CC BY
82
УДК 631.4
АНАЛИЗ ЦВЕТА ПОЧВ
С ИСПОЛЬЗОВАНИЕМ ЦИФРОВОЙ ФОТОКАМЕРЫ
Н.П. Кириллова, Т.М. Силёва
В диагностике почв и описании почвенных профилей цвет является важным физическим свойством. В настоящее время его количественную оценку получают с помощью спектрофотометров и фотоколориметров. В то же время система Манселла остается основной при описании цвета. Переход от ее использования к современным цифровым фотокамерам затруднен в связи с необходимостью калибровки последних для получения точных и воспроизводимых результатов. В работе предложен метод калибровки цифровой фотокамеры с использованием почвенных шкал. Эффективность метода опробована на 136 образцах. Колориметрически точная оценка цвета была достигнута для 84% проб (АЕдй* < 3) со средним значением АЕа¿* = 2,15, что дает возможность охарактеризовать данный метод как недорогой и высокоэффективный.
Ключевые слова: цвет почв, система Манселла, цифровая фотокамера, СШ-Ь*а*Ъ*, калибровка.
Введение
Цвет почвы является важной физической характеристикой. Исследование базы данных, в которой собрана информация о 800 разрезах почв подзоны южной тайги, показывает, что более 70% горизонтов выделяется при полевых исследованиях по цвету [12]. База данных позволяет унифицировать алгоритмы обработки информации и в значительной степени избежать ошибок таксономической диагностики при условии, что описание горизонтов произведено правильно. Данное обстоятельство увеличивает значимость определения цвета почвы и продвигает исследователя от словесной к количественной его характеристике.
Несмотря на интенсивное развитие технических средств, применение современных приборов (спектрофотометры, спектрорадиометры, фотоколориметры) все еще остается малодоступным для широкого круга исследователей в силу высокой стоимости. Именно поэтому и сейчас основным средством описания цвета почв является система Манселла, использование которой насчитывает уже более 100 лет. Применение ее неоднократно подвергалось критике [5, 13, 19], но до сих пор не найдено достойной замены, особенно в полевых условиях.
В немногочисленных исследованиях, где для оценки цвета почв применяли фотокамеры и сканеры [1, 6, 14, 22], в основном делался упор на связь между цветом почвы и содержанием органического углерода или различных форм железа. Для получения таких зависимостей все образцы анализировали при одинаковых условиях (на одном и том же устройстве). Так, недостаток системы RGB связан с сильной зависимостью значений от освещенности образца [23], т.е. в этой
системе трудно получить сопоставимые результаты для различных устройств. Соответственно, будут различаться и показатели цвета в системе CIE-L*a*b*, полученные для одного и того же образца на разных цифровых устройствах. Именно с этой причиной связано недостаточное использование планшетных сканеров и цифровых фотокамер: их применение требует специальной калибровки, принципы которой в отношении почв описаны недостаточно.
В последнее время удалось разработать методику калибровки сканера для оценки цвета осадочных пород, которая дала хорошие результаты для ряда изученных устройств [11]. Планшетные сканеры имеют существенное преимущество перед цифровыми фотокамерами, поскольку содержат постоянный источник освещения. Это позволяет калибровать их однократно и хранить результаты в памяти компьютера. В совокупности с новым поколением сканеров, питание которых осуществляется только через USB-порт, они становятся удобным средством оценки цвета почвы. Цифровые фотокамеры имеют, с одной стороны, преимущество перед сканерами, так как получение изображения возможно бесконтактным способом. С другой стороны, они обладают недостатком, связанным с зависимостью от внешнего источника освещения, который не является постоянным. Поэтому для оценки цвета почв с применением цифровых фотокамер либо используется постоянный искусственный источник освещения [2, 9, 22], либо фотоснимок делается при естественном освещении, но с использованием калибровочных шкал, размещенных в поле снимка [15].
Нам представляется, что второй подход более перспективен, так как позволяет измерять цвет в полевых условиях in situ. Полученные этим ме-
тодом положительные результаты касались узкого круга песчаных почв, где в качестве шкалы использовали пластиковые цветовые мишени [15]. Считается, что для калибровки лучше применять шкалы, охватывающие диапазон измеряемых цветов как по светлоте (L*), так и по красноте (a*) и желтизне (b*) [10] и наиболее близкие по типу пигментов к измеряемым образцам, чтобы избежать явления метамеризма и связанных с ним ошибок в определении цвета [3]. С этой точки зрения наилучший вариант калибровки — шкала, основанная на образцах почвы.
Эффективность использования цифрового устройства для измерения цвета рассчитывается по формуле, рекомендованной Международной комиссией по освещению [8]. Разница цвета вычисляется как показатель AEab*
AEab* =
= ((L* -L*)2 + (a* -a*)2 + (b* -b*)2)1/2, (1)
где L*, a*, b* — референтные значения (the reference values), полученные с помощью спектрофотометра для стандартного источника освещения, а L*, a*, b* — значения, полученные с помощью цифрового устройства (камера или сканер). Разница в цвете, имеющая значения AEab* < 3, считается трудно ощутимой на глаз [10] (табл. 1).
Таблица 1
Визуальная характеристика разницы цвета по показателю AEab* [10]
AEab* Эффект
<3 Трудно ощутимый
3—6 Ощутимый, но приемлемый
>6 Неприемлемый
В настоящей работе представлены результаты применения метода калибровки цифровой фотокамеры с целью получения колориметрически точного изображения почвенных образцов. Эффективность подхода оценена путем сравнения величин цвета, полученных с помощью фотокамеры и спектрофотометра.
Материалы и методы исследования
Использовали цифровую фотокамеру Sony DSC-HX50. Формирователь изображения — 7,82 мм (тип 1/2,3) с датчиком Exmor R CMOS. Общее число пикселей фотоаппарата — 21,1 Мп; число эффективных пикселей — 20,4 Мп; объектив — Sony G с 30-кратным увеличением; диапазон светочувствительности матрицы (ISO) — 80—12 800.
Съемку проводили в режиме P — Автопрограмма (Program Auto), при котором автоматически устанавливается экспозиция (как скорость затвора, так и величина апертуры). Ниже перечислены установки, которые использовали в процессе съемки.
Постоянные установки: формат файла фотоснимков — JPEG; размер фотоснимка — 4:3 20 М; эффект рисунка, распознавание лиц и улыбки — Off (отключены); резкость, контраст, насыщение цвета — стандартные; авторегулировка чувствительности — Iso-auto; метод фокусировки — автоматический (focus-auto); выбор точки автофокусировки — Мульти AF; управление экспозицией — автоматическое (exposition-auto); изменение баланса белого — баланс белого настраивается (WB ± ON); замер экспозиции: мульти (multy) — по всему кадру.
Изменяемые установки: цветовой режим (Colour Mode) — стандартный (Standard), натуральный (Real); баланс белого (WB) — дневной свет (Standard), облачный (Cloudy), одно касание (WB set).
В работе использовали портативный спектрофотометр X-Rite i1 pro, Швейцария. Анализ спектра — голографическая дифракционная решетка с фотодиодной матрицей на 128 элементов; спектральный диапазон — 380—730 нм, шаг — 10 нм; диаметр измерительной апертуры — 4,5 мм; интерфейс — USB; измерения в отраженном свете: геометрия измерения — 45°/0°; источник света — тип А; разброс показаний приборов — средний (0,4 E94), максимальный (1,0 Е94); повторяемость измерений приборов — < 0,1.
Объекты исследования — образцы, отобранные на территории УОПЭЦ «Чашниково»: воздушно-сухая почва, просеянная через сито 2 мм, к которой добавлена вода (7—18%), тщательно перемешенная до однородной массы. Полученную смесь помещали в пластиковые чашечки, глубиной 10 мм, диаметром 30 или 40 мм. Почву уплотняли вручную, чтобы обеспечить ровную, гомогенную поверхность. Образцы высушивали на воздухе около двух дней для стабилизации цвета.
Добавление воды консолидирует почвенные частицы, и образец не рассыпается на части после высушивания на воздухе, что позволяет собирать все в контейнер для размещения вертикально. Такая процедура имитирует положение почвы на стенке разреза. Твердая, не пылящая поверхность образца также необходима для работы со спектрофотометром, которым каждый образец измеряли 11 раз.
Двенадцать образцов из отобранных использовали для формирования шкалы со следующим диапазоном (стандартный источник освещения d50): L* — 17,9+64,9; a* — -2,9+21,5; b* — 0,4+27,4. Пластиковые чашки размещали в контейнере (глубина 1 см) по три в четыре ряда (3 х 4). Размер кон-
тейнера обеспечивал плотную упаковку образцов и возможность их вертикального положения. Края контейнера по высоте не превышали высоту чашек и не затемняли поверхность почвы.
В другой контейнер помещали 12—25 образцов (в зависимости от размера чашек) вплотную к стенке с градуировочной шкалой.
Фотокамеру на штативе устанавливали на расстоянии 200 см от поверхности контейнеров и на 130 см от уровня пола; контейнеры размещали на высоте 65 см (рис. 1). Съемку проводили при естественном освещении в дневное время, без попадания прямых солнечных лучей. Свет из окна падал на переднюю поверхность образцов. При установке баланса белого в одно касание (WB set) перед контейнерами помещали белый лист бумаги и делали снимок, на котором изображение листа занимало весь экран фотокамеры.
Цифровые изображения выводятся в цветовой системе RGB. Автоматизированное извлечение данных из снимков проводили в программе «Определитель цвета почвы» (SoColEx) [4]. Измеренные на спектрофотометре цветовые координаты образцов почвы в системе XYZ получали в программе ArgyllCMS V1.6.3 [7], источник излучения — d50 (стандартный наблюдатель 1931, 2°), используемый в качестве основного стандарта в коммерческих цветовых шкалах.
Перевод XYZ в L*a*b*. При определении разницы цвета по показателю AEab* (1) надо знать величину CIE-L*a*b* для одного и того же образца, полученную двумя методами — на спектрофотометре и с помощью цифровой фотокамеры. В первом случае преобразование осуществляется напрямую из координат XYZ (входные данные со спектрофотометра). Во втором — значения RGB, извлеченные из фотоснимка, сначала преобразуются в XYZ (RGB to XYZ), а потом в CIE-L*a*b* [18].
В преобразовании используются значения точки белого цвета для d50: Xr = 0,96422, Yr = 1, Zr = 0,82521 [16, 17].
L* = 116/3, -16 a* = 500 / - /у)
b* = 200 (/у - /)
где
Рис. 1. Схема установки для получения изображения почвенных образцов
/у =
/г =
Ч уг
Куг + 16 116
Zr KZr + 16
116
Уг >£ Уг <£
Zr >£ Zr <£
Уг'
Zr'
X_
Xr
Y_ Z
e = 0,008856 к = 903,3
Перевод RGB в XYZ. Извлеченные из фотоснимка значения RGB сначала нормализуются, для чего их делят на 255, чтобы привести к диапазону [0, 1]. Нормализованные значения (R,G,B) конвертируют в XYZ в два этапа [18]. На первом проводится линеаризация (RGB to rgb) по формуле (2):
v Е {r, g, b} V Е {R, G, B}
\ V/12,92
V < 0,04045
1 ((V + 0,055)/1,055) 2,4 V > 0,04045
(2)
На втором этапе полученные линейные значения ^Ь переводят в XYZ ё50 по формуле (3), матрикс преобразования sRGB—XYZ ё50 (табл. 2).
/x
кхг +16 116
xr < £
X" r
Y = [M ] g
Z _ b _
(3)
v
Таблица 2
Матрица перевода линейных значений RGB (rgb) в XYZ d50
rgb - XYZ [M]
0,43607 0,3851 0,14308
0,2225 0,7169 0,060617
0,01393 0,0971 0,714173
Перевод XYZ в RGB. Данное преобразование необходимо для перевода значений XYZ, полученных на спектрофотометре, в цветовые координаты RGB. Это позволяет сравнить в одном формате входной сигнал со спектрофотометра с сигналом с фотокамеры и провести его дальнейшую корректировку.
Трансформация осуществляется также в два этапа [18]. На первом XYZ d50 переводят в линейные значения RGB (rgb), используя формулу (4) и матрицу преобразования [M]-1 (табл. 3).
(4)
Таблица 3 Матрица преобразования XYZ — rgb ([M]-1)
r 'X'
g = [M ]-1 Y
_b_ Z _
XYZ to rgb
3,13386 -1,617 -0,490615
-0,9788 1,9161 0,033454
0,07195 -0,229 1,405243
На втором этапе линейные значения ^Ъ подвергают гамма-коррекции и получают нормализованные значения ЯОВ (5):
V Е {г, g, Ъ}
V =
V е {R, G, B}
12,92v v < 0,0031308
1,055v1/2,4-0,055 v > 0,0031308
(5)
Нормализованные значения RGB находятся в диапазоне [0,1] и для перевода к [0,255] их нужно умножить на 255 и округлить до целых.
Разницу между цветами (AEab*), установленными с помощью спектрофотометра и фотокамеры, вычисляли по формуле (1). AEab* характеризует абсолютную разницу в цвете в терминах разности Эвклидовых координат значений L*, a* и b* [24].
Результаты и их обсуждение
Зависимость между измеренными спектрофотометром и извлеченными из цифрового снимка значениями RGB.,3rra получения объективной оценки цвета почвы посредством фотокамеры необходимо изучить зависимость между измеренными спектрофотометром и извлеченными из цифрового снимка значениями RGB, а также исследовать влияние установок фотографирования на получаемый результат.
В условиях нашего эксперимента в поле одного снимка можно было разместить максимально 37 образцов почвы, из которых 12 составляли гра-дуировочную шкалу, а 25 — испытуемые образцы (табл. 4). Важно отметить, что точки для градуи-ровочных и испытуемых образцов ложатся на одну прямую (рис. 2). Это позволяет использовать для последних значения корректировочных поправок, полученных для почвенной шкалы. Процедура проведения коррекции значений RGB, полученных цифровой камерой, сводится к тому, что вычисляются коэффициенты линейного уравнения m и b по 12 точкам градуировочной шкалы, а затем по ним находят истинное (корректированное) значение RGB для испытуемых образцов: R(G, В)корр =
Рис. 2. RGB-значения, полученные с помощью цифровой камеры (индекс «цк»), и истинные (индекс «сф»), определенные на спектрофотометре: 1 — образцы цветовой шкалы, 2 — образцы испытуемые
Таблица 4
Статистические параметры уравнений линейной регрессии, описывающих зависимость между значениями RGB, получаемыми с помощью спектрофотометра и фотокамеры
Размер кадра, пикс Объект n Параметр m SEm b SEb r R2 RMSE
2500 х 1400 шкала 12 R G B 0,92 0,85 0,78 0,0331 0,0189 0,0301 23,33 25,60 30,93 4,1963 1,9193 2,2937 0,993 0,997 0,992 0,986 0,995 0,984 5,16 2,61 3,38
образцы 25 R G B 0,95 0,81 0,68 0,0263 0,0272 0,0462 19,40 29,00 38,74 3,8660 3,4116 4,3271 0,991 0,987 0,949 0,982 0,974 0,901 3,36 3,39 4,69
5000 х 2800 шкала 12 R G B 1,13 1,05 1,07 0,0367 0,0433 0,0469 33,39 36,26 36,80 3,5103 3,1634 2,3815 0,994 0,991 0,989 0,988 0,982 0,979 4,70 4,83 3,85
образцы 25 R G B 1,00 0,89 0,88 0,0438 0,0443 0,0707 49,14 51,00 49,16 4,8356 4,0254 4,3186 0,978 0,971 0,931 0,956 0,943 0,866 5,25 4,99 5,46
Примечание. ЩО,В) = тЩО,В) + Ь; т, Ь — коэффициенты линейных уравнений, 8Е — стандартные ошибки, г — коэффициент Пирсона, Я2 — коэффициент детерминации, КМЗЕ — среднеквадратичная ошибка, вычисленная для изображений объектов, снятых при разном увеличении.
= mR(G, В)цк + b, где R(G, В)кОрр — корректированное значение, mR(G, В)цк — значение, полученное цифровой камерой.
Путем дальнейших преобразований (RGB— XYZ—LAB) , подробно описанных ранее, мы получаем корректированные значения L*, a*, b*.
По формуле (1) можно определить эффективность метода, принимая во внимание оценку значимости показателя AEab*, приведенную в табл. 1. Наилучший метод должен обеспечивать самое низкое среднее значение AEab* и наибольшее количество образцов со значениями AEab* < 3.
Линейные коэффициенты уравнений будут меняться от снимка к снимку в связи с тем, что невозможно получить два абсолютно одинаковых изображения объекта. Это связано, во-первых, с естественным освещением, которое непостоянно; во-вторых, при автоматическом управлении экспозицией и ее замере по всему кадру с изменением содержания последнего при смене тестируемых образцов будет меняться и освещенность снимка.
Изменение размера кадра (приближение или удаление от объекта съемки) определяет количество света, падающего на объект. Можно оценить изменение равномерности падения света в связи с изменением размера кадра по анализу изображения стандартного листа белой бумаги (табл. 5).
Линейные размеры изображения отличались в два раза, соответ-
ственно, площадь кадров — в четыре раза. Средняя освещенность (Mean R/G/B) малого снимка существенно выше, чем большого. На нем выше и равномерность падения света: стандартное отклонение (SD) по каналам R/G/B для снимка малого размера меньше (1,9/1,8/2,2), чем на снимках большого размера (2,8/2,8/3,1).
Большая освещенность и более равномерное распределение света приводит к тому, что оценка цвета почв по показателю AEab* улучшается на снимках малого размера по сравнению с большим. В табл. 4 приведены коэффициенты линейных уравнений для одной и той же группы образцов, снятых вместе с градуировочной шкалой при разном увеличении.
Таблица 5
Статистика распределения света по листу белой бумаги на снимках разного размера*
Размер снимка** Канал Среднее Стандартное отклонение Минимум Медиана Максимум
Малый R 228,5 1,9 220,2 229,1 231,4
Малый G 231,1 1,8 223,4 231,5 233,8
Малый B 233,6 2,2 225,3 233,9 236,9
Большой R 171,3 2,8 161,3 171,7 175,6
Большой G 171,4 2,8 161,2 171,7 175,8
Большой B 171,5 3,1 161,0 171,7 177,1
*Число образцов определяется размерами элементов листа, для которых проходит усреднение извлеченных значений RGB. Для стандартного листа белой бумаги формата A4 (20 х 29 см) в горизонтальном положении при размере элемента 1 х 1 см мы получаем 580 образцов.
**Линейные размеры малых и больших снимков различались приблизительно в два раза (здесь и в табл. 6).
Таблица 6
Суммарная статистика различий между предсказанными и измеренными значениями Ь*а*Ь* почвенных образцов (ДЕаЬ*)
для снимков разного размера*
Размер снимка AEab* < 3 % AEab* < 4, % AEab* < 6, % Среднее Стандартное отклонение Минимум Медиана Максимум Коэффициент асимметрии
Большой 76,6 87,0 100 2,54 1,0 0,43 2,42 5,64 0,69
Малый 79,2 96,1 100 2,32 0,9 0,35 2,11 4,74 0,48
*Число образцов — 77.
При увеличении размера изображения (зум-мирование) уменьшаются коэффициенты детерминации (R2) и растут среднеквадратичные ошибки (RMSE), увеличивается разница между коэффициентами линейных уравнений для градуировки и шкалы. Все это приводит к тому, что среднее значение AEab* увеличивается и уменьшается число образцов с AEab* < 3, т.е. эффективность метода несколько падает (табл. 6).
Влияние параметров установки камеры на оценку цвета. Изменение установок баланса белого (WB) на камере неизбежно приводит к смене освещенности кадра. Кроме того, такой параметр, как цветовой режим (Color Mode) меняет алгоритм обработки изображения в самой камере. Поэтому необходимо было изучить влияние этих факторов на оценку цвета образцов почвы. Данные табл. 7 показывают, что без проведения корректировки по градуировочной шкале (вариант 2) ни в одном случае не удается достичь приемлемых значений AEab*. Смена стандартного цветового режима (Std) на натуральный (Real) приводила даже к увеличению средних значений AEab*, наряду с уменьшением доли измерений с AEab* < 3. Наилучший результат без градуировки был в вари-
антах с установкой баланса белого в положение «Облачно» (WB cloud), но и в этом случае результат нельзя считать удовлетворительным: всего 23,5% измерений имели AEab* < 3, а среднее AEab* равнялась 8,45.
В варианте с использованием почвенной градуировочной шкалы существенной разницы в измерениях с варьированием параметров установки камеры не наблюдали: во всех вариантах среднее AEab* было <3 (2,26—2,44), доля измерений с AEab* < 3 составила ~70%. Наилучшим явился вариант с автоматической установкой баланса белого (WB auto). При этом, однако, для данной камеры все изображения были сдвинуты в синюю область, что значительно ухудшало визуальное восприятие нескорректированного образа. Это обстоятельство привело нас к выбору в качестве основного варианта установление баланса белого в одно касание (WB set), при котором не происходит смещения цвета изображения.
Таким образом, были подобраны оптимальные параметры съемки: размер кадра 2500 х 1400 пикс (при оригинальном размере объекта 29 х 20 см), цветовой режим (Color Mode) — стандартный (Std), баланс белого — в одно касание (WB set). С эти-
Таблица 7
Суммарная статистика различий между предсказанными и измеренными значениями Ь*а*Ь* почвенных образцов (ДЕаЬ*),
полученными при разных режимах съемки
Режим Число измерений AEab* < 3, % AEab* < 4, % AEab* < 6, % AEab* среднее Стандартное отклонение Минимум Медиана Максимум Коэффициент асимметрии
Real1 198 69,7 93,4 100 2,41 1,06 0,3 2,37 5,63 0,33
Real2 198 5,6 17,2 32,8 11,33 5,82 1,19 12,65 22,72 -0,18
Std1 198 73,7 93,4 100 2,33 1,1 0,4 2,34 5,13 0,18
Std2 198 11,1 20,7 30,8 12,27 6,53 0,4 14,42 23,13 -0,42
WB auto1 132 74,2 95,5 100 2,26 1,07 0,4 2,3 5,07 0,21
WB auto2 132 0 0 0 17,85 2,27 10,59 18,01 23,13 -0,24
WB cloud1 132 71,2 91,7 100 2,44 1,11 0,41 2,38 5,63 0,28
WB cloud2 132 23,5 38,6 47,7 8,45 5,54 0,4 8,27 18,36 0,1
WB set1 132 69,7 93,2 100 2,41 1,05 0,3 2,36 5,33 0,24
WB set2 132 1,5 18,2 47,7 9,1 4,91 2,82 8,94 18,15 0,21
Примечание. Индекс 1 — с корректировкой по градуировочной шкале, индекс 2 — без корректировки.
Таблица 8
Суммарная статистика различий между предсказанными и измеренными значениями L*a*b* почвенных образцов (ДЕаЬ*)
для цифровой камеры
Число образцов AEab* < 3 % AEab* < 4, % AEab* < 6, % Среднее Стандартное отклонение Минимум Медиана Максимум Коэффициент асимметрии
136 82,4 98,5 100 2,15 0,8 0,35 2,06 4,39 0,45
Примечание. Градуировка по почвенной шкале с диапазоном цветов L* — 17,9+64,9; a* — —2,9+21,5; b* — 0,4+27,4.
ми установками измерено 136 образцов почвы (табл. 8); среднее значение AEab* — 2,15, количество образцов с AEab* < 3 составляет 84,2%.
В экспериментах с использованием фотокамеры мобильного телефона [9] в условиях искусственного освещения, имитирующего естественный дневной свет, для 60 почвенных образцов были получены следующие результаты: среднее AEab* = 3,75 и только 48% всех образцов имели AEab* < 3. В данной работе подбирали эмпирические коэффициенты полиномиального уравнения, проводя градуировку не по почве, а по 238 образцам шкалы Манселла. Для корректного сравнения с этими результатами необходимо знать диапазон цветов почвенных образцов по шкале СШ-Ь*а*Ь*, который, очевидно, будет различаться для почв подзоны южной тайги и Средиземного моря. В целом, учитывая использование естественного освещения и простоту градуировки в нашем эксперименте, полученные результаты можно считать лучше таковых работы [9].
Выводы
• В данном исследовании для получения колориметрически точной оценки цвета почв применен метод градуировки цифровой фотокамеры по почвенной шкале. Преимущество метода связано с простотой модели (линейная интерполяция), небольшим количеством образцов, необходимых для градуировки, и использованием естественного дневного освещения. Для 84% из 136 исследованных образцов почв удалось получить значения с различиями, не отличающимися от определяемых с помощью спектрофотометра (AEab* < 3).
СПИСОК ЛИТЕРАТУРЫ
1. Булыгин С.Ю., Бидолах Д.И., Лисецкий Ф.Н. Оценка гумусированности почв путем обработки их цифровых фотоизображений // Науч. вед. БелГУ. Сер. Естеств. науки. 2011. № 15 (110), вып. 16.
2. Валеева А.А., Александрова А.Б., Копосов Г.Ф. Цветовые характеристики лесных почв волжско-кам-ской лесостепи // Уч. зап. Казанского ун-та. Сер. Естеств. науки. 2015. Т. 157, кн. 3.
3. Джадд Д., Вышецки Г. Цвет в науке и технике. М., 1978.
• Необходимым этапом калибровки является оценка влияния разных режимов настройки фотокамеры и наличие градуировки в каждом снимке.
• Рутинные преобразования (экстракция значений RGB из изображения, преобразования между цветовыми пространствами) осуществляются в специальной программе [4], которая доступна для некоммерческого использования.
• При отсутствии в настоящее время промышленных почвенных цветовых шкал для калибровки необходимо использовать спектрофотометр или спектрорадиометр. По нашим оценкам, после полного высыхания несыпучие образцы шкалы стабильны и сохраняют свой цвет не менее года. Их можно откалибровать в лаборатории и затем использовать в полевых условиях вместо атласа Манселла. Так же как и в случае анализа цвета по атласу Манселла, в полевых условиях цвет образцов будет сильно зависеть от влажности почвы, которая в первую очередь уменьшает светлоту (L*) [5, 21]. Поэтому для корректной таксономической диагностики горизонтов по цвету надо работать с сухими образцами [5, 19].
• Оценка цвета влажных почв является самостоятельной задачей. Это ставит проблему развития предложенного метода для определения цвета почв in situ. Мы полагаем, что основная трудность заключается в создании водостойкой шкалы, так как только в этом случае ее цвет стабилен. Наличие большого количества водостойких полимеров в сочетании с разными способами получения их смесей с почвой предполагает принципиальную возможность создания водостойких шкал в ближайшем будущем.
4. Кириллова Н.П., Артемьева З.С. Определитель цвета почвы. Св-во о регистрации прав на программное обеспечение. М., № 2015618613, 12.08 2015.
5. Орлов Д.С., Суханова Н.И., Розанова М.С. Спектральная отражательная способность почв и их компонентов. М., 2001.
6. Achasov A.B., Bidolakh D.I. The use of space and ground digital photography for determining the humus content in soils // Euras. Soil Sci. 2008. Vol. 41, N 3.
7. ArgyllCMS V1.6.3. URL: http://www.argyllcms.com
8. CIE, 2004. Publication 15// C.C. Bureau (Ed.). Co-lorimetry. 3rd ed. Vienna, 2004.
9. Gomez-Robledo L, Lopez-Ruiz N, Melgosa M. et al. Using the mobile phone as Munsell soil-colour sensor: an experiment under controlled illumination conditions // Comput. Electron. Agric. 2013. Vol. 99.
10. Hardeberg J.Y. Acquisition and Reproduction of Colour Images. 2001. URL: http://www.dissertation.com/ library/11213 50a.html (дата обращения: 28.02.2016).
11. Kemp D.B. Colorimetric characterisation of flatbed scanners for rock/sediment imaging // Comp. and Geosci. 2014. Vol.67.
12. Kirillova N.P., Sileva T.M. Taxonomic Soil Diagnostics using Automated Guide // Mosc. Univer. Soil Sci. Bull. 2015. Vol.70, N 3.
13. Kirillova N.P., Vodyanitskii Yu.N, Sileva Т.М. Conversion of Soil Color Parameters from the Munsell System to the CIE-L*a*b* System // Euras. Soil Sci. 2015. Vol. 48, N 5.
14. Kostenko I.V. Scanning study of the optical parameters of sandy soddy-steppe soil samples from the southern Ukraine // Euras. Soil Sci. 2009. Vol. 42, iss. 9.
15. Levin N, Ben-Dor E, Singer A. A digital camera as a tool to measure colour indices and related properties of sandy soils in semi-arid environments // Intern. J. Remote Sensing. 2005. Vol. 26, N 24.
16. Lindbloom B. Spectral Calculator. 2010. URL: http://www.brucelindbloom.com/downloads/SpectralCal-culator10nm.xls.zip (дата обращения: 28.02.2016).
17. Lindbloom B. Spectral Computation of XYZ. 2010. URL: http://www.brucelindbloom.com/Eqn_Spect_ to_XYZ.html (дата обращения: 28.02.2016).
18. Lindbloom B. Useful Colour Equations. 2010. URL: http://www.brucelindbloom.com/Eqn_XYZ_to_ Lab.html (дата обращения: 28.02.2016).
19. Melville M.D., Atkinson G. Soil colour: its measurement and its designation in models of uniform colour space // J. Soil Sci. 1985. Vol. 36.
20. Sanchez-Maranon M., Huertas R., Melgosa M. Colour variation in standard soil-colour charts // Aust. J. Soil Res. 2005. Vol.43.
21. Shields J.A., Paul A., Arnaud R.J., Head W.K. Spectrophotometry measurement of soil color and its relationship to moisture and organic matter // Can. J. Soil Sci. 1968. Vol.48.
22. Viscarra Rossel R.A., Fouada Y., Waltera C. Using a digital camera to measure soil organic carbon and iron contents // Biosyst. Engineer. 2008. Vol. 100.
23. Viscarra Rossel R.A., Minasny B., Roudier P., McBratney A.B. Colour space models for soil science // Geoderma. 2006. Vol.133.
24. Wyszecki G., Stiles W.S. Color Science: Concepts and Methods // Quantitative Data and Formulae. 2nd ed. Wiley-Blackwell, 2001.
Поступила в редакцию 01.04.2016
COLORIMETRIC ANALYSIS OF SOILS USING DIGITAL CAMERAS
N.P. Kirillova, T.M. Sileva
Colour is an important physical property in the diagnosis of soils and the description of soil profiles. Quantitative data from spectrophotometers and colorimeters have been used in soil studies for this purpose, but Munsell colour description remains the main method of soil color evaluation. Low cost digital devices (cameras) could largely replace the semi-quantitative assessment of color yielded by Munsell charts, so long as they can be colorimetrically characterised to yield accurate and reproducible data. In this study, we explore the feasibility of using a digital camera to derive colorimetrically accurate images and data of 136 soil samples, using soil chart for calibration. Accurate colour characterization can be achieved (AEab* colour errors of < 3) for 84% of studied soil samples, highlighting the merit of this rapid and low cost approach for soil colour evaluation.
Key words: soil colour, Munsell charts, digital camera, CIE-L*a*b*, calibration.
Сведения об авторах
Кириллова Наталия Петровна, канд. биол. наук, мл. науч. сотр. каф. общего почвоведения ф-та почвоведения МГУ им. М.В.Ломоносова. E-mail: npkirillova@soil.msu.ru. Силёва Татьяна Михайловна, канд. биол. наук, доцент каф. общего почвоведения ф-та почвоведения МГУ им. М.В. Ломоносова. E-mail: tmsileova@yandex.ru.
