识别不同水果的Matlab代码

%1读取原图，并处理成二值图像 I=imread('水果分类实验图像.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'); %2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) %3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'); %3-2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 %4计算各个图形单元的周长 用连接像素点或数边界像素点个数的方法 numPoints数组表示各个图形边界的像素个数（即用个数来表示周长） %num = max(max(Label)); for i = 1 : num Premeter(i) = 0; end [row,col] = size(Label); for i = 1 : row for j = 1 : col if(Label(i,j) > 0) Premeter(Label(i,j)) = Premeter(Label(i,j)) + 1; %计算标记后的各块图形边界中像素的个数的总数 end end end %5计算各个图形单元的面积 FilledLabel = imfill(Label,'holes'); %填充打过标记的边界线中间围成的图形区域 figure,imshow(FilledLabel),title('打过标记后并已被填充的结果图像'); for i = 1 : num Area(i) = 0; end [row,col] = size(FilledLabel); for i = 1 : row for j = 1 : col if(FilledLabel(i,j) > 0) Area(FilledLabel(i,j)) = Area(FilledLabel(i,j)) + 1; %通过统计像素点个数的方式来求各形状的面积 end end end %6计算各个图形单元的圆度 for i = 1 : num Ecllipseratio(i) = 4*pi*Area(i)/Premeter(i)^2; end %7计算各个图像的颜色（色度） HSV = rgb2hsv(I); %转换为HSV，为后面的颜色元素的提取做准备 [row,col] = size(FilledLabel); %统计填充后的图形中各块图形所含像素的个数的多少 MeanHue = zeros(1,num); for i = 1 : num Hue = zeros(Area(i),1); nPoint = 0; for j = 1 : row for k = 1 : col if(FilledLabel(j,k) == i) nPoint = nPoint + 1; Hue(nPoint,1) = HSV(j,k,1); end end end Hue(:,i) = sort(Hue(:,1)); for j = floor(nPoint*0.1) : floor(nPoint*0.9) MeanHue(i) = MeanHue(i) + Hue(j,1); end MeanHue(i) = MeanHue(i) / (0.8*nPoint); %计算出平均的色度值 end %8识别桃 %8-1构建桃的分类器，在二维特征空间对各个图像进行类别区分 pitch=0; for i=1:num if(MeanHue(i)>0.5) %分类器识别桃的准则：判断各个图形中平均色度值大于0.5的为桃 pitch=i; end end %8-2对分出来的类别分别构建相应的图像掩膜，并用对原图的亮度图像进行掩膜操作 pitchHSV=HSV; [row,col] = size(FilledLabel); %统计填充后的图形中各块图形所含像素的个数的多少 %MeanHue = zeros(1,num); for j = 1 : row for k = 1 : col if(FilledLabel(j,k) ~=pitch) %pitchHSV(j,k,2)=0; pitchHSV(j,k,3)=0; end end end %8-3变换生成最终的结果图像，图像中显示的结果即对应分类器中指定的类别 pitchmatrix = hsv2rgb(pitchHSV); %转换为RGB彩图，彩图中已经滤去了其余水果，只剩下桃 figure,imshow(pitchmatrix),title('水果类别一：桃子'); %9识别菠萝 %9-1构建菠萝的分类器，在二维特征空间对各个图像进行类别区分 pineapple=1; mazarea=Area(1); for i=1:num if(mazarea<Area(i)) %分类器识别桃的准则：判断各个图形中面积最大的为菠萝 mazarea=Area(i); pineapple=i; end end %9-2对分出来的类别分别构建相应的图像掩膜，并用对原图的亮度图像进行掩膜操作 pineappleHSV=HSV; for j = 1 : row for k = 1 : col if(FilledLabel(j,k) ~=pineapple) %pitchHSV(j,k,2)=0; pineappleHSV(j,k,3)=0; end end end %9-3变换生成最终的结果图像，图像中显示的结果即对应分类器中指定的类别 pineapplematrix = hsv2rgb(pineappleHSV); %转换为RGB彩图，彩图中已经滤去了其余水果，只剩下菠萝 figure,imshow(pineapplematrix),title('水果类别二：菠萝'); %10识别香蕉 %101构建香蕉的分类器，在二维特征空间对各个图像进行类别区分 banana=0; for i=1:num if((Ecllipseratio(i)<0.5)) %分类器识别桃的准则：判断各个图形中平均圆率值小于0.5的为香蕉 banana=i; end end %102对分出来的类别分别构建相应的图像掩膜，并用对原图的亮度图像进行掩膜操作 bananaHSV=HSV; for j = 1 : row for k = 1 : col if(FilledLabel(j,k) ~=banana) %pitchHSV(j,k,2)=0; bananaHSV(j,k,3)=0; end end end %103变换生成最终的结果图像，图像中显示的结果即对应分类器中指定的类别 bananamatrix = hsv2rgb(bananaHSV); %转换为RGB彩图，彩图中已经滤去了其余水果，只剩下香蕉 figure,imshow(bananamatrix),title('水果类别三：香蕉'); %11识别梨 %11-1构建梨的分类器，在二维特征空间对各个图像进行类别区分 pear=0; for i=1:num if(MeanHue(i)<0.125) %分类器识别桃的准则：判断各个图形中平均色度值小于0.125的为梨 pear=i; end end %11-2对分出来的类别分别构建相应的图像掩膜，并用对原图的亮度图像进行掩膜操作 pearHSV=HSV; for j = 1 : row for k = 1 : col if(FilledLabel(j,k) ~=pear) %pitchHSV(j,k,2)=0; pearHSV(j,k,3)=0; end end end %11-3变换生成最终的结果图像，图像中显示的结果即对应分类器中指定的类别 pearmatrix = hsv2rgb(pearHSV); %转换为RGB彩图，彩图中已经滤去了其余水果，只剩下梨 figure,imshow(pearmatrix),title('水果类别四：梨'); %12识别苹果 %12-1构建苹果的分类器，在二维特征空间对各个图像进行类别区分 apple=0; for i=1:num if((Ecllipseratio(i)<1.25)&(Ecllipseratio(i)>1.0)) %分类器识别桃的准则：判断各个图形中圆度居于1.0与1.25之间的的为苹果 apple=i; end end %12-2对分出来的类别分别构建相应的图像掩膜，并用对原图的亮度图像进行掩膜操作 appleHSV=HSV; for j = 1 : row for k = 1 : col if(FilledLabel(j,k) ~=apple) %pitchHSV(j,k,2)=0; appleHSV(j,k,3)=0; end end end %12-3变换生成最终的结果图像，图像中显示的结果即对应分类器中指定的类别 applematrix = hsv2rgb(appleHSV); %转换为RGB彩图，彩图中已经滤去了其余水果，只剩下苹果 figure,imshow(applematrix),title('水果类别五：苹果');