基于MATLAB的橙子識別及計數(shù)研究報告

1、-. z本科生畢業(yè)論文設(shè)計題目: 基于MATLAB的橙子識別與計數(shù)研究 姓 名: 娜嬌 學(xué)院: 工 學(xué) 院 專業(yè): 電子信息科學(xué)與技術(shù) 班級: 信息123班 *: 32312308 指導(dǎo)教師: 鄒修國 職稱: 副教授 2016 年 5月28日農(nóng)業(yè)大學(xué)教務(wù)處制目錄 TOC o 1-3 h z u HYPERLINK l _Toc419566046摘要 PAGEREF _Toc419566046 h 1HYPERLINK l _Toc419566047關(guān)鍵詞 PAGEREF _Toc419566047 h 1HYPERLINK l _Toc419566048Abstract. PAGEREF _T

2、oc419566048 h 1HYPERLINK l _Toc419566049Key words PAGEREF _Toc419566049 h 1HYPERLINK l _Toc419566050引言 PAGEREF _Toc419566050 h 2HYPERLINK l _Toc4195660511論文概述 PAGEREF _Toc419566051 h 2HYPERLINK l _Toc4195660521.1 課題研究目的及意義 PAGEREF _Toc419566052 h 2HYPERLINK l _Toc4195660531.2 國外研究概況 PAGEREF _Toc4195

3、66053 h 2HYPERLINK l _Toc4195660541.2.1 國外研究概況 PAGEREF _Toc419566054 h 2HYPERLINK l _Toc4195660551.2.2 國研究概況 PAGEREF _Toc419566055 h 3HYPERLINK l _Toc4195660561.3 主要研究容 PAGEREF _Toc419566056 h 3HYPERLINK l _Toc4195660572 系統(tǒng)整體設(shè)計方案 PAGEREF _Toc419566057 h 4HYPERLINK l _Toc4195660582.1 系統(tǒng)整體概況 PAGEREF _

4、Toc419566058 h 4HYPERLINK l _Toc4195660592.2 主要技術(shù) PAGEREF _Toc419566059 h 4HYPERLINK l _Toc4195660603 系統(tǒng)硬件設(shè)計 PAGEREF _Toc419566060 h 5HYPERLINK l _Toc4195660613.1 硬件模塊選型與設(shè)計 PAGEREF _Toc419566061 h 5HYPERLINK l _Toc4195660623.1.1 基于S3C2410的控制器 PAGEREF _Toc419566062 h 5HYPERLINK l _Toc4195660633.1.2 U

5、SB的應(yīng)用 PAGEREF _Toc419566063 h 5HYPERLINK l _Toc4195660643.1.3 無線路由器 PAGEREF _Toc419566064 h 7HYPERLINK l _Toc4195660653.1.4 系統(tǒng)電源供電模塊的設(shè)計 PAGEREF _Toc419566065 h 7HYPERLINK l _Toc4195660663.1.5 五自由度機(jī)械臂模塊 PAGEREF _Toc419566066 h 8HYPERLINK l _Toc4195660673.1.6 舵機(jī)云臺 PAGEREF _Toc419566067 h 10HYPERLINK l

6、 _Toc4195660683.1.7 模擬機(jī)械臂模塊 PAGEREF _Toc419566068 h 10HYPERLINK l _Toc4195660693.2 硬件系統(tǒng)整體設(shè)計 PAGEREF _Toc419566069 h 12HYPERLINK l _Toc4195660704 系統(tǒng)軟件架構(gòu)與控制模塊間通信 PAGEREF _Toc419566070 h 13HYPERLINK l _Toc4195660714.1 智能排障機(jī)器人控制系統(tǒng)軟件設(shè)計 PAGEREF _Toc419566071 h 13HYPERLINK l _Toc4195660724.1.1 編寫leds指示燈驅(qū)動程

7、序 PAGEREF _Toc419566072 h 13HYPERLINK l _Toc4195660734.1.2 編寫GPIO口驅(qū)動程序 PAGEREF _Toc419566073 h 14HYPERLINK l _Toc4195660744.1.3 編寫機(jī)械臂驅(qū)動程序 PAGEREF _Toc419566074 h 14HYPERLINK l _Toc4195660754.1.4 系統(tǒng)控制模塊間通信 PAGEREF _Toc419566075 h 14HYPERLINK l _Toc4195660764.2 安卓手機(jī)應(yīng)用軟件設(shè)計 PAGEREF _Toc419566076 h 15HYP

8、ERLINK l _Toc4195660774.2.1 軟件功能的設(shè)計 PAGEREF _Toc419566077 h 15HYPERLINK l _Toc4195660784.2.2 Socket與圖像顯示 PAGEREF _Toc419566078 h 16HYPERLINK l _Toc4195660795 系統(tǒng)測試 PAGEREF _Toc419566079 h 17HYPERLINK l _Toc4195660805.1 系統(tǒng)測試平臺的搭建 PAGEREF _Toc419566080 h 17HYPERLINK l _Toc4195660815.2 系統(tǒng)測試步驟 PAGEREF _T

9、oc419566081 h 18HYPERLINK l _Toc4195660825.3 測試結(jié)果演示 PAGEREF _Toc419566082 h20HYPERLINK l _Toc4195660836 總結(jié)與展望 PAGEREF _Toc419566083 h 22HYPERLINK l _Toc4195660846.1 總結(jié) PAGEREF _Toc419566084 h 22HYPERLINK l _Toc4195660856.2 展望 PAGEREF _Toc419566085 h 22HYPERLINK l _Toc419566086致 PAGEREF _Toc419566086

10、 h 23HYPERLINK l _Toc419566087參考文獻(xiàn) PAGEREF _Toc419566087 h 24HYPERLINK l _Toc419566088附錄1 PAGEREF _Toc419566088 h 25HYPERLINK l _Toc419566089附錄2 PAGEREF _Toc419566089 h 26-. z基于MATLAB的橙子識別和計數(shù)研究電子信息科學(xué)與技術(shù)專業(yè)學(xué)生 娜嬌指導(dǎo)教師 鄒修國摘要：隨著計算機(jī)技術(shù)的快速開展，當(dāng)代農(nóng)業(yè)的開展也越來越迅速。目前，國外的人工水果識別鑒定能力均不能滿足實際生產(chǎn)需求。因而，人們開場不斷探索利用計算機(jī)自動識別水果的原理

11、和方法，水果識別也因此成為國外研究的熱點。與傳統(tǒng)計算機(jī)圖像識別技術(shù)研究不同的是本課題以近年來熱度較高的MATLAB作為研究平臺，針對于球狀水果，提出了以圖像特征灰度化為切入點，用小波去噪和中值濾波相結(jié)合的方法對圖像進(jìn)展預(yù)處理，以Sobel算子對圖像作邊緣檢測，通過基于形態(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現(xiàn)目標(biāo)檢測與計數(shù)。該課題充分利用了MATLAB平臺在圖像處理方面的優(yōu)勢，經(jīng)過優(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Globular fruits identify and count based on MATLABStudent ma

12、joring in Electronic and Information Science and TechnologyYangYiTutor Zou *iuguoAbstract：With the rapid development of puter technology, modern agriculture gradually moving toward digital, precise and intelligent. Currently, artificial fruits recognition capabilities at home and abroad to identify

13、the actual production can not meet demand. Thus, people began to e*plore the principles and methods of using the puter automatically recognizes fruit, fruit recognition has also bee a hot research. With traditional puter image recognition technology is the subject of various studies in recent years

14、to a high heat of MATLAB as a research platform for in globular fruit, put forward a grayscale image features as the starting point, using wavelet de-noising and median filtering bined approach of image preprocessing, in order to make the image Sobel operator edge detection, image-based morphologica

15、l feature e*traction and analysis, and ultimately with the watershed image segmentation methods to achieve target detection and counting. The subject MATLAB platform leverages the advantages of image processing, optimized and the debugger, you can quickly and accurately analyze the results.Key words

16、：MATLAB；Morphology；Watershed algorithm引言 圖像識別是數(shù)字圖像處理中的一項關(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。因此對數(shù)字圖像的分析可以分為彩色圖像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，但也正因為自身信息量較大所以對于機(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，但是如果只是簡單地將彩色圖像灰度化，則可能將喪失大量有用信息，不利于圖像分析的準(zhǔn)確性。本文提出一種圖像識別思路，它包含對感興趣區(qū)域圖像灰度化算法，對特定環(huán)境下的圖像通過特定算法進(jìn)展降噪及濾波，運(yùn)用形態(tài)學(xué)原理的圖像腐

17、蝕、膨脹、重構(gòu)，最后通過分水嶺分割算法的改良算法實現(xiàn)水果個數(shù)統(tǒng)計。所以本課題對球狀水果識別和計數(shù)研究具有重大意義。1論文概述1.1課題研究目的和意義我國是果樹大國，栽培歷史悠久，資源豐富。水果生產(chǎn)作為一項新興產(chǎn)業(yè)，在農(nóng)業(yè)和農(nóng)村經(jīng)濟(jì)開展中的地位已經(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觀世界果園科技的開展，二十一世紀(jì)我國的果園也將從傳統(tǒng)作業(yè)轉(zhuǎn)化到以現(xiàn)代科學(xué)技術(shù)為根底的現(xiàn)代集約持續(xù)果園上來。果園的開展將全面地表達(dá)生產(chǎn)、經(jīng)濟(jì)、技術(shù)、社會和生態(tài)的可持續(xù)性。在水果分級方面，我國相繼引進(jìn)和開發(fā)了按大小和重量分級的分級設(shè)備，近幾年國也出現(xiàn)了基于機(jī)器視覺技術(shù)的水果分級設(shè)備。但是，進(jìn)口設(shè)備價格昂貴，一

18、般水果生產(chǎn)企業(yè)難以負(fù)擔(dān)。而國產(chǎn)設(shè)備由于技術(shù)投入不夠，與國外先進(jìn)設(shè)備差距比擬大。隨著機(jī)器視覺技術(shù)的開展，國外也出現(xiàn)了將機(jī)器視覺運(yùn)用在水果分級系統(tǒng)上的相關(guān)研究，使得國外的水果分級分類系統(tǒng)的性能進(jìn)一步提高，同時也進(jìn)一步拉大了我國與國外在水果生產(chǎn)自動化的技術(shù)差距。由于我國的現(xiàn)狀，如果不在水果產(chǎn)后處理上下功夫，我國的水果出口形勢還會非常嚴(yán)峻，這就要求國的研究者在水果分級技術(shù)進(jìn)一步鉆研，使我國的分級技術(shù)再上一個新臺階。將機(jī)器視覺也稱計算機(jī)視覺，圖像處理技術(shù)引入果園自動化，是解決該問題的有效途徑之一。同時，基于機(jī)器視覺的水果自動化系統(tǒng)在水果流通過程也可提高自動化程度、降低勞動強(qiáng)度、增加收益提供快速、準(zhǔn)確的檢

19、測手段。1.2水果識別研究現(xiàn)狀上世紀(jì)80年代后期，由于計算機(jī)廣泛生產(chǎn)，計算技術(shù)也廣泛開展，針對于計算機(jī)視覺在各個領(lǐng)域的的研究成果也日新月異。國外的很多學(xué)者在基于計算機(jī)視覺技術(shù)而提高水果的分級速度方面進(jìn)展了研究，在理論和應(yīng)用上有了較大進(jìn)展，并取得了很好的經(jīng)濟(jì)效益。而我國的水果自動識別技術(shù)研究則較晚，僅始于90年代，而且當(dāng)時從事水果自動分級系統(tǒng)研究的科研院還很少，研究成果也不是很顯著，但那卻為我國在水果分級方面的研究奠定了根底。按大小分類是水果識別的一個重要指標(biāo)。應(yīng)義斌研究了利用機(jī)器視覺技術(shù)準(zhǔn)確檢測水果尺寸方法1，章文英、應(yīng)義斌等針對蘋果的外形特征，應(yīng)用蘋果的最小外接矩形(MER)的尺寸表示橫徑和

20、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量水果的大小3，斌、汪懋華以蘋果的自然對稱形態(tài)特征為依據(jù)，水果大小檢測絕對測量誤差最大為3mm4。果實形狀是水果品質(zhì)檢測與分級的一個重要指標(biāo)5，寧紀(jì)鋒、何東健等利用圖像形態(tài)學(xué)方法測量果實的形狀，準(zhǔn)確率很高，最高能到達(dá)91.4%6。靜、何東健提出主要通過半徑這個指標(biāo)，利用人工神經(jīng)網(wǎng)絡(luò)對水果的形狀進(jìn)展識別和分級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來描述黃花梨的形狀8。顏色也是水果檢測的重要指標(biāo)。斌、汪懋華通過對不同顏色等級的水果進(jìn)展分析，進(jìn)而對水果進(jìn)展分級9。何東健、青等通過機(jī)器視覺自動檢測蘋果外表著色度，獲取彩色

21、圖像，并將RGB值轉(zhuǎn)換成HSI值，用適宜色相值累計著色面積百分比進(jìn)展顏色分級10。慶中、漫等確定了蘋果顏色特征的提取方法，利用遺傳算法實現(xiàn)了多層前向神經(jīng)網(wǎng)絡(luò)識別器的學(xué)習(xí)設(shè)計11。在國外，機(jī)器視覺是70年代開場興起的，它主要應(yīng)用于衛(wèi)星遙感和醫(yī)學(xué)方面。它不僅是人眼的延伸，而且具有人腦的局部智能識別功能,具有速度快、信息量大、功能多、檢測精度和效率高等優(yōu)點。隨著計算機(jī)、控制理論、模式識別、人工智能等技術(shù)的開展，機(jī)器視覺已廣泛應(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。國外在利用機(jī)器視覺技術(shù)進(jìn)展水果分類和計數(shù)已經(jīng)取得較大的進(jìn)展，國尚處于探索階段。目前，國外已研制出了商用水果自動化系

22、統(tǒng)，并在生產(chǎn)上得到了應(yīng)用。1.3課題主要研究容(1)本文首先介紹了課題的研究背景及意義，對國外的水果識別方面的研究應(yīng)用現(xiàn)狀進(jìn)展了討論，并重點對國外水果分級技術(shù)研究現(xiàn)狀進(jìn)展了分析。(2)介紹了一些機(jī)器視覺領(lǐng)域根底的方法，提出了針對特定顏色的圖像灰度化方法。(3)討論了水果圖像的預(yù)處理過程：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)合的方法去除圖像噪聲。(4)討論了水果圖像的背景分割，針對水果識別生產(chǎn)線的實際情況，對幾種不同的微分梯度算子進(jìn)展邊緣檢測實驗并對結(jié)果進(jìn)展了比照分析。(5)基于形態(tài)學(xué)的腐蝕與重構(gòu)最大化地從背景中別離出目標(biāo)區(qū)域。(6)通過改良的分水嶺算法分割圖像并計數(shù)。

23、1.4研究方法與手段1.4.1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 存：8G 硬盤空間：1TB 顯卡：英偉達(dá)GT*770(2) 軟件環(huán)境操作系統(tǒng)：Window 98/ME/2000/*P/win7/win8/win8.11.4.2開發(fā)環(huán)境開發(fā)環(huán)境主要介紹了本系統(tǒng)采用的操作系統(tǒng)、開發(fā)語言。(1) 操作系統(tǒng)：Windows 8.1(2) 開發(fā)語言：C(3) 開發(fā)環(huán)境：MATLAB 2013a2球狀水果識別原理2.1一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)展運(yùn)算將消耗大量的硬件資源，不利于算法高效運(yùn)行，所以算法必需從灰

24、度圖像入手。傳統(tǒng)的圖像灰度化的計算方式不能針對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局部提取出來而將對圖像分割并沒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彩色圖像R、G、B三個量進(jìn)展重新運(yùn)算后得到所對應(yīng)像素的灰度值。2.2圖像增強(qiáng)2.2.1圖像噪聲污染基于機(jī)器視覺的水果識別系統(tǒng)是一個復(fù)雜系統(tǒng)，圖像采集過程中很有可能受到干擾而使采集到的圖片含有噪聲污染。假設(shè)圖像含有噪聲污染，則圖像質(zhì)量的質(zhì)量就會降低。圖像質(zhì)量的降低會影響到識別處理全過程及結(jié)果輸出，甚至如果噪聲太大以至于掩蓋原始圖像的信息，則就會出現(xiàn)錯誤的識別結(jié)果。所以對圖像進(jìn)展

25、圖像增強(qiáng)是圖像識別之前的必備步驟。2.2.2圖像預(yù)處理圖像的預(yù)處理，即是將每個水果圖像分撿出來交給識別模塊識別。其目的就是提高圖像質(zhì)量。實驗過攝像頭得到的圖片，噪聲是對圖像干擾的重大原因，所以，我們必須對初步得到的圖像進(jìn)展降噪處理。一般降噪的方法就是通過濾波器來降噪。濾波包括空域濾波和頻域濾波。空域濾波是降噪的常用方法。空域濾波分為線性空域濾波和非線性空域濾波。線性空域濾波包括線性平均濾波，非線性空域濾波包括中值濾波，自適應(yīng)維納濾波，順序統(tǒng)計濾波。頻域濾波包括低通濾波，高通濾波，帶通濾波，同態(tài)濾波和小波去噪。2.2.3小波去噪在圖像去噪領(lǐng)域，小波變換以其自身良好的時頻局部化特征，開辟了用非線性

26、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：基于小波變換模極大值原理；基于小波變換系數(shù)相關(guān)性；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)圖像與噪聲在各個尺度上的小波系數(shù)具有不同特征的特點，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，直接保存下來硬閾值法或?qū)⑵溥M(jìn)展收縮軟閾值法，對得到的估計小波系數(shù)進(jìn)展小波重構(gòu)就可以重建原始圖像。其步驟可分為三步：去噪圖像小波逆變換估計小波系數(shù)閾值量化小波分解系數(shù)小波變換輸入圖 像 圖一：小波去噪過程利用小波變

27、換在去除噪聲時，可提取并保存對視覺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。2.2.4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。2.3邊緣檢測 對于灰度圖像可以通過形態(tài)學(xué)的膨脹和腐蝕來獲取圖像的邊界其方法的優(yōu)點是對邊緣的方向的依賴性比擬小，缺點是邊界信息不清晰；對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。

28、比擬有名的微分濾波器算子包括Sobel算子、Prewitt算子和Roberts算子等等。在邊緣檢測中，常用的一種模板是Sobel算子。對于復(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，對邊界信息保存的較為完整，因此效果更好。2.4基于形態(tài)學(xué)的腐蝕與重構(gòu)2.4.1對象標(biāo)記直接利用微分算子處理過的圖像進(jìn)展分水嶺算法往往得不到正確的結(jié)果，因為結(jié)果中一般都會存在分割過度的情況。因此通常需要圖像進(jìn)展一系列的處理包括前景對象標(biāo)記和背景對象標(biāo)記，這樣才可以有比擬好的效果。本文使用形態(tài)學(xué)的方法來清理圖像。膨脹與腐蝕膨脹和腐蝕是圖像形態(tài)

29、學(xué)的根本操作。圖像形態(tài)學(xué)的很多操作都是以膨脹和腐蝕為根底推導(dǎo)的算法。膨脹是將與物體接觸的所有背景點合并到該物體上，使邊界向外部擴(kuò)，通過膨脹可以填充圖像中的小孔及在圖像邊緣處的小凹陷局部。腐蝕是一種消除邊界點。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容是構(gòu)造元素。MATLAB 圖像處理工具箱中的strel函數(shù)可以生成任意維數(shù)和形狀的構(gòu)造元素。Strel 函數(shù)支持生成一般的形狀，例如線型、菱形、圓盤、球形、矩形等構(gòu)造元素。對圖像進(jìn)展膨脹可以使用MATLAB圖像處理工具箱中的Imdilate函數(shù)，用Imerode函數(shù)來對圖像進(jìn)展腐蝕，Imerode函數(shù)與Imdilate函數(shù)的用法

30、類似。在對圖像進(jìn)展處理時一般是將膨脹和腐蝕結(jié)合起來用。2.4.3形態(tài)學(xué)開運(yùn)算和閉運(yùn)算 形態(tài)學(xué)的開運(yùn)算就是對一幅圖像先進(jìn)展膨脹操作，然后再進(jìn)展腐蝕的操作。而閉運(yùn)算恰恰相反，閉運(yùn)算是先對一幅圖像進(jìn)展腐蝕，然后再對圖像進(jìn)展膨脹操作。2.4.4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標(biāo)記圖像進(jìn)展重復(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)記圖像的極值點被展開，即膨脹2。形態(tài)學(xué)的重建是以膨脹運(yùn)算為根底的，需要指出的是它有下面的特性：重建的作用對象是兩幅圖，一幅是標(biāo)記圖像，一副是掩膜圖像；重建基于連通性，而不是構(gòu)造元素；重建直到圖像不再變化的時候停頓。2.5分水嶺圖像分割算法分水嶺算法

31、是一種已經(jīng)開展起來的數(shù)學(xué)形態(tài)學(xué)圖像分割方法。這種方法具有計算速度較快、處理結(jié)果圖像封閉、定位準(zhǔn)確等優(yōu)良特點，因此被廣泛應(yīng)用于圖像分割。但分水嶺算法也有缺點，比方它對對微弱邊緣也有響應(yīng)，因此常常會出現(xiàn)過渡分割的現(xiàn)象；比方其思想雖然簡單，但是設(shè)計方法比擬困難，算法的速度較慢，因此圖像處理時耗時較長。3橙子識別算法設(shè)計3.1算法流程圖圖3-1球狀水果識別算法流程圖3.2算法設(shè)計3.2.1圖像預(yù)處理首先，載入一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灰度圖。分別對兩灰度圖做小波去噪與中值濾波處理，得到兩經(jīng)過圖像預(yù)處理操作后的圖像。3.2.2特征提取經(jīng)過圖像預(yù)處理操作后，

32、由于一般灰度圖保存較多圖形邊緣細(xì)節(jié)，故算法應(yīng)該從一般灰度圖入手對其進(jìn)展目標(biāo)對象的邊緣提取工作。接著將提取到的邊緣與經(jīng)過預(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。最后通過基于形態(tài)學(xué)的腐蝕膨脹操作與圖像重建計算將粘連的圖像進(jìn)一步別離，提取出圖像分割所需的目標(biāo)區(qū)域特征。3.2.3圖像分割本文利用分水嶺算法對圖像進(jìn)展分割，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，所以我們需要對這些干擾因素進(jìn)展清理。最后，應(yīng)用分水嶺算法得出分割結(jié)果與計數(shù)結(jié)果。4橙子識別算法MATLAB實現(xiàn)4.1灰度化首先，初始化MATLAB程序。clc; clear

33、 all; close all;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I1。I1=im2double(rgb); 對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; 對彩色圖像進(jìn)展選擇性灰度化處理。首先將rgb中的RGB分量通過簡單賦值語句分別存入r、g、b三個變量。r = double(rgb(:,:,1);g = double(rgb(:,:,2);b = double(rg

34、b(:,:,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)計獲得彩色圖像R分量的映射值o_r(i,j);for i = 1:size(r, 1)for j = 1:size(r, 2)if r(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G、B分量的映射值o_g(i,j)、o_b(i,j)。最后混合RGB三個映射值并存入I5，I5即是選擇性灰度化圖像。for i = 1:size(rgb

35、, 1)for j = 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 圖4-1 圖像提取分量比照 由圖4-1中紅綠藍(lán)三種分量的提取結(jié)果可以看出針對橙子所表現(xiàn)出來的綠色與藍(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比照圖由圖4-2可以看出，對原圖做選擇性灰度化處理可以有效地突出檢測主體。4.2圖像預(yù)處理圖像預(yù)處理主要工作是按需要對圖像進(jìn)展適當(dāng)?shù)淖儞Q來突出*些有用的信息，去除或削弱無用的信息。本文結(jié)合了小波去噪

36、與中值濾波的特點，去噪的同時又可以盡量保存細(xì)節(jié)。對一般灰度圖像I2進(jìn)展小波去噪和中值濾波thr,sorh,keepapp=ddencmp(den,wv,I2);I3=wdencmp(gbl,I2,sym4,2,thr,sorh,keepapp); I4=medfilt2(I3,5 5);圖4-3 一般灰度圖降噪濾波前后用同樣方法對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邊緣識別與增強(qiáng)通過以上兩個步驟，我們獲得了都經(jīng)過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的過程中邊緣有所損失，需要增強(qiáng)邊緣以便于后面的圖像分割能夠準(zhǔn)

37、確完成。但是實驗中發(fā)現(xiàn)，相比于選擇性灰度圖像，一般灰度圖像保存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實現(xiàn)選擇性灰度圖的邊緣增強(qiáng)。 MATLAB實現(xiàn)方法如下：hy = fspecial(sobel);h* = hy;Iy = imfilter(double(I4), hy, replicate);I* = imfilter(double(I4), h*, replicate);I9 = -sqrt(I*.2 + Iy.2);圖4-5 sobel算子邊緣提取結(jié)果最后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=ima

38、dd(I8,I9);圖4-6圖像邊緣增強(qiáng)效果4.4基于形態(tài)學(xué)的圖像重建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)算可以除去比構(gòu)造元素小的特定圖像細(xì)節(jié)，同時保證不產(chǎn)生全局幾何失真。開運(yùn)算可以把比構(gòu)造元素小的突刺濾掉，切斷細(xì)長搭接而起到別離作用；閉運(yùn)算可以把比構(gòu)造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)展形態(tài)學(xué)重建。se = strel(disk, 15);Io = imopen(I, se);Ie = imerode(I, se); Iobr = imreconstruct(Ie, I)

39、;Ioc = imclose(Io, se); Iobrd = imdilate(Iobr, se); Iobrcbr = imreconstruct(implement(Iobrd), implement(Iobr);Iobrcbr = implement(Iobrcr);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，開閉操作前后比照參考圖4-7，通過比擬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

40、污點同時不影響對象全局形狀的應(yīng)用下，基于重建的開閉操作要比標(biāo)準(zhǔn)的開閉操作更加有效。計算基于重建的開閉操作的局部極大來得到更好的前景標(biāo)記。4.5基于分水嶺的圖像分割4.5.1前景對象背景對象標(biāo)記有多種方法可以應(yīng)用在這里來獲得前景標(biāo)記，這些標(biāo)記必須是前景對象部的連接斑點像素。這些操作將會在每個對象部創(chuàng)立單位極大值，使得可以使用imregionalma*來定位，圖4-13所示。fgm = imregionalma*(Iobrcbr); subplot(1, 3, 1); imshow(I,); title(疊加后的圖像);subplot(1, 3, 2); imshow(Iobrcbr,); tit

41、le(基于重建的開閉操作);subplot(1, 3, 3); imshow(fgm,); title(前景標(biāo)記圖像);圖4-8前景背景對象標(biāo)記4.5.2閉塞處和陰影對象優(yōu)化觀察圖4-8注意到大多閉塞處和陰影對象沒有被標(biāo)記，這就意味著這些對象在結(jié)果中將不會得到合理的分割。而且，一些對象的前景標(biāo)記會一直到對象的邊緣。這就意味著應(yīng)該清理標(biāo)記斑點的邊緣，然后收縮它們?？梢酝ㄟ^閉函數(shù)imclose和腐蝕函數(shù)imerode來完成，如圖4-14所示。se2 = strel(ones(4,4); fgm2 = imclose(fgm, se2);fgm3 = imerode(fgm2, se2);figur

42、e;subplot(1, 3, 1); 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); 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過程將會留下一些偏離的孤立像素，應(yīng)該移除它們。可以使用bwareaopen，用來移除少于特定像素個數(shù)的斑點。fgm5= 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imf

43、ill命令實現(xiàn)。fgm4=imfill(fgm3,holes);fgm5= bwareaopen(fgm4, 500；figure;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象邊緣。通過計算骨架影響圍來細(xì)化背景，或者fgm5的前景。這個可以通過

44、計算fgm5的距離變換的分水嶺變換來實現(xiàn)，然后尋找結(jié)果的分水嶺脊線DL=0。D = bwdist(fgm5)計算二值圖像fgm5的歐幾里得矩陣。對fgm5的每一個像素，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);

45、 title(分水嶺變換示意圖); subplot(1, 3, 3); imshow(bgm); title(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ma*函數(shù)直接計算出圖中分割區(qū)域數(shù)即圖中橙子的個數(shù)，算法完成。Num=ma*(ma*(DL);圖4-12計數(shù)結(jié)果圖4-12顯示，算法返回Num數(shù)值為7，與實際相符，算法實現(xiàn)。5總結(jié)這就是基于MATLAB的橙子圖像識別的算法全過程，圖像經(jīng)過選擇性的灰度提取，邊緣檢測，降噪和濾波等預(yù)處理，通過基于形態(tài)學(xué)的圖像開閉與重建操作實現(xiàn)了圖像中每個水果個體的最大別離為之后的前景背景對象的標(biāo)記起到鋪墊，最后通過分水嶺圖像分割算法得到最優(yōu)

46、的圖形分割最終完成了圖像中水果個數(shù)的統(tǒng)計。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平臺所提供的函數(shù)的便捷性和可擴(kuò)展性，對于大局部球狀水果都可以通過修改灰度化特征提取的特征參數(shù)來鎖定所要分析水果的顏色特征，通過修改該小波去噪和中值濾波的參數(shù)來優(yōu)化特定硬件環(huán)境下的圖像預(yù)處理算法，通過修改基于形態(tài)學(xué)的圖像開閉操作的se參數(shù)來實現(xiàn)對不同大小和不同形狀特征的水果的個體別離。但是由于該算法設(shè)計時間有限，因此有許多考慮不周的地方。本課題方法可以擴(kuò)展圖像識別的應(yīng)用領(lǐng)域，并且為水果識別提供一個可靠的輔助，省去繁瑣的人工采樣和識別，提高勞動效率。將來通過算法的優(yōu)化和改良，提高精度獲取更多

47、的水果信息，能夠更好的滿足水果流通的需求。致本畢業(yè)設(shè)計的研究及學(xué)位論文的撰寫都是在鄒修國教師的悉心指導(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)，深深地感染和鼓勵著我。在整個畢業(yè)設(shè)計工作中，鄒修國教師始終給予我細(xì)心的指導(dǎo)和不懈的支持，對我的畢業(yè)設(shè)計幫助頗多。他寬以待人的高尚品格，為我樹立了學(xué)習(xí)的典范，并將使我受益終生。鄒修國教師不僅在學(xué)業(yè)上給我以耐心指導(dǎo)，同時還在思想、生活上給我以無微不至的關(guān)心。在此，謹(jǐn)向鄒修國教師致以最崇高的敬意和最誠摯的感。其次，非常感幫助過我的同學(xué)，當(dāng)我面對困難，經(jīng)歷坎坷的時候給予我無私的鼓勵和幫助，在此致以誠摯的意。最后，感學(xué)校提供良

48、好的學(xué)習(xí)平臺，感母校每一位教師對我四年學(xué)習(xí)、生活的支持和鼓勵，你們的教導(dǎo)。路慢慢其修遠(yuǎn)兮，吾將上下而求索。我愿在未來的學(xué)習(xí)和工作過程中，以更豐厚的成果來答曾經(jīng)關(guān)心、幫助和支持我的所有領(lǐng)導(dǎo)、教師、同學(xué)。參考文獻(xiàn)1應(yīng)義斌.水果尺寸和面積的機(jī)器視覺檢測方法研究J.大學(xué)學(xué)報，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J.職業(yè)技術(shù)學(xué)院學(xué)報，2001，(1)：23-25.3高華，王雅琴.基于計算機(jī)視覺的農(nóng)產(chǎn)品形狀分級研究J.計算機(jī)工程與應(yīng)用，2004，(14)：227-229.4斌，汪懋華.基于計算機(jī)視覺的水果大小檢測方法J.計算機(jī)工程與應(yīng)用，2003，(1)：73

49、-75.5葉昱程，應(yīng)義斌.水果品質(zhì)檢測與分級技術(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)的球形果實品質(zhì)檢測研究J.農(nóng)機(jī)化研究，2001，(3)：28-29.7靜，何東健.果實形狀的計算機(jī)識別方法研究J.農(nóng)業(yè)工程學(xué)報，2001，11(2)：165-167.8應(yīng)義斌，景寒松等.黃花梨果形的機(jī)器視覺識別方法研究J.農(nóng)業(yè)工程學(xué)報，1999，15(1)：192-196.9斌，汪懋華.基于顏色分形的水果計算機(jī)視覺分級技術(shù)J.農(nóng)業(yè)工程學(xué)報，2002，18(2)：141-144.10何東健，青等.果實外表顏色計算機(jī)視覺分級技術(shù)研究J.農(nóng)業(yè)工程學(xué)報，1998，14(3)：2

50、02-205.11慶中，漫等.基于遺傳神經(jīng)網(wǎng)絡(luò)的蘋果顏色實時分級方法J.中國圖像圖形學(xué)報，2000，5(9)：779-784.12黎萍，朱軍燕，燕德等.機(jī)器視覺在農(nóng)產(chǎn)品檢測與分級中的應(yīng)用與展望J.農(nóng)業(yè)大學(xué)學(xué)報，2005，27(5)：796-800.13應(yīng)義斌，饒秀勤，亦元等.機(jī)器視覺技術(shù)在農(nóng)產(chǎn)品品質(zhì)自動識別中的應(yīng)用J.農(nóng)業(yè)工程學(xué)報，2000，16(l)：103-108.14王巧華，文友先.農(nóng)產(chǎn)品分級處理新技術(shù)J.農(nóng)機(jī)化研究，2003，(l)：68-69.15黃秀玲，加強(qiáng)，茂程.水果分級支撐技術(shù)的研究進(jìn)展J林業(yè)大學(xué)學(xué)報，2007，31(2)：123-126.16高華，周林.計算機(jī)視覺及模式識別技

51、術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用田J.農(nóng)業(yè)大學(xué)學(xué)報，2003，34(4)：590-593.17阮勇，王永利，桑群芳.Matlab6.5輔助圖像處理M.：電子工業(yè)，2004.18兆林.Matlab6*圖像處理M.清華大學(xué)，2002.19章毓晉，羅惠韜.基于評價知識的圖像分割算法優(yōu)選系統(tǒng)J.高技術(shù)通訊，1998(4)：21-24.20章毓晉.圖像分割評價技術(shù)分類和比擬J.中國圖像圖形學(xué)報，1996，1(2)：151-158.21曉軍，苗長云，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.工程技術(shù)大學(xué)學(xué)報(自然科學(xué)版)，2000，19(4)：416-463.22鐵中，周天娟.草莓采摘機(jī)器人的研究：I基于BP神

52、經(jīng)網(wǎng)絡(luò)的草莓圖像分割J.中國農(nóng)業(yè)大學(xué)學(xué)報，2004，9(4)：65-68.23齊龍，馬旭，小超.基于網(wǎng)絡(luò)的植物病害彩色圖像的分割技術(shù)J.大學(xué)學(xué)報，2006，36(2)：126-139.24建軍，毛罕平，王新忠.不同生長狀態(tài)下多目標(biāo)番茄圖像的自動分割方法J.農(nóng)業(yè)工程學(xué)報，2006，22(10)：149-153.25雷英杰，善文，續(xù)武，等.MATLAB遺傳算法工具箱及應(yīng)用M.：電子科技大學(xué)，2005，62-105.26純.計算機(jī)圖像處理技術(shù)與算法M：清華大學(xué)，2003年.27徐飛等編著.MATLAB應(yīng)用圖像處理M.：電子科技大學(xué)，2004年.28霍宏濤等.數(shù)字圖像處理M.：理工大學(xué),2002年.2

53、9立南等編著.圖像處理與模式識別M.：科學(xué)，2007年30唐常青.數(shù)學(xué)形態(tài)學(xué)方法及其應(yīng)用.:科學(xué),199031羅玲，梅，等.基于多尺度形態(tài)濾波的分水嶺圖像分割方法J.計算機(jī)輔助與圖形學(xué)學(xué)報，2004，16(2)：168-173.32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(4)：455-459.33盧官明.區(qū)域生長型分水嶺算法及其在圖像序列分割中的應(yīng)用J.郵電學(xué)院學(xué)報(自然科學(xué)版)，2000，3(20)：51-54.附錄1.完整算法與注釋：clc; clear all; close all; %初始化rgb = imread(F:pi

54、cture4.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(:,:,1); %載入RGB分量g = double(rgb(:,:,2);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for i = 1:size(r, 1) %轉(zhuǎn)換R色彩for j = 1:size(r, 2)if

55、r(i,j) sro_r(i,j) = (-k * r(i,j)/sr)+255;elseo_r(i,j) = k *r(i,j)/(255-sr)+255;endendendfor i = 1:size(g, 1) %轉(zhuǎn)換G色彩for j = 1:size(g, 2)if r(i,j) sgo_g(i,j) = (-k * r(i,j)/sg)+255;elseo_g(i,j) = k *r(i,j)/(255-sg)+255;endendendfor i = 1:size(b, 1) %轉(zhuǎn)換B色彩for j = 1:size(b, 2)if r(i,j) sbo_b(i,j) = (-k

56、* r(i,j)/sb)+255;elseo_b(i,j) = k *r(i,j)/(255-sb)+255;endendendfor i = 1:size(rgb, 1) for j = 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); imshow(o_g,); title(綠色分量提取結(jié)果);subpl

57、ot(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(一般灰度圖);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) I3=wdencmp(gbl,

58、I2,sym4,2,thr,sorh,keepapp); %小波除噪 I4=medfilt2(I3,5 5); % 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I6格式為doublethr, sorh, keepapp=ddencmp(den,wv,I6); %設(shè)定除噪?yún)?shù) I7=wdencmp(gbl,I6,sym4,2,thr,sorh,keepapp); %小波除噪 I8=medfilt2(I7,5 5); % 中值濾波%=結(jié)果展示=figure;subplot(1, 2, 1); imshow(I5); title(選