全 文 ：中国生态农业学报 2011年 1月 第 19卷 第 1期
Chinese Journal of Eco-Agriculture, Jan. 2011, 19(1): 155159


* 国家自然科学基金项目(40971025)、国家科技支撑计划项目(2008BADA4B02-04, 2006BAD17B05)和中国科学院知识创新工程重大项
目(KSCX-WY-09)资助
李红军(1972~), 男, 博士, 副研究员, 主要研究方向为信息农业与生态水文。E-mail: lhj@sjziam.ac.cn
收稿日期: 2010-07-07 接受日期: 2010-09-08
DOI: 10.3724/SP.J.1011.2011.00155
应用数字图像进行小麦氮素营养诊断中
图像分析方法的研究*
李红军 1 张立周 2 陈曦鸣 3 张玉铭 1 程一松 1 胡春胜 1
(1. 中国科学院遗传与发育生物学研究所农业资源研究中心 石家庄 050021;
2. 河北农业大学资源与环境科学学院 保定 071001; 3. 石家庄市第 24中学 石家庄 050051)
摘 要 简便、快速、经济地诊断作物氮素营养状况是实施氮肥用量调控的关键。利用数码相机对作物冠层
进行拍照, 通过图像处理软件获得作物色彩参数, 根据色彩参数与作物氮素营养状况的关系可以对其氮素丰
缺进行诊断。针对作物数字图像色彩参数的获取方法, 结合小麦多水平氮肥试验, 采用遥感软件 PCI Geo-
matics的非监督分类功能, 将小麦图像分为土壤、反光叶面和不反光叶面, 与 Adobe Photoshop软件普通图像
处理方法对照, 比较分析了小麦图像不同类别叶片的 8 种色彩参数与 SPAD 值及植株全氮的相关性。结果表
明, 返青期小麦反光叶面的 G/R 与 R/(R+G+B)色彩参数能较好地反映小麦的氮素营养状况; 拔节期不反光叶
面和反光叶面的 R/(R+G+B)色彩参数与植株全氮相关性较好。利用普通图像处理软件获得色彩参数的方法有
待改进, 图像分类后能够提高其色彩参数对作物氮素营养诊断的准确性。
关键词 冬小麦 氮素营养诊断 数字图像 图像分类 色彩参数
中图分类号: S127 文献标识码: A 文章编号: 1671-3990(2011)01-0155-05
Image analysis method in application of digital image on diagnosing
wheat nitrogen status
LI Hong-Jun1, ZHANG Li-Zhou2, CHEN Xi-Ming3, ZHANG Yu-Ming1, CHENG Yi-Song1, HU Chun-Sheng1
(1. Center for Agricultural Resources Research, Institute of Genetics and Developmental Biology, Chinese Academy of
Sciences, Shijiazhuang 050021, China; 2. College of Resources and Environmental Sciences, Agricultural University of
Hebei, Baoding 071001, China; 3. Shijiazhuang No. 24 High School, Shijiazhuang 050051, China)
Abstract Easy, fast and cheap diagnosis of crop nitrogen status is a key to optimize nitrogen fertilization. Crop nitrogen status can
be measured by relating it to color parameters retrieved form digital images. In this paper, color parameters of digital image of winter
wheat under different levels of nitrogen supply were analyzed by using Adobe Photoshop and PCI Geomatics remote sensing image
processing software and the results compared. Based on color differences, winter wheat image was divided into three parts (soil,
leaves with and without reflection). Correlations among eight color parameters retrieved by PCI and Photoshop, SPAD values and
total nitrogen content of wheat were analyzed. The results showed that G/R and R/(R+G+B) ratios of leaves with reflection were
significantly correlated with wheat SPAD at reviving stage. R/(R+G+B) ratio of leaves with and without reflection was significantly
correlated with wheat total nitrogen content at jointing stage. It was noted that improvements in image processing for getting color
parameters of software were required. Color parameters obtained via image classification could increase the diagnosis accuracy of
wheat nitrogen status.
Key words Winter wheat, Nitrogen status diagnosis, Digital image, Image classification, Color parameter
(Received July 7, 2010; accepted Sept. 8, 2010)
156 中国生态农业学报 2011 第 19卷


施用氮肥是农业生产中最快、最有效和最重要
的增产措施, 但大量氮肥的施用却造成了严重的环
境污染 , 硝酸盐淋失成为农田面源污染的主要成
分[1]。在保障粮食产量的前提下进行氮肥的调控施
用, 需加强作物氮素营养诊断和推荐施肥技术的研
究。长期以来, 植物氮素营养诊断大都采用室内分
析方法 , 通过测定植株或土壤中各形态氮素(如全
氮、碱解氮、硝态氮等)的含量进行推荐施肥[24]。
该测试方法耗时费力, 成本高且时效性差, 很难满
足大面积农田生产的需求[5]。因此无损快速的作物
氮素状态诊断与推荐施肥技术如便携式叶绿素仪
(SPAD)[6]、遥感技术(包括高广谱、可见光及高空遥
感)[79]等越来越受到关注并获得深入研究和应用。
作物冠层颜色与其氮素营养状况密切相关, 因
此, 可见光光谱分析技术在作物氮素营养诊断中的
应用受到重视, 特别是随着数码相机和具有照相功
能手机的普及, 应用数字图像技术进行氮素营养诊
断成为可能[1011]。王晓静等[12]利用数码相机获取棉
花冠层图像, 研究发现图像的绿光值(G)及绿光与红
光比值(G/R)可作为棉花氮素营养的诊断指标; 李井
会等 [10]利用数字图像的绿光与蓝光比值(G/B)对马
铃薯的氮素营养进行诊断; 贾良良[11]对利用数字图
像进行小麦氮素营养诊断进行了系统研究, 认为相
机拍摄时与冠层的角度、太阳光照强度、图像存储
格式及分辨率、农田灌溉与否等都不会影响到利用
照片的色彩参数对小麦氮素营养的诊断。
在诸多利用数字图像进行作物氮素营养诊断的
研究中, 数字图像的处理方法均是利用 Adobe Pho-
toshop 软件, 通过直方图程序读取图像红、绿、蓝
3个通道的中间值然后进行相关参数计算[912]。由于
作物具有不同的冠层空间几何结构[13], 不同结构的
叶片会引起可见光谱的很大差异。Adobe Photoshop
软件的直方图程序无法将不同叶片加以区分, 通过
其获得的是混合叶面的光谱信息, 用其诊断作物氮
素状态必然存在一定误差。因此, 本研究在利用数
字图像进行冬小麦氮素营养诊断的研究中, 尝试将
图像中的不同叶片进行分类, 分别研究不同叶面光
谱信息对冬小麦氮素营养状况的反映, 并与 Adobe
Photoshop软件的处理结果比较, 以提高对冬小麦氮
素营养诊断的准确性。
1 材料与方法
1.1 试验设置
试验在中国科学院栾城农业生态系统试验站
(N37°50′, E114°40′)进行。该试验站位于华北太行山
前平原, 土壤为潮褐土。种植制度以冬小麦夏玉米
轮作为主, 且实施了秸秆还田。为研究不同供氮水平
下作物冠层的颜色反应, 结合该试验站已有的多年氮
肥试验, 增加设置了多个施氮水平[kg(N)·hm2·季1]
的对比试验。试验设置包括自 1997年开始的 0、100、
200、300, 2004年开始的 0、50、100、150、200、
300以及 2008年开始的 0、50、100、150、200、250
各施氮水平处理。每组试验的每个处理磷肥用量相
同[65 kg(P)·hm2], 于小麦播种前施用。
1.2 测试项目与方法
于 2009 年冬小麦返青期(4 月上旬)和拔节期
(4月下旬)分别观测小麦叶片 SPAD值和植株全氮含
量。其中 SPAD值用 SPAD-502叶绿素仪测定, 在每
个处理田块随机测定 30株小麦完全展开叶的 SPAD
值, 并计算获得其平均值。在每个处理田块随机选
取 30 株小麦, 用半微量凯氏法测定植株全氮含量,
取得其平均值。
1.3 数字图像获取
参照文献[1011], 在晴天太阳高度角相对稳定的
12:00~13:00 之间, 用佳能 EOS400D 数码相机进行
拍照。拍照时距离地面 1.2 m, 通过手动调节使相机
与地面冠层约呈 60°角, 以自动曝光模式拍照。图像
采用 1 024×768分辨率以 JPEG格式保存。
1.4 数字图像处理方法
数字图像的处理采用 2 种方法。一种是不考虑
小麦叶片结构差异对成像的影响, 利用 Adobe Pho-
toshop 软件进行处理。首先选中没有土壤背景的小
麦冠层图像, 通过选择“选取相似”功能剔除图像
中的土壤背景, 利用软件的直方图功能读取红、绿、
蓝 3个通道的图像平均值, 用于计算其他色彩参数。
另一种方法是利用遥感图像处理软件 PCI Geomatics
进行处理。首先将图像转存成 pix 格式, 同时增加
1 个空的通道用于图像分类结果的存放。利用该软
件提供的图像分类功能 , 采用非监督分类的方法 ,
将图像分为 3 类: 土壤、反光叶面和不反光叶面。
以分类结果作为掩模, 将土壤图像抛弃, 通过编程
分别计算反光叶片和不反光叶片图像的红、绿、蓝
3个通道的平均值。
1.5 图像色彩参数与小麦氮素营养关系分析方法
利用不同图像处理方法可以获得小麦叶片的红
光值 R、绿光值 G 和蓝光值 B。通过这 3 个色彩参
数的组合运算, 可以获得多种色彩参数。参考同类
研究对色彩参数的选择, 本文选取红光值 R、绿光值
G、蓝光值 B、绿光与红光比值 G/R、绿光与蓝光比
值 G/B、红光标准化值 R/(R+G+B)、绿光标准化值
G/(R+G+B)和蓝光标准化值 B/(R+G+B) 8 种色彩参
数对其与作物氮素状态的相关性进行研究。
第 1期 李红军等: 应用数字图像进行小麦氮素营养诊断中图像分析方法的研究 157


结合不同数字图像处理方法, 将 8 种色彩参数
分别与同时测得的小麦叶片 SPAD 值、植株硝酸盐
浓度与全氮含量进行相关性分析, 通过回归方程决
定系数(R2)的高低选择可以诊断小麦氮素营养的色
彩参数, 并对 2种数字图像处理方法进行比较。
2 结果与分析
2.1 小麦数字图像分类
在一定的光照条件下, 处于不同姿态的小麦叶
片会对光线产生不同的反射, 因而在图像中表现为
不同的亮度和色调。图 1a为随机选择的 1幅小麦图
片, 图中包括土壤和小麦冠层, 其中小麦叶片在亮
度与色调上表现出很大差异, 部分叶片因反光表现
出较高的亮度, 而其他叶片颜色则较暗。PCI Geo-
matics 是专业的遥感图像处理软件, 本文利用其非
监督分类功能, 自动将图像分为土壤、反光叶面(亮
度较高)和不反光叶面(亮度较暗)3类(图 1b)。利用数
字图像进行小麦氮素营养诊断的依据是叶片颜色的
差异, 而小麦叶片姿态不同会在图像中表现出不同
的颜色。利用分类结果作为掩膜, 分别提取不反光
叶片和反光叶片图像, 计算红、绿、蓝色彩参数的
平均值。同时利用 Adobe Photoshop 软件获得混合


图 1 利用 PCI软件进行分类前(a)、后(b)的小麦图像
Fig. 1 Wheat digital images before (a) and after (b) classifica-
tion by using PCI software
叶片的红、绿、蓝色彩参数(表 1)。不同类别叶片间
色彩参数存在较大差异, 其中反光叶片的数值最高,
不反光叶片的数值最低, 而利用Adobe Photoshop软
件处理的结果居中。

表 1 不同图像处理方法获得的小麦图像红(R)、
绿(G)、蓝(B)色彩参数比较
Tab. 1 Values of R, G and B of wheat digital images
processed with different methods
色彩参数 Color parameter
R G B
不反光叶片
Leaves without reflection
56.56 103.18 64.75
反光叶片
Leaves with reflection
99.98 143.98 104.02
混合叶片 All leaves1) 79.99 125.20 85.94
1) Adobe Phototshop 处理的小麦图像的叶片 Leaves of wheat
images were processed with Adobe Photoshop. 下同 The same below.

2.2 返青期小麦色彩参数分析
由于植株叶绿素含量与其氮素营养状况密切相
关, 叶绿素测定仪作为一种简便、非破坏性测定叶
片相对叶绿素含量的仪器在植株氮素诊断中得到广
泛应用。本研究在冬小麦返青期对叶片 SPAD 值进
行测量, 同时利用上述 2 种方法对小麦数字图像进
行处理, 获得小麦不同类别叶片的 8 种色彩参数。
将 SPAD 值分别与这 8 种色彩参数进行线性相关分
析, 以各色彩参数与 SPAD 值线性回归方程的决定
系数(R2)为评价其相关性的指标 , 不同图像处理方
法各参数对小麦氮素营养反映的差异如图 2所示。
图 2 表明, 在由数字照片获得的小麦叶片 8 种
色彩参数中, 与小麦叶片 SPAD 值相关性较好的 3
种参数为 B、G/R 与 R/(R+G+B)。不同图像处理方
法获得的色彩参数与小麦叶片 SPAD 值的相关性也
存在差异。在相关性较好的 3 种参数中, 反光叶片
的 G/R(R2=0.774)、R/(R+G+B) (R2=0.773)及混合叶
片的 R/(R+G+B)(R2=0.735)与 SPAD 值的相关性最
强。整体看, 反光叶片的色彩参数与 SPAD值相关性
最好, 其次是利用Adobe Photoshop软件处理获得的


图 2 小麦返青期不同类别叶片 SPAD值与 8种色彩参数的相关性
Fig. 2 Correlation coefficients between color parameters and SPAD values of wheat in reviving stage
叶片类型
Leaves class
158 中国生态农业学报 2011 第 19卷


混合叶片, 而不反光叶片对植株氮素营养的反映最
差。从图 3 可以看出, 反光叶片 G/R 与 SPAD 值极
显著相关(P<0.01), 表明利用该色彩参数可以较好
地替代 SPAD进行小麦氮素营养诊断。
2.3 拔节期小麦色彩参数分析
将小麦拔节期所测得的 SPAD 值与植株硝酸盐
浓度和全氮含量进行相关性分析, 发现 SPAD 值与
二者相关性较差(R2 分别为 0.085 与 0.13), 表明
SPAD值不再能很好地反映小麦的氮素营养状况。本
研究选择植株全氮作为小麦氮素营养状况的指标与
各类色彩参数进行相关性分析, 其相关方程的决定
系数如图 4所示。

图 3 反光叶片 G/R与 SPAD值的关系
Fig. 3 Correlation between SPAD values and G/R of leaves
with reflection


图 4 小麦拔节期植株全氮与 8种色彩参数的相关性
Fig. 4 Correlation coefficients between color parameters and total nitrogen content of wheat in jointing stage

图 4 与图 2 相比, 小麦拔节期 8 种色彩参数与
小麦氮素营养状况的相关性普遍降低。不同图像处
理方法得到的色彩参数中, 混合叶面的色彩参数与
植株全氮的相关性最差, 而不反光叶面的色彩参数
与植株全氮的相关性最好, 反光叶面次之。在这些
色彩参数中, 不反光叶面的 R、G/R、R/(R+G+B)与
G/(R+G+B)与植株全氮相关性较好, 其中决定系数
最高的是 R/(R+G+B)(R 2 =0 .444)。反光叶面的
R/(R+G+B)参数与植株全氮也具有较好的相关性


图 5 不反光叶片 R/(R+G+B)参数与植株全氮的关系
Fig. 5 Correlation between total nitrogen content and
R/(R+G+B) of leaves with reflection
(R2=0.400)。通过比较, 可以选择不反光叶面或反光
叶面的 R/(R+G+B)作为拔节期小麦氮素营养状况的
诊断指标。从图 5 可以看出, 拔节期不反光小麦叶
面 R/(R+G+B)与植株全氮的相关性达到极显著水平
(P<0.01), 小麦拔节期可以通过该参数利用数字照
片进行小麦氮素营养状况诊断。
3 结论与讨论
自古以来, 我国农民就有依靠作物颜色深浅判
断其营养状况的经验。近年来, 利用可见光遥感进
行作物生长状况和营养诊断成为研究热点, 但受图
像处理技术的限制, 作物冠层照片色彩参数的获得
方法多是采用普通图像处理软件, 如 Adobe Photo-
shop、Paint Shop Pro、Micrografx Picture Publisher
等[12]。这些软件简单易用, 但在处理手段上过于简
单无法获得更为细节的色彩参数信息。与普通图像
处理软件相比较, 本研究利用专业遥感软件对小麦
数字图像进行了简单分类, 在剔除土壤图像的基础
上能够将小麦叶面分为反光叶面与不反光叶面, 结
合返青期和拔节期对试验田小麦氮素营养状况的观
测, 比较了 8种色彩参数与 SPAD值、植株全氮的相
关性。研究发现: 返青期小麦反光叶面的 G/R 与
第 1期 李红军等: 应用数字图像进行小麦氮素营养诊断中图像分析方法的研究 159


R/(R+G+B)能较好地反映小麦的氮素营养状况; 拔
节期不反光叶面与反光叶面的 R/(R+G+B)与植株全
氮相关性较好; 利用Adobe Photoshop软件处理后获
得的混合叶面的 8 种色彩参数虽与小麦氮素状态存
在相关性, 但因其决定系数偏低均未被选择作为诊
断小麦氮素营养的指标。可见, 在利用数字图像进
行作物氮素营养诊断中, 普通的图像处理方法有待
改进, 图像分类后能够提高对作物氮素营养诊断的
准确性。
随着数码相机和多功能手机的普及, 利用数字
照片进行作物氮素诊断将有广阔应用前景, 但要达
到实际应用的目标, 仍有许多问题需要解决, 如作
物品种间色彩参数的差异、数字照片分析方法的程
序化和仪器化、作物不同氮素营养状态判定指标的
确定等, 都需要进一步的研究。
参考文献
[1] 张庆忠 , 陈欣 , 沈善敏 . 农田土壤硝酸盐积累与淋失研究
进展[J]. 应用生态学报, 2002, 13(2): 233238
[2] 赵俊晔 , 于振文 . 不同土壤肥力条件下施氮量对小麦氮肥
利用和土壤硝态氮含量的影响[J]. 生态学报, 2006, 26(3):
815822
[3] 于亮 , 陆莉 . 冬小麦氮素营养诊断的研究进展[J]. 安徽农
业科学, 2007, 35(10): 28612863
[4] 冯伟, 朱艳, 姚霞, 等. 小麦氮素积累动态的高光谱监测[J].
中国农业科学, 2008, 41(7): 19371946
[5] 李桂娟 , 朱丽丽 , 李井会 . 作物氮素营养诊断的无损测试
研究与应用现状[J]. 黑龙江农业科学, 2008(4): 127129
[6] 李刚华, 薛利红, 尤娟, 等. 水稻氮素和叶绿素 SPAD 叶位
分布特点及氮素诊断的叶位选择[J]. 中国农业科学, 2007,
40(6): 11271134
[7] 程一松 , 郝二波 . 氮素胁迫下的冬小麦高光谱特征提取与
分析[J]. 资源科学, 2003, 25(1): 8693
[8] 鲍艳松, 王纪华, 刘良云, 等. 不同尺度冬小麦氮素遥感监
测方法及其应用研究 [J]. 农业工程学报 , 2007, 23(2):
139144
[9] 王娟, 雷咏雯, 张永帅, 等. 应用数字图像分析技术进行棉
花氮素营养诊断的研究[J]. 中国生态农业学报, 2008, 16(1):
145149
[10] 李井会 , 朱丽丽 , 宋述尧 . 数字图像技术在马铃薯氮素营
养诊断中的应用[J]. 中国马铃薯, 2006, 20(5): 257260
[11] 贾良良. 应用数字图像技术与土壤植株测试进行冬小麦氮
营养诊断[D]. 北京: 中国农业大学, 2003
[12] 王晓静 , 张炎 , 李磐 , 等 . 地面数字图像技术在棉花氮素
营养诊断中的初步研究 [J]. 棉花学报 , 2007, 19(2):
106113
[13] 赵春江, 黄文江, 王纪华, 等. 用多角度光谱信息反演冬小
麦叶绿素含量垂直分布 [J]. 农业工程学报 , 2006, 22(6):
104109