CN106404682A - 一种土壤颜色识别方法 - Google Patents

Abstract

本发明公开一种土壤颜色识别方法，包括如下步骤：1)在计算机中安装RGB色彩模型，选择在同一拍摄条件下拍摄土壤和标准比色卡图片，然后将所有图片上传至所述计算机中；2)利用RGB模型计算土壤图片的颜色值；3)利用RGB模型计算所有比色卡图片的颜色值；4)计算土壤图片的颜色值到所有比色卡颜色值的空间距离，距离最近的一个对应的比色卡的颜色就是土壤的最接近准确度的颜色。

Description

一种土壤颜色识别方法

技术领域

本发明涉及土壤颜色鉴别技术领域，尤其是关于野外农林土壤颜色的识别方法。

背景技术

土壤颜色是土壤物质组成及其性质的反映，也是判断和研究成土环境、土壤类型及其肥力特征的重要依据。在农林生产中，对土壤颜色的准确判断是鉴别一系列土壤物理化学性质的重要诊断标志。

目前munsell比色法是土壤学家广泛使用的一种土壤颜色描述方法，在使用时需要把土壤样品与标准比色卡相对照，从而确定土壤颜色，这种方法很简单，但是也存在着一些问题，主要表现为：首先，靠肉眼观察会带来很大的误差，由于人的经验、视力等因素的差异，对土壤颜色的判断带来很大的误差。其次，在把土壤样品与标准比色卡进行比对的时候，还受到外界环境等因素的干扰，如光线、天气等。再有，在进行野外测定时或者比对时容易弄脏比色卡，这就会使以后对土壤颜色测定的准确性降低，因此这种方法并不实用，不适宜长期大面积的施用。

发明内容

针对现有鉴别土壤颜色的方法的缺陷性，本发明提供一种土壤颜色识别方法，该方法可以消除人的主观因素、环境因素的影响，利用信息化技术，使得土壤颜色得到准确的辨别，改善了传统方法测定土壤颜色的不足之处。

本发明解决以上技术问题所采用的技术方案如下：一种土壤颜色识别方法，其特征在于，包括如下步骤：

1)在计算机中安装RGB色彩模型，选择在同一拍摄条件下拍摄土壤和标准比色卡图片，然后将所有图片上传至所述计算机中；

2)在RGB色彩模型下，从所需识别的土壤图片中随机选取N个像素点，利用RGB模型分别获取这些点的(R，G，B)值，然后再分别对所有的R值、G值、B值求取平均值，作为该土壤图片的颜色平均值，表达如下：

3)同样在RGB色彩模型下，对于每一张比色卡图片，从其中随机选取n个像素点，利用RGB模型分别获取这些点的(R，G，B)值，然后再对n个点对应的R、G、B值分别求取平均值，作为该图片的颜色平均值，设共有m张比色卡，则分别表达如下：

4)将所需识别的土壤图片的颜色平均值T(R，G，B)，与所有的标准比色卡图片的颜色平均值一一做如下计算，共获得m个计算结果：

T(R，G，B)相对于K1(R，G，B)：

{[T(R)-K1(R)]²+[T(G)-K1(G)]²+[T(B)-K1(B)]²}

T(R，G，B)相对于K2(R，G，B)：

{[T(R)-K2(R)]²+[T(G)-K2(G)]²+[T(B)-K2(B)]²}……

T(R，G，B)相对于Km(R，G，B)：

{[T(R)-Km(R)]²+[T(G)-Km(G)]²+[T(B)-Km(B)]²}

5)在步骤4)的计算结果中，找到一个最小值，该值所对应的比色卡的颜色就是所需识别的土壤的颜色。

所述的同一拍摄条件是指在相同的光线、背景、相机参数下的拍摄。

所述N与n的取值可以相同，也可以不同。

本发明由于采取了以上的技术方案，其具有的有益效果是：

1、本发明采用计算机处理的方法，消除了人为等外界因素的影响，使所得数据更加精确。

2、替换了野外调查时需要随身携带比色卡，只需将比色卡预先制做在计算机颜色模型中，以后不再需要随身携带，无论从经济角度还是实用性角度都很合理。

3、无论是土壤还是比色卡，都可以制作成图片存储在计算机中，利用软件进行计算即可，不再需要现场比对。

4、合理利用了现代科学技术对野外土壤颜色进行调查，是野外土壤颜色调查的重大进步，对以后的研究有深远的影响。

综上所述，本发明适合野外土壤颜色的测定。

具体实施方式

下面结合实施例对本发明进行详细的描述，但本领域技术人员应该知道，以下实施例并不是对本发明技术方案作的唯一限定，凡是在本发明技术方案精神实质下所做的任何等同变换或改动，均应视为属于本发明的保护范围。

本发明提供一种准确识别土壤颜色的方法，并且该方法可以同时应用于对多种土壤的辨别，一次性可鉴别多种土壤。该方法是在消除人的主观因素等传统测定方法干扰的情况下，利用信息化技术，使得对土壤颜色的大量、准确测定的可能得到实现，解决了传统方法测定土壤颜色的不足之处。在本发明方法的实施中，是基于所有外界客观条件均一致的条件下，如光线、背景、相机参数等，在该条件下将所有的标准比色卡和土壤用同一相机拍成图片，存放在电脑上，利用同一应用平台进行计算，从而找出与土壤图片颜色最相近的一张标准比色卡图片。

进一步讲，这种应用平台可以是采用RGB色彩模型，也可以是采用其他可以表达色彩识别的软件。

以RGB色彩模型为例，RGB色彩模型是一种常见的表征颜色参数的表达方式，R(红)、G(绿)、B(蓝)是色彩中的三原色，RGB色彩模型是工业界的一种颜色标准，是通过对红、绿、蓝三个颜色通道的变化以及它们相互之间的叠加来得到各种各样的颜色的，这个标准几乎包括了人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一。在RGB色彩模型中，每种颜色都可以通过以R、G、B三种颜色为三个坐标在空间模型中唯一确定地表达出来，RGB色彩模型是一个三维坐标体系，因此每一种颜色的比色卡以及土壤图片都相当于是这个空间模型中的一个点，坐标通过(R，G，B)形式来表达。每张图片都有自己的RGB坐标，而每张图片又是由无数的点组成的，因此每张图片上的无数个点也有其自己的RGB坐标，利用待测土壤照片的RGB坐标与数据库中所有标准比色卡图片的RGB坐标的空间直线距离，选择出最接近的标准土壤图片，即可得到所需识别的土壤颜色值。

本发明的技术方案的具体实施步骤可以是：

1)在计算机中安装RGB色彩模型，选择在同一拍摄条件下(相同的光线、背景、相机参数)拍摄土壤和标准比色卡图片，然后将所有图片上传至计算机中；

2)在RGB色彩模型下识别所需识别的土壤图片，从该土壤图片中随机选取N个像素点，利用RGB模型分别获取这些点的(R，G，B)值，然后再分别对所有的R值、G值、B值求取平均值，作为该图片的颜色平均值，表达如下：

上述是对于一张土壤图片的计算，对于其他土壤图片也是按上述方法获得其RGB模式下的颜色平均值。

3)同样在RGB色彩模型下识别所有的标准比色卡图片，对于每张比色卡图片，同样也可在其中随机选取n个点，N可以与n相同，也可以不同，互不影响。同样对这n个点求取(R，G，B)平均值，作为该图片的颜色平均值。设共有m张比色卡，则分别可表达如下：

4)将所需识别的土壤图片的颜色平均值T(R，G，B)，与所有的标准比色卡图片的颜色平均值做一一比对计算，共获得m个计算结果，计算方法如下：

T(R，G，B)相对于K1(R，G，B)：

{[T(R)-K1(R)]²+[T(G)-K1(G)]²+[T(B)-K1(B)]²}

T(R，G，B)相对于K2(R，G，B)：

{[T(R)-K2(R)]²+[T(G)-K2(G)]²+[T(B)-K2(B)]²}……

T(R，G，B)相对于Km(R，G，B)：

{[T(R)-Km(R)]²+[T(G)-Km(G)]²+[T(B)-Km(B)]²}

上式中的T(R)、T(G)、T(B)、K1(R)、K1(G)、K1(B)、K2(R)、K2(G)、K2(B)等分别代表对应的卡片在(R，G，B)三维坐标系下对应方向上的坐标值。

以上计算的数学含义就是计算出土壤图片的颜色坐标到比色卡颜色坐标的空间直线距离，因此比对所有计算结果获得的物理含义就是：哪一个值最小，说明土壤图片的颜色与该比色卡的颜色越接近，那么就可以将该比色卡代表的颜色确定为所需识别的土壤颜色。

下面是具体的实施例：

首先，在相机参数为50mm定焦镜头、f/3.5光圈1/40秒曝光、ISO感光度400和室内日光灯条件下，将munsell比色卡上的所有颜色比色卡拍成照片，并上传到电脑的土壤标准比色卡图片库中。然后，在相同的条件下(50mm定焦镜头、f/3.5光圈1/40秒曝光、ISO感光度400、室内日光灯)拍摄土样照片并上传到电脑的所需识别的土壤图片库中。最后，使用数据处理软件即可得到识别结果。

本实施例的计算过程如下：

(1)计算机读取所需识别的土壤图片，并计算其平均RGB值：

(2)计算机读取所有标准比色卡图片，并计算其RGB均值；

(3)计算机计算所需识别的土壤图片的RGB值与所有标准比色卡图片的RGB值的距离，并给出结果，最后找到最接近的一张比色卡图片，就是该土壤的颜色。

Claims (3)

1.一种土壤颜色识别方法，其特征在于，包括如下步骤：

1)在计算机中安装RGB色彩模型，选择在同一拍摄条件下拍摄土壤和标准比色卡图片，然后将所有图片上传至所述计算机中；

2)在RGB色彩模型下，从所需识别的土壤图片中随机选取N个像素点，利用RGB模型分别获取这些点的(R，G，B)值，然后再分别对所有的R值、G值、B值求取平均值，作为该土壤图片的颜色平均值，表达如下：

$T(R,G,B)=({\mathrm{\Σ}}_{i=1}^N\frac{Ri}{N},{\mathrm{\Σ}}_{i=1}^N\frac{Gi}{N},{\mathrm{\Σ}}_{i=1}^N\frac{Bi}{N});$

3)同样在RGB色彩模型下，对于每一张比色卡图片，从其中随机选取n个像素点，利用RGB模型分别获取这些点的(R，G，B)值，然后再对n个点对应的R、G、B值分别求取平均值，作为该图片的颜色平均值，设共有m张比色卡，则分别表达如下：

$K1(R,G,B)=({\mathrm{\Σ}}_{i=1}^n\frac{R1i}{n},{\mathrm{\Σ}}_{i=1}^n\frac{G1i}{n},{\mathrm{\Σ}}_{i=1}^n\frac{B1i}{n});$

$K2(R,G,B)=({\mathrm{\Σ}}_{i=1}^n\frac{R2i}{n},{\mathrm{\Σ}}_{i=1}^n\frac{G2i}{n},{\mathrm{\Σ}}_{i=1}^n\frac{B2i}{n});$

……

$Km(R,G,B)=({\mathrm{\Σ}}_{i=1}^n\frac{Rmi}{n},{\mathrm{\Σ}}_{i=1}^n\frac{Gmi}{n},{\mathrm{\Σ}}_{i=1}^n\frac{Bmi}{n});$

4)将所需识别的土壤图片的颜色平均值T(R，G，B)，与所有的标准比色卡图片的颜色平均值一一做如下计算，共获得m个计算结果：

T(R，G，B)相对于K1(R，G，B)：

{[T(R)-K1(R)]²+[T(G)-K1(G)]²+[T(B)-K1(B)]²}T(R，G，B)相对于K2(R，G，B)：

{[T(R)-K2(R)]²+[T(G)-K2(G)]²+[T(B)-K2(B)]²}……

T(R，G，B)相对于Km(R，G，B)：

{[T(R)-Km(R)]²+[T(G)-Km(G)]²+[T(B)-Km(B)]²}

5)在步骤4)的计算结果中，找到一个最小值，该值所对应的比色卡的颜色就是所需识别的土壤的颜色。

2.根据权利要求1所述的土壤颜色识别方法，其特征在于，所述的同一拍摄条件是指在相同的光线、背景、相机参数下的拍摄。

3.根据权利要求1或2所述的土壤颜色识别方法，其特征在于，所述N与n的取值可以相同，也可以不同。