【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(shè)置閾值將灰度圖像轉(zhuǎn)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(jī)視覺檢測的算法和實際應(yīng)用做了比較深入的研究，取得了一定的進(jìn)展，但同時也感到有一些研究工作還值得進(jìn)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(fù)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(yù)處理得當(dāng)，對于圖像的預(yù)處理的一些算法還需進(jìn)行進(jìn)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(yīng)用，尤其是在圖形處理技術(shù)、人工智能技術(shù)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(lǐng)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(guān)系，表 31 給出了相應(yīng)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(jìn)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(biāo)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(xué)信息電子學(xué)院本科畢業(yè)論文（設(shè)計） 9 對結(jié)構(gòu)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(xué)信息電子學(xué)院本科畢業(yè)論文（設(shè)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(jié)果來看，對于目標(biāo)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(fù)雜的圖像而言，以上方法就不一定能很好的處理了，更先進(jìn)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(biāo)物體從背景中分離出來； (4) 將圖像分成與目標(biāo) 物體有強相關(guān)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(jī)械手進(jìn)行導(dǎo)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(jī)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(shù)應(yīng)用到稻米外觀品質(zhì)檢測領(lǐng)域，完全可以滿足日常檢測工作的需要，有著良好的應(yīng)用前景，是現(xiàn)代高精度自動化檢測技術(shù)的發(fā)展方向 。論文 (設(shè)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(zhì)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(yīng)用計算機(jī)視覺技術(shù)進(jìn)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(jī)視覺技術(shù)，對暗箱背景光照進(jìn)行改進(jìn)，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(zhì)檢測的功能，不具備分級的功能。本章將重點論述圖像預(yù)處理的基礎(chǔ)知識，并針對稻米外觀品質(zhì)檢測的要求，進(jìn)行結(jié)果演示。理想中的圖像的灰度直方圖，其背景灰度和目標(biāo)灰度應(yīng)該對應(yīng)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(biāo)分割開了。 如果原點在結(jié)構(gòu)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(guān)系。 (4) 當(dāng)輪廓跟蹤結(jié)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(jié)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(biāo)準(zhǔn)優(yōu)質(zhì)稻谷 GB/T 178911999 稻米粒型的人工檢測方法是隨機(jī)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(zhuǎn)轉(zhuǎn)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(jìn)一步完善。 從表 41 可以看出，采用 MER 法、直尺法測量米粒結(jié)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(shè)計窗口。整精米率是稻米加工品質(zhì)優(yōu)劣的指標(biāo)，是稻米貿(mào)易中商家最關(guān)注的內(nèi)容，它與碾米廠的經(jīng)濟(jì)效益密切相關(guān)。 1999 年，黃星奕等 [4]利用計算機(jī)視覺技術(shù)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(yīng)用。對八鄰域圖像區(qū)域進(jìn)行頂點鏈碼編碼方法如下 [28]：以 ? 表示光標(biāo)的當(dāng)前位置，箭頭 (???? )表示前一時刻光標(biāo)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(guān)系編號。 (2) 鏈碼表示法：用起點坐標(biāo)加方向碼來表示圖像邊界上的各點坐標(biāo)及其相互位置關(guān)系。實際上，開運算是先作腐蝕運算，再作膨脹運算的結(jié)果，如圖 24 所示。在計算機(jī) 視覺檢測過程中，為了提高檢測精度，有必要首先對噪聲進(jìn)行濾除。 圖像閾值分割 圖像分割技術(shù)是圖像處理中的一種重要技術(shù) ,其中比較常用的一種是利用閾值對圖像進(jìn)行分割。另外，對檢測設(shè)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(shè)備要具有自動進(jìn)樣、谷物圖像自動采集和分析、樣品自動分級的功能 [1]。 Purchase應(yīng)用計算機(jī)視覺技術(shù)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(jī)視覺技術(shù)計算黃瓜幼苗葉冠投影面積和株高，對黃瓜幼苗生長進(jìn)行無損監(jiān)測 [1]。運用 Matlab編程，對圖像中的稻米進(jìn)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(zhì)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(zhì)檢測技術(shù)進(jìn)行研究，利用 Matlab語言對稻米的圖像進(jìn)行預(yù)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(zhuǎn)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(jī)視覺技術(shù)對稻米外觀質(zhì)量檢測進(jìn)行了研究 [4]。 Reid等用計算機(jī)視覺技術(shù)對稻米米粒的應(yīng)力裂紋進(jìn)行了研究 [9]。 存在的問題 在已有的谷物外觀品質(zhì)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(shè)計思路，完成了 GUI 界面的設(shè)計，使研究結(jié)果更直觀。類 間方差的計算公式如下： 21010 ))()()(()()( tttwtwtd ?? ?? （ 21） 當(dāng)方差 )(td 最大值時， t 為最佳分割閾值。 腐蝕 腐蝕是數(shù)學(xué)形態(tài)學(xué)最基本的運算，表示用某種“探針”（即某種形狀的結(jié)構(gòu)元素）對一個圖像進(jìn)行探測，以便找出在圖像內(nèi)部可以放下該結(jié)構(gòu)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(jìn)行測量。在弗里曼之后提出多種編碼的改進(jìn)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(dāng)當(dāng)前位置發(fā)生變化時，其坐標(biāo)也相應(yīng)發(fā)生改變，如 )1,1( ?? 表示當(dāng)前位置的 x 方向和 y 方向的坐標(biāo)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(jìn)行狀態(tài)匹配使用。 （ 3） 當(dāng)被檢測稻米面積大于等于標(biāo)準(zhǔn)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(jìn)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(jié)如下： （ 1） 從總體上闡明了稻米外觀品質(zhì)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(guān)心和支持，父母的悉心關(guān)懷，永遠(yuǎn)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(xué)信息電子學(xué)院本科畢業(yè)論文（設(shè)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(shè)計過程中指導(dǎo)和幫助過我的人。 隨機(jī)挑選 5 個待測樣品，采用人工法、計數(shù)法、 進(jìn)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(jié)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(shè)計窗口中完成了，在 GUI 設(shè)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(shù)對整 精米率檢測方法做進(jìn)一步的研究 。 通常情況下，求 ME