準確性、針對性和高效性。利用計算機圖像處理技術(shù)，可以克服人眼在心理和生理上的局限性，從而得到更為精確、高效的圖像信息。
　　本文利用冷陰極輝光燈為光源的掃描儀來獲取植物的葉片圖像，并結(jié)合數(shù)字圖像處理的特點，先對葉片圖像的數(shù)字信息進行一系列處理，再分析顏色

2、特征值與葉綠素含量之間的關(guān)系，建立回歸模型，并編寫了獲取植物葉片葉綠素含量的可視化軟件。
　　文中重點探討了如何利用數(shù)字圖像分割技術(shù)將葉片圖像從背景中分離出來，對分割算法的相對精度和執(zhí)行效率進行了深入的研究。研究采用混合的圖像分割處理方法，在傳統(tǒng)的圖像處理和分割算法的基礎(chǔ)上進行了改進，采用改進的8連通區(qū)域中值濾波，基于線性區(qū)域增長的自適應(yīng)8連通區(qū)域標記法以及改進的自適應(yīng)Ostu閾值分割算法等，從而大大提高了圖像處理和分割的效率和相

3、對精度，使得實時獲取葉片葉綠素含量的信息成為可能。此外，文中還對通過上述算法得出葉片圖像的默認顏色空間RGB、利用線性空間變換得到的顏色空間CIE-XYZ、非線性空間變換得到的顏色空間HSL、CIE-L*a*b*的顏色特征值及其顏色空間集合內(nèi)部的加權(quán)運算所得到的運算值進行分析和比較，擬合出最能夠表征葉綠素含量的特征值，并利用最小二乘法得到特征值的二次回歸方程和多元非線性回歸方程來反演葉片葉綠素的含量信息。
　　利用C++ Buil