大作業(yè)數(shù)字圖像處理

計算機科學與通信工程學院課程報告課程實驗題目學生姓名學號專業(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)果徑和果面缺陷實現(xiàn)水果的等級劃分。從而提高生產(chǎn)方的工作效率。進而降低水果的生產(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。在勞動本錢越發(fā)提升的今天顯然這是十分落后的。即便應用了計算機作為輔助道具，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。同樣這也能讓消費者從中獲利。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。因此，利用計算機圖像處理的技術(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.功能分析及設計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、寬像素值進行比擬，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+(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、實際長寬等數(shù)值已預先設定并保持不變，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)對受檢蘋果進行灰度化，并用imadjust函數(shù)調(diào)整灰度圖像的強度值。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);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，以及照片實際尺寸，進而確定病斑實際面積。4.實驗結(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際面積。5.總結(jié)與體會6.參考文獻[1]張宏編著.圖像處理與分析.北京:機械工業(yè)出版社.2023.[2]楊高波,杜青松編著.MATLAB圖像/視頻處理應用及實