CC BY
4Н.А. Кузьмичева, Г.Н. Бузук, Н.А. Горковчук
ТЕКСТУРА ПОВЕРХНОСТИ И цВЕТ В МАКРОСКОПИЧЕСКОМ
АНАЛИЗЕ ЛИСТьЕВ
Витебский государственный ордена Дружбы народов медицинский университет
Проведен анализ текстуры поверхности и цвета листьев 9 видов растений. Выделены наиболее значимые признаки текстуры листа (обратный момент разности, второй угловой момент, контраст, энтропия, корреляция), по которым с помощью метода главных компонент все изученные виды хорошо разделяются друг от друга в зависимости от количества и особенностей строения волосков на поверхности их листьев. Анализ цвета сканированных изображений листьев позволяет четко разделять растения на виды со светло-зеленой, зеленой и темно-зеленой поверхностью листа.
Ключевые слова: макроскопический анализ, листья, текстура поверхности, цвет, анализ изображений.
ВВЕДЕНИЕ
Макроскопический анализ является одним из наиболее часто используемых видов фармакогностического анализа лекарственного растительного сырья. Он прост в применении, не требует специального
оборудования, позволяет быстро установить подлинность лекарственного растительного сырья и его доброкачественность по внешним признакам. Чаще всего в анализе листьев используются такие признаки, как длина, ширина, форма, степень из-резанности листовой пластинки, характер
ее края и поверхности, тип жилкования, цвет, запах, вкус и др. [1]. Эти признаки в большинстве своем носят описательный характер и, следовательно, являются отчасти субъективными.
В последнее время широкое распространение получили компьютерные программы обработки изображений. Они пока не используются в фармакогностическом анализе, но, на наш взгляд, это было бы весьма полезным и позволило бы в значительной мере объективизировать такие показатели, как цвет, форма, характер края и поверхности листовой пластинки. При анализе изображений важной их характеристикой служит текстура, которая присутствует во всех изображениях и используется при обработке различных изображений, от получаемых с помощью самолетных и спутниковых устройств до микроскопических изображений в биомедицинских исследованиях [2].
Текстура - изображение, состоящее из более или менее близких по восприятию элементов. Смешанные текстуры могут включать в себя элементы из нескольких множеств (классов) элементов. Текстуру, окрестности всех точек которой подобны друг другу, называют равномерной (гомогенной) текстурой [3].
Текстура поверхности дает нам информацию о том, на какой материал мы смотрим (на камень, кирпич, краску, бархат, дерево и т.д.). Под текстурой понимают характерные небольшие различия в цвете и яркости. Обычно текстуру определяют интуитивно, как участок поверхности, занятый узором из однородных элементарных фрагментов, одинаковый или периодически повторяющийся спектр. Текстура - средство выделения такого элемента видимого поля, который зрительная система способна обнаружить без обучения, за счет врожденных механизмов [4].
Есть два широко используемых метода для описания текстуры области - это статистический и структурный. Структурный метод имеет дело с расположением примитивов изображения, таких как описание текстуры на основе равномерно расположенных параллельных линий. Статистический подход основан на пространственных частотах и характеристиках текстуры (гладкой, грубой, гранулированной и т.д.). Примерами статистического подхода к анализу текстуры могут быть автокорреляционная функция, матрица смежности -Gray Level Coocurrence Matrices (GLCM),
анализ текстуры Фурье и другие [5].
Матрица смежности (или матрица совместной встречаемости) считается наилучшим из существующих методов анализа текстуры. Эта матрица представляет собой оценку плотности распределения вероятностей второго порядка, полученную из предположения, что плотность вероятности зависит лишь от расположения двух пикселей. По матрице совместной встречаемости вычисляется около двадцати признаков, ниже приведены наиболее употребляемые из них:
- Энергия (Energy) - показатель однородности изображения - чем более однотонное изображение, тем большее значение принимает этот признак [6].
- Энтропия (Entropy) - «мера беспорядочности» распределения яркостей изображения [6]. Она измеряет хаотичность элементов матрицы, т.е. когда все элементы матрицы максимально случайны, энтропия имеет наибольшее значение. Так, у гомогенного изображения более низкая энтропия, чем у неоднородного [2].
- Обратный момент разности (Inverse Difference Moment). Этот параметр также зависит от однородности изображения. У неоднородных изображений этот параметр имеет низкие значения, а у однородных принимает относительно высокие [7].
- Инерция (Inertia) - это показатель «контрастности» изображения - математическое ожидание квадрата разности яркостей соседних пикселей [6]. Когда высокие значения матрицы находятся дальше от главной диагонали, значение инерции становится выше [2].
- Корреляция (Correlation). Этот параметр измеряет корреляцию между элементами матрицы. Чем она выше, тем изображение будет более сложным [2].
- Оттенок (Shade) и выпуклость (Prominence). Если эти два параметра имеют высокие значения, то изображение не является симметричным [5].
- Контраст (Contrast) - мера контрастности или локального изменения интенсивности [7].
- Второй угловой момент (Angular Second Moment - ASM). ASM является мерой однородности изображения. Однородная структура будет содержать лишь несколько оттенков серого, давая GLCM матрицу только с несколькими, но относительно высокими значениями яркости точек [7].
- Дисперсия (Variance). Этот параметр имеет достаточно высокую значимость для
элементов, которые отличаются от среднего значения [7].
- Гомогенность (Homogeneity) также является мерой «однородности» изображения [7].
Самыми сильными дескрипторами текстуры являются энергия, энтропия, контраст, обратный момент разности и корреляция. Проведенные эксперименты показывают четкую связь между числовыми значениями этих признаков и визуальными особенностями текстуры [2]. В настоящее время интереснее рассматривать цветные текстуры. Для качественного и количественного анализа лекарственного растительного сырья разработан такой экспрессный метод, как цветометрия. В основе этого метода лежит компьютерная обработка цветного изображения, полученного методом сканирования, позволяющая объективно оценивать малейшие нюансы оттенков цвета и характера поверхностей изучаемых образцов. Полученные при сканировании изображения обрабатываются с помощью компьютерной программы Imagej 1.4, используя в качестве основной подпрограмму RGB Measure [8].
Данная подпрограмма выделяет красный, зеленый и синий цвета в RGB координатах и рассчитывает средние значения интенсивности пикселей в изображении по каждому каналу. Градации интенсивности при этом варьируют от 1 до 256 по одному каналу (R, G или B) [9]. Далее полученные цифровые данные по средней интенсивности пикселей в изображении раздельно по R, G и B каналам для различных образцов сырья объединяются в одну общую матрицу. Примером может служить метод определения состава растительных порошков по его цветовым параметрам [10].
Математико-статистическая обработка данных может производиться при помощи различных компьютерных программ с использованием метода главных компонент. В этом методе в результате проведения необходимых операций с внутригрупповыми и межгрупповыми корреляционными матрицами (по стандартной программе) вычисляются новые признаки - главные компоненты, число которых обычно равно числу изучаемых групп, но практическое значение имеют только первые 4. Они нескоррелиро-ваны между собой ни в межгрупповом, ни во внутригрупповом плане, внутригруппо-вые дисперсии у них равны 1, а межгрупповые убывают с увеличением порядкового номера компоненты (S2 >S2 > ... >S2K ).
Отношение межгрупповой изменчивости к внутригрупповой у каждой главной компоненты максимально, т.е. она максимально хорошо выявляет дискретность межгрупповой изменчивости.
Морфологический смысл каждой компоненты может быть истолкован по значениям коэффициентов С для разных признаков в математическом выражении главной компоненты К = С Х + С Х + ... + С Х .
112 2 п п
Признаки, имеющие небольшое значение коэффициента в данной компоненте, могут не учитываться при ее морфологической интерпретации. При объяснении смысла новых компонент имеют значение величина и знак коэффициента. Признаки, имеющие незначительные коэффициенты при всех главных компонентах, считаются малоинформативными для различения изучаемых групп растений и в дальнейших исследованиях могут не измеряться [11].
Подставив средние значения признаков в формулу расчета главной компоненты, получаем собственные числа К для каждой группы по всем интересующим нас главным компонентам. Важнейшим преимуществом метода главных компонент является наглядность взаиморасположения исследуемых групп на плоскости или в пространстве 2-3 главных компонент, где в качестве точек на осях абсцисс и ординат выступают собственные числа групп. По таким графикам можно выделить объединения групп и охарактеризовать их с морфологической точки зрения, как это было сделано, например, для выяснения морфологических различий между видами ив [12].
Цель настоящей работы: выявление новых диагностических признаков листьев с помощью компьютерных программ обработки изображений.
МАТЕРИАЛЫ И МЕТОДЫ
В течение вегетационного периода 2012 года был заготовлен гербарий листьев 9 видов растений: земляника лесная (Fragaria vesca L)., коровяк медвежье ухо (Verbascum thapsus L.), лещина обыкновенная (Corylus avellana L.), мать-и-мачеха (TussilagofarfaraL.), подорожник большой (Plantago major L.), тыква обыкновенная (Cucurbita pepo L), ясень обыкновенный (Fraxinus excelsior L.), крапива двудомная (Urtica dioica L.), рябина обыкновенная (Sorbus aucuparia L.). Виды отбирали таким образом, чтобы они обладали разной
структурой поверхности: голые, с редкими волосками преимущественно по жилкам; войлочно-опушенные с одной или с двух сторон, с жесткими или мягкими, шелковистыми волосками. Для каждого вида было заготовлено не менее 6 гербарных образцов.
Листья сканировали с верхней и нижней стороны (сканер EPSON Perfection 1270 в режиме: 24 бит, 300 dpi), полученные изображения обрабатывали с помощью программы Imagej ver. 1.41 h, используя подпрограмму GLCM Texture Too для анализа текстуры и подпрограмму RGB Measure для определения цветовых характеристик [13]. Определяли параметры текстуры: Angular Second Moment, Inverse Difference Moment, Contrast, Energy, Entropy, Homogeneity, Variance, Inertia, Correlation [14] и среднее значение светлоты по каждому R, G и B каналам. Полученные данные обрабатывали статистически, ис-
пользуя программу PAST 2.13.
Для свертывания многомерных данных был применен метод главных компонент (программа Past Version 2.13) [15]. Графики расположения исследуемых видов строили на плоскости двух новых комплексных переменных (компонент). Третья и четвертая компоненты не участвовали в обсуждении, так как на их долю приходится менее 0,1% изменчивости.
РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ
Цвет и характер поверхности гербар-ных образцов листьев анализировали ор-ганолептически. Результаты представлены в таблице 1.
Далее рассматривали характер поверхности и цвет листьев после сканирования гербарных образцов и обработки полученных электронных изображений (таблица 1).
Земляника лесная (Fragaria \esca L.) Листья сверху рассеянно-волосистые, снизу прижато шелковисто-волосистые; сверху зеленые или темно-зеленые, а снизу - сероватые или голубовато-зеленые.
Коровяк медвежье ухо (Verbascum thapsus L.) Все листья густо покрыты мягким, сероватым или желтовато-серым войлоком.
Крапива двудомная (Urtica dioica L.). Листья темно-зеленого цвета, покрыты жесткими жгучими волосками, содержащими муравьиную кислоту.
Верхняя сторона
Таблица 1 - Описание характера поверхности и внешний вид верхней и нижней
стороны листьев 9 видов растений
Таблица 1 (продолжение)
Лещина обыкновенная (Согу1т ауеШпа L.) Листья сверху тёмно-зелёные, матовые, снизу зелёные; молодые рассеянно опушённые, позже сверху голые, а снизу опушённые главным образом по жилкам.
Щ Ww
Мать-и-мачеха (Tussilágo fárfara L.) Листья сверху темно-зеленые и голые, снизу - почти белые за счет густого войлочного опушения.
Подорожник большой (Plantаgo mаjor L.) Листья обыкновенно голые, иногда с редкими волосками. Цвет листьев зеленый или буровато-зеленый.
Рябина обыкновенная (ЗогЬт аисирапа L.) Листья сверху зеленые, матовые, снизу - сероватые, обычно волосистые.
Тыква обыкновенная (Cucurbitapepo L.) Листья покрыты густыми, жесткими и несколько колючими волосками, на ощупь остро шершавые.
Ясень обыкновенный (Тгахтт вхсёЫог L.) Опушение на нижней части листьев по главной жилке, рассеянное, мягкое или шелковистое, оттопыренное. Листья сверху зеленого, а снизу - светло-зеленого цвета.
Поверхность листьев изученных видов растений довольно разнообразна, особенно с нижней стороны. Так, листья подорожника снизу голые; листья ясеня и лещины опушены рассеянно, преимущественно по жилкам, а листья земляники и рябины по всей поверхности покрыты мягкими шелковистыми волосками. Нижняя сторона листьев мать-и-мачехи и коровяка войлочно-опушенная, в то время как у листьев крапивы она покрыта жгучими, а у листьев тыквы - жесткими волосками.
Верхняя сторона листьев большинства изученных видов растений голая, войлочно-опушенная у листьев коровяка, опушенная шелковистыми волосками у листьев земляники. Поверхность листьев крапивы и тыквы практически одинакова с верхней и нижней стороны.
Цвет нижней стороны листьев изученных видов растений варьирует от почти белого (мать-и-мачеха) до темно-зеленого (крапива). Промежуточные варианты: светло-зеленые листья земляники, рябины, ясеня и зеленые - коровяка, лещины и подорожника. Верхняя сторона листьев различается мало: выделяются темно-зеленым цветом листья крапивы и ярко-зеленым - листья земляники и рябины. Остальные виды имеют светло-зеленую окраску верхней стороны листа.
Поскольку листья изученных видов растений лучше различаются по нижней стороне, далее нами были изучены параметры текстуры и цвета этой стороны листа, полученные в результате математической обработки сканированных изображений листьев.
Значения параметров текстуры и цвета нижней стороны листьев изученных видов растений приведены в таблицах 2 и 3, соответственно.
Параметры текстуры нижней стороны листьев принимают различные значения у разных видов. При изучении отобранных видов растений наиболее значимыми параметрами текстуры оказались обратный момент разности, второй угловой момент, контраст, энтропия и корреляция, так как они обладают наибольшей разделяющей способностью. Если обратный момент разности принимает высокие значения, а энтропия, корреляция и выпуклость имеют низкие значения, то текстура является однородной, симметричной и простой. И наоборот, чем ниже значения обратного момента разности и чем выше значения
энтропии, корреляции и выпуклости, тем изображение менее однородно, менее симметрично и более сложное.
Так, даже без математической обработки заметно, что листья тыквы имеют наиболее сложную поверхность, поскольку значения энтропии у них максимальны, а значения обратного момента разности минимальны. Это согласуется с данными микроскопического анализа этих листьев: волоски на их поверхности очень крупные.
Приблизительно такие же значения принимает энтропия и у листьев коровяка, но обратный момент разности не отличается от среднего. Волоски на поверхности этих листьев разветвленные, что, конечно же, также усложняет текстуру. Максимальные значения корреляции наблюдаются у листьев земляники и мать-и-мачехи. Волосков на поверхности нижней стороны их листьев много, они мягкие, шелковистые.
Параметры цвета нижней стороны листьев варьируют от 40 до 185, причем, чем светлее листья, тем выше значения цвета. Исходя из данных, представленных в таблице 3, по цвету нижней стороны можно выделить самые темно-зеленые листья -крапива; и самые светлые листья - мать-и-мачеха.
Для объективизации интерпретации полученных данных о текстуре и цвете листьев 9 видов растений был применен метод главных компонент. Результаты представлены в графическом виде на рисунках 1-4.
При сравнении нижней стороны листьев всех изученных видов по всем признакам текстуры получен следующий график, разделение видов на котором было неудовлетворительным, поэтому из анализа были исключены те признаки, чье участие в главных компонентах минимальное. Результаты анализа по 3 наиболее значимым признакам (обратный момент разности, энтропия и корреляция) представлены на рис.1.
Все виды, за исключением рябины, четко разделились на 3 группы в соответствии с биологическим смыслом первой и второй компоненты. Максимальные значения первая компонента принимает у видов, текстура поверхности нижней стороны листьев которых наиболее сложная, с крупными волосками. Вторая компонента позволяет различить виды с небольшими волосками на нижней стороне листьев в зависимости от густоты их расположе-
Таблица 2 - Параметры текстуры нижней стороны листьев
Виды растений Angular Second Moment Inverse Difference Moment Contrast Energy Entropy Homogeneity Variance Inertia Correlation
Земляника лесная (Fragária vésca L.) 0,006 0,45 5,13 0,006 5,65 0,51 75,1 5,13 0,013
0,009 0,49 3,89 0,009 5,22 0,54 38,4 3,89 0,025
0,008 0,44 6,45 0,008 5,31 0,50 31,8 6,45 0,028
0,008 0,47 5,46 0,008 5,39 0,53 45,0 5,46 0,021
Коровяк медвежье ухо (Verbáscum thápsus L.) 0,002 0,43 6,21 0,002 6,37 0,49 252,4 6,21 0,004
0,003 0,40 7,60 0,003 6,21 0,47 138,9 7,60 0,007
0,003 0,39 7,01 0,003 6,28 0,46 183,5 7,01 0,005
0,003 0,41 6,41 0,003 6,11 0,47 138,7 6,41 0,007
Крапива двудомная (Urtica dioica L.) 0,005 0,46 5,28 0,005 5,83 0,52 97,9 5,28 0,01
0,003 0,41 7,49 0,003 6,31 0,48 177,3 7,49 0,006
0,005 0,46 5,68 0,005 5,83 0,51 93,7 5,68 0,01
0,003 0,38 8,52 0,003 6,19 0,46 126,2 8,52 0,008
Лещина обыкновенная (Córylus avellána L.) 0,006 0,51 4,70 0,006 5,70 0,56 120,7 4,70 0,008
0,007 0,52 6,35 0,007 5,84 0,56 342,6 6,35 0,003
0,009 0,53 6,77 0,009 5,65 0,58 201,7 6,77 0,005
0,005 0,49 7,35 0,005 6,18 0,54 380,3 7,35 0,003
Мать-и-мачеха (Tussilágo fárfara L) 0,006 0,53 3,50 0,006 5,60 0,57 125,3 3,50 0,008
0,005 0,42 5,91 0,005 5,63 0,49 57,4 5,91 0,017
0,008 0,45 6,23 0,008 5,41 0,51 46,0 6,23 0,02
0,005 0,44 5,18 0,005 5,64 0,50 65,1 5,18 0,015
Подорожник большой (Plantágo májor L.) 0,007 0,51 6,28 0,007 5,63 0,55 206,0 6,28 0,005
0,007 0,60 2,36 0,007 5,41 0,63 96,5 2,36 0,01
0,010 0,56 3,15 0,01 5,18 0,60 46,4 3,15 0,021
0,006 0,51 6,96 0,006 5,77 0,56 122,2 6,96 0,008
Рябина обыкновенная (Sórbus aucupária L.) 0,004 0,44 13,30 0,004 6,10 0,49 129,1 13,30 0,007
0,007 0,57 5,00 0,007 5,69 0,60 221,8 5,00 0,004
0,005 0,40 11,95 0,005 5,97 0,46 87,5 11,95 0,011
0,009 0,53 4,70 0,009 5,39 0,58 74,3 4,70 0,013
Тыква обыкновенная (Cucurbita pepo L.) 0,003 0,37 8,71 0,003 6,23 0,45 133,5 8,71 0,007
0,003 0,33 12,18 0,003 6,38 0,41 131,0 12,18 0,007
0,003 0,39 8,62 0,003 6,30 0,46 154,5 8,62 0,006
0,002 0,37 8,99 0,002 6,41 0,44 170,5 8,99 0,006
Ясень обыкновенный (Fráxinus excélsior L.) 0,007 0,54 3,92 0,007 5,55 0,58 87,0 3,92 0,011
0,006 0,53 9,09 0,006 5,95 0,57 192,6 9,09 0,005
0,006 0,45 10,82 0,006 5,83 0,51 121,4 10,82 0,008
0,009 0,58 5,14 0,009 5,51 0,62 107,6 5,14 0,009
ния: чем меньше волосков, тем большие значения принимает вторая компонента. На рис. 2 представлены те же результаты для 8 видов (без рябины).
Первая группа видов располагается
в верхней части плоскости главных компонент: это подорожник, лещина и ясень. Волосков на нижней стороне их листьев немного, они небольшие, шелковистые. Вторая группа видов находится в ниж-
нем левом квадрате: земляника и мать-и-мачеха. Эти виды отличаются очень густым опушением нижней стороны листа. И, наконец, третья группа видов, расположенная справа (тыква, крапива и коровяк), эти виды обладают крупными волосками на нижней стороне листа.
Другой вариант распределения видов на плоскости главных компонент представлен на рисунке 3. Здесь главные компоненты учитывают 4 признака текстуры (угловой момент, обратный момент разности, контраст и энергию).
По компоненте 2 четко выделяются виды с редкими волосками на нижней сто-
роне листа (подорожник, ясень, лещина) от всех остальных, у которых опушение войлочное или волоски крупные.
Таким образом, анализ текстуры поверхности листа позволяет выявить различия между видами растений, следовательно, текстуру можно использовать в качестве нового диагностического признака в макроскопическом анализе листьев.
При сравнении нижней стороны листьев всех изученных видов по 3 признакам цвета получен следующий график (рис.4). По компоненте 1 четко выделяется крапива, цвет листьев которой темно-зеленый, поэтому собственные числа
Таблица 3 - Параметры цвета нижней стороны листьев
Виды растений R G B
Земляника лесная (Fragária vésca L.) 141 140 119
138 144 119
142 145 121
140 143 120
Коровяк медвежье ухо (Verbáscum thápsus L.) 106 107 69
110 114 80
107 108 75
112 112 75
Крапива двудомная (Urtica dioica L.) 55 56 40
54 61 42
54 59 44
55 57 42
Лещина обыкновенная (Córylus avellána L.) 111 107 70
109 104 72
112 108 72
114 110 73
Мать-и-мачеха (Tussilágo fárfara L) 182 168 150
185 172 155
177 169 150
165 159 142
Подорожник большой (Plantágo májor L.) 108 103 72
109 100 70
108 100 71
105 99 68
Рябина обыкновенная (Sórbus aucupária L.) 138 134 94
137 133 95
135 135 94
136 131 95
Тыква обыкновенная (Cucurbitapepo L.) 107 104 74
108 107 70
110 107 79
111 109 81
Ясень обыкновенный (Fráxinus excélsior L.) 118 113 70
118 113 73
117 112 75
118 112 70
принимают резко отрицательные значения. Нижняя сторона листьев земляники, рябины и мать-и-мачехи светло-зеленая, почти белая, поэтому их значения компонент находятся в области положительных чисел. Цвет листьев остальных растений зеленый, поэтому собственные значения этих групп изображений незначительно
различаются и находятся на оси координат по центру.
Таким образом, анализ цвета сканированных изображений листьев с помощью метода главных компонент позволяет четко разделять растения на виды со светло-зеленой, зеленой и темно-зеленой поверхностью листа.
Component 1
Обозначения на рисунке: земляника - + коровяк - □ крапива - х лещина - ◊ мать-и-мачеха - * подорожник - А тыква - [] ясень - о рябина - □
Рисунок 1 - Результаты анализа текстуры нижней стороны листьев 9 видов растений с помощью метода главных компонент (3 признака текстуры)
Обозначения на рисунке: земляника - + коровяк - □ крапива - х лещина - ◊ мать-и-мачеха - * подорожник - А тыква - [] ясень - о
Рисунок 2 - Результаты анализа текстуры нижней стороны листьев 8 видов растений с помощью метода главных компонент (3 признака текстуры)
Обозначения на рисунке: земляника - + коровяк - □ крапива - х лещина - ◊ мать-и-мачеха - * подорожник - А тыква - [] ясень - о
Рисунок 3 - Результаты анализа методом главных компонент по 4 признакам
текстуры нижней стороны листа
16- i в- 4- 1 Y
| -90 -60 -3(ЙТ ° -8-12-■ 16-■ 20- 30 60 90 1 20 1 50 180 1 Component 1
Обозначения на рисунке: земляника - + коровяк - □ крапива - ■ лещина - х мать-и-мачеха - о подорожник - ◊ тыква - □□ ясень -▲ рябина - А
Рисунок 4 - Результаты анализа методом главных компонент по 3 признакам цвета
нижней стороны листьев
ЗАКЛЮЧЕНИЕ
Компьютерные изображения листьев можно получить с помощью стандартной офисной техники (сканера) в режиме 24 бит, 300 dpi. Программа Imagej ver. 1.41 h позволяет выделить следующие признаки текстуры поверхности листьев: Angular Second Moment (второй угловой момент), Inverse Difference Moment (обратный момент разности), Contrast (контраст), Energy (энергия), Entropy (энтропия), Homogeneity (гомогенность), Variance (дисперсия), In-
ertia (инерция), Prominence (выпуклость), Correlation (корреляция). Наиболее значимыми признаками текстуры листа следует признать обратный момент разности, второй угловой момент, контраст, энтропия, корреляция, по которым с помощью метода главных компонент все изученные виды хорошо разделяются друг от друга в зависимости от количества и особенностей строения волосков на поверхности их листьев. Анализ цвета сканированных изображений листьев позволяет четко разделять растения на виды со светло-зеленой,
зеленой и темно-зеленой поверхностью листа.
Поскольку анализ текстуры поверхности и цвета листьев позволяет выявлять различия между видами растений, следовательно, его можно использовать в макроскопическом анализе лекарственного растительного сырья.
SUMMARY
N.A.Kuzmichova, G.N.Buzuk, N.A.Gorkovchuk SURFACE TEXTURE AND COLOR IN MACROSCOPIC ANALYSIS OF LEAVES
The analysis of color and surface texture of leaves of 9 plant species was carried out. The most valuable attributes of leaf texture (Inverse Difference Moment, Angular Second Moment, Contrast, Entropy, Correlation) were distinguished, through using principal component analysis. All explored species were well divided by quantity and structural features of the leaf hairs. Color analysis of scanned leaf images allowed clear division of plants into species with light green, green and dark green leaf surface.
Keywords: macroscopic analysis, leaves, surface texture, color, analysis of images.
ЛИТЕРАТУРА
1. Государственная фармакопея Республики Беларусь. Т. 1. Общие методы контроля лекарственных средств / М-во здра-воохр. Респ. Беларусь, УП «Центр экспертиз и испытаний в здравоохранении»; под общ. ред. А.А. Шерякова. - Молодечно: Тип. «Победа», 2012. - С.412
2. Яковлев, А.В. Методы анализа и синтеза структур [Электронный ресурс]. - Режим доступа: http://masters.donntu.edu. ua/2008/kita/ivanova/library/recognition/ yakov.htm. - Дата доступа: 02.04.2013.
3. Текстуры. Текстуры высокого разрешения. Поверхности - 3D коллектор [Электронный ресурс]. - Режим доступа: http:// 3dcollector.ru>?M=textures&cat=hi_res&sub =surfaces.htm. - Дата доступа: 02.04.2013.
4. Цветоведение в эстетической стоматологии [Электронный ресурс]. - Режим доступа: http://Medicina-atoll.ru>books... ik/ tekstura-poverkhnosti. - Дата доступа: 02.04.2013.
5. Manish H. Bharati , John F. Macgregor. Texture analysis of images using Principal Component Analysis [Электронный ресурс]. - Режим доступа: http://citeseerx.ist.
psu.edu/viewdoc/summary. - Дата доступа: 02.04.2013.
6. Способ распознавания изображения текстуры клеток [Электронный ресурс]. -Режим доступа: http://www.findpatent.ru/ patent/238/2385494.html. - Дата доступа: 01.04.2013.
7. Statistical Texture Measures Computed from Gray Level Cooccurence Matrices. Fritz Albregtsen. Image Processing Laboratory Department of Informatics University of Oslo. November 5, 2008. - 14 с.
8. RGB Measure [Электронный ресурс]. - Режим доступа: http://rsbweb.gov/ ij/plugins/rgb-measure.html. - Дата доступа: 29.03.2013.
9. Джадд, Д. Цвет в науке и технике / Д. Джадд, Г. Вышецки. - М.: Эком., 1997.
- 339 с.
10. Иванкова, М.Н. Валидация методики цветометрического определения состава порошков из лекарственного растительного сырья / М.Н. Иванкова, Г.Н. Бузук // Вестник фармации. - 2011. -№1(51). - С. 21-25.
11. Дерябин, В.Е. Географические особенности строения тела населения СССР / В.Е. Дерябин, А.Л. Пурунджян. - М.: Изд-во МГУ, 1990. - 192 с.
12. Кузьмичева, Н.А. Таксономическая значимость морфологических признаков листа и побега восточноевропейских видов ив /Н.А. Кузьмичева // Вестник фармации. - 2008. - №4. - С. 12 - 22.
13. Research Services branch [Электронный ресурс]. - Режим доступа: http:/ rsbweb. nih.gov/ij/index.html. - Дата доступа: 9.03.2013.
14. Haralick, R. M. Statistical and structural approaches to texture /R. M. Haralick // Proceedings of IEEE. - 1979. - Vol. 67.
- N 5. - P. 786 - 804.
15. Гонсалес, Р. Цифровая обработка изображений в среде Матлаб / Р. Гонсалес, Р. Вудс, С. Эддинс. - М.:Техносфера, 2006.
- 616 с.
Адрес для корреспонденции:
210023, Республика Беларусь, г. Витебск, пр. Фрунзе, 27, УО «Витебский государственный ордена Дружбы народов медицинский университет», кафедра фармакогнозии c курсом ФПК и ПК, тел. раб.: 8(0212) 37-09-29, Кузьмичева Н.А.
Поступила 24.09.2013 г.
