基于matlab的水果識(shí)別的數(shù)字圖像處理(編輯修改稿)
2025-09-06 14:19 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 w(YuanTu)。 title(39?；叶葓D像39。)。 %顯示原彩色圖像的灰度圖像其中“D:\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。讀取的灰度圖像如圖32 所示：圖32灰度圖像 圖像二值化處理 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(jiǎn)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)拈撝礣h。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(mén)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(guò)大，過(guò)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(guò)小，過(guò)多的背景點(diǎn)被誤認(rèn)為目標(biāo)點(diǎn)，噪聲過(guò)大，目標(biāo)特性也會(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(lái)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(guò)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(lái)，即實(shí)現(xiàn)了目標(biāo)對(duì)象的提取。閾值法是一種簡(jiǎn)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(lái)。二值化后的圖像如圖33所示，閾值處理后圖像如圖34所示：圖33二值化圖像圖34閾值處理后圖像數(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(lái)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(kāi)，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(lái)，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 Morphology）集合論方法發(fā)展起來(lái)的圖像處理方法。數(shù)學(xué)形態(tài)學(xué)是圖像處理和模式識(shí)別領(lǐng)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(duì)應(yīng)形狀，以達(dá)到對(duì)圖像分析和識(shí)別的作用。（2）形態(tài)學(xué)基本運(yùn)算通常，形態(tài)學(xué)圖像處理表現(xiàn)為一種鄰域運(yùn)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(gè)像素位置上它與二值圖像對(duì)應(yīng)的區(qū)域進(jìn)行特定的邏輯運(yùn)算，運(yùn)算結(jié)果為輸出圖像的相應(yīng)像素。形態(tài)學(xué)運(yùn)算的效果取決于結(jié)構(gòu)元素的大小、內(nèi)容以及邏輯運(yùn)算的性質(zhì)。常見(jiàn)的形態(tài)學(xué)運(yùn)算有腐蝕和膨脹兩種。常用的簡(jiǎn)單對(duì)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(diǎn)，使邊界向內(nèi)部收縮的過(guò)程。利用該操作，可以消除小且無(wú)意義的物體。② 膨脹(imdilate)：膨脹是將與物體接觸的所有背景點(diǎn)合并到該物體中，使邊界向外部擴(kuò)張的過(guò)程。利用該操作，可以填補(bǔ)物體中的空洞。③ 開(kāi)運(yùn)算（imopen）：先腐蝕后膨脹的過(guò)程稱為開(kāi)運(yùn)算。利用該運(yùn)算可以消除小物體，在纖細(xì)點(diǎn)處分離物體，平滑較大物體的邊界，同時(shí)并不明顯改變?cè)瓉?lái)物體的面積。④ 閉運(yùn)算(imclose)：先膨脹后腐蝕的過(guò)程稱為閉運(yùn)算。利用該運(yùn)算可以填充物體內(nèi)細(xì)小的空洞，連接鄰近物體，平滑其邊界，同時(shí)并不明顯改變?cè)瓉?lái)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)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(kāi)和閉運(yùn)算可以有效地改善這種情況。Sobel算子是一種簡(jiǎn)單常用的微分算子，它不僅能檢測(cè)邊緣點(diǎn)，而且能進(jìn)一步抑制噪聲的影響。Sobel算子是對(duì)數(shù)字圖像f(x,y)的每個(gè)像素考查其相鄰點(diǎn)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)
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1