【正文】 LAB 用戶在短時(shí)間內(nèi)就能快速掌握其主要內(nèi)容和基本操作。MATLAB 不僅能免 去大量的經(jīng)常重復(fù)的基本數(shù)學(xué)運(yùn)算，而且其編譯和執(zhí)行速度都遠(yuǎn)遠(yuǎn)超過了采用 C 和 Fortran 語言設(shè)計(jì)的程序?？梢哉f， MATLAB 在科學(xué)計(jì)算與工程應(yīng)用方面的編程效率遠(yuǎn)遠(yuǎn)高于其他高級(jí)語言。 二、功能強(qiáng)大，可擴(kuò)展性強(qiáng)。 MATLAB 語言不但提供了科學(xué)運(yùn)算、數(shù)據(jù)分析與可視化、系統(tǒng)仿真等強(qiáng)大的功能，而且還具有可擴(kuò)展性特征。 Mathworks 公司針對(duì)不同領(lǐng)域的應(yīng)用，推出了自動(dòng)控制、信號(hào)處理、圖像處理、模糊邏輯、神經(jīng)網(wǎng)絡(luò)、小波分析、通信、最優(yōu)化、數(shù)理統(tǒng)計(jì)、偏微分方程、財(cái)政金融等 30 多個(gè)具有專門功能的 MATLAB 工具箱。各種工具箱 中的函數(shù)可以互相調(diào)用，也可以由用戶更改。 MATLAB 支持用戶對(duì)其函數(shù)進(jìn)行二次開發(fā)，用戶的應(yīng)用程序可以作為訓(xùn)練數(shù)據(jù)獲取 測(cè)試數(shù)據(jù)獲取 特征提取 特征提取 特征空間壓縮與變換 特征空間壓縮與變換 分類器設(shè)計(jì) 目標(biāo)分類 識(shí)別結(jié)果 數(shù)理與信息工程學(xué)院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動(dòng)識(shí)別 7 新的函數(shù)添加到相應(yīng)的工具箱中。 三、圖形功能靈活方便。 MATLAB 具有靈活的二維與三維繪圖功能，在程序的運(yùn)行過程中，可以方便迅速地用圖形、圖像、聲音、動(dòng)畫等多媒體技術(shù)直接表述數(shù)值計(jì)算結(jié)果，可以選擇不同的坐標(biāo)系，可以設(shè)置顏色、線型、視角等，還可以在圖像中加上比例尺、標(biāo)題等標(biāo)記，在程序運(yùn)行結(jié)束后改變圖形標(biāo)記、控制圖形句柄等，并且還可以將圖形嵌入到用戶的 word 文件中。 四、在線幫助，有利于自學(xué)。用戶可以借助于 MATLAB 環(huán)境下的“在線幫助”學(xué)習(xí)各種函數(shù)的用法及其內(nèi)涵。對(duì)于 MATLAB 以上版本，還可以用 HTML 方式查詢更為詳細(xì)的參考資料。另外還可以直接訪問 Mathworks 公司的網(wǎng)站，以獲得常見問題解答 (FAQ)、產(chǎn)品指南和 MATLAB 書籍等更豐富的幫助信息。 總之， MATLAB 語言已經(jīng)成為科學(xué)運(yùn)算、系統(tǒng)仿真、信號(hào)與圖像處理的主流軟件。 綜上，選擇 MATLAB 進(jìn)行課題的研究是明智而有意義的。 數(shù)理與信息工程學(xué)院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動(dòng)識(shí)別 8 2 提取特征參數(shù) 2． 1 圖象預(yù)處理 2． 1． 1 圖像數(shù)據(jù)獲取 計(jì)算機(jī)圖像是 圖像 以計(jì)算機(jī)文件的形式存在的，實(shí)質(zhì)上是一些數(shù)字代碼，它與通常所說的（傳統(tǒng)意義上的）圖像最大區(qū)別是計(jì)算機(jī)的圖像是數(shù)據(jù)化的，而不是模擬化的（數(shù)字圖像是模擬圖像數(shù)據(jù)化的結(jié)果），它是一般圖像的離散采樣，因而具有一些傳統(tǒng)圖像中所沒有的概念：在計(jì)算機(jī)上，由更基本的單元構(gòu)成，這些基本單元稱為 “ 像素 ” 。像素是被逐點(diǎn)描述的，具有一個(gè)明確的位置和色彩數(shù)值。 “計(jì)算機(jī)讀取圖像”就是把圖像以數(shù)字代碼形式存儲(chǔ)起來。用 Matlab 實(shí)現(xiàn)圖像讀取比 C++簡單，圖像數(shù)據(jù)以矩陣的形式存放，其掃描規(guī)則是從左向右 ,從上到下。 程序如下 ： function Shibie() CaiTu=imread(39。D:\圖片 \39。)。 %讀取圖像 HuiTu=rgb2gray(CaiTu)。 YuanTu=im2double(HuiTu)。 figure(1)。imshow(YuanTu)。 title(39。灰度圖像 39。)。 %顯示原彩色圖像的灰度圖像 其中“ C:\MATLAB6p1\work\”是圖像文件存放的路徑， YuanTu是一個(gè)矩陣，它以數(shù)字形式表示圖像。 Matlab 以“ %”后的文字作注釋。 讀取的圖像如 圖 21 所示： 圖 21 灰度圖像 數(shù)理與信息工程學(xué)院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動(dòng)識(shí)別 9 2． 1． 2 圖像增強(qiáng)處理 圖像清晰化采用反銳化掩模法。反銳化掩模法是一種常用的圖像銳化方法，其算法表達(dá)式為： g(x,y)=f(x,y)+C[f(x,y) ),( yxf? ] (21) 式中 f(x,y)為處理前的圖像； ),( yxf? 為用人為方法將 f(x,y)模糊以后得到的圖像； g(x,y)為銳化處理后的圖像； C為比例常數(shù)，根據(jù)具體情況選定。由于原 圖像 f(x,y)經(jīng)過模糊處理后得到的 ),( yxf? 含有較多的低頻成分，很容易理解，f(x,y) ),( yxf? 使低頻成分與 f(x,y)相比降低了很多，而相應(yīng)地保留了更多的高頻成分。如果再乘以 C(C1)，即 C[f(x,y) ),( yxf? ],相當(dāng)于把高頻分量增加為 [f(x,y) ),( yxf? ]的 C倍，從而更有效的提高了高頻成分。故利用表達(dá)式 (21)可以實(shí)現(xiàn)圖像銳化的目的， 從而使模糊呆板的圖像變得具有清晰感和生動(dòng)感。 程序如下： Ruihua=YuanTu。 Mo=[1,1,1。1,1,1。1,1,1]。 [m,n]=size(Ruihua)。 for i=2:1:m1 for j=2:1:n1 XX=Ruihua(i1:i+1,j1:j+1)。 temp1=XX.*Mo。 Ruihua(i,j)=1/9*(temp1(1,1)+temp1(1,2)+temp1(1,3)+temp1(2,1)+… temp1(2,2)+temp1(2,3)+temp1(3,1)+temp1(3,2)+temp1(3,3))。 Ruihua(i,j)=YuanTu(i,j)+2*(YuanTu(i,j)Ruihua(i,j))。 end end figure(3)。imshow(Ruihua)。title(39。銳化后的圖像 39。) 本文用一個(gè) 3*3 的模板 [1,1,1。1,1,1。1,1,1]不斷和原圖像中順序取出的3*3 矩陣點(diǎn)乘。所謂點(diǎn)乘就是兩個(gè)矩陣對(duì)應(yīng)元素一一相乘后求和。點(diǎn)乘得到的值再乘以 1/9，這樣我們就得到了前面 所述模糊處理后的圖像 ),( yxf? ，這是反銳化掩模法實(shí)現(xiàn)的關(guān)鍵。 下面是銳化后的圖像： 數(shù)理與信息工程學(xué)院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動(dòng)識(shí)別 10 圖 22 銳化后的圖像 2． 1． 3 圖像噪聲消除處理 圖像去噪采用中值濾波法，中值濾波是抑制噪聲的非線性處理方法。用中值濾波法處理 3*3 像素的局域圖像，把 9個(gè)灰度值按從小到大的順序排序后，以第5個(gè)（即中央）序號(hào)的灰度值作為目標(biāo)像素的灰度值。 中值濾波法的原理是將采集到的若干個(gè)周期的變量值進(jìn)行排序，然后取排好順序的值得中間的值，這種方法可以有效的防止受到突發(fā)性脈沖干擾的數(shù)據(jù)進(jìn)入。在實(shí)際 使用時(shí)，排序的周期的數(shù)量要選擇適當(dāng)：如果選擇的數(shù)量過小，可能起不到去除干擾的作用；如果選擇的數(shù)量過大，會(huì)造成采樣數(shù)據(jù)的時(shí)延過大，造成系統(tǒng)性能變差。當(dāng)然在實(shí)際使用時(shí)，不可能僅僅使用一種方法，而是綜合運(yùn)用各種數(shù)字濾波技術(shù)，比如在中值濾波法中加入平均值濾波，借以提高濾波的性能。 對(duì)于給定的 n 個(gè)數(shù)值 { a1， a2，?， an }，將它們按大小有序排列。當(dāng) n為奇數(shù)時(shí)，位于中間位置的那個(gè)數(shù)值稱為這 n 個(gè)數(shù)值的中值；當(dāng) n為偶數(shù)時(shí)，位于中間位置的兩個(gè)數(shù)值的平均值稱為這 n 個(gè)數(shù)值的中值，記作 med(a1， a2，?，an)。中值濾波 就是這樣的一個(gè)變換，圖像中濾波后某像素的輸出等于該像素鄰城中各像素灰度的中值。鄰域的大小決定在多少個(gè)數(shù)值中求中值，窗口的形狀決定在什么樣的幾何空間中取元素計(jì)算中值。對(duì)二維圖像，窗口的形狀可以是矩形、圓形及十字形等，它的中心一般位于被處理點(diǎn)上。窗口大小及形狀有時(shí)對(duì)濾波效果影響很大。 程序如下： QuZao=Ruihua。 [m,n]=size(QuZao)。 for i=2:1:m1 for j=2:1:n1 temp=QuZao(i1:i+1,j1:j+1)。 數(shù)理與信息工程學(xué)院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動(dòng)識(shí)別 11 X=[temp(1,1),temp(1,2),temp(1,3),temp(2,1),temp(2,2),temp(2,3),… temp(3,1),temp(3,2),temp(3,3)]。 temp=sort(X)。 QuZao(i,j)=temp(1,5)。 end end figure(2)。imshow(QuZao)。title(39。去噪后的圖像 39。)。 本課題中采用一個(gè)矩形窗口，給出 3*3 的矩陣序列，即 9 個(gè)數(shù)值{a1,a2,? ,a9}，排序后取中值賦給 a5。重復(fù)這樣的操作直到整幅圖像的“ a5”都由中值取代。如果原來的“ a5”是噪聲，那么它被中值取代后，就達(dá)到了去噪的目的；如果原來的“ a5”不是噪聲，則取代的結(jié)果可能是丟失了圖像中的細(xì)線或小塊的目標(biāo)區(qū)域。中值濾波對(duì)于濾除圖像中的椒鹽噪聲非常有效。 去噪后的圖像如圖 23 所示： 圖 23 去噪后的圖像 2． 1． 4 圖像二值化處理 經(jīng)過去噪和對(duì)比度增強(qiáng)的圖像，我們就可以對(duì)其進(jìn)行二值化處理。二值化就是把具有多級(jí)灰度的輸入圖像變換成灰度值只有 0 或 1 兩種值的輸出圖像。 圖像閾值分割是最常用的圖像分割技術(shù)，主要利用圖像中背景與對(duì)象之間的灰度差異。理想狀態(tài)下，背景與對(duì)象之間的灰度差異很大，且同一個(gè)對(duì)象具有基本相同的灰度值。 為了得到理想的二值圖像，一般采用閾值分割技術(shù)。它對(duì)物體與背景有較強(qiáng)對(duì)比的圖像的分割特別有效，計(jì)算簡單而且總能用封閉、連通的邊界定義不交疊的區(qū)域。二值化處理的關(guān)鍵是確定適當(dāng)?shù)拈撝?Th。所謂的閾值，是指在圖像分割時(shí)，作為區(qū)分物體與背景像素的門限，大于或等于閾值的像素屬于物體，其他像素則屬于背景。如果閾值過大，過多的目標(biāo)點(diǎn)被誤認(rèn)為背景點(diǎn)，目標(biāo)被削弱，甚至?xí)?；如果閾值過小，過多的背景點(diǎn)被誤認(rèn)為目標(biāo)點(diǎn)，噪聲過大，目標(biāo)特性數(shù)理與信息工程學(xué)院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動(dòng)識(shí)別 12 也會(huì)被削弱，不利于正確識(shí)別。所有灰度大于或等于閾值的像素被判決為屬于物體，灰度值用 255表示；否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為 0，表示背景。這樣一來物體的邊界就成為這樣一些內(nèi)部的點(diǎn)的集合，這些點(diǎn)都至少有一個(gè)鄰點(diǎn)不屬于該物體。通過二值化，設(shè)置一個(gè)閾值，把明亮的部分（圖像中水果的灰度值比背景灰度值大）提取出來，即實(shí)現(xiàn)了目標(biāo)對(duì)象的提取。 閾值法是一種簡單有效的圖像分割方法，它用一個(gè)或幾個(gè)閾值將圖像的灰度級(jí)分為幾個(gè)部分，將屬于同一部分 的像素視為相同的物體。利用閾值法，對(duì)于物體與背景之間存在明顯差別（對(duì)比）的景物，分割效果十分有效。只要閾值選取合適，將每個(gè)像素與之比較，進(jìn)行二值化或者半二值化處理，就可以很好地將對(duì)象從背景中分離出來。 二值化后的圖像如圖 24 所示： 程序如下： Erzhihua=QuZao。 [m,n]=size(QuZao)。 for i=1:m for j=1:n if Erzhihua(i,j)= Erzhihua(i,j)=255。 else Erzhihua(i,j)=0。 end end end figure(4)。imshow(Erzhihua)。title(39。二值化圖像 39。) 圖 24 二值化圖像 2． 1． 5 圖像邊緣檢測(cè)處理 數(shù)字圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域識(shí)別、區(qū)域形狀提取等圖像分析數(shù)理與信息工程學(xué)院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動(dòng)識(shí)別 13 領(lǐng)域十分重要的基礎(chǔ)，也是圖像識(shí)別中提取圖像特征的一個(gè)重要屬性。利用邊緣檢測(cè)來分割圖像，其基本思想就是先檢測(cè)圖像中的邊緣點(diǎn)，再按照某種策略將邊沿點(diǎn)連接成輪廓，從而構(gòu)成分割區(qū)域。由于邊緣是所要提取目 標(biāo)和背景的分界線，提取出邊緣才能將目標(biāo)和背景區(qū)分開，因此邊緣檢測(cè)技術(shù)對(duì)于數(shù)字圖像十分重要。 由于受原始圖像中灰度分布不均勻和光照等的影響，使得二值化后的圖像不是很理想，如同一類水果中出現(xiàn)空洞，并且個(gè)別邊緣處出現(xiàn)斷裂等。所以要進(jìn)行邊緣提取以彌補(bǔ)斷裂的邊緣部分，然后再基于數(shù)學(xué)形態(tài)學(xué)算子進(jìn)行去除斷邊、圖像填充等必要的后續(xù)處理。 （ 1）數(shù)學(xué)形態(tài)學(xué) 近年來，形態(tài)學(xué)圖像處理已經(jīng)發(fā)展成為圖像處理的一個(gè)重要研究領(lǐng)域。形態(tài)學(xué)運(yùn)算是針對(duì)二值圖像，并依據(jù)數(shù)學(xué)形態(tài)學(xué)（ Mathematical Morphol