matlab水果图片,基于matlab的水果识别的数字图像处理

基于matlab的水果识别的数字图像处理

图像处理(报告)题目： 基于 MATLAB 的水果识别的数字图像处理 指导教师： 职称： 教授 学生姓名： 学号：专 业： 院(系)： 完成时间： 2016 年 5 月 1 日 目录第一章 绪论 .1第二章 数字图像处理基础 .22.1 图像采集 .22.1.1 图像的采样 .22.1.2 图像的量化 .52.2 图像处理的编程基础 92.3 图像的基本操作 .92.3.1 图像读入方法 .92.3.2 图像显示方法 10第三章 图像特征提取与分类 103.1 总体设计思路 .103.2 图像预处理 .113.2.1 图像数据获取 113.2.2 图像二值化处理 123.2.3 图像边缘检测处理 153.3 图像特征参数计算 .173.4 结论 203.5 结束语 22参考文献 .231第一章 绪论随着计算机的普遍使用，人类已经进入了一个高速发展的信息化时代，图像处理技术也愈来愈成为科学技术领域中必不可少的手段。计算机图像处理及识别是计算机应用技术的一个重要方面，图像识别所提出的问题，是研究用计算机代替人们自动的去处理大量的物理信息，解决人类生理器官所不能识别的问题，从而部分代替人的脑力劳动。它属于模式识别的范畴，也可以把模式识别狭义的理解为图像识别。图像识别与图像处理的关系非常密切，互相交错，很难把它们截然分开。为了进行图像识别，首先要进行图像处理，而有时候处理和识别是同时进行的。一般来说，图像处理包括图像编码，图像增强，图像压缩，图像复原，图像分割等内容。对图像处理环节来说，输入是图像(通常是处理过的图像) ，输出是类别和图像的结构分析。在图像识别的特征提取过程中，常常也包括图像的分割。我国是世界蔬菜，水果的生产大国，总产量均居世界第一位。但由于品种结构不合理，产后商品化处理技术和设备落后，导致产品缺乏市场竞争力，出口数量少，价格低。在我国，水果分级分类基本上仍由人工完成。我国拥有世界最大的劳动力市场，人工拣选，分级果蔬产品是现代农副产品分类加工的主要方式。这种方式虽然成本低廉，但却违背了解放生产力的根本目标，同时也带来了诸多无法客服的缺点：劳动量大，生产率低。机械分拣具有短时，高效等特点。因此，研究和开发水果自动实时分类系统具有很重要的意义。通过研究这个课题不但可以加深对图像处理基本思想的理解和对其方法的掌握，还熟悉了图像处理中的精髓内容-------目标分类识别。本课题的研究具有分厂重要的经济和使用价值，应用前景十分广阔。因此，很有必要对本课题进行深入细致的研究。本课题以各种常见的水果识别为例，通过 MATLAB 编程，介绍了数字图像识别的一种基本方法，包括对图像的预处理以及特征提取，并根据不同水果的特征进行识别和分类，实现智能识别与处理的目的。22第二章 数字图像处理基础2.1 图像采集在进行图像处理之前，需要对图像进行采集，而图像经过采光设备采集后，得到的是连续的模拟信号，但计算机仅仅能够处理离散化的信息，因此，为了使图像能够在计算机里进行存储和处理，必须先将其进行数字化处理。由于大多数传感器的输出是连续电压波形，所以为了产生一副数字图像，需要把连续的感知数据转化为数字形式，就要进行相应的处理，其处理分为两个步骤进行，即采样和量化。采样就是将连续的图像空间的电压转换成离散采样集合的操作；量化就是图像函数值的数字化处理。2.1.1 图像的采样对于图像的采样可以采取不同的措施，这些采样措施包括垂直方向的采样，水平方向的采样，二维采样等。在实际应用时，要根据不同的需要选择适当的方式进行采样。例如，在 Vid-icon 真空管摄像机中，采用行扫描方式形成一行行的视频信号结构，如图 2-1 和 2-2 所示。在模拟信号送到采集卡后，要对其做垂直方向的采样，如图 2-3 所示，这就形成了矩形像元，称为 Pixel 点阵。CCD 摄像机由半导体光敏阵列组成，在使用 CCD 摄像机采样时，靶面直接对图像做点阵采样，将连续变化的二维图像投影到半导体光敏阵列，形成二维像元 Pixel，如图 2-3 所示。采样一般按等间距进行，称为均匀采样，如图 2-4 所示。均匀采样是从空间上连续变化的图像中，按一定的数据和间隔采集数据，将图像在空间上分割成规则排列的一系列离散数据点的过程。有时根据需要也可以采用非均匀采样，在变化比较剧烈，细节丰富的区域用较大的采样密度，在变化缓慢，细节较少3的平缓区或背景区用较稀的采样密度，这种采样被称为自适应采样方法，如图2-5图 2-14图 2-25图 2-3图 2-4