全 文 ：书基于数字影像处理技术的结缕草
秋季枯黄动态分析研究
贾蕴琪１，２，曹致中１，王
!
文２，孙洁峰３，何勇３
（１．甘肃农业大学草业学院，甘肃 兰州７３００７０；２．中国农业大学动物科学技术学院草业科学系，
北京１００１９３；３．青岛海源草坪有限公司，山东 胶州２６６３００）
摘要：本研究通过数码相机获取结缕草单株在秋季的株丛颜色变化图像，采用ＳｉｇｍａｓｃａｎＰｒｏ５．０图像分析软件，对
４个结缕草材料的枯黄动态进行量化分析与比较。结果表明，用ＳｉｇｍａｓｃａｎＰｒｏ５．０进行结缕草单株秋季枯黄动态
分析时，提取绿色像素点和黄色像素点的色相（Ｈ）和色饱和度（Ｓ）参数设置分别为 Ｈ３２～１０７、Ｓ１０～１００和 Ｈ１０
～３２、Ｓ２５～１００。参试的４个结缕草材料秋季枯黄由早到晚的顺序是：辽东结缕草、Ｈ２ 品系、青岛结缕草和胶东青
结缕草，枯黄期与起源地的地理纬度有一定的相关性。与传统的目测评分法结果相比，数字影像处理测定结缕草
枯黄率及动态变化为实测值，具有可重复性，结果更为准确。
关键词：结缕草；数字图像；枯黄
中图分类号：Ｓ５４３＋．９０１；Ｑ９４５．４　　文献标识码：Ａ　　文章编号：１００４５７５９（２００９）０３００９４０９
 　２０世纪９０年代以来，随着较高分辨率数码相机的普及和计算机软硬件在图像处理方面的快速发展，基于数
码相机提取图像的数字影像处理技术在农林业领域的应用日益广泛，例如小麦（犜狉犻狋犻犮狌犿犪犲狊狋犻狏狌犿）枯黄与覆盖
度的分析［１，２］；棉花（犌狅狊狊狔狆犻狌犿犪狉犫狅狉犲狌犿）氮素营养诊断与产量估测［３］；作物长势监测［４］；桉树（犈狌犮犪犾狔狆狋狌狊狉狅
犫狌狊狋犪）叶面积分析［５］等，具有适时进行观测和不破坏样品等优点。由于研究对象与生长环境的特点不同，作物图
像分析与监测研究可采用已有的商业化图形处理软件，最为普通的如 ＡｄｏｂｅＰｈｏｔｏｓｈｏｐ软件，或者采用专业的
Ｓｉｇｍａｓｃａｎ软件等；也可以根据研究需要自行开发图形处理软件。草坪的颜色既是草坪质量的一项主要指标，同
时通过颜色信息的监测与对比，又可以延伸分析草坪的绿期、盖度、建坪速度、病虫害和养分管理水平等草坪质量
及管理信息。传统的草坪颜色评价主要是通过人工目测评分的方式进行，常用的有１～９级或１～５级评分
制［６，７］。这种评分方式不可避免地带有一定的主观性，且评分结果为离散数据，在结果的统计分析上不同于连续
性数量性状，特别是在颜色和绿期的选育改良过程中，无法根据亲本和后代性状观测结果计算遗传进度。通过提
取草坪与周围环境的颜色信息，数字影像处理技术已成功地应用于草坪的颜色及盖度等相关指标的评价［８～１３］。
Ｒｉｃｈａｒｄｓｏｎ等［１０］在对草坪盖度评分方法的比较研究表明，数字影像法较目测法和样线调查法的准确率更高。这
一技术已经在有关草坪质量评价权威体系，例如美国全国草坪草评价计划（ＮＴＥＰ，Ｎａｔｉｏｎａｌｔｕｒｆｇｒａｓｓｅｖａｌｕａｔｉｏｎ
ｐｒｏｇｒａｍ）中逐步应用［１０］。
结缕草（犣狅狔狊犻犪犼犪狆狅狀犻犮犪）是一种国产的优良暖季型草坪草，具有抗逆性强、需要的管理投入少等优点，但其
在北方地区绿期短、建植速度较慢［１４～１６］，是限制进一步推广应用的主要不足。要想改良结缕草的绿期，准确测定
结缕草植株个体的枯黄期和枯黄速度，并实现数量化是改良该性状的重要基础。目前，草坪草枯黄期及颜色动态
评价方法主要有目测法和样方定位观测法。目测法受观测人员的主观影响大，数据结果在小区和年份之间的差
异大。样方定位观测法的田间工作量大，效率低下，无法重复获取大量的数据。因而，利用数字影像技术，开展田
间结缕草植株个体的枯黄期及枯黄速率评价研究，对结缕草延长绿期选育工作具有重要的理论和实际意义。
９４－１０２
２００９年６月
　　　草　业　学　报　　　
　　　ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ　　　
第１８卷　第３期
Ｖｏｌ．１８，Ｎｏ．３
 收稿日期：２００８１０２０；改回日期：２００９０２０１
基金项目：“十一五”科技支撑项目子课题（２００６ＢＡＤ０１Ａ１９３）资助。
作者简介：贾蕴琪（１９８４），女，甘肃兰州人，在读硕士。Ｅｍａｉｌ：ｊｙｑｐａｎｄａ＠ｙａｈｏｏ．ｃｏｍ．ｃｎ
通讯作者。Ｅｍａｉｌ：ｃａｏｚｚ＠ｇｓａｕ．ｅｄｕ．ｃｎ，ｗｙｗ＠ｃａｕ．ｅｄｕ．ｃｎ
１　材料与方法
１．１　试验地概况
试验地位于北京市中国农业大学上庄试验站，地理坐标东经１１５°５０′，北纬４０°０２′，海拔５０ｍ。属暖温带大陆
性季风气候，年平均气温为１１．４℃，绝对最低气温为－２１．７℃，绝对最高气温为４１．６℃，年平均降水量６２８ｍｍ。
全年无霜期２１１ｄ。
１．２　试验材料
共有４个试验材料，１）中国农业大学与青岛海源草坪有限公司合作选育的胶东青结缕草品种（犣．犼犪狆狅狀犻犮犪
ｖａｒ．ｐｏｌｉｄａＮａｋａｉｅｘＨｏｎｄａｃｖ．Ｊｉａｏｄｏｎｇ）和 Ｈ２ 品系（犣．犼犪狆狅狀犻犮犪）；２）山东胶东半岛收集的青岛结缕草（犣．
犼犪狆狅狀犻犮犪ｃｖ．Ｑｉｎｇｄａｏ）；３）辽宁岫岩县收集的辽东结缕草（犣．犼犪狆狅狀犻犮犪ｃｖ．Ｌｉａｏｄｏｎｇ）。
１．３　试验地建植管理与枯黄期地温测定
２００６年１２月，将４个试验材料的种子未经处理，播种于育苗盘中，在中国农业大学科学园温室育苗，将出苗
早的植株适时移入９ｃｍ×９ｃｍ的育苗钵，并修剪，促进植株分蘖。２００７年６月移入田间，株行距１ｍ×１ｍ。每
个材料分为５组，每组７个由单株获得的株丛。２００８年６月中旬开始，当单株高度达到８～１０ｃｍ时，按照“１／３
原则”进行修剪，９月２５日最后１次修剪，修剪高度３～４ｃｍ。田间管理同普通结缕草草坪，适时浇水、灌溉和施
氮，并人工除草。
２００８年１０月７日－１１月１６日，结缕草进入枯黄期，在地面以下５和１５ｃｍ位置埋入ＥＣＨ２Ｏ－ＴＥ自动气
象记录仪的土壤温度探头各一个，用于记录地块的土壤温度变化，地温数据采用地表以下５和１５ｃｍ深度的日均
温的平均值。
１．４　目测评分
从２００８年９月２５日开始，每隔３～４ｄ对田间种植的各材料的单株株丛的枯黄情况采用１～９级目测评分，
由３名有经验的评分者独立进行，取其平均值。评分标准为：休眠或枯黄，１分；较多的枯叶，少量绿色，１～３分；
较多的绿色，少量枯叶，３～５分；浅绿到较深的绿色，５～７分；深绿到墨绿，７～９分［７］。
１．５　数码图像的采集
２００８年９月２５日开始，每隔３～４ｄ对田间种植的各材料（株丛大小在３０ｃｍ×３０ｃｍ以上）的单株株丛用
ＳＯＮＹＤＳＣＨ５０型数码相机拍照。具体做法：将数码相机固定在一个长、宽、高为１．０ｍ×１．０ｍ×１．１ｍ的
ＰＶＣ材质的立方体框架顶端中央，镜头朝下，在立方体框架的外面罩一层致密的白色尼龙纱网，以尽量保证图像
拍摄的光线、高度和图像放大倍数基本一致。数码相机拍摄参数为：放大倍数为２．０，快门速度调至自动模式，像
素大小为３４５６×２５９２（１像素＝２５μｍ
２）。
１．６　图像处理与分析
图像分析的目标是获取枯黄过程中不同时间点图像当中的黄色像素点和绿色像素点的数量，以及各像素点
的色泽平均值，由此获得结缕草各参试材料的枯黄动态变化。由于参试结缕草的单株株丛大小存在差异，采集的
株丛图像先利用ＡｄｏｂｅＰｈｏｔｏｓｈｏｐ７．０（美国Ａｄｏｂｅ公司，２００２）软件，截取图像中具有代表性的，生长致密、基本
覆盖地表、没有杂草的部分，将截取的图像以ｂｍｐ或ｐｓｄ的格式保存。再采用ＳｉｇｍａｓｃａｎＰｒｏ５．０软件（美国
ＳｙｓｔａｔＳｏｆｔｗａｒｅ公司，２００４）进行图像分析，其中主要参数设置包括色相（Ｈ）和色饱和度（Ｓ）。具体设置方法为：
通过 Ｍｅａｓｕｒｅｍｅｎｔ＞Ｓｅｔｔｉｎｇ命令设置所要计算的绿色和黄色像素点及其相应的目标覆盖层；再通过Ｉｍａｇｅ＞
Ｔｈｒｅｓｈｏｌｄ＞Ｃｏｌｏｒｔｈｒｅｓｈｏｌｄ打开的对话框，设置色相和色饱和度，根据人工判图确定色相（Ｈ）和色饱和度（Ｓ）的
取值，最后用 Ｍｅａｓｕｒｅｍｅｎｔ＞Ｍｅａｓｕｒｅｏｂｊｅｃｔｓ命令得到计算数据，并存储在Ｅｘｃｅｌ表格中。本试验过程中，在同
一时间点获取多个图像进行批量分析时，参照Ｄｏｕｇｌａｓ等编写的程序，增加了分别提取图像中绿色和黄色像素点
的语句，并利用循环语句实现了图像的批处理［９］。
１．７　计算方法
１．７．１　参数计算　Ｓｉｇｍａｓｃａｎ软件在选定目标色彩的时候，以较为直观的 ＨＳＢ色彩模式为基础，通过色相（Ｈ）
和色饱和度（Ｓ）来确定目标颜色。其中，色相（Ｈ）对应的是肉眼判定颜色深浅，即色泽的概念。色相以色相环上
５９第１８卷第３期 草业学报２００９年
的角度表示，Ｈ为０～３６０°，０°＝红色，６０°＝黄色，１２０°＝绿色，１８０°＝蓝绿色，２４０°＝蓝色，３００°＝紫红色，３６０°＝
红色。色饱和度（Ｓ），也叫彩度，用０～１００的百分数来表示，Ｓ为０表示灰色、黑色等非彩色，Ｓ为１００则表示完
全饱和的颜色［１７，１８］。
１．７．２　枯黄率计算　选取参试材料中正常生长的１５个株丛，用于观测秋季枯黄动态。将１５个株丛在不同时间
点上的图像进行信息提取，计算枯黄率，并求平均值作为参试材料的枯黄表现。枯黄率计算公式如下：
枯黄率＝
黄色像素点数
黄色像素点数＋绿色像素点数×１００％
２　结果与分析
２．１　结缕草株丛枯黄图像分析的参数优化设置
ＳｉｇｍａｓｃａｎＰｒｏ５．０软件对结缕草单株枯黄过程中的颜色进行分析时，首先需要确定适合的色相（Ｈ）的色饱
和度（Ｓ）参数设置，提取绿色像素点和黄色像素点，用以计算不同时期的枯黄率。分别以２张具有代表性的图像
为例，图１拍摄时间是１０月２０日，是从绿色基调的图像中提取黄色像素点，图２拍摄时间是１１月１２日，是从黄
色基调的图像中提取绿色像素点。
图１在提取黄色像素点时，图２ｂ，ｃ和ｄ的Ｓ值为２５～１００不变，而Ｈ值的上限从３２增大到４７，再增加到５７
后，图中提取到的黄色像素点增加（表１），其中有一些绿色像素点也被提取（图２ｃ，ｄ）。
图２在提取绿色像素点时，从图１ｂ、图１ｃ到图１ｄ，随着参数设置Ｈ值的下限从３２增大到４７，再增加到５７，Ｓ
值的下限从１０减小到０后，图中可以提取到的绿色像素点逐渐减少（表１），图１ｃ和ｄ中有明显绿色的像素点未
被提取。
上述结果表明，图像分析软件的参数设置范围对目标像素点提取的数量有直接关系，从而影响枯黄率测定结
果（表１）。试验确定提取绿色像素点的参数设置为Ｈ３２～１０７、Ｓ１０～１００，提取黄色像素点的参数设置为 Ｈ１０
～３２、Ｓ２５～１００。
２．２　目测评分法和数字影像法的比较
为了验证数字影像法的可靠性，将目测评分法和数字影像法进行比较，对４个品种，３个时间的测评数据求
变异系数进行评价分析，结果见表２。
对同一时间、同一材料的枯黄情况的变异系数进行比较发现（表２），目测法得到的变异系数约为数字影像法
的２倍，最大达到近４倍。因此，可以看出数字影像法较目测评分法而言，获取的数据更为准确可靠，数据稳定性
也更高。
２．３　秋季结缕草株丛枯黄率动态
参试的４个结缕草材料，枯黄率的动态变化和植株色泽的动态变化情况分别见图３和４，参试材料之间的枯
黄时期和枯黄速率有一定的差异。
参试结缕草材料的枯黄动态过程可以划分为３个时期：１）９月２５日－１０月２４日，日平均地温为９～１７℃，
枯黄率由０缓慢提高到２０％，为缓慢变化期；２）１０月２４日－１１月１６日，日平均地温为４～９℃，各材料的枯黄率
进入急剧变化期；３）１１月１２日后，各品种枯黄率均已基本达到８０％。参试材料当中，辽东结缕草最早进入枯黄，
在１１月８日枯黄率达到９０％，而后枯黄速率则趋于平缓。Ｈ２ 结缕草、青岛结缕草和胶东青结缕草单株的枯黄
率从１０月２８日显著升高，前２个的枯黄速率明显高于后者。到１１月１６日，Ｈ２ 结缕草和青岛结率草的单株枯
黄率已达到９０％，而胶东青结缕草则为８０％。
在参试结缕草枯黄过程中，随着地温的逐渐降低，所有的参试材料单株的色泽均表现出不断下降的特点。其
中，１０月２０日开始，当日平均地温达到１０～１２℃时，色泽降低幅度显著加大。
利用１１月８日参试材料之间颜色差别最为显著的时间点获取的数据进行方差分析，结果见表３。辽东与胶
东青、Ｈ２ 品系、青岛间差异极显著（犘＜０．０１）。因此，可以借鉴这４个材料间枯黄率的显著性差异，采用数字影
像法从中准确地选育出绿期长的品种。
６９ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２００９） Ｖｏｌ．１８，Ｎｏ．３
图１　绿色基调图像中提取黄色像素点
犉犻犵．１　犈狓狋狉犪犮狋犻狀犵狔犲犾狅狑狆犻狓犲犾狊犳狉狅犿犵狉犲犲狀犻犿犪犵犲
ａ）为原始图像；ｂ）参数设置为 Ｈ１０～３２，Ｓ２５～１００；ｃ）参数设置为 Ｈ１０～４７，Ｓ２５～１００；ｄ）参数设置为 Ｈ１０～５７，Ｓ２５～１００
ａ）ｉｓｏｒｉｇｉｎａｌｉｍａｇｅ；ｂ）ｔｈｅｓｅｔｔｉｎｇｉｓＨ１０－３２，Ｓ２５－１００；ｃ）ｔｈｅｓｅｔｔｉｎｇｉｓＨ１０－４７，Ｓ２５－１００；ｄ）ｔｈｅｓｅｔｔｉｎｇｉｓＨ１０－５７，Ｓ２５－１００
图２　黄色基调图像中提取绿色像素点
犉犻犵．２　犈狓狋狉犪犮狋犻狀犵犵狉犲犲狀狆犻狓犲犾狊犳狉狅犿狔犲犾狅狑犻犿犪犵犲
ａ）为原始图像；ｂ）参数设置为 Ｈ３２～１０７，Ｓ１０～１００；ｃ）参数设置为 Ｈ４７～１０７，Ｓ１０～１００；ｄ）参数设置为 Ｈ５７～１０７，Ｓ０～１００
ａ）ｉｓｏｒｉｇｉｎａｌｉｍａｇｅ；ｂ）ｔｈｅｓｅｔｔｉｎｇｉｓＨ３２－１０７，Ｓ１０－１００；ｃ）ｔｈｅｓｅｔｔｉｎｇｉｓＨ４７－１０７，Ｓ１０－１００；ｄ）ｔｈｅｓｅｔｔｉｎｇｉｓＨ５７－１０７，Ｓ０－１００
７９第１８卷第３期 草业学报２００９年
表１　不同犎、犛值设置的结缕草枯黄率分析结果
犜犪犫犾犲１　犃狌狋狌犿狀狔犲犾狅狑狉犪狋犲犪狀犪犾狔狕犲犱犫狔犱犻犳犳犲狉犲狀狋狊犲狋狋犻狀犵狅犳犎犪狀犱犛犻狀犣．犼犪狆狅狀犻犮犪
拍摄时间Ｐｈｏｔｏｇｒａｐｈｅｄ
ｔｉｍｅ（年月日
Ｙｅａｒｍｏｎｔｈｄａｙ）
提取绿色像素点Ｅｘｔｒａｃｔｉｎｇｇｒｅｅｎｐｉｘｅｌｓ
色相
Ｈｕｅ（Ｈ）
色饱和度
Ｓａｔｕｒａｔｉｏｎ（Ｓ）
绿色像素点数
Ｎｕｍｂｅｒｏｆｇｒｅｅｎｐｉｘｅｌｓ
提取黄色像素点Ｅｘｔｒａｃｔｉｎｇｙｅｌｏｗｐｉｘｅｌｓ
色相
Ｈｕｅ（Ｈ）
色饱和度
Ｓａｔｕｒａｔｉｏｎ（Ｓ）
绿色像素点数
Ｎｕｍｂｅｒｏｆｇｒｅｅｎｐｉｘｅｌｓ
枯黄率
Ａｕｔｕｍｎｙｅｌｏｗ
ｒａｔｅ（％）
３２～１０７ １０～１００ ２７９８１ １０～３２ ２５～１００ ３２１３ １０．３
２００８１０２０ ４７～１０７ １０～１００ ２０６３１ １０～４７ ２５～１００ ５７１２ ２１．７
５７～１０７ ０～１００ １５９１８ １０～５７ ２５～１００ ７６８０ ３２．６
３２～１０７ １０～１００ １４２２ １０～３２ ２５～１００ ２４３６１ ９４．５
２００８１１１２ ４７～１０７ １０～１００ １２４ １０～４７ ２５～１００ ２４７５４ ９９．５
５７～１０７ ０～１００ ２４ １０～５７ ２５～１００ ２４７６７ ９９．９
表２　目测评分法和数字影像法对枯黄率指标的测定比较
犜犪犫犾犲２　犆狅犿狆犪狉犻狊狅狀犫犲狋狑犲犲狀狏犻狊狌犪犾狊犮狅狉犲犪狀犱犻犿犪犵犲犪狀犪犾狔狊犻狊狅狀犪狌狋狌犿狀狔犲犾狅狑狉犪狋犲
日期
Ｄａｔｅ
品种
Ｖａｒｉｅｔｙ
目测评分法Ｖｉｓｕａｌｓｃｏｒｅ
平均值
Ａｖｅｒａｇｅ
标准差
Ｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎ
变异系数
ＣＶ（％）
数字影像法Ｄｉｇｉｔａｌｉｍａｇｅａｎａｌｙｓｉｓ
平均值
Ａｖｅｒａｇｅ
标准差
Ｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎ
变异系数
ＣＶ（％）
１０１７
胶东青犣．犼犪狆狅狀犻犮犪ｖａｒ．ｐｏｌｉｄａ
ＮａｋａｉｅｘＨｏｎｄａｃｖ．Ｊｉａｏｄｏｎｇ
６．１ ２．２９ ３７．５４ １２．０ ３．０ ２５．００
Ｈ２品系 Ｈ２ｓｔｒａｉｎ ６．９ ２．２７ ３２．９０ １９．０ ４．０ ２１．０５
辽东Ｌｉａｏｄｏｎｇ ６．５ １．８１ ２７．８５ １５．０ ４．０ ２６．６７
青岛Ｑｉｎｇｄａｏ ６．３ １．５５ ２４．６０ １６．０ ２．０ １２．５０
平均值Ａｖｅｒａｇｅ ６．４５ １．９８ ３０．７０ １５．５ ３．３ ２１．２９
１１８
胶东青犣．犼犪狆狅狀犻犮犪ｖａｒ．ｐｏｌｉｄａ
ＮａｋａｉｅｘＨｏｎｄａｃｖ．Ｊｉａｏｄｏｎｇ
４．４ １．２８ ２９．０９ ７３．０ １３．０ １７．８１
Ｈ２品系 Ｈ２ｓｔｒａｉｎ ３．８ １．１９ ３１．３２ ７７．０ １４．０ １８．１８
辽东Ｌｉａｏｄｏｎｇ ４．７ １．０１ ２１．４９ ９１．０ ５．０ ５．４９
青岛Ｑｉｎｇｄａｏ ３．９ １．２９ ３３．０８ ７１．０ １２．０ １６．９０
平均值Ａｖｅｒａｇｅ ４．２ １．１９ ２８．３３ ７８．０ １１．０ １４．１０
１１１２
胶东青犣．犼犪狆狅狀犻犮犪ｖａｒ．ｐｏｌｉｄａ
ＮａｋａｉｅｘＨｏｎｄａｃｖ．Ｊｉａｏｄｏｎｇ
３．０ ０．６８ ２２．６７ ８３．０ １２．０ １４．４６
Ｈ２品系 Ｈ２ｓｔｒａｉｎ ２．８ ０．９８ ３５．００ ８５．０ １３．０ １５．２９
辽东Ｌｉａｏｄｏｎｇ ２．５ ０．４８ １９．２０ ９６．０ ３．０ ３．１３
青岛Ｑｉｎｇｄａｏ ２．７ ０．５８ ２１．４８ ８０．０ １０．０ １２．５０
平均值Ａｖｅｒａｇｅ ２．７５ ０．６８ ２４．７３ ８６．０ ９．５ １１．０５
２．４　单株株丛图像的异质性分析
本试验过程中，由于个别株丛种植时高出地面，造成修剪高度较低，在同一株丛因人为原因产生了颜色的异
质性（图５）。通过类似的图像异质性分析，可以演示利用软件在研究因肥力或病害侵染产生图斑差异的功能。
从图５中，分别截取３个位置的图像，分别为（图６ａ，ｂ，ｃ），分别计算枯黄比例和色泽，结果见表４。由此可以根
据图像的颜色和色泽的差异，获得图像中异质性斑块的面积和比例，为草坪草的均一性和发病率评价提供数量化
结果。
８９ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２００９） Ｖｏｌ．１８，Ｎｏ．３
图３　参试结缕草单株的枯黄速率与地温动态变化
犉犻犵．３　犃狌狋狌犿狀犱狅狉犿犪狀狋狉犪狋犲狅犳狋犺犲狋犲狊狋犲犱犣．犼犪狆狅狀犻犮犪犪狀犱狋犺犲犱狔狀犪犿犻犮犮犺犪狀犵犲狅犳狊狅犻犾狋犲犿狆犲狉犪狋狌狉犲
图４　参试结缕草单株的色泽变化和地温动态变化
犉犻犵．４　犆狅犾狅狉犮犺犪狀犵犲狅犳狋犺犲狋犲狊狋犲犱犣．犼犪狆狅狀犻犮犪犪狀犱狋犺犲犱狔狀犪犿犻犮犮犺犪狀犵犲狅犳狊狅犻犾狋犲犿狆犲狉犪狋狌狉犲
３　讨论
草坪数字图像分析的实质是传感器记录太阳辐射
电磁波被叶片反射的部分电磁波谱的光谱特征，关键
问题是怎样使获取的颜色变量准确有效地反映图像颜
色信息与草坪质量感官评价之间的关系。计算机处理
数字彩色图像的颜色系统包括ＲＧＢ、ＨＳＢ、ＣＭＹＫ和
ＬＡＢ等，前２个系统在植物图像处理中最为常用。
ＲＧＢ颜色系统采用红、绿、蓝三色光组合产生其他各
种颜色，Ｒ、Ｇ、Ｂ分别为图像红（Ｒ）、绿（Ｇ）、蓝（Ｂ）的灰
度值，量值范围限定为０～２５５灰度级。ＲＧＢ颜色系
统依照人类视觉的呈色机理表达物体的颜色信息，在
图像处理中使用方便，易于表达。ＨＳＢ颜色系统是把
颜色按色相（Ｈ）、彩度（或饱和度，Ｓ）和明度（Ｂ）进行
表３　品种间结缕草枯黄率显著性比较
犜犪犫犾犲３　犇犻犳犳犲狉犲狀犮犲狅狀犪狌狋狌犿狀狔犲犾狅狑犻狀犵
狉犪狋犲犪犿狅狀犵狋犲狊狋犲犱犪犮犮犲狊狊犻狅狀狊
品种Ｖａｒｉｅｔｙ 枯黄率Ｄｙｎａｍｉｃｒａｔｅ（％）
辽东Ｌｉａｏｄｏｎｇ ９１．０ａＡ
Ｈ２品系 Ｈ２ｓｔｒａｉｎ ７６．７ｂＢ
胶东青犣．犼犪狆狅狀犻犮犪ｖａｒ．ｐｏｌｉｄａ
ＮａｋａｉｅｘＨｏｎｄａｃｖ．Ｊｉａｏｄｏｎｇ
７３．２ｂＢ
青岛Ｑｉｎｇｄａｏ ７１．１ｂＢ
犉值犉ｖａｌｕｅ ６．０
　注：同列不同小写字母表示差异显著（犘＜０．０５），不同大写字母表示
差异极显著（犘＜０．０１）。
　Ｎｏｔｅ：Ｄｉｆｆｅｒｅｎｔｓｍａｌｌｅｔｔｅｒｓｉｎｔｈｅｓａｍｅｃｏｌｕｍｎｍｅａｎｔｈｅｓｉｇｎｉｆｉｃａｎｔ
ｄｉｆｆｅｒｅｎｃｅａｔ犘＜０．０５，ｔｈｅｄｉｆｆｅｒｅｎｔｃａｐｉｔａｌｌｅｔｔｅｒｓｍｅａｎｔｈｅｓｉｇｎｉｆｉｃａｎｔ
ｄｉｆｆｅｒｅｎｃｅａｔ犘＜０．０１．
９９第１８卷第３期 草业学报２００９年
管理，系统中色相描述颜色的属性；饱和度是纯色程
图５　参试结缕草图像的异质性表现
犉犻犵．５　犎犲狋犲狉狅狆犾犪狊犿狔狆狉犲狊犲狀狋犪狋犻狅狀狅犳狋犺犲狋犲狊狋犲犱犣．犼犪狆狅狀犻犮犪
度的量度，反映彩色的浓淡；亮度表征色彩各波长的
总能量，即总光强。ＨＳＢ颜色系统可以定量表述颜
色对人眼的视觉作用，更接近于肉眼判断，具有色觉
上的直观意义。计算机中颜色存储和显示的通用模
式是ＲＧＢ颜色系统，ＣＣＤ相机也采用ＲＧＢ模式存
储颜色。利用最常用的计算机图形处理软件如
ＡｄｏｂｅＰｈｏｔｏｓｈｏｐ可以直接读取影像各像素点的
ＲＧＢ值，对数码图像进行ＲＧＢ分段或累计灰度计
数后，可以得出图像的Ｒ、Ｇ、Ｂ统计值，从而分析草
坪颜色及相关指标［８，１１，１７～１９］。由于ＲＧＢ属于“加色
系统”，各类背景环境均具有相当高的Ｒ、Ｇ、Ｂ读数
且与植物绿色部分混杂，使得对背景颜色的影响难
图６　从图５中截取的图像
犉犻犵．６　犐狀狋犲狉犮犲狆狋犲犱犻犿犪犵犲犳狉狅犿犉犻犵．５
从左至右依次为：ａ．图像差异斑块；ｂ和ｃ为正常部分图像Ｆｒｏｍｌｅｆｔｔｏｒｉｇｈｔ：ａｉｓｄｉｆｆｅｒｅｎｔｐａｔｃｈｏｆｉｍａｇｅ；ｂａｎｄｃｉｓｎｏｒｍａｌｉｍａｇｅ
以有效分离和剔除，一定程度上影响草坪颜色测定结
果的准确性。而色相是独立于亮度和饱和度的指标，
因此采用ＨＳＢ颜色系统进行草坪颜色评价比ＲＧＢ更
加有效，这是ＳｉｇｍａｓｃａｎＰｒｏ在草坪颜色评价当中的
一个关键点。
利用ＳｉｇｍａｓｃａｎＰｒｏ５．０图像分析软件对结缕草
进行枯黄动态数量化分析，关键是提取图像当中黄色
和绿色像素点数量。主要参数有色相（Ｈ），用于区分
颜色；色饱和度（Ｓ），用于区别颜色强度或纯度。在评
价草坪盖度时，采用Ｈ３０～１００、Ｓ０～１００的设置［１２］；
表４　结缕草单株株丛图像异质性分析
犜犪犫犾犲４　犎犲狋犲狉狅犵犲狀犲狅狌狊犫犪狋犮犺犪狀犪犾狔狊犻狊狅狀
犣．犼犪狆狅狀犻犮犪犻狀犱犻狏犻犱狌犪犾狆犾犪狀狋狊
编号
Ｎｕｍｂｅｒ
绿色像素数
Ｐｉｘｅｌｓｏｆ
ｇｒｅｅｎ
黄色像素数
Ｐｉｘｅｌｓｏｆ
ｙｅｌｏｗ
枯黄率
Ａｕｔｕｍｎｄｏｒｍａｎｔ
ｒａｔｅ（％）
色泽
Ｃｏｌｏｒ
ａ １６０７９ ３７２１ １８．８ ６４．７
ｂ １１１１１ １１９ １．１ １００．８
ｃ １２９３１ １００ ０．８ １０２．２
Ｒｉｃｈａｒｄｓｏｎ等［２０］对狗牙根（犆狔狀狅犱狅狀犱犪犮狋狔犾狅狀）的越冬率进行图像分析时采用 Ｈ５７～１０７，Ｓ０～１００的设置。
Ｐａｔｔｏｎ和Ｒｅｉｃｈｅｒ［２１］对３５个结缕草种质的越冬率进行２年的观测时，采用 Ｈ４７～１０７，Ｓ１０～１００的固定设置。
本试验中，对黄色像素点和绿色像素点 Ｈ、Ｓ值分别进行优化设置，其中提取绿色像素点的参数为 Ｈ３２～１０７、
Ｓ１０～１００，上限与Ｐａｔｔｏｎ和Ｒｅｉｃｈｅｒ［２１］的设置相同，而下限扩展了１５个基点，又补充了黄色像素点的参数设置，
为Ｈ１０～３２、Ｓ２５～１００，从而提高了结缕草枯黄期动态观测的准确性。从参试４个材料的枯黄速率来看，处于
地理纬度较高、寒冷地区的辽东结缕草进入枯黄最早，其次是 Ｈ２ 品系，再次是青岛结缕草，胶东青结缕草最晚，
说明结缕草的枯黄期与起源地的地理纬度相关，这与宣继萍等［２２］的报道一致。这一结果说明结缕草种内在枯黄
００１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２００９） Ｖｏｌ．１８，Ｎｏ．３
期性状上存在显著的表型差异，通过育种途径延长绿期具有可能性。
采用目测评分法和数字影像法对同一时间结缕草各品种单株材料的枯黄情况进行评价，通过对２种方法所
求结果的变异系数进行分析，发现数字影像分析法不仅评价标准统一、评价结果可靠，而且所得数据稳定性高，结
果具有可重复性，在结缕草枯黄期单株选育方面具有可行性。虽然与目测评分法相比较，数字影像法耗时较多，
从获取图像到计算得到结果，每张图片耗时约２ｍｉｎ，但通过数字影像法获取的结果还是非常准确、可靠的。在
植物生长旺盛时期，对植物生长进行连续观测，待生长高峰期过后再对获取图片进行分析，这样可以更有效的利
用时间，提高工作效率。利用数字影像技术采集草坪草图像，根据图像所具有的表现出任何具有反差的２组颜
色，可以获得草坪的盖度、枯黄、返青、发病情况相关评价信息［９，１０，１２，１３，２０，２３］，还可以根据同一色调的不同色泽差
异，区分图像斑块，应用于草坪草的营养及管理状况的分析与评价［１１］。由此可以看出，数字影像技术在草坪草目
标性状的直接测定与改良方面可提供重要的方法支持，具有广泛的应用前景。
４　结论
ＳｉｇｍａｓｃａｎＰｒｏ５．０软件分析结缕草单株的枯黄动态变化时，提取绿色像素点的参数设置为Ｈ３２～１０７、Ｓ１０
～１００，提取黄色像素点为 Ｈ１０～３２、Ｓ２５～１００；参试的４个结缕草材料单株枯黄动态变化规律为：土层１５ｃｍ
内日平均地温为４～９℃时，枯黄率急剧提高，２周时间内参试材料的枯黄率达到８０％；参试的４个结缕草材料进
入８０％枯黄的早晚顺序是：辽东结缕草、Ｈ２ 品系、青岛结缕草、胶东青结缕草。结缕草的枯黄期早晚与起源地的
地理纬度有一定的相关性；数字影像与图像分析软件可以实现了草坪草性状评价由目测定性判定转变为数字化
定量分析，提高了测定结果的准确性，并可一次获取大量的图像，实现自动化成批处理，提高工作效率。
参考文献：
［１］　ＡｄａｍｓｅｎＦＪ，ＰｉｎｔｅｒＰＪＪ，ＢａｒｎｅｓＥＭ，犲狋犪犾．Ｍｅａｓｕｒｉｎｇｗｈｅａｔｓｅｎｅｓｃｅｎｃｅｗｉｔｈａｄｉｇｉｔａｌｃａｍｅｒａ［Ｊ］．ＣｒｏｐＳｃｉｅｎｃｅ，１９９９，
３９：７１９７２４．
［２］　ＬｕｋｉｎａＥＶ，ＳｔｏｎｅＭＬ，ＲｕａｎＷＲ．Ｅｓｔｉｍａｔｉｎｇｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｉｎｗｈｅａｔｕｓｉｎｇｄｉｇｉｔａｌｉｍａｇｅ［Ｊ］．ＪｏｕｒｎａｌｏｆＰｌａｎｔＮｕｔｒｉ
ｔｉｏｎ，１９９９，２２：３４１３５０．
［３］　雷咏雯，危常州，冶军，等．计算机辅助叶色分析进行棉花氮素营养诊断的初步研究［Ｊ］．石河子大学学报（自然科学版），
２００４，２２（２）：１１４１１６．
［４］　雷咏雯，王娟，李艳，等．图像分析在大田作物生长监测中的应用进展［Ｊ］．新疆农业科学，２００６，４３（３）：２１３２１７．
［５］　陈圣林，吴志华，马生健．基于数字图像处理的桉树叶面积分析［Ｊ］．桉树科技，２００６，２３（１）：６１０．
［６］　孙吉雄．草坪学（第二版）［Ｍ］．北京：中国农业出版社，２００３．３５５３５９．
［７］　周禾，刘自学，韩建国，等．草坪质量分级［Ｓ］．中华人民共和国农业行业标准：ＮＹ／Ｔ６３４２００２，２００２．
［８］　季癑秀，张立猛，林杉．数码照相技术用于评价草坪颜色的参数研究［Ｊ］．草业科学，２００７，２４（５）：９４９８．
［９］　宋雪峰．董永平，单丽燕，等．用数码相机测定草地盖度的研究［Ｊ］．内蒙古草业，２００４，１６（４）：１６．
［１０］　ＲｉｃｈａｒｄｓｏｎＭ Ｄ，ＫａｒｃｈｅｒＤＥ，ＰｕｒｃｅｌＬＣ．Ｑｕａｎｔｉｆｙｉｎｇｔｕｒｆｇｒａｓｓｃｏｖｅｒｕｓｉｎｇｄｉｇｉｔａｌｉｍａｇｅａｎａｌｙｓｉｓ［Ｊ］．ＣｒｏｐＳｃｉｅｎｃｅ，
２００１，４１：１８８４１８８８．
［１１］　ＫａｒｃｈｅｒＤＥ，ＲｉｃｈａｒｄｓｏｎＭＤ．Ｑｕａｎｔｉｆｙｉｎｇｔｕｒｆｇｒａｓｓｃｏｌｏｒｕｓｉｎｇｄｉｇｉｔａｌｉｍａｇｅａｎａｌｙｓｉｓ［Ｊ］．ＣｒｏｐＳｃｉｅｎｃｅ，２００３，４３：９４３９５１．
［１２］　ＫａｒｃｈｅｒＤＥ，ＲｉｃｈａｒｄｓｏｎＭＤ．Ｂａｔｃｈａｎａｌｙｓｉｓｏｆｄｉｇｉｔａｌｉｍａｇｅｓｔｏｅｖａｌｕａｔｅｔｕｒｆｇｒａｓｓｃｈａｒａｃｔｅｒｉｓｔｉｃｓ［Ｊ］．ＣｒｏｐＳｃｉｅｎｃｅ，２００５，
（４５）：１５３６１５３９．
［１３］　王兴辉，杨富裕，张蕴薇，等．数字影像技术在草坪质量评定中的应用［Ｊ］．草原与草坪，２００５，１１２（５）：９１１．
［１４］　杜永吉，于磊，孙吉雄，等．结缕草３个品种抗寒性的综合评价［Ｊ］．草业学报，２００８，１７（３）：６１６．
［１５］　郭海林，刘建秀，高鹤，等．结缕草属优良品系ＳＳＲ指纹图谱的构建［Ｊ］．草业学报，２００７，１６（２）：５３５９．
［１６］　薛丹丹，郑轶琦，王志勇，等．结缕草属植物ＳＲＡＰ－ＰＣＲ体系的建立和优化［Ｊ］．草业学报，２００８，１７（６）：９３１０１．
［１７］　王海文，李杰．印刷常用色彩模式浅谈［Ｊ］．丝网印刷，２００６，４：３５３６．
［１８］　吴藜岚．推导ＲＧＢ色彩模型转换到 ＨＳＢ色彩模型公式［Ｊ］．现代机械，２００７，（３）：２８２９．
［１９］　李逦．学会使用Ｐｈｏｔｏｓｈｏｐ中的色彩模式［Ｊ］．辽宁行政学院学报，２００７，９（９）：１５７１５８．
［２０］　ＲｉｃｈａｒｄｓｏｎＭＤ，ＫａｒｃｈｅｒＤＥ，ＢｏｙｄＪＷ．ＷｉｎｔｅｒＳｕｒｖｉｖａｌｏｆＳｅｅｄｅｄＢｅｒｍｕｄａｇｒａｓｓｅｓ［ＥＢ／ＯＬ］．ｈｔｔｐ：／／ｗｗｗ．ｕｓｇａ．ｏｒｇ／
ｔｕｒｆ／ｇｒｅｅｎ＿ｓｅｃｔｉｏｎ＿ｒｅｃｏｒｄ／２００５／ｍａｒ＿ａｐｒ／ｗｉｎｔｅｒ．ｈｔｍｌ，２００５０３０４．
［２１］　ＰａｔｔｏｎＡＪ，ＲｅｉｃｈｅｒＺＪ．Ｚｏｙｓｉａｇｒａｓｓｓｐｅｃｉｅｓａｎｄｇｅｎｏｔｙｐｅｓｄｉｆｆｅｒｉｎｔｈｅｉｒｗｉｎｔｅｒｉｎｊｕｒｙａｎｄｆｒｅｅｚｅｔｏｌｅｒａｎｃｅ［Ｊ］．ＣｒｏｐＳｃｉｅｎｃｅ，
１０１第１８卷第３期 草业学报２００９年
２００７，４７：１６１９１６２７．
［２２］　宣继萍，周志芳，刘建秀，等．结缕草属（犣狅狔狊犻犪Ｗｉｌｄ．）植物物候期的差异分析［Ｊ］．植物资源与环境学报，２００８，１７（３）：５３
５７．
［２３］　ＰａｔｔｏｎＡＪ，ＷａｌｋｅｒＫ，ＭｃＤｕｆｆｅｅＤ，犲狋犪犾．ＵｓｉｎｇＤｉｇｉｔａｌＩｍａｇｅＡｎａｌｙｓｉｓｔｏＱｕａｎｔｉｆｙＴｕｒｆｇｒａｓｓＣｏｖｅｒａｎｄＤｉｓｅａｓｅ［ＥＢ／ＯＬ］．
ｈｔｔｐ：／／ｗｗｗ．ａｇｒｙ．ｐｕｒｄｕｅ．ｅｄｕ／ｔｕｒｆ／ｒｅｐｏｒｔ／２００５／１１．ｐｄｆ，２００５．
犇狔狀犪犿犻犮犪狀犪犾狔狊犻狊狅犳犪狌狋狌犿狀犮狅犾狅狉犮犺犪狀犵犲狊犫犪狊犲犱狅狀犱犻犵犻狋犪犾犻犿犪犵犻狀犵狋犲犮犺狀犻狇狌犲犻狀狕狅狔狊犻犪犵狉犪狊狊
ＪＩＡＹｕｎｑｉ１，２，ＣＡＯＺｈｉｚｈｏｎｇ１，ＷＡＮＧＹｕｎｗｅｎ２，ＳＵＮＪｉｅｆｅｎｇ３，ＨＥＹｏｎｇ３
（１．ＣｏｌｅｇｅｏｆＰａｒａｃｕｌｔｕｒｅａ，ＧａｎｓｕＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｌａｎｚｈｏｕ７３００７０，Ｃｈｉｎａ；２．Ｄｅｐａｒｔｍｅｎｔｏｆ
ＧｒａｓｓｌａｎｄＳｃｉｅｎｃｅ，ＣｈｉｎａＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００１９３，Ｃｈｉｎａ；３．Ｑｉｎｇｄａｏ
ＨａｉｙｕａｎＴｕｒｆＭａｎａｇｅｍｅｎｔＣｏ．Ｌｔｄ，Ｊｉａｏｚｈｏｕ２６６３００，Ｃｈｉｎａ）
犃犫狊狋狉犪犮狋：ＴｈｅｄｙｎａｍｉｃｓｏｆａｕｔｕｍｎｃｏｌｏｒｃｈａｎｇｅｓｉｎｆｏｕｒｚｏｙｓｉａｇｒａｓｓａｃｃｅｓｓｉｏｎｓｗａｓａｎａｌｙｚｅｄｂｙＳｉｇｍａｓｃａｎＰｒｏ
５．０ｉｍａｇｅａｎａｌｙｓｉｓｓｏｆｔｗａｒｅｕｓｉｎｇｔｈｅｐｈｏｔｏｓｏｆｉｎｄｉｖｉｄｕａｌｐｌａｎｔｓｔａｋｅｎａｔｉｎｔｅｒｖａｌｓｂｙａｄｉｇｉｔａｌｃａｍｅｒａ．Ｔｈｅａｐ
ｐｒｏｐｒｉａｔｅｓｅｔｔｉｎｇｓｆｏｒｓｅｌｅｃｔｉｎｇｔｈｅｇｒｅｅｎｐｉｘｅｌｓｗｅｒｅｈｕｅ（Ｈ）３２－１０７，ｓａｔｕｒａｔｉｏｎｌｅｖｅｌ（Ｓ）１０－１００，ａｎｄｆｏｒ
ｙｅｌｏｗｐｉｘｅｌｓｗａｓＨ１０－３２，Ｔｈｅｒａｎｋｉｎｇｏｒｄｅｒｏｆｔｈｅｆｏｕｒａｃｃｅｓｓｉｏｎｓｆｏｒｄｏｒｍａｎｃｙｄａｔｅ（ｆｒｏｍｅａｒｌｙｔｏｌａｔｅ）
ｗａｓ犣．犼犪狆狅狀犻犮犪ｃｖ．Ｌｉａｏｎｉｎｇ，Ｈ２ｓｔｒａｉｎ，ｃｖ．Ｑｉｎｇｄａｏａｎｄ犣．犼犪狆狅狀犻犮犪狏犪狉．ｐｏｌｉｄａＮａｋａｉｅｘＨｏｎｄａｃｖ．Ｊｉａ
ｏｄｏｎｇ．Ｉｔｗａｓｃｏｎｃｌｕｄｅｄｔｈａｔｔｈｅｒｅｗａｓａｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｔｈｅｄａｔｅｏｆａｕｔｕｍｎｄｏｒｍａｎｃｙａｎｄｔｈｅｌａｔｉｔｕｄｅｏｆ
ｏｒｉｇｉｎｏｆｔｈｅｆｏｕｒａｃｃｅｓｓｉｏｎｓ．Ｃｏｍｐａｒｅｄｗｉｔｈｔｒａｄｉｔｉｏｎａｌｖｉｓｕａｌｒａｔｉｎｇ，ｔｈｅａｄｖａｎｔａｇｅｓｏｆｄｉｇｉｔａｌｉｍａｇｅａｎａｌｙｓｉｓ
ａｒｅｇｒｅａｔｅｒｒｅｐｅａｔａｂｉｌｉｔｙａｎｄｍｏｒｅａｃｃｕｒａｃｙ．
犓犲狔狑狅狉犱狊：ｚｏｙｓｉａｇｒａｓｓ；ｄｉｇｉｔａｌｉｍａｇｅａｎａｌｙｓｉｓ；ａｕｔｕｍｎｃｏｌｏｒ
２０１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２００９） Ｖｏｌ．１８，Ｎｏ．３