基于MATLAB的橙子識(shí)別與計(jì)數(shù)研究

1、南訛鬆易本科生畢業(yè)論文（設(shè)計(jì)）題目：學(xué)院:專業(yè)：班級(jí)：學(xué)號(hào):指導(dǎo)教師:基于MATLAB的橙子識(shí)別與計(jì)數(shù)研究工學(xué)院電子信息科學(xué)與技術(shù)信息123班鄒修國(guó)職稱：副教授2016年5月28日南京農(nóng)業(yè)大學(xué)教務(wù)處制目錄摘要錯(cuò)誤!未定義書簽。關(guān)鍵詞錯(cuò)誤!未定義書簽Abstract.錯(cuò)誤!未定義書簽Keywords錯(cuò)誤!未定義書簽引言錯(cuò)誤!未定義書簽1論文概述錯(cuò)誤!未定義書簽1.1課題研究目的及意義錯(cuò)誤!未定義書簽1.2國(guó)內(nèi)外研究概況錯(cuò)誤!未定義書簽1.2.1國(guó)外研究概況錯(cuò)誤!未定義書簽1.2.2國(guó)內(nèi)研究概況錯(cuò)誤!未定義書簽1.3主要研究?jī)?nèi)容錯(cuò)誤!未定義書簽2系統(tǒng)整體設(shè)計(jì)方案錯(cuò)誤!未定義書簽2.1系統(tǒng)整體概況錯(cuò)

2、誤!未定義書簽2.2主要技術(shù)錯(cuò)誤!未定義書簽3系統(tǒng)硬件設(shè)計(jì)錯(cuò)誤!未定義書簽3.1硬件模塊選型與設(shè)計(jì)錯(cuò)誤!未定義書簽3.1.1基于S3C2410的控制器錯(cuò)誤!未定義書簽。USB的應(yīng)用錯(cuò)誤!未定義書簽。無(wú)線路由器錯(cuò)誤!未定義書簽系統(tǒng)電源供電模塊的設(shè)計(jì)錯(cuò)誤!未定義書簽五自由度機(jī)械臂模塊錯(cuò)誤!未定義書簽舵機(jī)云臺(tái)錯(cuò)誤!未定義書簽?zāi)M機(jī)械臂模塊錯(cuò)誤!未定義書簽3.2硬件系統(tǒng)整體設(shè)計(jì)錯(cuò)誤!未定義書簽系統(tǒng)軟件架構(gòu)與控制模塊間通信錯(cuò)誤!未定義書簽智能排障機(jī)器人控制系統(tǒng)軟件設(shè)計(jì)錯(cuò)誤!未定義書簽4.1.1編寫leds指示燈驅(qū)動(dòng)程序錯(cuò)誤!未定義書簽。4.1.2編寫GPIO口驅(qū)動(dòng)程序錯(cuò)誤!未定義書簽。編寫機(jī)械臂驅(qū)動(dòng)程序

3、錯(cuò)誤!未定義書簽系統(tǒng)控制模塊間通信錯(cuò)誤!未定義書簽安卓手機(jī)應(yīng)用軟件設(shè)計(jì)錯(cuò)誤!未定義書簽軟件功能的設(shè)計(jì)錯(cuò)誤!未定義書簽Socket與圖像顯示錯(cuò)誤!未定義書簽。系統(tǒng)測(cè)試錯(cuò)誤!未定義書簽5.1系統(tǒng)測(cè)試平臺(tái)的搭建錯(cuò)誤!未定義書簽。系統(tǒng)測(cè)試步驟測(cè)試結(jié)果演示6總結(jié)與展望總結(jié)展望致謝參考文獻(xiàn)附錄1錯(cuò)誤!未定義書簽。錯(cuò)誤!未定義書簽錯(cuò)誤!未定義書簽錯(cuò)誤!未定義書簽錯(cuò)誤!未定義書簽錯(cuò)誤!未定義書簽錯(cuò)誤!未定義書簽錯(cuò)誤!未定義書簽錯(cuò)誤!未定義書簽。附錄2 基于MATLAB的橙子識(shí)別和計(jì)數(shù)研究電子信息科學(xué)與技術(shù)專業(yè)學(xué)生孫娜嬌指導(dǎo)教師鄒修國(guó)摘要：隨著計(jì)算機(jī)技術(shù)的快速發(fā)展，當(dāng)代農(nóng)業(yè)的發(fā)展也越來(lái)越迅速。目前，國(guó)內(nèi)外的人工

4、水果識(shí)別鑒定能力均不能滿足實(shí)際生產(chǎn)需求。因而，人們開始不斷探索利用計(jì)算機(jī)自動(dòng)識(shí)別水果的原理和方法，水果識(shí)別也因此成為國(guó)內(nèi)外研究的熱點(diǎn)。與傳統(tǒng)計(jì)算機(jī)圖像識(shí)別技術(shù)研究不同的是本課題以近年來(lái)熱度較高的MATLAB作為研究平臺(tái)，針對(duì)于球狀水果，提出了以圖像特征灰度化為切入點(diǎn)，用小波去噪和中值濾波相結(jié)合的辦法對(duì)圖像進(jìn)行預(yù)處理，以Sobel算子對(duì)圖像作邊緣檢測(cè)，通過(guò)基于形態(tài)學(xué)的圖像特征抽取與分析，最終用分水嶺圖像分割方法實(shí)現(xiàn)目標(biāo)檢測(cè)與計(jì)數(shù)。該課題充分利用了MATLAB平臺(tái)在圖像處理方面的優(yōu)勢(shì)，經(jīng)過(guò)優(yōu)化和調(diào)試，可以快速并且準(zhǔn)確地分析出結(jié)果。關(guān)鍵詞：MATLAB；形態(tài)學(xué)；分水嶺算法Globularfruits

5、identifyandcountbasedonMATLABStudentmajoringinElectronicandInformationScienceandTechnologyYangYiTutorZouXiuguoAbstract：Withtherapiddevelopmentofcomputertechnology,modernagriculturegraduallymovingtowarddigital,preciseandintelligent.Currently,artificialfruitsrecognitioncapabilitiesathomeandabroadtoide

6、ntifytheactualproductioncannotmeetdemand.Thus,peoplebegantoexploretheprinciplesandmethodsofusingthecomputerautomaticallyrecognizesfruit,fruitrecognitionhasalsobecomeahotresearch.WithtraditionalcomputerimagerecognitiontechnologyisthesubjectofvariousstudiesinrecentyearstoahighheatofMATLABasaresearchpl

7、atformforinglobularfruit,putforwardagrayscaleimagefeaturesasthestartingpoint,usingwaveletde-noisingandmedianfilteringcombinedapproachofimagepreprocessing,inordertomaketheimageSobeloperatoredgedetection,image-basedmorphologicalfeatureextractionandanalysis,andultimatelywiththewatershedimagesegmentatio

8、nmethodstoachievetargetdetectionandcounting.ThesubjectMATLABplatformleveragestheadvantagesofimageprocessing,optimizedandthedebugger,youcanquicklyandaccuratelyanalyzetheresults.Keywords：MATLAB；Morphology；Watershedalgorithm引言圖像識(shí)別是數(shù)字圖像處理中的一項(xiàng)關(guān)鍵技術(shù)，在圖像工程中占據(jù)著重要的位置。從顏色上圖像分為彩色圖像、灰度圖像和黑白圖像等。因此對(duì)數(shù)字圖像的分析可以分為彩色圖像

9、分析和灰度圖像分析。彩色圖像包含大量信息有助于更準(zhǔn)確地分析圖像，但也正因?yàn)樽陨硇畔⒘枯^大所以對(duì)于機(jī)器性能要求較高并且不利于分析速度。灰度圖像信息量小，但是如果只是簡(jiǎn)單地將彩色圖像灰度化，那么可能將丟失大量有用信息，不利于圖像分析的準(zhǔn)確性。本文提出一種圖像識(shí)別思路，它包含對(duì)感興趣區(qū)域圖像灰度化算法，對(duì)特定環(huán)境下的圖像通過(guò)特定算法進(jìn)行降噪及濾波，運(yùn)用形態(tài)學(xué)原理的圖像腐蝕、膨脹、重構(gòu)，最后通過(guò)分水嶺分割算法的改進(jìn)算法實(shí)現(xiàn)水果個(gè)數(shù)統(tǒng)計(jì)。所以本課題對(duì)球狀水果識(shí)別和計(jì)數(shù)研究具有重大意義。論文概述課題研究目的和意義我國(guó)是果樹大國(guó)，栽培歷史悠久，資源豐富。水果生產(chǎn)作為一項(xiàng)新興產(chǎn)業(yè)，在農(nóng)業(yè)和農(nóng)村經(jīng)濟(jì)發(fā)展中的地位

10、已經(jīng)十分重要，在很多地區(qū)己成為農(nóng)村經(jīng)濟(jì)的支柱產(chǎn)業(yè)?？v觀世界果園科技的發(fā)展，二十一世紀(jì)我國(guó)的果園也將從傳統(tǒng)作業(yè)轉(zhuǎn)化到以現(xiàn)代科學(xué)技術(shù)為基礎(chǔ)的現(xiàn)代“集約持續(xù)果園”上來(lái)。果園的發(fā)展將全面地體現(xiàn)生產(chǎn)、經(jīng)濟(jì)、技術(shù)、社會(huì)和生態(tài)的可持續(xù)性。在水果分級(jí)方面，我國(guó)相繼引進(jìn)和開發(fā)了按大小和重量分級(jí)的分級(jí)設(shè)備，近幾年國(guó)內(nèi)也出現(xiàn)了基于機(jī)器視覺(jué)技術(shù)的水果分級(jí)設(shè)備。但是，進(jìn)口設(shè)備價(jià)格昂貴，一般水果生產(chǎn)企業(yè)難以負(fù)擔(dān)。而國(guó)產(chǎn)設(shè)備由于技術(shù)投入不夠，與國(guó)外先進(jìn)設(shè)備差距比較大。隨著機(jī)器視覺(jué)技術(shù)的發(fā)展，國(guó)外也出現(xiàn)了將機(jī)器視覺(jué)運(yùn)用在水果分級(jí)系統(tǒng)上的相關(guān)研究，使得國(guó)外的水果分級(jí)分類系統(tǒng)的性能進(jìn)一步提高，同時(shí)也進(jìn)一步拉大了我國(guó)與國(guó)外在水果生

11、產(chǎn)自動(dòng)化的技術(shù)差距。由于我國(guó)的現(xiàn)狀，如果不在水果產(chǎn)后處理上下功夫，我國(guó)的水果出口形勢(shì)還會(huì)非常嚴(yán)峻，這就要求國(guó)內(nèi)的研究者在水果分級(jí)技術(shù)進(jìn)一步鉆研，使我國(guó)的分級(jí)技術(shù)再上一個(gè)新臺(tái)階。將機(jī)器視覺(jué)(也稱計(jì)算機(jī)視覺(jué)，圖像處理)技術(shù)引入果園自動(dòng)化，是解決該問(wèn)題的有效途徑之一。同時(shí)，基于機(jī)器視覺(jué)的水果自動(dòng)化系統(tǒng)在水果流通過(guò)程也可提高自動(dòng)化程度、降低勞動(dòng)強(qiáng)度、增加收益提供快速、準(zhǔn)確的檢測(cè)手段。水果識(shí)別研究現(xiàn)狀上世紀(jì)80年代后期，由于計(jì)算機(jī)廣泛生產(chǎn)，計(jì)算技術(shù)也廣泛發(fā)展，針對(duì)于計(jì)算機(jī)視覺(jué)在各個(gè)領(lǐng)域的的研究成果也日新月異。國(guó)外的很多學(xué)者在基于計(jì)算機(jī)視覺(jué)技術(shù)而提高水果的分級(jí)速度方面進(jìn)行了研究，在理論和應(yīng)用上有了較大進(jìn)展

12、，并取得了很好的經(jīng)濟(jì)效益。而我國(guó)的水果自動(dòng)識(shí)別技術(shù)研究則較晚，僅始于90年代，而且當(dāng)時(shí)從事水果自動(dòng)分級(jí)系統(tǒng)研究的科研院還很少，研究成果也不是很顯著，但那卻為我國(guó)在水果分級(jí)方面的研究奠定了基礎(chǔ)。按大小分類是水果識(shí)別的一個(gè)重要指標(biāo)。應(yīng)義斌研究了利用機(jī)器視覺(jué)技術(shù)精確檢測(cè)水果尺寸方法,章文英、應(yīng)義斌等針對(duì)蘋果的外形特征，應(yīng)用蘋果的最小外接矩形(MER)的尺寸表示橫徑和縱徑，取得了較為理想的結(jié)果2，高華、王雅琴用傅立葉半徑描述的方法測(cè)量水果的大小3,馮斌、汪懋華以蘋果的自然對(duì)稱形態(tài)特征為依據(jù),水果大小檢測(cè)絕對(duì)測(cè)量誤差最大為3mm4。果實(shí)形狀是水果品質(zhì)檢測(cè)與分級(jí)的一個(gè)重要指標(biāo)5,寧紀(jì)鋒、何東健等利用圖像形

13、態(tài)學(xué)方法測(cè)量果實(shí)的形狀,準(zhǔn)確率很高,最高能達(dá)到91.4%6。趙靜、何東健提出主要通過(guò)半徑這個(gè)指標(biāo),利用人工神經(jīng)網(wǎng)絡(luò)對(duì)水果的形狀進(jìn)行識(shí)別和分級(jí)7。應(yīng)義斌、景寒松等提出采用傅立葉變換與傅立葉反變換對(duì)來(lái)描述黃花梨的形狀8。顏色也是水果檢測(cè)的重要指標(biāo)。馮斌、汪懋華通過(guò)對(duì)不同顏色等級(jí)的水果進(jìn)行分析,進(jìn)而對(duì)水果進(jìn)行分級(jí)9。何東健、楊青等通過(guò)機(jī)器視覺(jué)自動(dòng)檢測(cè)蘋果表面著色度,獲取彩色圖像,并將RGB值轉(zhuǎn)換成HSI值,用合適色相值累計(jì)著色面積百分比進(jìn)行顏色分級(jí)10。李慶中、張漫等確定了蘋果顏色特征的提取方法,利用遺傳算法實(shí)現(xiàn)了多層前向神經(jīng)網(wǎng)絡(luò)識(shí)別器的學(xué)習(xí)設(shè)計(jì)11。在國(guó)外,機(jī)器視覺(jué)是70年代開始興起的,它主要應(yīng)用

14、于衛(wèi)星遙感和醫(yī)學(xué)方面。它不僅是人眼的延伸,而且具有人腦的部分智能識(shí)別功能,具有速度快、信息量大、功能多、檢測(cè)精度和效率高等優(yōu)點(diǎn)。隨著計(jì)算機(jī)、控制理論、模式識(shí)別、人工智能等技術(shù)的發(fā)展,機(jī)器視覺(jué)已廣泛應(yīng)用于軍事技術(shù)、科學(xué)研究、醫(yī)療衛(wèi)生、工農(nóng)業(yè)生產(chǎn)、信息技術(shù)等領(lǐng)域。國(guó)外在利用機(jī)器視覺(jué)技術(shù)進(jìn)行水果分類和計(jì)數(shù)已經(jīng)取得較大的進(jìn)展,國(guó)內(nèi)尚處于探索階段。目前,國(guó)外已研制出了商用水果自動(dòng)化系統(tǒng),并在生產(chǎn)上得到了應(yīng)用。課題主要研究?jī)?nèi)容本文首先介紹了課題的研究背景及意義，對(duì)國(guó)內(nèi)外的水果識(shí)別方面的研究應(yīng)用現(xiàn)狀進(jìn)行了討論，并重點(diǎn)對(duì)國(guó)內(nèi)外水果分級(jí)技術(shù)研究現(xiàn)狀進(jìn)行了分析。介紹了一些機(jī)器視覺(jué)領(lǐng)域基礎(chǔ)的方法，提出了針對(duì)特定顏色

15、的圖像灰度化方法。討論了水果圖像的預(yù)處理過(guò)程：小波去噪、中值濾波以及水果邊界提取。利用小波去噪和中值濾波相結(jié)合的辦法去除圖像噪聲。討論了水果圖像的背景分割，針對(duì)水果識(shí)別生產(chǎn)線的實(shí)際情況，對(duì)幾種不同的微分梯度算子進(jìn)行邊緣檢測(cè)實(shí)驗(yàn)并對(duì)結(jié)果進(jìn)行了對(duì)比分析?；谛螒B(tài)學(xué)的腐蝕與重構(gòu)最大化地從背景中分離出目標(biāo)區(qū)域。通過(guò)改進(jìn)的分水嶺算法分割圖像并計(jì)數(shù)。1.4研究方法與手段運(yùn)行環(huán)境運(yùn)行環(huán)境主要介紹了硬件環(huán)境和軟件環(huán)境。(1)硬件環(huán)境處理器：英特爾至強(qiáng)E3內(nèi)存：8G硬盤空間：1TB顯卡：英偉達(dá)GTX770(2)軟件環(huán)境操作系統(tǒng)：Window98/ME/2000/XP/win7/win8/win8.1開發(fā)環(huán)境開發(fā)

16、環(huán)境主要介紹了本系統(tǒng)采用的操作系統(tǒng)、開發(fā)語(yǔ)言。操作系統(tǒng)：Windows8.1開發(fā)語(yǔ)言：C開發(fā)環(huán)境：MATLAB2013a球狀水果識(shí)別原理一般灰度化與選擇性灰度化彩色圖像的信息量較灰度圖大，如果直接將彩色圖像進(jìn)行運(yùn)算將耗費(fèi)大量的硬件資源，不利于算法高效運(yùn)行，所以算法必需從灰度圖像入手。傳統(tǒng)的圖像灰度化的計(jì)算方式不能針對(duì)不同球狀水果給出不同的灰度化效果，我們需要將我們最感興趣的部分提取出來(lái)而將對(duì)圖像分割并沒(méi)有太大幫助的背景將其隱去。這就是本論文所用的選擇性灰度化的方法。該灰度化算法的核心就是對(duì)彩色圖像R、G、B三個(gè)量進(jìn)行重新運(yùn)算后得到所對(duì)應(yīng)像素的灰度值。圖像增強(qiáng)圖像噪聲污染基于機(jī)器視覺(jué)的水果識(shí)別系

17、統(tǒng)是一個(gè)復(fù)雜系統(tǒng)，圖像采集過(guò)程中很有可能受到干擾而使采集到的圖片含有噪聲污染。若圖像含有噪聲污染，則圖像質(zhì)量的質(zhì)量就會(huì)降低。圖像質(zhì)量的降低會(huì)影響到識(shí)別處理全過(guò)程及結(jié)果輸出，甚至如果噪聲太大以至于掩蓋原始圖像的信息，那么就會(huì)出現(xiàn)錯(cuò)誤的識(shí)別結(jié)果。所以對(duì)圖像進(jìn)行圖像增強(qiáng)是圖像識(shí)別之前的必備步驟。圖像預(yù)處理圖像的預(yù)處理，即是將每個(gè)水果圖像分撿出來(lái)交給識(shí)別模塊識(shí)別。其目的就是提高圖像質(zhì)量。實(shí)驗(yàn)中通過(guò)攝像頭得到的圖片，噪聲是對(duì)圖像干擾的重大原因，所以，我們必須對(duì)初步得到的圖像進(jìn)行降噪處理。一般降噪的方法就是通過(guò)濾波器來(lái)降噪。濾波包括空域?yàn)V波和頻域?yàn)V波?？沼?yàn)V波是降噪的常用方法。空域?yàn)V波分為線性空域?yàn)V波和非

18、線性空域?yàn)V波。線性空域?yàn)V波包括線性平均濾波，非線性空域?yàn)V波包括中值濾波，自適應(yīng)維納濾波，順序統(tǒng)計(jì)濾波。頻域?yàn)V波包括低通濾波，高通濾波，帶通濾波，同態(tài)濾波和小波去噪。小波去噪在圖像去噪領(lǐng)域，小波變換以其自身良好的時(shí)頻局部化特征，開辟了用非線性的方法去躁的先河。小波去噪是小波變換較為成功的一類應(yīng)用。目前小波去躁的方法大概可以分為三類：（1）基于小波變換模極大值原理；（2）基于小波變換系數(shù)相關(guān)性；（3）基于小波閾值的去噪方法。本論文運(yùn)用的是小波閾值去噪方法。其根據(jù)圖像與噪聲在各個(gè)尺度上的小波系數(shù)具有不同特征的特點(diǎn)，按照一定的閾值處理小波系數(shù)，小雨預(yù)定閾值的小波系數(shù)認(rèn)為是由噪聲引起的，直接設(shè)置為零，大

19、于預(yù)定閾值的小波系數(shù)，認(rèn)為主要是由圖像引起的，直接保留下來(lái)（硬閾值法）或?qū)⑵溥M(jìn)行收縮（軟閾值法），對(duì)得到的估計(jì)小波系數(shù)進(jìn)行小波重構(gòu)就可以重建原始圖像。其步驟可分為三步：圖一：小波去噪過(guò)程利用小波變換在去除噪聲時(shí)，可提取并保存對(duì)視覺(jué)起主要作用的邊緣信息。由于圖像預(yù)處理的目的是獲得邊緣信息，因此本論文采用小波去噪的方法去除噪聲。中值濾波中值濾波法是一種非線性平滑技術(shù)。中值濾波可以去除圖像中的椒鹽噪聲，平滑效果優(yōu)良，在抑制噪聲的同時(shí)還能夠保持圖像的邊緣清晰。由于圖像處理的目的是提取邊緣信息，所以本論文采用了中值濾波的方法去除噪聲。邊緣檢測(cè)對(duì)于灰度圖像可以通過(guò)形態(tài)學(xué)的膨脹和腐蝕來(lái)獲取圖像的邊界其方法的

20、優(yōu)點(diǎn)是對(duì)邊緣的方向的依賴性比較小，缺點(diǎn)是邊界信息不清晰；對(duì)于灰度圖像可以采用算子濾波獲得圖像的邊緣。算子包括微分算子，Canny算子和LOG算子。本文采用的微分算子濾波獲得邊界。比較有名的微分濾波器算子包括Sobel算子、Prewitt算子和Roberts算子等等。在邊緣檢測(cè)中，常用的一種模板是Sobel算子。對(duì)于復(fù)雜圖像一般用Prewitt算子或Sobel算子。與Prewitt算子相比，Sobel算子濾波能夠降低圖像的邊緣模糊程度，對(duì)邊界信息保留的較為完整，因此效果更好?；谛螒B(tài)學(xué)的腐蝕與重構(gòu)對(duì)象標(biāo)記直接利用微分算子處理過(guò)的圖像進(jìn)行分水嶺算法往往得不到正確的結(jié)果，因?yàn)榻Y(jié)果中一般都會(huì)存在分割過(guò)

21、度的情況。因此通常需要圖像進(jìn)行一系列的處理包括前景對(duì)象標(biāo)記和背景對(duì)象標(biāo)記，這樣才可以有比較好的效果。本文使用形態(tài)學(xué)的方法來(lái)清理圖像。膨脹與腐蝕膨脹和腐蝕是圖像形態(tài)學(xué)的基本操作。圖像形態(tài)學(xué)的很多操作都是以膨脹和腐蝕為基礎(chǔ)推導(dǎo)的算法。膨脹是將與物體接觸的所有背景點(diǎn)合并到該物體上，使邊界向外部擴(kuò)張，通過(guò)膨脹可以填充圖像中的小孔及在圖像邊緣處的小凹陷部分。腐蝕是一種消除邊界點(diǎn)。利用腐蝕可以消除比目標(biāo)物體小很多的物體。膨脹和腐蝕操作的核心內(nèi)容是結(jié)構(gòu)元素。MATLAB圖像處理工具箱中的strel函數(shù)可以生成任意維數(shù)和形狀的結(jié)構(gòu)元素。Strel函數(shù)支持生成一般的形狀，例如線型、菱形、圓盤、球形、矩形等結(jié)構(gòu)元

22、素。對(duì)圖像進(jìn)行膨脹可以使用MATLAB圖像處理工具箱中的Imdilate函數(shù)，用Imerode函數(shù)來(lái)對(duì)圖像進(jìn)行腐蝕，Imerode函數(shù)與Imdilate函數(shù)的用法類似。在對(duì)圖像進(jìn)行處理時(shí)一般是將膨脹和腐蝕結(jié)合起來(lái)用。形態(tài)學(xué)開運(yùn)算和閉運(yùn)算形態(tài)學(xué)的開運(yùn)算就是對(duì)一幅圖像先進(jìn)行膨脹操作，然后再進(jìn)行腐蝕的操作。而閉運(yùn)算恰恰相反，閉運(yùn)算是先對(duì)一幅圖像進(jìn)行腐蝕，然后再對(duì)圖像進(jìn)行膨脹操作。形態(tài)學(xué)重構(gòu)形態(tài)學(xué)重構(gòu)在概念上可以理解為對(duì)標(biāo)記圖像進(jìn)行重復(fù)膨脹，直到標(biāo)記圖像的輪廓適合掩膜圖像為止。在形態(tài)學(xué)重構(gòu)中，標(biāo)記圖像的極值點(diǎn)被展開，即膨脹2。形態(tài)學(xué)的重建是以膨脹運(yùn)算為基礎(chǔ)的，需要指出的是它有下面的特性：重建的作用對(duì)象

23、是兩幅圖，一幅是標(biāo)記圖像，一副是掩膜圖像；重建基于連通性，而不是結(jié)構(gòu)元素；重建直到圖像不再變化的時(shí)候停止。分水嶺圖像分割算法分水嶺算法是一種已經(jīng)發(fā)展起來(lái)的數(shù)學(xué)形態(tài)學(xué)圖像分割方法。這種方法具有計(jì)算速度較快、處理結(jié)果圖像封閉、定位精確等優(yōu)良特點(diǎn)，因此被廣泛應(yīng)用于圖像分割。但分水嶺算法也有缺點(diǎn)，比如它對(duì)對(duì)微弱邊緣也有響應(yīng)，因此常常會(huì)出現(xiàn)過(guò)渡分割的現(xiàn)象；比如其思想雖然簡(jiǎn)單，但是設(shè)計(jì)方法比較困難，算法的速度較慢，因此圖像處理時(shí)耗時(shí)較長(zhǎng)。橙子識(shí)別算法設(shè)計(jì)3.1算法流程圖圖3-1球狀水果識(shí)別算法流程圖算法設(shè)計(jì)圖像預(yù)處理首先，載入一張JPG格式的彩色圖像。將彩色圖像分別做一般灰度化與選擇性灰度化處理得到兩張灰

24、度圖。分別對(duì)兩張灰度圖做小波去噪與中值濾波處理，得到兩張經(jīng)過(guò)圖像預(yù)處理操作后的圖像。特征提取經(jīng)過(guò)圖像預(yù)處理操作后，由于一般灰度圖保留較多圖形邊緣細(xì)節(jié)，故算法應(yīng)該從一般灰度圖入手對(duì)其進(jìn)行目標(biāo)對(duì)象的邊緣提取工作。接著將提取到的邊緣與經(jīng)過(guò)預(yù)處理的選擇性灰度化圖像疊加得到目標(biāo)邊緣增強(qiáng)的灰度圖。最后通過(guò)基于形態(tài)學(xué)的腐蝕膨脹操作與圖像重建計(jì)算將粘連的圖像進(jìn)一步分離，提取出圖像分割所需的目標(biāo)區(qū)域特征。圖像分割本文利用分水嶺算法對(duì)圖像進(jìn)行分割，應(yīng)用該算法需要先標(biāo)記前景背景。標(biāo)記以后的前景背景存在有一些干擾結(jié)果的因素主要是孤立的像素與少量空洞，所以我們需要對(duì)這些干擾因素進(jìn)行清理。最后，應(yīng)用分水嶺算法得出分割結(jié)果

25、與計(jì)數(shù)結(jié)果。橙子識(shí)別算法MATLAB實(shí)現(xiàn)灰度化首先，初始化MATLAB程序。clc;clearall;closeall;接著讀取位于F盤的彩色圖像4.bmp并存入rgb。rgb=imread(F:picture4.bmp);為了提高處理精度，將rgb變成雙精度序列并存入II。I1=im2double(rgb);對(duì)彩色圖像作一般灰度化處理。R=rgb(:,:,1);G=rgb(:,:,2);B=rgb(:,:,3);gray=G-R;I2=gray;對(duì)彩色圖像進(jìn)行選擇性灰度化處理。首先將rgb中的RGB分量通過(guò)簡(jiǎn)單賦值語(yǔ)句分別存入r、g、b三個(gè)變量。r=double(rgb(:,:,1);g=d

26、ouble(rgb(:,:,2);b=double(rgb(:,:,3);設(shè)定提取分量和梯度分量sr=255;sg=145;sb=15;k=255;選擇性灰度化程序設(shè)計(jì)獲得彩色圖像R分量的映射值o_r(i,j);fori=1:size(r,1)forj=1:size(r,2)ifr(i,j)sro_r(i,j)=(-k*r(i,j)/sr)+255;elseo_r(i,j)=k*r(i,j)/(255-sr)+255;endendend用同樣的方法獲得彩色圖像像素點(diǎn)G、B分量的映射值o_g(i,j)、o_b(i,j)。最后混合RGB三個(gè)映射值并存入I5，I5即是選擇性灰度化圖像。fori=1:

27、size(rgb,1)forj=1:size(rgb,2)I5(i,j)=uint8(o_r(i,j)+o_g(i,j)+o_b(i,j)/3);%混合RGB三通道EndEnd紅色分量提取結(jié)果塚色井重提取緒果混育RGElj事頁(yè)果般灰度團(tuán)選擇性瑟度圖藍(lán)邑分量提取結(jié)果圖4-1圖像提取分量對(duì)比由圖4-1中紅綠藍(lán)三種分量的提取結(jié)果可以看出針對(duì)橙子所表現(xiàn)出來(lái)的綠色與藍(lán)色分量，選擇性灰度化將其最大化地凸顯，而對(duì)于紅色分量，選擇性灰度化則作出了屏蔽。圖4-2一般灰度化與選擇性灰度化對(duì)比圖由圖4-2可以看出，對(duì)原圖做選擇性灰度化處理可以有效地突出檢測(cè)主體。4.2圖像預(yù)處理圖像預(yù)處理主要工作是按需要對(duì)圖像進(jìn)行適

28、當(dāng)?shù)淖儞Q來(lái)突出某些有用的信息，去除或削弱無(wú)用的信息。本文結(jié)合了小波去噪與中值濾波的特點(diǎn)，去噪的同時(shí)又可以盡量保留細(xì)節(jié)。對(duì)一般灰度圖像12進(jìn)行小波去噪和中值濾波thr,sorh,keepapp二ddencmp(den,wv,I2);13二wdencmp(gbl,I2,sym4,2,thr,sorh,keepapp);14二medfilt2(I3,55);圖4-3般灰度圖降噪濾波前后用同樣方法對(duì)選擇性灰度圖做小波去噪和中值濾波效果如圖4-4所示。圖4-4選擇性灰度化降噪濾波前后4.3邊緣識(shí)別與增強(qiáng)通過(guò)以上兩個(gè)步驟，我們獲得了都經(jīng)過(guò)降噪和濾波處理的一般灰度圖像和選擇性灰度圖像。選擇性灰度圖在特征提取

29、的過(guò)程中邊緣有所損失，需要增強(qiáng)邊緣以便于后面的圖像分割能夠準(zhǔn)確完成。但是實(shí)驗(yàn)中發(fā)現(xiàn)，相比于選擇性灰度圖像，一般灰度圖像保留了原始的圖像邊緣有利于邊緣增強(qiáng)，如圖4-5。所以，本文采用從一般灰度圖提取邊緣信息再與選擇性灰度圖疊加來(lái)實(shí)現(xiàn)選擇性灰度圖的邊緣增強(qiáng)。MATLAB實(shí)現(xiàn)方法如下：hy=fspecial(sobel);hx=hy;Iy=imfilter(double(I4),hy,replicate);Ix=imfilter(double(I4),hx,replicate);19=-sqrt(Ix.2+Iy.2);預(yù)處理的一般灰度同邊緣檢測(cè)圖像邊緣檢1則圖像圖4-5sobel算子邊緣提取結(jié)果最后

30、將從一般灰度圖提取邊緣信息與選擇性灰度圖疊加完成圖像增強(qiáng)。I二imadd(I8,I9);4.4.1開運(yùn)算和開重建運(yùn)算先腐蝕后膨脹稱為開，先膨脹后腐蝕稱為閉。開和閉這兩種運(yùn)算可以除去比結(jié)構(gòu)元素小的特定圖像細(xì)節(jié)，同時(shí)保證不產(chǎn)生全局幾何失真。開運(yùn)算可以把比結(jié)構(gòu)元素小的突刺濾掉，切斷細(xì)長(zhǎng)搭接而起到分離作用；閉運(yùn)算可以把比結(jié)構(gòu)元素小的缺口或孔填充上，搭接短的間隔而起到連接作用。開操作是腐蝕后膨脹，基于開的重建(基于重建的開操作)是腐蝕后進(jìn)行形態(tài)學(xué)重建。se=strel(disk,15);Io=imopen(I,se);Ie=imerode(I,se);Iobr=imreconstruet(Ie,I);I

31、oc=imclose(Io,se);Iobrd=imdilate(Iobr,se);Iobrcbr=imreconstruet(imcomplement(Iobrd),imcomplement(Iobr);Iobrcbr=imcomplement(Iobrer);figure;subplot(1,2,1);imshow(I,);title(疊加后的圖像);subplot(1,2,2);imshow(Iobrcbr,);title(基于重建的開閉操作);圖47圖像膨脹，腐蝕，開閉操作前后對(duì)比參考圖4-7，通過(guò)比較基于重建的開閉操作和標(biāo)準(zhǔn)的開閉操作可以看到，在移除小污點(diǎn)同時(shí)不影響對(duì)象全局形狀的應(yīng)用

32、下，基于重建的開閉操作要比標(biāo)準(zhǔn)的開閉操作更加有效。計(jì)算基于重建的開閉操作的局部極大來(lái)得到更好的前景標(biāo)記。4.5基于分水嶺的圖像分割4.5.1前景對(duì)象背景對(duì)象標(biāo)記有多種方法可以應(yīng)用在這里來(lái)獲得前景標(biāo)記，這些標(biāo)記必須是前景對(duì)象內(nèi)部的連接斑點(diǎn)像素。這些操作將會(huì)在每個(gè)對(duì)象內(nèi)部創(chuàng)建單位極大值，使得可以使用imregionalmax來(lái)定位，圖4-13所示。fgm=imregionalmax(Iobrcbr);subplot(1,3,1);imshow(I,);title(疊加后的圖像);subplot(1,3,2);imshow(Iobrcbr,);title(基于重建的開閉操作);subplot(1,3

33、,3);imshow(fgm,);title(前景標(biāo)記圖像);鑫加后的團(tuán)像基于重建的幵閉操作前景標(biāo)記圖像圖4-8前景背景對(duì)象標(biāo)記4.5.2閉塞處和陰影對(duì)象優(yōu)化觀察圖4-8注意到大多閉塞處和陰影對(duì)象沒(méi)有被標(biāo)記，這就意味著這些對(duì)象在結(jié)果中將不會(huì)得到合理的分割。而且，一些對(duì)象的前景標(biāo)記會(huì)一直到對(duì)象的邊緣。這就意味著應(yīng)該清理標(biāo)記斑點(diǎn)的邊緣，然后收縮它們。可以通過(guò)閉函數(shù)imclose和腐蝕函數(shù)imerode來(lái)完成，如圖4-14所示。se2=strel(ones(4,4);fgm2=imclose(fgm,se2);fgm3=imerode(fgm2,se2);figure;subplot(1,3,1);

34、imshow(Iobrcbr);title(基于重建的開閉操作);subplot(1,3,2);imshow(fgm);title(前景標(biāo)記);subplot(1,3,3);imshow(fgm3);title(前景背景標(biāo)記);基于重建的開閉操作前最標(biāo)記前冒背冒標(biāo)記4-9前景背景標(biāo)記處理4.5.3移除孤立像素與填洞處理這個(gè)過(guò)程將會(huì)留下一些偏離的孤立像素，應(yīng)該移除它們?？梢允褂胋wareaopen，用來(lái)移除少于特定像素個(gè)數(shù)的斑點(diǎn)。fgm5二bwareaopen(fgm4,P)從二值圖像中移除所以少于P像素值的連通塊，得到另外的二值圖像fgm5。另外，填洞處理可以用imfill命令實(shí)現(xiàn)。fgm4=

35、imfill(fgm3,holes);fgm5=bwareaopen(fgm4,500)；figure;前景背凰標(biāo)記填洞處理去除轅小區(qū)域subplot(1,3,1);imshow(fgm3);title(前景背景標(biāo)記);subplot(1,3,2);imshow(fgm4);title(填洞處理);subplot(1,3,3);imshow(fgm5);title(去除較小區(qū)域);圖4-10移除孤立像素與填洞4.5.4分水嶺算法與計(jì)數(shù)背景像素在黑色區(qū)域，但是理想情形下，不必要求背景標(biāo)記太接近于要分割的對(duì)象邊緣。通過(guò)計(jì)算“骨架影響范圍”來(lái)“細(xì)化”背景，或者fgm5的前景。這個(gè)可以通過(guò)計(jì)算fgm5

36、的距離變換的分水嶺變換來(lái)實(shí)現(xiàn)，然后尋找結(jié)果的分水嶺脊線(DL=0)。D=bwdist(fgm5)計(jì)算二值圖像fgm5的歐幾里得矩陣。對(duì)fgm5的每一個(gè)像素，距離變換指定像素和最近的fgm5非零像素的距離。bwdist默認(rèn)使用歐幾里得距離公式。fgm5可以由任意維數(shù)，D與fgm5有同樣的大小。D=bwdist(fgm5);DL=watershed(D);bgm=DL=0;figure;subplot(1,3,1);imshow(Iobrcbr);title(基于重建的開閉操作);subplot(1,3,2);imshow(label2rgb(DL);title(分水嶺變換示意圖);subplot

37、(1,3,3);imshow(bgm);title(分水嶺變換脊線圖);基于重建的開閉操作分水嶺變換示意團(tuán)分水嶺變換脊線圖圖4-11分水嶺變換示意與脊線圖最后，通過(guò)max函數(shù)直接計(jì)算出圖中分割區(qū)域數(shù)即圖中橙子的個(gè)數(shù)，算法完成。Num二max(max(DL);VariaizileEditor-JsluiTi稱谷堆|4|乂十-tn口v|IIIi_imv1nFcHoi_iL=i-Im1工3111了3斗&圖4-12計(jì)數(shù)結(jié)果圖4-12顯示，算法返回Num數(shù)值為7,與實(shí)際相符，算法實(shí)現(xiàn)。5總結(jié)這就是基于MATLAB的橙子圖像識(shí)別的算法全過(guò)程，圖像經(jīng)過(guò)選擇性的灰度提取，邊緣檢測(cè)，降噪和濾波等預(yù)處理，通過(guò)基于

38、形態(tài)學(xué)的圖像開閉與重建操作實(shí)現(xiàn)了圖像中每個(gè)水果個(gè)體的最大分離為之后的前景背景對(duì)象的標(biāo)記起到鋪墊，最后通過(guò)分水嶺圖像分割算法得到最優(yōu)的圖形分割最終完成了圖像中水果個(gè)數(shù)的統(tǒng)計(jì)。算法雖然以橙子的圖像作為特例分析，但是該算法充分利用了MATLAB平臺(tái)所提供的函數(shù)的便捷性和可擴(kuò)展性，對(duì)于大部分球狀水果都可以通過(guò)修改灰度化特征提取的特征參數(shù)來(lái)鎖定所要分析水果的顏色特征，通過(guò)修改該小波去噪和中值濾波的參數(shù)來(lái)優(yōu)化特定硬件環(huán)境下的圖像預(yù)處理算法，通過(guò)修改基于形態(tài)學(xué)的圖像開閉操作的se參數(shù)來(lái)實(shí)現(xiàn)對(duì)不同大小和不同形狀特征的水果的個(gè)體分離。但是由于該算法設(shè)計(jì)時(shí)間有限，因此有許多考慮不周的地方。本課題方法可以擴(kuò)展圖像識(shí)

39、別的應(yīng)用領(lǐng)域，并且為水果識(shí)別提供一個(gè)可靠的輔助，省去繁瑣的人工采樣和識(shí)別，提高勞動(dòng)效率。將來(lái)通過(guò)算法的優(yōu)化和改進(jìn)，提高精度獲取更多的水果信息，能夠更好的滿足水果流通的需求。致謝本畢業(yè)設(shè)計(jì)的研究及學(xué)位論文的撰寫都是在鄒修國(guó)老師的悉心指導(dǎo)下完成的。他嚴(yán)謹(jǐn)?shù)目茖W(xué)態(tài)度和兢兢業(yè)業(yè)、誨人不倦的治學(xué)精神，精益求精的工作作風(fēng)，深深地感染和激勵(lì)著我。在整個(gè)畢業(yè)設(shè)計(jì)工作中，鄒修國(guó)老師始終給予我細(xì)心的指導(dǎo)和不懈的支持，對(duì)我的畢業(yè)設(shè)計(jì)幫助頗多。他寬以待人的高尚品格，為我樹立了學(xué)習(xí)的榜樣，并將使我受益終生。鄒修國(guó)老師不僅在學(xué)業(yè)上給我以耐心指導(dǎo)，同時(shí)還在思想、生活上給我以無(wú)微不至的關(guān)懷。在此，謹(jǐn)向鄒修國(guó)老師致以最崇高的敬

40、意和最誠(chéng)摯的感謝。其次，非常感謝幫助過(guò)我的同學(xué)，當(dāng)我面對(duì)困難，經(jīng)歷坎坷的時(shí)候給予我無(wú)私的鼓勵(lì)和幫助，在此致以誠(chéng)摯的謝意。最后，感謝學(xué)校提供良好的學(xué)習(xí)平臺(tái)，感謝母校每一位老師對(duì)我四年學(xué)習(xí)、生活的支持和鼓勵(lì)，謝謝你們的教誨。路慢慢其修遠(yuǎn)兮，吾將上下而求索。我愿在未來(lái)的學(xué)習(xí)和工作過(guò)程中，以更豐厚的成果來(lái)答謝曾經(jīng)關(guān)心、幫助和支持我的所有領(lǐng)導(dǎo)、老師、同學(xué)。參考文獻(xiàn)1應(yīng)義斌水果尺寸和面積的機(jī)器視覺(jué)檢測(cè)方法研究J.浙江大學(xué)學(xué)報(bào)，2000,26(3)：229-232.2章文英，應(yīng)義斌蘋果圖像的預(yù)處理及尺寸檢測(cè)J.金華職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2001，(1)：23-25.3高華，王雅琴基于計(jì)算機(jī)視覺(jué)的農(nóng)產(chǎn)品形狀分級(jí)研

41、究J.計(jì)算機(jī)工程與應(yīng)用，2004，(14)：227-229.4馮斌，汪懋華基于計(jì)算機(jī)視覺(jué)的水果大小檢測(cè)方法J.計(jì)算機(jī)工程與應(yīng)用，2003，(1)：73-75.5葉昱程，應(yīng)義斌水果品質(zhì)檢測(cè)與分級(jí)技術(shù)J.農(nóng)機(jī)化研究，2003(1)：58-59.6寧紀(jì)鋒，何東健等基于圖像形態(tài)學(xué)的球形果實(shí)品質(zhì)檢測(cè)研究J.農(nóng)機(jī)化研究，2001,(3):28-29.7趙靜，何東健果實(shí)形狀的計(jì)算機(jī)識(shí)別方法研究J.農(nóng)業(yè)工程學(xué)報(bào)，2001，11(2)：165-167.8應(yīng)義斌，景寒松等黃花梨果形的機(jī)器視覺(jué)識(shí)別方法研究J.農(nóng)業(yè)工程學(xué)報(bào)，1999,15(1)：192-196.9馮斌，汪懋華基于顏色分形的水果計(jì)算機(jī)視覺(jué)分級(jí)技術(shù)J.農(nóng)

42、業(yè)工程學(xué)報(bào)，2002，18(2)：141-144.10何東健，楊青等果實(shí)表面顏色計(jì)算機(jī)視覺(jué)分級(jí)技術(shù)研究J.農(nóng)業(yè)工程學(xué)報(bào)，1998，14(3)：202-205.11李慶中，張漫等基于遺傳神經(jīng)網(wǎng)絡(luò)的蘋果顏色實(shí)時(shí)分級(jí)方法J.中國(guó)圖像圖形學(xué)報(bào)，2000,5(9)：779-784.12黎萍，朱軍燕，劉燕德等.機(jī)器視覺(jué)在農(nóng)產(chǎn)品檢測(cè)與分級(jí)中的應(yīng)用與展望J.江西農(nóng)業(yè)大學(xué)學(xué)報(bào),2005，27(5)：796-800.13應(yīng)義斌，饒秀勤，蔣亦元等.機(jī)器視覺(jué)技術(shù)在農(nóng)產(chǎn)品品質(zhì)自動(dòng)識(shí)別中的應(yīng)用J.農(nóng)業(yè)工程學(xué)報(bào)，2000，16(l)：103-108.14王巧華，文友先農(nóng)產(chǎn)品分級(jí)處理新技術(shù)J.農(nóng)機(jī)化研究，2003,(l)：6

43、8-69.15黃秀玲，鄭加強(qiáng)，趙茂程.水果分級(jí)支撐技術(shù)的研究進(jìn)展J南京林業(yè)大學(xué)學(xué)報(bào)，2007,31(2)：123-126.16高華，周林計(jì)算機(jī)視覺(jué)及模式識(shí)別技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用田J山東農(nóng)業(yè)大學(xué)學(xué)報(bào)，2003,34(4)：590-593.17阮沈勇，王永利，桑群芳.Matlab6.5輔助圖像處理M.北京：北京電子工業(yè)出版社，2004.18孫兆林.Matlab6x圖像處理M.北京清華大學(xué)出版社，2002.19章毓晉，羅惠韜基于評(píng)價(jià)知識(shí)的圖像分割算法優(yōu)選系統(tǒng)J.高技術(shù)通訊，1998(4)：21-24.20章毓晉圖像分割評(píng)價(jià)技術(shù)分類和比較J.中國(guó)圖像圖形學(xué)報(bào)，1996,1(2)：151-158.21韓

44、曉軍，苗長(zhǎng)云，王亞青基于標(biāo)準(zhǔn)圖像文件格式的數(shù)字圖像處理方法J.遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2000，19(4)：416-463.22張鐵中，周天娟草莓采摘機(jī)器人的研究：I基于BP神經(jīng)網(wǎng)絡(luò)的草莓圖像分割J.中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2004，9(4)：65-68.23齊龍，馬旭，張小超.基于網(wǎng)絡(luò)的植物病害彩色圖像的分割技術(shù)J.吉林大學(xué)學(xué)報(bào)，2006,36(2)：126-139.24尹建軍，毛罕平，王新忠不同生長(zhǎng)狀態(tài)下多目標(biāo)番茄圖像的自動(dòng)分割方法J.農(nóng)業(yè)工程學(xué)報(bào)，2006，22(10)：149-153.25雷英杰，張善文，李續(xù)武，等.MATLAB遺傳算法工具箱及應(yīng)用M.西安：西安電子科技大學(xué)出版社

45、，2005，62-105.26陳純計(jì)算機(jī)圖像處理技術(shù)與算法M.北京：清華大學(xué)出版社，2003年.27徐飛等編著.MATLAB應(yīng)用圖像處理M.西安：西安電子科技大學(xué)出版社，2004年.28霍宏濤等.數(shù)字圖像處理M.北京：北京理工大學(xué)出版社,2002年.29范立南等編著圖像處理與模式識(shí)別M.北京：北京科學(xué)出版社，2007年30唐常青.數(shù)學(xué)形態(tài)學(xué)方法及其應(yīng)用.北京:科學(xué)出版社,1990羅玲，謝梅，等基于多尺度形態(tài)濾波的分水嶺圖像分割方法J.計(jì)算機(jī)輔助與圖形學(xué)學(xué)報(bào)，2004，16(2)：168-173.袁曉輝，許東，夏良正，等.基于形態(tài)學(xué)濾波和分水線算法的目標(biāo)圖像分割J.數(shù)據(jù)采集與處理,2003，18

46、(4)：455-459.盧官明.區(qū)域生長(zhǎng)型分水嶺算法及其在圖像序列分割中的應(yīng)用J.南京郵電學(xué)院學(xué)報(bào)(自然科學(xué)版)，2000，3(20)：51-54.附錄1.完整算法與注釋：clc;clearall;closeall;%初始化rgb=imread(F:picture4.bmp);%讀取圖像I1=im2double(rgb);%將彩圖序列變成雙精度%*1-1一般灰度化*R=rgb(:,:,1);G=rgb(:,:,2);B=rgb(:,:,3);gray=G-R;I2=gray;%*1-2選擇性灰度化*r=double(rgb(:,:,l);%載入RGB分量g=double(rgb(:,:,2);

47、b=double(rgb(:,:,3);sr=255;%設(shè)定提取分量sg=145;sb=15;k=255;%設(shè)定轉(zhuǎn)換梯度f(wàn)ori=l:size(r,1)%轉(zhuǎn)換R色彩forj=1:size(r,2)ifr(i,j)sro_r(i,j)=(-k*r(i,j)/sr)+255;elseo_r(i,j)=k*r(i,j)/(255-sr)+255;endendendfori=1:size(g,1)%轉(zhuǎn)換G色彩forj=1:size(g,2)ifr(i,j)sgo_g(i,j)=(-k*r(i,j)/sg)+255;elseo_g(i,j)=k*r(i,j)/(255-sg)+255;endendend

48、fori=l:size(b,1)%轉(zhuǎn)換B色彩forj=1:size(b,2)ifr(i,j)sbo_b(i,j)=(-k*r(i,j)/sb)+255;elseo_b(i,j)=k*r(i,j)/(255-sb)+255;endendendfori=1:size(rgb,1)forj=1:size(rgb,2)I5(i,j)=uint8(o_r(i,j)+o_g(i,j)+o_b(i,j)/3);%混合RGB三通道得到選擇性灰度圖endend%=結(jié)果展示=figure;subplot(2,2,1);imshow(o_r,);title(紅色分量提取結(jié)果);subplot(2,2,2);imsh

49、ow(o_g,);title(綠色分量提取結(jié)果);subplot(2,2,3);imshow(o_b,);title(藍(lán)色分量提取結(jié)果);subplot(2,2,4);imshow(I5,);title(混合RGB通結(jié)果);figure;subplot(1,3,1);imshow(I1);title(原圖);subplot(1,3,2);imshow(I2);title(，般灰度圖);subplot(1,3,3);imshow(I5);title(，選擇性灰度圖，);%*2-1預(yù)處理一般灰度化圖像*thr,sorh,keepapp=ddencmp(，den，,，wv，,I2);%設(shè)定除噪?yún)?shù)I

50、3=wdencmp(，gbl，,12,，sym4,2,thr,sorh,keepapp);%小波除噪I4=medfilt2(I3,55);%中值濾波%=結(jié)果展示=figure;subplot(1,2,1);imshow(I2);title(，一般灰度圖，);subplot(1,2,2);imshow(I3);title(，降噪及濾波后，);%*2-2預(yù)處理選擇性灰度化圖像*I6=im2double(I5);%轉(zhuǎn)換16格式為doublethr,sorh,keepapp=ddencmp(，den，,，wv，,I6);%設(shè)定除噪?yún)?shù)17二wdencmp(，gbl，,I6,，sym4,2,thr,sorh,keepapp);%小波除噪I8=medfilt2(I7,55);%中值濾波%=結(jié)果展示=figure;subplot(1,2,1);imshow(I5);title(，選擇性灰度圖，);subplot(1,2,2);imshow(I8);title(，降噪及濾波后，);%*不做色彩提取的灰度圖進(jìn)行邊緣檢測(cè)*hy=fspecial(sobel);%使用Sobel邊緣算子對(duì)圖像