苹果的特征检测与MATLAB实现.doc

苹果的特征检测与MATLAB实现 摘 要 ?本文选取了可用于苹果分级的部分特征，并在Matlab上进行试验检测。该方法可以对苹果的外部缺陷、果梗、尺寸和形状进行全面的检测，在此基础上可对苹果进行高速和精确的分级。 关键词? 分级 ；? 缺陷 ；? 果梗 ? 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total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. 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。 I=imread(图片名.jpg)； I2=rgb2gray(I)； J=imadjust(I2,[0.1 0.3],[])； 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 (b0) ??? fprintf(有缺陷)； else ??? fprintf(无缺陷)； end? ?a原始图片???? b灰度图片??? c灰度变换 d边缘检测?????? e轮廓填充????? f滤波 ?? 图2检测苹果表面坏损过程中的图像变换?????? 3果梗检测 对苹果梗的检测，主要是通过对苹果的轮廓线矩阵求差分实现的。利用图像处理技术对苹果的彩色图片进行灰度转换，经滤波后再边缘检测，提取出苹果的轮廓线，利用imcontour函数可以得出轮廓线的矩阵，再用diff函数对矩阵进行差分，把这些差分值累加,于是得到一个sum值。这个值就是我们判断果梗有无的依据。当有果梗时sum会在0到-5.0000e5(估测值)之间，而无果梗的sum值是正值，本程序大概定于8000以上。 I=imread(图片名.jpg)； I2=rgb2gray(I)