【正文】 title(39。 end hold on。//尋找邊緣，不包括孔 figure,imshow(label2rgb(L, jet, [.5 .5 .5]))//顯示圖像 length(B)。 //通過設置閾值將灰度圖像轉換成二值圖像 figure,imshow(I),title(39。 //顯示原始圖像 if ndims(Img)==3 I0=rgb2gray(Img)。 展望 論文對稻米計算機視覺檢測的算法和實際應用做了比較深入的研究，取得了一定的進展，但同時也感到有一些研究工作還值得進一步拓展，具體可考慮以下幾方面： （ 1） 本論文所涉及的 圖像比較簡單，以后遇上更復雜的圖像時，論文中所提到的一些處理算法不一定能將圖像預處理得當，對于圖像的預處理的一些算法還需進行進一步的深入研究。 177。 SD 寬度 177。 GUI 在科研實踐和工程實踐中有著廣泛的應用，尤其是在圖形處理技術、人工智能技術等方面 [31]。本實驗求得米粒的平均長度為 ， 均寬度為 ，長寬 比為 ， 平均面積為 。對于八領域，為每一個 位置狀態(tài)規(guī)定一個頂點鏈子串，作為位置狀態(tài)的輸出、對于圖 33 所示的第一種位置關系，表 31 給出了相應的鏈碼子串。一個封閉的圖形可以用編號為1， 2， 3 這三種元素進行編碼。對圖像中的區(qū)域有兩種常用的表示方法，直 角坐標表示法和鏈碼表示法。膨脹運算后可填充圖像中相A A? B B 浙江理工大學信息電子學院本科畢業(yè)論文（設計） 9 對結構元素較小的孔洞及在圖像邊緣處的小凹陷部分。 浙江理工大學信息電子學院本科畢業(yè)論文（設計） 7 (a)稻米原圖像 (b)Otsu 法分割 (c)灰度直方圖 (d)直方圖法 圖 21 圖像分割 從實驗的結果來看，對于目標與背景區(qū)別明顯的圖像，最大類間方差法與直方圖法都能將圖像很好的分割，但對于一些復雜的圖像而言，以上方法就不一定能很好的處理了，更先進的分割算法將不在這里贅述。圖像分割有四種不同的定義形式 [16]： (1) 將圖像分成各個組成部分； (2) 識別并形成有相似特性的區(qū)域或特征集； (3) 把目標物體從背景中分離出來； (4) 將圖像分成與目標 物體有強相關的部分。這種檢測方法只適用于小批量或抽樣檢測的場合，無法勝任大批量檢測的場合 [1]。 其他農(nóng)產(chǎn)品方面， Slaughter 等利用圖像的色度和亮度信息對桔子收獲機械手進行導向，建立了一個利用顏色信息從桔樹上識別桔子的分類模型 [6]。德田勝等研制了一種用于西瓜收獲的計算機視覺檢測系統(tǒng)，該系統(tǒng)通過圖像分析來識別西瓜成熟度。 將圖像處理技術應用到稻米外觀品質檢測領域，完全可以滿足日常檢測工作的需要，有著良好的應用前景，是現(xiàn)代高精度自動化檢測技術的發(fā)展方向 。論文 (設計 )主體均由本人獨立完成，沒有抄襲、剽竊他人已經(jīng)發(fā)表或未發(fā)表的研究成果行為。目前，我國對稻米外觀品質的檢測，仍然停留在人工目測檢驗的階段。 在其它農(nóng)產(chǎn)品方面，王江楓等探討了應用計算機視覺技術進行芒果果面壞損檢測的方法 ，實現(xiàn)對果面壞損的自動分級 [1]。 Cardarelli 和 Tao 等利用計算機視覺技術，對暗箱背景光照進行改進，實現(xiàn) 了對稻米內(nèi)部破損程度的檢測和估計 [12]。靜態(tài)系統(tǒng)的缺點是自動化水平低，一般只具備品質檢測的功能，不具備分級的功能。本章將重點論述圖像預處理的基礎知識，并針對稻米外觀品質檢測的要求，進行結果演示。理想中的圖像的灰度直方圖，其背景灰度和目標灰度應該對應兩個不同的灰度峰值，所以選取位于兩峰之間的谷值作為閾值，就很快地將一副圖像的背景與目標分割開了。 如果原點在結構元素的內(nèi)部，腐蝕具有收縮輸入圖像的作用，如圖 22 所示。 二值圖像鏈碼表示 圖像二值化之后一般包含許多相互獨立的區(qū)域。對于一幅二維圖像來說，只有三角點陣，正六邊形點陣，方形點陣能鋪滿整幅圖像。以此類推，總共可得到 24 種位置關系。 (4) 當輪廓跟蹤結束后，形成邊界的鏈碼表。 (a)整米碎米混合圖 (a)整 米 (b)碎米 圖 37 稻米整精米率檢測圖 實驗結果是總米粒數(shù)為 93，整形米數(shù)為 61，碎米粒數(shù)為 32，所以整精米率為%。 根據(jù)國家標準優(yōu)質稻谷 GB/T 178911999 稻米粒型的人工檢測方法是隨機挑選 10 粒，利用直尺求長、寬平均值，然后計算長寬比，其中長度試驗誤差不超過 ，寬度試驗誤差不超過 [29]。 C1 177。 （ 4） 在稻米粒型檢測方面，采用頂點鏈碼和最小外接矩形方法獲得稻米的長、寬信息，將二維的圖像矩陣的旋轉轉換成一維鏈碼上的計算問題，既節(jié)省了內(nèi)存空間又提高了計算效率。 Img=imread(39。圖像的灰度直方圖 39。 ST //檢測粒型 [B,L]=bwboundaries(I,39。 width(i)=a。 Ar(j)=t。 num1 //整形米粒數(shù) aa=num1/num //整精米率 I2=II1。 for i=1:num sum1=sum1+z(i,:)。a39。 num %總米粒數(shù) Ar=zeros(1,max(L(:)))。disk39。在稻米樣品的傳輸，圖像的同步處理等方面需要進一步完善。 從表 41 可以看出，采用 MER 法、直尺法測量米粒結果并無顯著性差異。 A2 177。單擊 OK 選項即可，就會生成一個GUI 設計窗口。整精米率是稻米加工品質優(yōu)劣的指標，是稻米貿(mào)易中商家最關注的內(nèi)容，它與碾米廠的經(jīng)濟效益密切相關。 1999 年，黃星奕等 [4]利用計算機視覺技術研究了稻米的粒型檢測，但要求米粒擺放時需朝同一個方向，其方法具有一定的局限性，限制了在實際過程中的應用。對八鄰域圖像區(qū)域進行頂點鏈碼編碼方法如下 [28]：以 ? 表示光標的當前位置，箭頭 (???? )表示前一時刻光標所在的位置，箭頭方向表示行走的方向 (逆時針方向 )，序號 l， 2， 3， 4 表示位置關系編號。 (2) 鏈碼表示法：用起點坐標加方向碼來表示圖像邊界上的各點坐標及其相互位置關系。實際上，開運算是先作腐蝕運算，再作膨脹運算的結果，如圖 24 所示。在計算機 視覺檢測過程中，為了提高檢測精度，有必要首先對噪聲進行濾除。 圖像閾值分割 圖像分割技術是圖像處理中的一種重要技術 ,其中比較常用的一種是利用閾值對圖像進行分割。另外，對檢測設備基于圖像的稻米外觀 檢測系統(tǒng)研究 4 自動化程度的要求也提高了，檢測設備要具有自動進樣、谷物圖像自動采集和分析、樣品自動分級的功能 [1]。 Purchase應用計算機視覺技術研究了大麥種子的快速鑒定系統(tǒng) [7]。李長纓等利用計算 機視覺技術計算黃瓜幼苗葉冠投影面積和株高，對黃瓜幼苗生長進行無損監(jiān)測 [1]。運用 Matlab編程，對圖像中的稻米進行計數(shù)，使用最小外接矩形法計算稻米粒型。針對我國稻米外觀品質檢測仍停留在人工目測檢驗階段，客觀性差、效率低 、勞動強度大等問題，本論文采用圖像處理方法對稻米外觀品質檢測技術進行研究，利用 Matlab語言對稻米的圖像進行預處理，包括：采用開運算去除圖像中的噪聲，以最大類間方差法來自動確定圖像分割閾值，將灰度圖像轉換成二值圖像。稻米也是世界上約 1/2人口的主要糧食。黃星奕利用計算機視覺技術對稻米外觀質量檢測進行了研究 [4]。 Reid等用計算機視覺技術對稻米米粒的應力裂紋進行了研究 [9]。 存在的問題 在已有的谷物外觀品質檢測系統(tǒng)中，大部分屬于靜態(tài)檢測系統(tǒng)。 第 4 章，介紹了 GUI 界面設計思路，完成了 GUI 界面的設計，使研究結果更直觀。類 間方差的計算公式如下： 21010 ))()()(()()( tttwtwtd ?? ?? （ 21） 當方差 )(td 最大值時， t 為最佳分割閾值。 腐蝕 腐蝕是數(shù)學形態(tài)學最基本的運算，表示用某種“探針”（即某種形狀的結構元素）對一個圖像進行探測，以便找出在圖像內(nèi)部可以放下該結構元素的區(qū)域。 目前，國內(nèi)對稻米粒型的檢測主要依賴于人工利用直尺等工具進行測量。在弗里曼之后提出多種編碼的改進方案 [2526]， Bribiesca[27] （ 1999）提出的頂點鏈碼編碼（ Vertex chain code）就是其中之一。當當前位置發(fā)生變化時，其坐標也相應發(fā)生改變，如 )1,1( ?? 表示當前位置的 x 方向和 y 方向的坐標各加 1。具體實現(xiàn)算法如下 [30]： (1) 將 24 種狀態(tài)映射圖保存在數(shù)組 TempArray 中，作為狀態(tài)遷移的模板保存起來為后面進行狀態(tài)匹配使用。 （ 3） 當被檢測稻米面積大于等于標準整精米面積的 倍，即判斷為整 米。 基于圖像的稻米外觀 檢測系統(tǒng)研究 20 圖 41 粒型檢測界面 圖 42 整精米率檢測界面 系統(tǒng)實現(xiàn)的功能 本論文研究基于圖像的稻米外觀檢測系統(tǒng)，主要實現(xiàn)稻米的粒型檢測和稻米的整精米率檢測這兩個功能，通過對對象的代碼編寫，實現(xiàn)以下的操作，包括：選擇圖像，對圖像進行去噪，二值化，求最小外接矩形，顯示長、寬、面積等信息，計算米粒數(shù)等 。 177。論文的主要工作總結如下： （ 1） 從總體上闡明了稻米外觀品質檢測目前存在的問題和發(fā)展趨勢。 另外，我要感謝父母一直默默地給予我關心和支持，父母的悉心關懷，永遠是鼓勵我積極向上的不竭動力。 //基于開的重建圖像 figure,imshow(Iobr),title(39。 for i=1:num 浙江理工大學信息電子學院本科畢業(yè)論文（設計） 29 sum=sum+Ar(i)。length(i)=a。 end Ar。title(39。 zz bb=zz(1,1) aa=zz(1,2) kk=aa/bb。 a=sqrt((V(2,1)V(1,1)).^2+(V(2,2)V(1,2)).^2)。 //求出各個連通區(qū)域面積 for i=1:max(L(:))1 //按面積大小排序 for j=i+1:max(L(:)) if(Ar(i)Ar(j)) t=Ar(i)。 //圖像開操作 figure,imshow(Io), title(39。在這里，我要感謝在這些在我畢業(yè)設計過程中指導和幫助過我的人。 隨機挑選 5 個待測樣品，采用人工法、計數(shù)法、 進行整精米率實驗， 其中人工法是采用人工識別整精米與碎米，并 計算整精米率；計數(shù)法是采用公式 31 計算整精米率 ，結果見表 42。 177。 基于圖像的稻米外觀檢測系統(tǒng)就可以在這個設計窗口中完成了，在 GUI 設計窗口創(chuàng)建圖形對象后，通過雙擊該對象，就會顯示對象的屬性編輯器，編輯其屬性即可。針對此問題，本節(jié)采用圖像處理技術對整 精米率檢測方法做進一步的研究 。 通常情況下，求 ME