圖像處理技術(shù)在葉片特征分析中得到了廣泛的應(yīng)用。早期的植物葉片RGB圖像處理技術(shù)存在去噪不足，采用參數(shù)少、適用性有限的正態(tài)概率統(tǒng)計(jì)估計(jì)模型等缺點(diǎn)。

本文作者確定了煙葉圖像中紅、綠、藍(lán)、灰度通道的偏態(tài)分布特征。計(jì)算了20個(gè)偏態(tài)分布參數(shù)，包括平均數(shù)，中位數(shù)，眾數(shù)，偏度和峰度。使用均值參數(shù)建立了一個(gè)與早期模型相似的逐步回歸模型。其他基于中值和偏度參數(shù)的模型能夠得到準(zhǔn)確的基于RGB的描述和預(yù)測(cè)，并能更好地?cái)M合SPAD值。參數(shù)的增加提高了RGB模型描述和預(yù)測(cè)的精度，擴(kuò)大了其應(yīng)用范圍。事實(shí)上，偏態(tài)分布參數(shù)可以描述葉色深度和均勻性的變化。

結(jié)果顯示，葉片圖像的顏色直方圖呈偏斜分布，其參數(shù)極大地豐富了RGB模型，并且可以描述葉片顏色深度和均勻性的變化。

來(lái)源：Plant Methods.Skewed distribution of leaf color RGB model and application of skewed parameters in leaf color description model.Zhengmeng Chen, Fuzheng Wang, Pei Zhang, Chendan Ke, Yan Zhu, Weixing Cao & Haidong Jiang.https://plantmethods.biomedcentral.com/articles/10.1186/s13007-020-0561-2