【正文】 [L,num2]=bwlabel(I2)。 Ar(i)=Ar(j)。 end sum1。 else k(i)=a/b。)。 ST=sum/num。 for i=1:max(L(:)) Ar(i)=sum(I(L==i))。) //顯示基于開的重建圖像 figure,imhist(Iobr),title(39。,2)。clc。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文（設(shè)計(jì)） 25 參考文獻(xiàn) [1] 凌云 . 基于機(jī)器視覺的谷物外觀品質(zhì)檢測(cè)技術(shù)研究 [D]. 北京 :中國(guó)農(nóng)業(yè)大學(xué) ,2020. [2] 于潤(rùn)偉 , 金鯤鵬 , 朱曉慧 . 基于圖像識(shí)別的整精米自動(dòng)檢測(cè)研究 [J]. 中國(guó)糧油學(xué)報(bào)6,21(6):147150. [3] 尚艷芬 , 侯彩云 , 常國(guó)華 , 等 . 整精米自動(dòng)識(shí)別方法的研究 [J]. 中國(guó)水稻科學(xué)， 2020，18(5):466468. [4] 黃星奕 . 基于計(jì)算機(jī)視覺的稻米外觀質(zhì)量檢測(cè)系統(tǒng)研究 [D]. 鎮(zhèn)江 :江蘇理工大學(xué) ,1999. [5] 曾大力 , 滕勝 , 錢前 , 等 . 視頻顯微掃描技術(shù)在稻米堊白研究中的 應(yīng)用 [J]. 中國(guó)農(nóng)業(yè)科學(xué)， 2020,34 [6] 侯彩云 , Seiichi O, Yasuhisa S等 . 3維圖像處理系統(tǒng)在稻米品質(zhì)檢測(cè)中的應(yīng)用研究 [J]. 農(nóng)業(yè)工程學(xué)報(bào) ,2020,17(3):9295. [7] 侯彩云 , 王一鳴 , 凌云 , 等 . 堊白米粒的計(jì)算機(jī)圖像識(shí)別 [J]. 農(nóng)業(yè)工程學(xué)報(bào)， 2020,18（ 3）：165168. [8] Travis A J. A puter based system for the recognition for seed shape[J]. Seed Sci. Tech,1985,13:812820. [9] Reid , Kim C, Paulsen M R. Computer vision sensing of stress cracks in corn kernels [J]. Trans of the ASAE,199134(5):22262244. [10] Liu W, Tao Y, Siebenmen T J, et al. Digital image analysis method for rapid measurement of rice degree of milling [C]. In:1997 ASAE Annual International Meeting. :ASAE,1997, . [11] Cardarelli A J, Tao Y, Berhardt J L, et al. High resolution machine vision for nondestructive internal inspection of damaged rice grain [C]. In 1998 ASAE Annual International Meeting. Florida:ASAE, . [12] Cardarelli A J, Tao Y, Bernhardt J L, Lee, F N. Nondestructive quantification of internal damage in rough rice caused by an insect and fungi [J]. Research Series of Arkansas Agricultural Experiment Station,1999,9096. [13] Chen Fang, Ying Yibin. Machine vision inspection of rice seed based on hough transform[J]. Journal of Zhejiang University, 2020,5(6):663667. [14] Di243。 （ 3） 在圖像去噪方面，運(yùn)用數(shù)學(xué)形態(tài)學(xué)的有關(guān)知識(shí)，采用開運(yùn)算算法去除圖像 中的噪聲。對(duì)同一基于圖像的稻米外觀 檢測(cè)系統(tǒng)研究 22 樣品抽樣三次，使用 MER 法檢測(cè)的結(jié)果均符合稻谷國(guó)家標(biāo)準(zhǔn)的規(guī)定 ，達(dá)到了檢測(cè)精度的要求，同時(shí)，使用 MER 法具有較好的穩(wěn)定性，能夠滿足實(shí)際檢測(cè)的要求。 177。 177。 與人工測(cè)量比較 首先進(jìn)行稻米粒型檢測(cè)方法的比 較。 GUI 設(shè)計(jì)窗口由菜單欄、工具欄、控件工具欄以及圖形對(duì)象設(shè)計(jì)區(qū)等部分構(gòu)成。 基于圖像的稻米外觀 檢測(cè)系統(tǒng)研究 18 整精米率檢測(cè)實(shí)驗(yàn) 基于圖像的稻米整精米率計(jì)算，本實(shí)驗(yàn)提供一張混有同種型號(hào)的整米和碎米的圖片，首先對(duì)圖像進(jìn)行前期的預(yù)處理，包括去噪、二值化等，然后對(duì)處理好的圖片區(qū)分整形米和碎米，通過(guò) MATLAB 有關(guān)程序，分別繪制出 整米和碎米的圖片，其結(jié)果如圖37 所示。 目前，國(guó)內(nèi)仍采用人工目測(cè) 識(shí)別整精米與碎米，并采用稱重法獲得整精米率的信息 。 (3) 按照順時(shí)針?lè)较蜃x入以點(diǎn) CurrPt 為中心的 33? 窗口，將其與存儲(chǔ)在數(shù)組TempArray 中的模板進(jìn)行比對(duì)，確定下一步行走的方向并重新設(shè)置前一個(gè)點(diǎn)PrePt 和當(dāng)前點(diǎn) CurrPt，輸出邊界點(diǎn)的鏈碼子串。 2020 年，凌云等 [1]提出基于極坐標(biāo)的粒型檢測(cè)算法，通過(guò)先求出質(zhì)心再求出最長(zhǎng)軸與最短軸的方法，具有旋轉(zhuǎn)不變性，但其對(duì)稻米外形進(jìn)行橢圓擬合，因此準(zhǔn)確度不是很高。 2 1 1 3 3 1 1 3 1 2 1 3 2 1 2 1 2 3 2 1 1 3 1 3 基于圖像的稻米外觀 檢測(cè)系統(tǒng)研究 14 (1,1) (0,1) (+1,1) (1,0) (x,y) (+1,0) (1,+1) (0,+1) (+1,+1) 圖 34 像素點(diǎn)坐標(biāo)的定義 圖 35 八近鄰圖像狀態(tài)映射 由于位置關(guān)系的對(duì)稱關(guān)系，將第一種位置關(guān)系下的狀態(tài)圖逆時(shí)針旋轉(zhuǎn) 90o，可得到第二種位置關(guān)系的狀態(tài)圖。當(dāng)跟蹤區(qū)域邊界時(shí)，當(dāng)前位置 與區(qū)域邊界單元格的相互位置關(guān)系有 24種，由于只沿一個(gè)方向（逆時(shí)針?lè)较颍┬凶?，因此，?shí)際上只有如圖 33 所示的 4 種位置關(guān)系。 Bribiesca 對(duì)頂點(diǎn)鏈碼編碼做了系統(tǒng)的研究，并給出了三角點(diǎn)陣和正六邊形點(diǎn)陣中的頂點(diǎn)鏈碼編碼。常見的有四領(lǐng)域鏈碼和八領(lǐng)域鏈碼，如圖 31。 針對(duì)目前在稻米粒型檢測(cè)中依靠人工費(fèi)時(shí)、費(fèi)力、精度難于控制等問(wèn)題，本節(jié)擬通過(guò)最大類間方差法自動(dòng)確定圖像分割閾值，采用頂點(diǎn)鏈碼和最小外接矩形方法獲得稻米的長(zhǎng)、寬信息 [30]。 圖 24 開運(yùn) 算 開運(yùn)算常常使用圓形結(jié)構(gòu)元素，因?yàn)閳A形結(jié)構(gòu)元素具有旋轉(zhuǎn)不變性。 BA? 由將 B 平移 x 但仍包含在 A內(nèi)的所有點(diǎn) x 組成。 本論文運(yùn)用數(shù)學(xué)形態(tài)學(xué)的原理，采用開運(yùn)算對(duì)圖像進(jìn)行噪聲的去除，首先介紹數(shù)學(xué)形態(tài)學(xué)的有關(guān)基礎(chǔ)知識(shí)。這樣，其中一個(gè)峰值對(duì)應(yīng)的是背景區(qū)域的灰度；而另一個(gè)峰值就對(duì)應(yīng)的目標(biāo)灰度了。圖像閾值分割主要利用圖像中要提取的目標(biāo)物體與背景在灰度上的差異 ,把圖像分為具有不同灰度級(jí)的目標(biāo)區(qū)域和背景區(qū)域的組合。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文（設(shè)計(jì)） 5 第 2 章 稻米圖像預(yù)處理 由于獲得的圖像存在噪聲等因素，不能在檢測(cè)中直接應(yīng)用，必須對(duì)原始圖像進(jìn)行預(yù)處理 ，包括噪聲去除，圖像分割等。因此，研究在線的谷物外觀品質(zhì)檢測(cè)系統(tǒng)是很有意義的。 靜態(tài)系統(tǒng)的優(yōu)點(diǎn)在于結(jié)構(gòu)比較簡(jiǎn)單，加工成本和硬件成本低，對(duì)檢測(cè)算法的實(shí)時(shí)性要求不高，易于推廣和使用。 1995 年，美國(guó)成功研制出Merling 計(jì)算機(jī)視覺水果分級(jí)技術(shù)系統(tǒng)，生產(chǎn)率約為 40t/h，已經(jīng)被廣泛應(yīng)用于蘋果、橘子、桃子及西紅柿等水果的分級(jí)，此技術(shù)已推廣到加拿大等其它 國(guó)家 [1]。 Cardareli 等以圖像的 R、 G、 B 均值作為判別參數(shù)，研究了對(duì)破損米粒的檢測(cè)方法 [11]。劉儉英等應(yīng)用機(jī)器視覺技術(shù)，首先研究出鴨蛋蛋心顏色自動(dòng)分級(jí)系統(tǒng)中的蛋心顏色分級(jí)模型，利用計(jì)算機(jī)視覺檢測(cè)裝置檢測(cè)出蛋內(nèi)容物的顏色參數(shù)。候彩云等利用微切片三維圖像處理系統(tǒng)獲得堊白米粒的三維圖像信息和利用灰度閾值分割方法測(cè)定稻米堊白度的可行性 [67]。根據(jù)稻米的面積，寬長(zhǎng)等信息區(qū)分整米和碎米，并計(jì)算稻米整精米率。 外觀品質(zhì)是稻米一個(gè)十分重要的商品性狀，是消費(fèi)者選購(gòu)稻米的主要依據(jù)。運(yùn)用 Matlab 編程，對(duì)圖像中的稻米進(jìn)行計(jì)數(shù)，使用最小外接矩形法計(jì)算稻米粒型。如出現(xiàn)以上違反知識(shí)產(chǎn)權(quán)的情況，本人愿意承擔(dān)相應(yīng)的責(zé)任。 Rice Head Rice RateI 目 錄 摘 要 Abstract 第 1 章 緒論 ....................................................................1 .......................................................1 ...........................................................1 .......................................................1 .......................................................2 .................................................................4 第 2 章 稻米圖像預(yù)處理 .................................................. 5 .................................................................5 .....................................................5 .......................................................5 .................................................................7 ...............................................................8 ...............................................................8 .............................................................9 第 3 章 稻米外觀檢測(cè)算法研究 ........................................... 11 .......................................................... 11 .................................................. 11 ......................................................12 .............................................