基于matlab的水果分类模式识别系统的设计与实现.docx_基于matlab的水果识别分类资源-CSDN文库

5星 · 超过95%的资源需积分: 5 60 浏览量 2022-10-19 10:21:29 上传评论 1 收藏 40KB DOCX 举报

资源推荐

资源详情

资源评论

基于 matlab 的水果分类模式识别系统的设计与实现

1．1 基于 matlab 的水果分类系统的主要研究内容

（1）工作的主要描述

本此设计针对多种常见水果混合的图像，利用 Matlab 软件，对水果的识别

进行研究。根据水果和背景的差别选取阈值，对去噪增强对比度后的图像进行二

值化处理。再对图像进行边缘检测，选定连通区域，标记后再对不同种水果的颜

色，形状，大小等特征进行快速识别水果，从而实现对水果的正确分拣。

（2）系统流程图

1．2 题目研究的工作基础或实验条件

（1）硬件环境

（2）软件环境

开发工具：m 语言

开发环境：matlab

1．3 数据集描述

数据集为 300 张常见水果混合的图像，像素均为 1024*1024，共有 6 种不同

的种类，分别为苹果、梨子、香蕉、桃子、菠萝和西瓜。

1．4 特征提取过程描述

（1）图像二值化处理：

首先将图像转化为灰度图像：在 matlab 中的函数名为 rgb2gray（），其格式

为：I=rgb2gray(i) 。即将真彩色图像 i 转化为灰度图像 I。然后再将灰度图像二

值化：在 matlab 中的函数名为 im2bw（）。其格式为：I=im2bw（i，level）式

中 level 为阈值，取值从 0 到 1。本设计考虑到图片背景颜色为白色，亮度较大，

因此选取 level=0.9 来实现二值化。

（2）图像分割：

在进行图像分割前需要对图像进行开运算和腐蚀运算，这一步骤是用来去除

噪声和平滑边界。开运算用来对灰度图像进行形态学开运算，即使用同样的结构

元素对图像先进行腐蚀操作后进行膨胀操作。其调用格式为：I=imopen(i,SE);开

运算可以消除图像上细小的噪声，并平滑物体边界。腐蚀运算用来消除物体边界

点，是目标缩小，可以消除小于结构元素的噪声点。膨胀的作用是将与物体接触

的所有背景点合并到物体中，是目标增大，可填补目标中的空洞。其调用格式为：

I=imerode（i，SE）；

最后提取图像种水果的边界用于标记各个区域。其调用格式为：I=bwmorph（i，

‘remove’）;bwmorph 函数是对图像进行指定的形态学操作。‘remove’即代

表如果一个像素点的 4 邻域都为 1，则该像素点将被置 0，该选项将导致边界像

素上的 1 被保留下来。

（3）获得连通区域的属性

为了获得图像的基本特征，以判断图形的大致形状。使用了 Matlab 图像处

理工具箱中的图像分析函数：regionprops ，这个函数是用来度量图像区域属性

的，其语法为：STATS =regionprops(L,properties)。此函数用来获取每个水果的

中心位置，及其外接椭圆的长，短轴长度。中心位置用来计算水果的颜色特征值

及最终显示水果名称。外接椭圆的长，短轴长度用来计算水果的似圆性特征，以

判断其大致形状。

（4）获取特征并判别函数

根据水果在图像中表现出来的特点，从面积特征，似圆性特征，颜色（rgb

值和 hsv 值）特征对图像中的桃子、苹果、香蕉、西瓜、菠萝、梨子等进行特征

提取，最后按照筛选出来的特征对水果进行分类识别。

1、颜色特征:使用两种计量方式来测得水果的颜色值。

RGB 颜色模式：对于彩色图像，可分解为 RGB 三幅单色图像。每一副图像

中的像素分布情况都代表了改颜色的程度信息。根据常识可知上述 6 种水果中苹

果和桃子的红色含量要比其他水果丰富的多，西瓜的红色含量最小。

HSV 颜色模式：模型中颜色的参数分别是：色彩（H），纯度（S），明

度（V）。HSV 模型的三维表示从 RGB 立方体演化而来。设想从 RGB 沿

立方体对角线的白色顶点向黑色顶点观察，就可以看到立方体的六边形外

形。六边形边界表示色彩，水平轴表示纯度，明度沿垂直轴测量。

H 参数表示色彩信息，即所处的光谱颜色的位置。该参数用一角度量来

表示，红、绿、蓝分别相隔 120 度。互补色分别相差 180 度。

S 纯度为一比例值，范围从 0 到 1，它表示成所选颜色的纯度和该颜色

最大的纯度之间的比率。S=0 时，只有灰度。

　　V 表示色彩的明亮程度，范围从 0 到 1。有一点要注意：它和光强度之

间并没有直接的联系。

2.似圆性特征

似圆性是在计算出每块连通区域的外接椭圆的短轴长度和长轴长度，来测量

水果形状的似圆性。我们用长轴长度除以短轴长度得到一个比例。这个值与 1 越

接近，说明水果与圆越相似。同理，该值越比 1 大，说明水果越不像圆。根据常

识可知，上述 6 个水果中西瓜，苹果，桃子似圆性很高，而香蕉，菠萝似圆性最

低。

3.面积特征

经过标签化的不同区域的面积，可以用该区域像素数量来计算。对整幅图像

进行扫描，计算所有连通区域的面积。

1．5 分类过程描述

对于梨子：梨子的 HSV 值是最小的，且因为梨子有柄的关系，梨子的似圆

剩余10页未读，继续阅读

评论收藏

内容反馈

光与火花

2023-07-29

这篇文件对于那些对水果分类模式识别系统感兴趣的读者来说，是一份值得借鉴和思考的优秀材料，内容的可读性非常好。（40字）
洪蛋蛋

2023-07-29

文件中涵盖的内容十分全面，无论是对应用领域的背景介绍还是对算法实现的分析，都非常具体，为读者提供了宝贵的参考资料。（43字）
kdbshi

2023-07-29

作者在文件中不仅仅展示了系统设计的优点，还真实地反映了系统中的一些挑战与问题，这种实事求是的态度值得称赞。（42字）
那你干哈

2023-07-29

这个文件通过简洁明了的语言，清晰地介绍了基于matlab的水果分类模式识别系统的设计与实现，让读者能够轻松理解其中的关键步骤。（34字）
王向庄

2023-07-29

文件中详细论述了水果分类模式识别系统的实用价值，使人们对该系统产生了浓厚的兴趣，并引领着相关领域的发展。（31字）