叶片颜色与含水率的关系研究毕业论文(编辑修改稿)

叶片颜色与含水率的关系研究毕业论文(编辑修改稿)内容摘要：

量。 为了减少 数据量 ， 使图像 处理 变得 更加简单， 从而方便读取图像上的数据，首 先将 RGB图像二值化。 本次研究设定的阈值为。 将梧桐叶片的图像导入 Matlab 并将其二值化，图所 示是原图和二值化后的图片对比。 部分代码如下： A=imread(39。 C:\Users\zhangc\Desktop\图像 \39。 )。 A=im2bw(A,)。 imshow(A) （ a） 原图 （ b） 二值化后 图 32 叶片原 图和二值化后的图片对比 数据处理中的统计量 （ 1）平均值又称为算数平均值，是数理统计中最基础的统计量。 平均值的计算公式： nxxni i 1 （ 32） 天津科技大学 20xx 届本科生毕业设计 10 平均值具有反应灵敏、确立严密、通俗易懂、计算简单等优点，可用于进一步演算。 但它极易受极端数据的影响，这是因为平均值对数据值的变化反应灵敏，每个数据的每个微 小变化都会导致不同的结果。 （ 2） 标准差是方差的算术平方根。 它在概率统计中最常用来测量统计数据的分布程度。 标准差反映了一个数据集内数据个体间的离散程度。 标准差与平均值并不等价，即使两个数据集的平均值是相等的，其标准差也未必相同。 标准差计算公式：  ni ixN 12)(1  （ 33） （ 33）中  代表数据集的平均值， N 是数据的个数， ix 为数据的值）。 （ 3） 变异系数衡量的是样本中各个数据的变异程度。 对多个样本数据的变异程度进行比较时，如果度量标准和平均值相同，标准差和变异程度是等价的，标准差的不同就代表了变异程度的不同。 如果度量标准不同和（或）平均值不相等时，就不能采用标准差来比较其变异程度，而需采用变异系 数（ CV），即标准差与平均值的比值（相对值）来比较。 变异系数可以用来消除和减轻不同度量标准和（或）平均值对两个或多个样本的变异程度的影响。 因此，模型一以变异系数为自变量来构建一元回归模型。 变异系数的计算公式： %1 0 0 xSCV （ 34） （ 34）中， CV 为变异系数， x 为数据集的平均值， S 为数据集的标准差。 数据处理结果 (1)在 Matlab 中对二值化后的图像分别求整个图像的平均值和标准差并计算变异系数。 结果如表 32 所示。 （代码见附录 2） 天津科技大学 20xx 届本科生毕业设计 11 表 32 叶片的平均值，标准差以及变异系数 叶片编号 平均值 标准差 变异系数 叶片含水率 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 (2)RGB 图像数据处理结果 将 RGB 图像批量导入 Matlab 中，分别求 红色 （ R） 、绿色 （ G） 、蓝色 （ B） 三色各自 的平均值、标准差以及整个图像的平均值、标准差。 结果如表 33 所示。 （代码见附录 3） 天津科技大学 20xx 届本科生毕业论文 12 表 33 RGB 图像的平均值和标准差数据 叶片编号 分量 平均值 分量 标准差 平均值 标准差 叶片含水率 mr mg mb sr sg sb x S 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 天津科技大学 20xx 届本科生毕业论文 13 4 建立回归模型 模型一：基于二值化图像变异系数的一元回归模型 将图片的变异系数作为自变量，叶片含水率为因变量建立一元回归模型。 （数据见表 32，代码和运行结果见附录 3） 拟合曲线如图 41 所示： 0 . 1 6 0 . 1 8 0 . 2 0 . 2 2 0 . 2 4 0 . 2 6 0 . 2 8 0 . 30 . 6 5 50 . 6 5 5 10 . 6 5 5 20 . 6 5 5 30 . 6 5 5 40 . 6 5 5 50 . 6 5 5 60 . 6 5 5 70 . 6 5 5 8y v s . x 1变异系数叶片含水率 D a t aF i tC o n f i d e n c e b o u n d s 图 41 变异系数和叶片含水率拟合曲线 分析：由上述运算结果可知变异系数和叶片含水率的一元回归模型为： 00 10 67 55 y （ 41） 同时结果显示 p。 从方程和图像可以看出变异系数和叶片含水率成反比，同时从图像可以看出数据点是非常分散地分布在拟合曲线附近的。 这就说明二者之间并不满足线性关 系。 结合对 p 值和拟合曲线的分析可以得出这个一元回归模型并不能较为准确地反映叶片颜色和叶片含水率之间的关系。 天津科技大学 20xx 届本科生毕业设计 14 基于 RGB 图像统计量的回归模型 模型二：以图像标准差 s 为自变量的一元回归模型 将图像标准差 s 作为自变量，叶片含水率作为因变量建立一 元回归模型（数据见表 33，代码和运行结果见附录 3） 拟合曲线如图 42 所示： 80 82 84 86 88 90 92 94 96 980 . 6 5 4 90 . 6 5 50 . 6 5 5 10 . 6 5 5 20 . 6 5 5 30 . 6 5 5 40 . 6 5 5 50 . 6 5 5 60 .。