大作業(yè)數(shù)字圖像處理

1、計算機科學(xué)與通信工程學(xué)院課程報告課程實驗題目學(xué)生姓名學(xué)專業(yè)班號級摘 要 在生產(chǎn)生活中可以利用matlab 函數(shù)將蘋果從紛雜的大量水果中分離出來場需求。引言近年來，隨著人們生活水平的提高，人們對于水果的品質(zhì)要求也不斷提高。實行水果的分級銷售似乎成為當前市場的一個趨勢。在傳統(tǒng)的水果等級評判主要依靠人工操作。但我們也知道，人對圖像的感知是十分主觀的。因此每個人的評價指標不同，而且人工的費用較高。在勞動成本越發(fā)提升的今天顯然這是十分落后的。matlab利。顯然這是一種很好的方式， 但實際操作起來仍舊有很大的難度。法越來越受到人們的重視?；局R需要掌握圖像的分割技術(shù)和圖像的識別技需要掌握圖像的分割技術(shù)

2、和圖像的識別技背景中提取出來。我們?nèi)粘Ｋ@得的便背景中提取出來。我們?nèi)粘Ｋ@得的便RGB圖像處理為灰度圖像，接下來處理為二值圖像。進而利用其它函數(shù)處理。RGB圖像RGRGB圖像被用來表示彩色圖像。與索引圖像一樣，它分別用、綠）、藍三原色的組合來表示每個像素的顏色。它的每一個像素的顏色值三原色的組合來表示每個像素的顏色。它的每一個像素的顏色值RB）直接存放在圖像矩陣中，由于每一像素的顏色需存放在圖像矩陣中，由于每一像素的顏色需BNMxNBRGB8灰度圖像8的的256字從小到大表示由黑到白的過渡色。字從小到大表示由黑到白的過渡色。二值圖像二值圖像的二維矩陣則是僅二值圖像的二維矩陣則是僅11C）和掩

3、膜圖像的存儲。圖像分割圖像分割是數(shù)字圖像處理中的關(guān)鍵技術(shù)之一。它將圖像中有意義的特征部分提取出來， 其有意義的特征有圖像中的邊緣、區(qū)域等，這是進一步進行圖像識別、分析和理解的基礎(chǔ)。雖然目前已研究出不少邊緣提取、區(qū)域分割的方法，但還沒有一種普遍適用于各種圖像的有效方法。因此，對圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點之一。圖像描述圖像描述是圖像識別和理解的必要前提。作為最簡單的二值圖像可采用其幾何特性描述物體的特性，一般圖像的描述方法采用二維形狀描述，它有邊界描述和區(qū)域描述兩類方法。圖像識別圖像識別屬于模式識別的范疇，其主要內(nèi)容是圖像經(jīng)過某些預(yù)處理后，進行圖像分割和特征提取，從

4、而進行判決分類。特征提取，從而進行判決分類。功能分析及設(shè)計尋找出來，也可以根據(jù)它的形狀進而使用直徑這一特性來描述它的大小。尋找出來，也可以根據(jù)它的形狀進而使用直徑這一特性來描述它的大小。蘋果表面上的傷痕擁有與蘋果本身不同的色澤，其形狀雖然不規(guī)則但是也多為圓形。也可以根據(jù)類似的方式來進行設(shè)計。首先可以考慮將蘋果從各種水果中識別出來。I=imread(d:50.jpg); I2=rgb2gray(I); BW=im2bw(I2,0.9);total=bwarea(BW);figure,subplot(1,3,1),imshow(I),tit圖);subplot(1,3,2),imshow(I2),

5、titl);subplot(1,3,3),imshow(BW),titl);進行邊緣檢測得到了不連續(xù)的圖形邊采用sobel)得到各個圖形的連續(xù)邊界SE=strel(rectangle,40 結(jié)構(gòu)定義J2=imopen(B,SE);% 開啟運SE=strel(square,5);定義腐蝕結(jié)構(gòu)元素J=imerode(J2,SE);BW2=(J2)-J;% 檢測邊緣3 蝕運算后的圖像邊界輪);%填充了已有的檢測的連續(xù)形狀邊界B = imfill(BW2,holes);B = bwmorph(B,remove); 將不同的圖形進行分別標記num Label,num = bwlabel(B,8);%得到

6、各個圖像的邊界像素的數(shù)組%計算各個圖形單元的周長 用連接像素點或數(shù)邊界像素點個數(shù)的方法numPoints數(shù)組表示各個圖形邊界的像素個數(shù)（即用個數(shù)來表示周長）%num = max(max(Label); for i = 1 : numPremeter(i) = 0;endrow,col = size(Label); for i = 1 : rowfor j = 1 : colif(Label(i,j) 0)= )+ 1;邊界中像素的個數(shù)的總數(shù)endendend%5計算各個圖形單元的面積FilledLabel = 填充打過標記的邊界線中間圍成的圖形區(qū)域過標記后并已被填充的結(jié)果圖for i = 1

7、: numArea(i) = 0;endrow,col = size(FilledLabel); for i = 1 : rowfor j = 1 : colif(FilledLabel(i,j) 0)= )+ 1;式來求各形狀的面積endendend%計算各個圖形單元的圓度for i = 1 : numEcllipseratio(i) = 4*pi*Area(i)/Premeter(i)2;end%識別蘋果%構(gòu)建蘋果的分類器，在二維特征空間對各個圖像進行類別區(qū)分apple=0;for i=1:numif(Ecllipseratio(i)1.0)%1.0 與1.25之間的的為蘋果apple=i

8、;endend%對分出來的類別分別構(gòu)建相應(yīng)的圖像掩膜，并用對原圖的亮度圖像進行掩膜操作appleHSV=HSV;for j = 1 : rowfor k = 1 : colif(FilledLabel(j,k) =apple) appleHSV(j,k,3)=0;endendend變換生成最終的結(jié)果圖像，圖像中顯示的結(jié)果即對應(yīng)分類器中指定的類別applematrix = hsv2rgb(appleHSV);轉(zhuǎn)換為RGB 下蘋果);接下來可以考慮計算蘋果的直徑。因為對于蘋果來講，不同的大小價格是不同的。檢測思路為：將圖片灰度化、二值化后，利用regionprops 函數(shù)計算二值化圖像的最小外接矩

9、形大小，外接矩形框長度和寬度中的最大值即為蘋果最大橫切面直徑。此時的數(shù)值為像素值，通過與照片的長、寬像素值進行比較，結(jié)合圖片的實際長、寬值，即可求出果徑的實際長度。具體函數(shù)如下： rgb=imread(d:apple.png); rgb1=im2double(rgb); r=rgb1(:,:,1);g=rgb1(:,:,2);b=rgb1(:,:,3);I=(r+g+b)/3; tmp1=min(min(r,g),b); tmp2=r+g+b; tmp2(tmp2=0)=eps; S=1-3.*tmp1./tmp2; tmp1=0.5*(r-g)+(r-b);tmp2=sqrt(r-g).2+

10、(r-b).*(g-b); theta=acos(tmp1./(tmp2+eps); H=theta;H(bg)=2*pi-H(bg);H=H/(2*pi);H(S=0)=0;I = (r + g + b)/3;% Combine all three results into an hsi image. hsi = cat(3, H, S, I);S=im2bw(S,0.2);imshow(S)求取外接最小矩形框，并利用regionprops 函數(shù)計算圖像區(qū)域的屬性信息，并讀取矩形的長、寬數(shù)據(jù)，以長、寬中的最大值為果徑的數(shù)值。這里的數(shù)值為像素值。l,m=bwlabel(S,8); status

11、=regionprops(l,BoundingBox);x=status(2,1).BoundingBox;%讀取矩形的長寬X=max(x);%取最大值取得果徑的像素值后，與圖片的長（寬）像素值相比。由于圖片的像素、實際長寬等數(shù)值已預(yù)先設(shè)定并保持不變，因此根據(jù)果徑像素與圖片像素的比值可求出果徑的實際數(shù)值。接下來可以考慮檢測水果表面的缺陷。果面的缺陷主要包括壓傷、碰傷、蟲蛀傷亦或是裂開等，但所有表面可見的傷痕都表現(xiàn)為正常果面色澤、質(zhì)地不一致。因此可通過提取果面的圖像特征，檢測缺陷情況。首先，讀入圖像后用rgb2gray 函數(shù)對受檢蘋果進行灰度化，并用imadjust 函數(shù)調(diào)整灰度圖像的強度值。

12、I= imread(d:apple3.jpg); I2= rgb2gray(I);J= imadjust(I2,0.1 0.2,);im2bw1對二值圖像進行取反處理。Y=im2bw(J,1);Y=Y。與計算果徑的方法相同，求病斑區(qū)域的外接矩形框，并利用regionprops 函數(shù)計算圖像區(qū)域的屬性信息。l,m=bwlabel(Y,8); status=regionprops(l,BoundingBox); imshow(Y);hold on; for i=1:mrectangle(position,status(i).BoundingBox,edgecolor,r); endhold off;由于病斑的不規(guī)則，且一個果面可能會有多個病斑，圖像區(qū)域中會有多個外接矩形框，因此需要對每個矩形框的大小進行判定，選取面積最大的矩形框。x,y=size(status);%讀取圖片信息for i=1:x%共有x 個矩形框X(i)=max(status(i).BoundingBox);%取矩形框最大值endx2=status(i,1).BoundingBox;%x2(1)x2(2)在這里，以最大矩形框的面積近似為病斑的面積。通過矩形框尺寸的像素值與照片長、寬像素值的比值，以及照片實際尺寸，進而確定病斑實際