用于苹果分级的matlab,苹果的特征检测与MATLAB实现

0引言近年来,国外在利用计算机视觉技术进行水果品质检测方面做了大量研究,并获得了许多重要成果;在我国也有许多研究报导,但到目前为止都处于试验阶段,而且分析方法距实际应用还有一段距离。特别是在缺陷检测方面,目前采用的方法处理速度很慢,在实际在线工作时无法使用。国外学者(ChengX等)在识别缺陷时获得成功,但需要同时使用近红外和中红外摄像设备,这2种设备造价之昂贵,使得该方法的应用受到限制,无法在农业分级设备中广泛应用。因此,研究适合于生产的分级检测方法有重要意义。1大小检测对于苹果大小的检测,主要依靠求出的苹果面积作为判别依据。本课题所采用的苹果图片都只是单个苹果的图片。首先对图片进行灰度处理,使用的MATLAB函数是rgb2gray;其次使用函数im2bw把灰度图转换为二值图,阈值则取0.9,从而使苹果区域为黑色,其余区域为白色;然后对二值图取反,使黑白颜色区域颠倒,这时的苹果区域为白色;最后利用函数bwarea可以计算白色区域的像素点的个数total。利用to-tal与整幅图片的像素值(x*y)之比,再与图片的面积相乘,便可得出苹果相对图片的面积.利用这个面积我们可以进行筛选.程序流程:读入图像灰度化图像二值化图像计算面积I=imread('图片名.jpg');I2=rgb2gray(I);BW=im2bw(I2,0.9);total=bwarea(BW)figure,subplot(1,3,1),imshow(I);subplot(1,3,2),imshow(I2);subplot(1,3,3),imshow(BW);如图1所示:a原始图片b灰度图片c二值图片图1求苹果面积过程中的图像变换2缺陷检测对于苹果表面的缺陷(如疤瘌、黑斑等),本课题采用特征提取,即提取出坏损部位的轮廓,再进行填充求其面积,以其面积在图片中的比例作为判别依据。首先,对采集的原始图片(即彩色图片)进行灰度变换;接着用函数imadjust来调整灰度;对灰度图片进行一次中值滤波后,再对图片进行边缘检测;这时坏损的轮廓已经出现,但还有一些噪声存在,为滤掉噪声,要先对坏损的轮廓填充,采用BWfill=imfill(BW,'holes')语句,使缺陷部位的像素点为白色;其次是经过滤波,把噪声滤掉求缺陷的像素个数a,与图片总的像素个数(x*y)的比b就是我们判断的依据,本程序设b=0。程序流程:读入图像灰度化图像直方图调整中值滤波边缘检测缺陷判定I=imread('图片名.jpg');I2=rgb2gray(I);J=imadjust(I2,[0.10.3],[]);B=medfilt2(J);BW=edge(B,'sobel',0.1);BWfill=imfill(BW,'holes');BWfilt=medfilt2(BWfill);BWfilt2=medfilt2(BWfilt);BWfilt3=medfilt2(BWfilt2);BWfilt4=medfilt2(BWfilt3);BWfilt5=medfilt2(BWfilt4);figure,subplot(1,3,1),imshow(I);subplot(1,3,2),imshow(I2);subplot(1,3,3),imshow(J);figure,subplot(1,3,1),imshow(BW);subplot(1,3,2),imshow(BWfill);subplot(1,3,3),imshow(BWfilt5);a=bwarea(BWfilt5);[x,y]=size(I);b=a/(x*y);if(b>