大作業(yè)數(shù)字圖像處理

計(jì)算機(jī)科學(xué)與通信工程學(xué)院課程報(bào)告課程實(shí)驗(yàn)題目學(xué)生姓名學(xué)號專業(yè)班級摘要在生產(chǎn)生活中可以利用matlab函數(shù)將蘋果從紛雜的大量水果中別離出來，也可根據(jù)果徑和果面缺陷實(shí)現(xiàn)水果的等級劃分。從而提高生產(chǎn)方的工作效率。進(jìn)而降低水果的生產(chǎn)本錢迎合市場需求。1.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(shí)行水果的分級銷售似乎成為當(dāng)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(biāo)不同，而且人工的費(fèi)用較高。在勞動本錢越發(fā)提升的今天顯然這是十分落后的。即便應(yīng)用了計(jì)算機(jī)作為輔助道具，使用基于matlab的識別與檢測仍舊是其中本錢較為低廉的一種。對于果農(nóng)等生產(chǎn)方來講這就顯得尤為重要。同樣這也能讓消費(fèi)者從中獲利。顯然這是一種很好的方式，但實(shí)際操作起來仍舊有很大的難度。因此，利用計(jì)算機(jī)圖像處理的技術(shù)研究客觀、方便、高效并且廉價的水果品質(zhì)檢測方法越來越受到人們的重視。根本知識2.1RGB圖像2.2灰度圖像2.3二值圖像2.4圖像分割2.5圖像描述2.6圖像識別3.功能分析及設(shè)計(jì)接下來可以考慮計(jì)算蘋果的直徑。因?yàn)閷τ谔O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(jì)算二值化圖像的最小外接矩形大小，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(jìn)行比擬，結(jié)合圖片的實(shí)際長、寬值，即可求出果徑的實(shí)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+(r-b).*(g-b));theta=acos(tmp1./(tmp2+eps));H=theta;H(b>g)=2*pi-H(b>g);H=H/(2*pi);H(S==0)=0;I=(r+g+b)/3;%Combineallthreeresultsintoanhsiimage.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(jì)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=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(shí)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(shí)際數(shù)值。接下來可以考慮檢測水果外表的缺陷。果面的缺陷主要包括壓傷、碰傷、蟲蛀傷亦或是裂開等，但所有外表可見的傷痕都表現(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(jìn)行灰度化，并用imadjust函數(shù)調(diào)整灰度圖像的強(qiáng)度值。I=imread(d:\'apple3.jpg');I2=rgb2gray(I);J=imadjust(I2,[0.10.2],[]);利用im2bw函數(shù)將調(diào)整后的灰度圖像轉(zhuǎn)換為二值圖像，level值取1。為方便檢測，對二值圖像進(jìn)行取反處理。Y=im2bw(J,1);Y=~Y。與計(jì)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(jì)算圖像區(qū)域的屬性信息。[l,m]=bwlabel(Y,8);status=regionprops(l,'BoundingBox');imshow(Y);holdon;fori=1:mrectangle('position',status(i).BoundingBox,'edgecolor','r');endholdoff;由于病斑的不規(guī)那么，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(jìn)行判定，選取面積最大的矩形框。[x,y]=size(status);%讀取圖片信息fori=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;%讀取矩形框的長、寬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(shí)際尺寸，進(jìn)而確定病斑實(shí)際面積。4.實(shí)驗(yàn)結(jié)果與分析S分量二值化之后的蘋果圖像有缺陷的蘋果原圖：缺陷檢測之后所識別的蘋果外表傷痕：變質(zhì)區(qū)域的外接矩形框根據(jù)傷痕的圖形，可以用它的最大外接矩形框面積來近似確定實(shí)際面積。5.總結(jié)與體會6.參考文獻(xiàn)[1]張宏編著.圖像處理與分析.北京:機(jī)械工業(yè)出版社.2023.[2]楊高波,杜青松編著.MATLAB圖像/視頻處理應(yīng)用及實(shí)