matlab 图像检测,基于matlab图像识别的基本操作方法（以番茄识别为例）

原图

4.1番茄图像的识别(插图非常困难，只插入少量图片)

在番茄图像识别处理的过程中，第一步就是番茄图像的前期处理。番茄图像前期处理的主要作用是突出所需要的部分，消除掉不需要的信息，提取感兴趣的区域。番茄图像的前期处理效果决定了番茄的识别效果，所以番茄图像的前期处理是非常关键的步骤。本章将会从番茄图像采集分类、空间滤波、彩色模型的选择、番茄图像分割和形态学处理方法对其进行介绍。

4.1.1番茄图像空间滤波

由于拍摄的番茄图像中往往会存在噪声，数字番茄图像就不能反映真实的场景。根据番茄图像获取的方法不同，有多种引入噪声的方法，本文引入噪声的方法主要是获取番茄图像数据的设备和番茄图像数据的传输。因此，为了获得真实的场景效果，须先对番茄图像进行滤波处理。番茄图像平滑滤波是一种可以减少和抑制噪声的数字番茄图像处理技术，在空间域中一般可以采用邻域平均来达到平滑的目的，平滑的方式也是多种多样的，包括平均模板平滑、高斯平滑等等[43]。通过对番茄平均模板平滑滤波、高斯平滑滤波、中值滤波效果对比，选择综合性能最佳的滤波方式。

为了使效果更为明显，对原图像增加盐椒噪声，采用不同的滤波方式进行滤波。通过图片的处理效果不难看出，中值滤波效果最优，不仅将盐椒噪声完全去除，而且图像也最为清晰；5×5，σ=0.8高斯滤波较好，基本去除盐椒噪声，但图像变得稍有模糊；5*5平均模板滤波，虽然将盐椒