【文章內(nèi)容簡介】 ogy）集合論方法發(fā)展起 來的圖像處理方法。 數(shù)學形態(tài)學是圖像處理和模式識別領域的新方法，其基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中的對應形狀，以達到對圖像分析和識別的作用。 （ 2）形態(tài)學基本運算 通常，形態(tài)學圖像處理表現(xiàn)為一種鄰域運算形式。有一種特殊定義的鄰域稱為“結(jié)構(gòu)元素”（ Structure Element） ,在每個像素位置上它與二值圖像對應的區(qū)域進行特定的邏輯運算，運算結(jié)果為輸出圖像的相應像素。形態(tài)學運算的效果取決于結(jié)構(gòu)元素的大小、內(nèi)容以及邏輯運算的性質(zhì)。常見的形態(tài)學運算有腐蝕和膨脹兩種。常用的簡單對稱結(jié)構(gòu)元素有 ：圓形（ disk）、方形 (square)、菱形(diamond)。 ① 腐蝕 (imerode)：腐蝕是一種消除邊界點，使邊界向內(nèi)部收縮的過程。利用該操作，可以消除小且無意義的物體。 ② 膨脹 (imdilate)：膨脹是將與物體接觸的所有背景點合并到該物體中，使邊界向外部擴張的過程。利用該操作，可以填補物體中的空洞。 ③ 開運算（ imopen）：先腐蝕后膨脹的過程稱為開運算。利用該運算可以消除小物體，在纖細點處分離物體，平滑較大物體的邊界，同時并不明顯改變原來物體的面積。 ④ 閉運算 (imclose)：先膨脹 后腐蝕的過程稱為閉運算。利用該運算可以填充物體內(nèi)細小的空洞，連接鄰近物體，平滑其邊界，同時并不明顯改變原來物體的面積。 通常，由于噪聲的影響，圖像在閾值化后得到邊界通常都很不平滑，物體區(qū)數(shù)理與信息工程學院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡的水果自動識別 14 域有一些噪聲孔，背景區(qū)域上則散布著一些小的噪聲物體。連續(xù)的開和閉運算可以有效地改善這種情況。 Sobel 算子是一種簡單常用的微分算子，它不僅能檢測邊緣點，而且能進一步抑制噪聲的影響。 Sobel 算子是對數(shù)字圖像 f(x,y)的每個像素考查其相鄰點像素灰度的加權(quán)差，即 S(x,y)=[f(x1,y1) + 2f(x1,y) + f(x1,y+1)] [f(x+1,y1) + 2f(x+1,y) + f(x+1,y+1)] + [f(x1,y1) + 2f(x,y1) + f(x+1,y1)] [f(x1,y+1) + 2f(x,y+1) + f(x+1,y+1)] (22) 利用 Sobel 算子進行邊緣檢測；利用 OR 運算結(jié)合模糊分割和邊緣信息，去除斷邊；利用數(shù)學形態(tài)學重新填充一下圖像中的洞，最終處理后的圖像符合我們的要求，其效果分別如圖 25和圖 26所示： 程序如下： %利用 sobel 算子提取邊緣 ROI_edge=edge(QuZao,39。sobel39。)。 figure(5)。imshow(ROI_edge)。title(39。邊緣檢測圖像 39。)。 %利用 OR 運算結(jié)合二值化圖像和邊緣信息 ROI_Seg=zeros(m,n)。 for i=1:m for j=1:n if (ROI_edge(i,j)==0) amp。 (Erzhihua(i,j)==0) ROI_Seg(i,j)=0。 else ROI_Seg(i,j)=255。 end end end figure(6)。imshow(ROI_Seg)。title(39。OR 運算分割圖像 39。)。 %去除斷邊 se = strel(39。disk39。,3)。 Fina_Seg = imclose(ROI_Seg,se)。 %去除斷邊后重新再填充一下圖像中的洞 Fina_Seg = imfill(Fina_Seg,4,39。holes39。)。 數(shù)理與信息工程學院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡的水果自動識別 15 圖 25 邊緣檢測圖像 圖 26 OR運算分割圖像 2． 1． 6 圖像標簽化處理 所謂圖像的標簽化，是指對圖像中互相連通的所有像素賦予同樣的標號，而對于不同的連接成分則給予不同的標號的處理過程。經(jīng)過標簽化處理就能把各個連接成分進行分離，從而可以研究它們的特征。 作為區(qū)域分割（標簽化）的方法，最基本的是區(qū)域擴張法。這種方法把圖像分割成特征相同的小區(qū)域 (最小的單位是像素 )，研究與其相鄰的各個小區(qū)域之間的特征，把具有類似特征的小區(qū)域依次合并起來。例如，為了從像素開始進行區(qū)域擴張，可操作 如下： 1. 對圖像進行光柵掃描，求出不屬于任何區(qū)域的像素； 2. 把這個像素的灰度與其周圍的 (4 鄰域或 8 鄰域 )不屬于任何一個區(qū)域的像素灰度相比較，如果其差值在某一閾值以下，就把它作為同 — 個區(qū)域加以合并； 3. 對于那些新合并的像素，反復進行 2的操作； 4. 反復進行 3 的操作，直至區(qū)域不能再擴張為止； 5. 返回到 1，尋找能成為新區(qū)域出發(fā)點的像素。 本設計采用的是 8 鄰域法，由于是二值圖像，所以差值可以定義為‘ 0’。為了能夠看到明顯的效果，程序以不同的顏色來突出顯示標簽化后的圖像，其效果分 別如圖 27 和圖 28 所示： 程序如下： %標記連接成分（ 8 鄰域） [Biaoqianhua1 XNum]=bwlabeln(Fina_Seg,8)。 Biaoqianhua=Biaoqianhua1(3:end3,3:end3)。 [m,n]=size(Biaoqianhua)。 figure(7)。imshow(Biaoqianhua)。title(39。標簽化圖像 39。) Biaoqianhua1=Biaoqianhua。 數(shù)理與信息工程學院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡的水果自動識別 16 %以偽彩色的形式顯示標記圖像 RGBX=label2rgb(Biaoqianhua,@jet,39。k39。)。 figure(8)。imshow(RGBX)。title(39。彩色標簽化圖像 39。) 圖 27 標簽化圖像 圖 28 彩色標簽化圖像 2． 2 圖像特征參數(shù)計算 S1,S2,S3—— 分別表示三種水果的面積； L1,L2,L3—— 分別表示三種水果的周長； radian_o, radian_b, radian_a —— 分別表示三種水果的弧度。 本課題計算的圖像特征參數(shù)有： （ 1）面積：計算物體所包含的像素數(shù)量。 經(jīng) 過標簽化的不同區(qū)域像素值分別為： 1， 2， 3。所以可以這樣來計算面積： S1 對應像素值為 1 的區(qū)域，當從左到右，從上到下地對圖像進行掃描時，發(fā)現(xiàn)像素值為 1 的，則計數(shù)器 S1 就加 1, 整幅圖像掃描完畢，即得區(qū)域 1 的面積。類似的，可以求出 S2和 S3，只是對應的 S(n)需要除以 n 。 程序如下： S1=0。S2=0。S3=0。 for i=1:m for j=1:n if (Biaoqianhua(i,j)==1) S1=S1+1。 end end end S1。 for i=1:m 數(shù)理與信息工程學院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡的水果自動識別 17 for j=1:n if (Biaoqianhua(i,j)==2) S2=S2+2。 end end end S2=S2/2。 for i=1:m for j=1:n if (Biaoqianhua(i,j)==3) S3=S3+3。 end end end S3=S3/3。 （ 2）周長：計算出物體輪廓線上的像素數(shù)，在斜方 向上，會產(chǎn)生數(shù)字化圖形特有的誤差，故應以其 2 倍的數(shù)量加以補正。 當從左到右，從上到下地掃描圖像時，發(fā)現(xiàn)像素值為 1的，且它的相鄰像素值（ 8 領域）有與它不同的，計數(shù)器 L1 加 1，整幅圖像掃描完畢，即得區(qū)域 1的周長。類似可以求出 L2和 L3。 程序如下： L1=0。L2=0。L3=0。 for i=1:m for j=1:n if ((Biaoqianhua(i,j)==1amp。Biaoqianhua(i1,j1)==0)|(Biaoqianhua(i,j)==1amp。… Biaoqianhua(i1,j)==0)|(Biaoqianhua(i,j)==1amp。Biaoqianhua(i1,j+1)==0)|… (Biaoqianhua(i,j)==1amp。Biaoqianhua(i,j1)==0)|(Biaoqianhua(i,j)==1amp?！? Biaoqianhua(i,j+1)==0)|(Biaoqianhua(i,j)==1amp。Biaoqianhua(i+1,j1)==0)|... (Biaoqianhua(i,j)==1amp。Biaoqianhua(i+1,j)==0)|(Biaoqianhua(i,j)==1amp?！? Biaoqianhua(i+1,j+1)==0)) L1=L1+1。 end 數(shù)理與信息工程學院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡的水果自動識別 18 end end for i=1:m for j=1:n If ((Biaoqianhua(i,j)==2amp。Biaoqianhua(i1,j1)==0)|(Biaoqianhua(i,j)==2amp?！? Biaoqianhua(i1,j)==0)|(Biaoqianhua(i,j)==2amp。Biaoqianhua(i1,j+1)==0)|… (Biaoqianhua(i,j)==2amp。Biaoqianhua(i,j1)==0)|(Biaoqianhua(i,j)==2amp?！? Biaoqianhua(i,j+1)==0)|(Biaoqianhua(i,j)==2amp。Biaoqianhua(i+1,j1)==0)|... (Biaoqianhua(i,j)==2amp。Biaoqianhua(i+1,j)==0)|(Biaoqianhua(i,j)==2amp?！? Biaoqianhua(i+1,j+1)==0)) L2=L2+1。 end end end for i=1:m for j=1:n If ((Biaoqianhua(i,j)==3amp。Biaoqianhua(i1,j1)==0)|(Biaoqianhua(i,j)==3amp?！? Biaoqianhua(i1,j)==0)|(Biaoqianhua(i,j)==3amp。Biaoqianhua(i1,j+1)==0)|… (Biaoqianhua(i,j)==3amp。Biaoqianhua(i,j1)==0)|(Biaoqianhua(i,j)==3amp?！? Biaoqianhua(i,j+1)==0)|(Biaoqianhua(i,j)==3amp。Biaoqianhua(i+1,j1)==0)|... (Biaoqianhua(i,j)==3amp。Biaoqianhua(i+1,j)==0)|(Biaoqianhua(i,j)==3amp。… Biaoqianhua(i+1,j+1)==0)) L3=L3+1。 end end end L1。 L2。 數(shù)理與信息工程學院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡的水果自動識別 19 L3。 （ 3）弧度：它是在面積、周長的基礎上，測量物體形狀的 復雜程度的特征量。有弧度 =4π（面積） /（周長） 2。通過對三種弧度的比較，可以將弧度最小的香蕉識別出來。 程序如下： radian_o=0。radian_b=0。radian_a=0。 radian_o=4*pi*S1/(L1)^2 radian_b=4*pi*S2/(L2)^2 radian_a=4*pi*S3/(L3)^2 （ 4）顏色： 計算機進行圖像分類識別的實際操作時 , 顏色特征的表達和提取存在兩個問題 : ①顏色參量