大作业数字图像处理

计算机科学与通信工程学院

课程报告

课

程

实验题目 学生姓名 学

号

专业班级

摘 要 在生产生活中可以利用matlab函数将苹果从纷杂的大量水果中分离出来，也可根据果

径和果面缺陷实现水果的等级划分。从而提高生产方的工作效率。进而降低水果的生产成本迎合市场需求。

1. 引言

近年来，随着人们生活水平的提高，人们对于水果的品质要求也不断提高。实行水果的分级销售似乎成为当前市场的一个趋势。在传统的水果等级评判主要依靠人工操作。但我们也知道，人对图像的感知是十分主观的。因此每个人的评价指标不同，而且人工的费用较高。在劳动成本越发提升的今天显然这是十分落后的。

即便应用了计算机作为辅助道具，使用基于matlab的识别与检测仍旧是其中成本较为低廉的一种。对于果农等生产方来讲这就显得尤为重要。同样这也能让消费者从中获利。显然这是一种很好的方式， 但实际操作起来仍旧有很大的难度。

因此，利用计算机图像处理的技术研究客观、方便、高效并且便宜的水果品质检测方法越来越受到人们的重视。

2. 基本知识

需要掌握图像的分割技术和图像的识别技术，并利用相应的函数将所需要显示的部位从背景中提取出来。我们日常所获得的便是RGB彩色图像。在处理过程中基本思路都是首先将图像处理为灰度图像，接下来处理为二值图像。进而利用其它函数处理。 2.1 RGB图像

RGB图像被用来表示彩色图像。与索引图像一样，它分别用红（R）、绿（G）、蓝（B）三原色的组合来表示每个像素的颜色。它的每一个像素的颜色值（由RGB三原色表示）直接存放在图像矩阵中，由于每一像素的颜色需由R、G、B三个分量来表示，M、N分别表示图像的行列数，三个M x N的二维矩阵分别表示各个像素的R、G、B三个颜色分量。RGB图像的数据类型一般为8位无符号整形，通常用于表示和存放真彩色图像，当然也可以存放灰度图像。

2.2 灰度图像

灰度图像矩阵元素的取值范围通常为[0，255]。因此其数据类型一般为8位无符号整数的（int8），这就是所谓256灰度图像。“0”表示纯黑色，“255”表示纯白色，中间的数字从小到大表示由黑到白的过渡色。 2.3二值图像

二值图像的二维矩阵则是仅由0、1两个值构成。“0”代表黑色，“1”代白色。由于每一像素取值仅有0、1两种可能，所以计算机中二值图像的数据类型通常为1个二进制位。二值图像通常用于文字、线条图的扫描识别（OCR）和掩膜图像的存储。 2.4 图像分割

图像分割是数字图像处理中的关键技术之一。它将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。 2.5 图像描述

图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。 2.6 图像识别

图像识别属于模式识别的范畴，其主要内容是图像经过某些预处理后，进行图像分割和特征提取，从而进行判决分类。

3. 功能分析及设计

在本题中，苹果的形状与其它水果是不同的，因此可以利用这一特点将其从混杂的水果中寻找出来，也可以根据它的形状进而使用直径这一特性来描述它的大小。

苹果表面上的伤痕拥有与苹果本身不同的色泽，其形状虽然不规则但是也多为圆形。也可以根据类似的方式来进行设计。

首先可以考虑将苹果从各种水果中识别出来。 %读取原图，并处理成二值图像 I=imread('d:\\50.jpg'); I2=rgb2gray(I); BW=im2bw(I2,0.9); total=bwarea(~BW);

figure,subplot(1,3,1),imshow(I),title('原始图像'); subplot(1,3,2),imshow(I2),title('灰度图像'); subplot(1,3,3),imshow(BW),title('二值图像');

%进行边缘检测 得到了不连续的图形边界(采用sobel算子或区域增长) %得到各个图形的连续边界

SE=strel('rectangle',[40 30]); % 结构定义 J2=imopen(BW,SE); % 开启运算

figure,imshow(J2),title('对二值图像进行开运算后的结果图像'); SE=strel('square',5); % 定义3×3腐蚀结构元素 J=imerode(~J2,SE);

BW2=(~J2)-J; % 检测边缘

figure,imshow(BW2),title('3*3腐蚀运算后的图像边界轮廓'); %填充了已有的检测的连续形状边界 B = imfill(BW2,'holes'); B = bwmorph(B,'remove');

figure,imshow(B),title('提取出的边界图像');

%将不同的图形进行分别标记，num表示连接的图形对象的个数 [Label,num] = bwlabel(B,8);

%得到各个图像的边界像素的数组