圖片中谷物顆粒計數(shù)的研究

圖片中谷物顆粒計數(shù)的研究

專業(yè)：控制科學(xué)與工程學(xué)號姓名指導(dǎo)老師1.課題研究的意義3.系統(tǒng)的構(gòu)成及工作原理4.系統(tǒng)仿真I一

目錄2.課題研究的主要內(nèi)容5.結(jié)論谷物作為主要糧食和飼料作物,在農(nóng)業(yè)生產(chǎn)中占有重要地位.提高谷物產(chǎn)量和質(zhì)量的方法是選育出優(yōu)質(zhì)品種,而在選育品種過程中,對種子的計數(shù)是必不可少的內(nèi)容。圖像技術(shù)的加入解決單純依靠人工進(jìn)行顆粒的統(tǒng)計分析存在的操作費(fèi)時、復(fù)雜和精度不高等缺陷，而且重要的是用計算機(jī)可對顆粒圖像作各種處理，既加快了分析處理的速度，又可以突出人們需要的信息。很多人工直接觀察不到的重要信息，通過計算機(jī)圖像處理分析之后能夠很清楚地看到：還可對顆粒圖像作測量和統(tǒng)計分析等，大大擴(kuò)展了人眼能看到接收到的信息量。并為谷物粒群的識別,精選,分級等的進(jìn)一步研究打下了良好的基礎(chǔ)。1.課題研究的意義

因?yàn)轭w粒圖像分析研究的特殊性和復(fù)雜性，還有大量的問題需要解決。各種以圖像方法為基礎(chǔ)的顆粒檢測系統(tǒng)實(shí)際工作時會受大量其他因素影響，如光照條件、成像方向的變化，圖像采集設(shè)備的光電特性產(chǎn)生噪聲等，使得問題變得比較復(fù)雜。因此，在本次的設(shè)計中我對上面一部分問題進(jìn)行了研究處理。使能夠達(dá)到我所需要的實(shí)驗(yàn)的效果。2.課題研究的主要內(nèi)容能夠3.系統(tǒng)的構(gòu)成及工作原理我們在對圖像中的谷物顆粒進(jìn)行計數(shù)識別之前需要對圖片進(jìn)行一系列的處理，主要目的是為了得到更加清晰的圖片，使實(shí)驗(yàn)的結(jié)果更加具有可靠性，說服力與精確性。因此，在本次的設(shè)計中我對所選用的圖片進(jìn)行了以下處理：（1）對彩色圖像進(jìn)行灰度處理；（2）中值濾波（提高圖像清晰度和質(zhì)量）；（3）圖像二值化及閾值處理（提取所需要的目標(biāo)特征）；（4）邊緣檢測“canny”算子；（5）圖像的膨脹與填充；（6）識別計數(shù)結(jié)果（使用bwlabel函數(shù)進(jìn)行自動識別）。gr系統(tǒng)工作原理流程圖開始讀入matlab圖片是否為灰度圖片?中值濾波灰度化YN圖像二值化識別計數(shù)結(jié)果邊緣檢測膨脹與填充結(jié)束3.系統(tǒng)的構(gòu)成及工作原理在本次設(shè)計中我對兩幅圖片進(jìn)行了實(shí)驗(yàn)，通過這兩幅圖片的仿真效果可以看出本次編程的代碼對哪些圖片處理效果更好，哪些圖片處理效果不佳。下面是兩幅原圖像。4.系統(tǒng)仿真圖1圖24.系統(tǒng)仿真從圖片中可以看出，圖1這幅圖片進(jìn)行灰度化處理后背景和目標(biāo)物的灰度值是分開的，這對后面的圖像分割處理帶來了很大的方便。4.系統(tǒng)仿真下圖是對圖2進(jìn)行灰度化處理后的圖片及其直方圖，可以很明顯的看出左圖有一部分目標(biāo)物與背景灰度值很相近，從右圖直方圖可以看出這部分的灰度值與背景值相連接這不利于后續(xù)對圖像的處理。4.系統(tǒng)仿真本設(shè)計使用的是自適應(yīng)灰度梯度圖像分割的方法對圖像進(jìn)行分割。下圖分別是圖1,2使用自動檢測出來的閾值點(diǎn)進(jìn)行的分割效果，由圖可以看出，對于右圖來說使用自動檢測出來的閾值點(diǎn)進(jìn)行分割效果并不好。為了能夠使圖2獲得更好的分割效果，需要對分割的閾值點(diǎn)進(jìn)行相應(yīng)的調(diào)整。通過語句level=graythresh(Ft)得出來的level的值是0.6157，通過給定的這個閾值想要獲得更好的分割效果，需要進(jìn)行多次試驗(yàn)的方法評估level的值增加或減小對圖像的影響，通過實(shí)驗(yàn)最后得出的最適合的閾值為level=0.92.圖像效果圖如下。4.系統(tǒng)仿真4.系統(tǒng)仿真下圖是對圖1進(jìn)行的一系列處理及識別結(jié)果4.系統(tǒng)仿真下圖是對圖2進(jìn)行的處理及其識別結(jié)果從上面的仿真分析及我的多次實(shí)驗(yàn)結(jié)果的分析可以得出以下結(jié)論：（1）目標(biāo)物與背景信息的灰度值區(qū)別較大時識別的效果較好，反之較不好。（2）對于不同的圖片使用自適應(yīng)閾值方法所找到的閾值點(diǎn)并不一定是最適合分割的點(diǎn)，對于有些圖片來說還必須根據(jù)檢測出來的閾值點(diǎn)加或減一常數(shù)進(jìn)行多次試驗(yàn)才能找到最佳的分