【正文】 figure,imshow(M)。[r,c]=find(bwlabel(D)==5)。M=bwselect(D,c,r)。figure,imshow(M)。[r,c]=find(bwlabel(D)==3)。M=bwselect(D,c,r)。figure,imshow(M)。[r,c]=find(bwlabel(D)==1)。figure,imshow(D)。figure,imshow(C)。figure,imshow(B)。figure,imshow(A)。39。figure,bar(p)。p5。p3。p=[p1。n5。n3。n1。p6=n6/n0。(R=200)。p5=n5/n0。(R190)。p4=n4/n0。(R180)。p3=n3/n0。(R170)。p2=n2/n0。(R160)。p1=n1/n0。(R150)。n0=sum(sum(q0))。 q0=(R=140)amp。on39。figure,imshow(BW)。)。figure (1),pixval(39。BW=roicolor(R,140,200)。on39。figure,imshow(BW)。 figure,plot(x,r,y,w),grid on。 figure (1)。figure (1)。figure,imshow(R)。R=I(:,:,1)。39。感謝楊海師兄、劉和師兄！感謝SIT小組的四位同學(xué)！大家在一起的爭論使我對項(xiàng)目研究方案、研究細(xì)節(jié)有了更多更好的把握；感謝黃盛同學(xué)提供的幫助，不經(jīng)意的一句話，使我的設(shè)計(jì)研究少走很多彎路；感謝同寢室的易瑜同學(xué)，是他每天都不厭其煩地聽我有關(guān)項(xiàng)目進(jìn)展的描述，生活中的朋友也是我學(xué)業(yè)的好伙伴。感謝滕老師認(rèn)真傾聽我的問題，感謝他對我意見的尊重，更感謝老師的耐心指導(dǎo)以及真誠的鼓勵(lì)。(另起一頁，此說明打印時(shí)刪除)致 謝經(jīng)過三個(gè)月時(shí)間的設(shè)計(jì)，從原先對項(xiàng)目的一無所知到現(xiàn)在對基本框架和某些細(xì)節(jié)達(dá)到比較清楚的程度，其間不少人在不同方面給了我許多無私的幫助，在此真誠地向他們說聲謝謝。因?yàn)楫厴I(yè)設(shè)計(jì)時(shí)間有限，本文暫未深入該方面的內(nèi)容，考慮到系統(tǒng)的完整性，故在此只略提之。此外，還有圖形的幅寬、占有率以及圖形的直徑等特征量。設(shè)多邊形的頂點(diǎn)為，則到達(dá)第k個(gè)頂點(diǎn)時(shí)的長度（各邊之和）為 （）偏角函數(shù)為 （） （）因而可對進(jìn)行傅立葉展開來計(jì)算展開系數(shù)。對于用邊界線跟蹤算法求出的圖形的邊界線，可以認(rèn)為它表示多邊形。在這里，封閉曲線的大致形狀可通過{ak}，{bk}的低次項(xiàng)來表現(xiàn)，而局部的形狀變動(dòng)可通過{ak}，{bk}的高次項(xiàng)（K較大的項(xiàng)）來表現(xiàn)。在這里，根據(jù)下式： （）定義的函數(shù)成為周期L的周期函數(shù)，稱為正規(guī)化偏角函數(shù)。當(dāng)沿著曲線搜索并返回到始點(diǎn)時(shí)，就成為從始點(diǎn)的偏角開始變化到的函數(shù)，把它稱為偏角函數(shù)。下面給出封閉曲線的傅立葉描述符的例子。(4)傅立葉描述符把表示封閉曲線的周期函數(shù)用傅立葉級數(shù)展開，根據(jù)從中得到的展開系數(shù)能表示這個(gè)封閉曲線的特征，這樣的展開系數(shù)稱為該封閉曲線的傅立葉描述符。根據(jù)(p,q)的組合能計(jì)算各種各樣的特征量，但下面的兩種特征量是最常采用的。(3)矩特征在圖形中的形狀特征中重要的有矩特征。很顯然，凸圖形的凸包就是它本身。(2)凹凸性連接圖形任意兩個(gè)像素的線段，如果不通過這個(gè)圖形以外的像素，則稱這個(gè)圖形為凸。 （）L表示圖形的周長，S表示圖形的面積。(1)面積、周長、復(fù)雜度圖形的面積，可以簡單地通過對屬于這個(gè)圖形像素?cái)?shù)進(jìn)行計(jì)數(shù)來求出；另一方面，周長則可以通過對圖形邊界點(diǎn)像素的個(gè)數(shù)進(jìn)行計(jì)數(shù)來求出。根據(jù)對象圖形或分類、識別的需要，可以定義各種各樣的形狀特征。endendb=S./a。endif(ch==2)if(Z(3)Z(2))a=Z(4)Z(1)。Z(ch,:)=[z(1),z(end)]。S=bwarea(M)+S。figure,imshow(m)。f=B(q(1),q(2))。q=M(p(1),:)。p=sort(r)。for n=1:num[r,c]=find(bwlabel(D)==n)。 S=0。D=bwareaopen(C,512)。 系統(tǒng)循環(huán)和判斷部分流程圖B=rgb2gray(A)。39。 脂肪層厚度自動(dòng)檢測的軟件實(shí)現(xiàn)仿照肌肉紅色度自動(dòng)測量過程，本文也給出實(shí)現(xiàn)脂肪層厚度自動(dòng)測量的程序。 采用灰度值判據(jù)提取的對象1 采用灰度值判據(jù)提取的對象2綜上所述，大多情況下不存在刀口，檢測出來的脂肪對象只有一個(gè)，只要用相應(yīng)面積除以長度即可求出厚度值；如果存在一個(gè)刀口，也就是檢測出來兩個(gè)脂肪對象時(shí)，可以通過前文所述算法給出厚度值；但當(dāng)出現(xiàn)兩個(gè)或兩個(gè)刀口以上，也就是檢測出來的脂肪對象的數(shù)目為3個(gè)或3個(gè)以上時(shí)，系統(tǒng)就應(yīng)該給出提示信息，建議更換樣品；當(dāng)然還有另外一種情況，就是系統(tǒng)檢測不到對象，這時(shí)一般是肉品擺放位置不正確。值得指出的是，針對上面所分析的圖像，由于存在刀口的問題，使得程序在細(xì)節(jié)方面做了不少考慮。如果對象1橫坐標(biāo)的上限值大于對象2橫坐標(biāo)的下限值，則應(yīng)該采用對象2橫坐標(biāo)的上限值減去對象1橫坐標(biāo)的下限值來作為總長度的算法；反之，則應(yīng)采用兩段長度相加作為總長度的算法。但是如果刀口是垂直的，采用上述的辦法則會(huì)使所得到的長度比真實(shí)值要大，這時(shí)就應(yīng)該采用將兩部分長度相加作為總長度的做法。其實(shí)兩者的長度是有一定交疊的，這取決于刀口的走向。測量長度就是計(jì)算區(qū)域像素橫坐標(biāo)上限與下限的差值，則序列首尾分別與像素橫坐標(biāo)上、下限值相對應(yīng)，從而各單獨(dú)區(qū)域的長度就確定下來了。在研究顏色的時(shí)候已經(jīng)討論過，黑色背景與對象的灰度值有很明顯的差別，事實(shí)上的確如此，理想背景的灰度值為1，而樣品上的任何部位灰度值也不會(huì)低于50，所以設(shè)置閾值為30，便可以十分準(zhǔn)確地將所需的對象判斷出來。雖然從一幅圖像上來看好多情況不太有可能，但還是需要為儀器的準(zhǔn)確度做最周密的考慮。利用該判據(jù)，不論它們是哪個(gè)的縱坐標(biāo)下限值更大些。（3）針對利用縱坐標(biāo)下限值比較的不足，可以考慮利用對象的縱坐標(biāo)中心線進(jìn)行判斷。這里再說明一下為什么會(huì)有兩塊區(qū)域靠近底邊，對照附錄A彩色原圖可以看出，實(shí)際上兩塊都是脂肪，但是由于兩者之間存在一個(gè)刀口，致使該區(qū)域受光不足，導(dǎo)致在經(jīng)過灰度選擇等操作后將刀口兩邊脂肪給分開了。（2）根據(jù)肉品擺放的要求，可以比較各個(gè)對象縱坐標(biāo)下限值，認(rèn)為最靠近底邊的那一個(gè)對象即是脂肪層所在的區(qū)域。建立判據(jù)有以下幾種思路：（1）認(rèn)為在所有對象中，面積最大的一塊區(qū)域就是脂肪層所在的區(qū)域。為了在得到面積之后，較準(zhǔn)確地從長度得到寬度，就必須要求肉品擺放盡量與底邊平行；而為了建立一個(gè)選擇對象的準(zhǔn)則，可以要求肉品擺放時(shí)脂肪層總是朝向固定。去掉大對象的干擾可以采用判據(jù)將不符合要求的對象剔除掉。通過對象標(biāo)記，可以知道在上圖存有6個(gè)單獨(dú)的對象，并將其一一顯示出來（具體過程可參看附錄C）。這里用到一條很有用的命令bwareaopen，它可以將二值圖像中低于指定像素的區(qū)域?yàn)V掉，從而使圖像變得簡單、干凈。可以看到圖像中的脂肪部分已經(jīng)清晰顯現(xiàn)出來，但卻夾雜著許多大小不同的干擾。但它是提取了彩色圖像的一個(gè)通道R后形成的，而后者則是將彩色圖像整體轉(zhuǎn)化成一幅灰度圖像，二者的成因不一樣。但是這一個(gè)嘗試，卻使結(jié)果比較清晰地顯示出來，接下來要思考的問題就是如何變互動(dòng)為自動(dòng)的提取過程。 肉品原始圖像的灰度圖像變換利用多邊形選擇命令roipoly可以很容易將所需脂肪層部分提取出來。于是考慮將脂肪層各處的寬度作積分，對應(yīng)數(shù)學(xué)上即求得脂肪層的面積，之后利用式（）計(jì)算出平均寬度，而且使測量誤差也得以減小，不過這對肉品的擺放有一定的要求，下文會(huì)進(jìn)行專門討論。 %這里假設(shè)計(jì)算的是像素R灰度值170~180與140~150的相對比例 基于計(jì)算機(jī)視覺的脂肪層厚度自動(dòng)檢驗(yàn)對于圖像平面來說，脂肪層厚度對應(yīng)著寬度。n4=sum(sum(q4))。q4=(R=170)amp。(R150)。R=I(:,:,1)。39。m=double(q0).*double(R)。(R=200)。R=I(:,:,1)。39。 肌肉顏色自動(dòng)判定的軟件實(shí)現(xiàn)試驗(yàn)是一個(gè)互動(dòng)的過程，而真正的測量則應(yīng)該是一個(gè)自動(dòng)的過程，也就是要取消人為因素的干擾，可以說試驗(yàn)主要完成地是確定肌肉區(qū)間的上下限值，真正要嵌入到系統(tǒng)中完成測量的將只是下文兩方案中對應(yīng)的程序。針對這兩種情況使用計(jì)算大區(qū)間均值或是小區(qū)間相對比例都可較有效地判別，具體選用哪種方案則要等到對真正含有瘦肉精的豬肉樣品分析之后才能下結(jié)論，也可能是兩方案都用，但也不排除兩者全都否定的情況。把R灰度值140~200區(qū)間定義為大部分肌肉所在區(qū)域稱為紅區(qū)，而把200~240之間定義為大部分脂肪所在區(qū)域稱為白區(qū)，兩者在180~200之間有一定的交叉。其中橫軸6分別對應(yīng)R灰度值140~150、150~160、160~170、170~180、180~190、190~200小區(qū)間，縱軸表示小區(qū)間所占的比例。本文只是借此進(jìn)一步地討論方案的可行性。根據(jù)前文的結(jié)果，把R灰度值140~200作為分析的主要區(qū)間。從以上的分析得知，將肌肉部分所在的像素按R灰度值分區(qū)間考慮的想法是可行的。，最上面的一塊是受光照比較強(qiáng)的一部分肌肉；中間比較稀疏的一小塊則是肉品的大理紋區(qū)域，所謂的大理紋也即肌肉中稍沾白的部分，對于它暫時(shí)不能采取措施，因?yàn)檫@是肉品的正?，F(xiàn)象；最下面的一部分則集中顯示了大部分的脂肪。 R灰度值140~200之間像素 R灰度值200~255之間像素，上面的大塊區(qū)域即肌肉所在區(qū)，而下面的小塊區(qū)域則是一小條受光照影響以及沾有雜質(zhì)的脂肪。這表明對肌肉顏色分區(qū)間考慮的想法是有一定正確性的，如果在儀器設(shè)計(jì)時(shí)考慮好光照的均勻性，在樣品放入之前對肉品含有血跡的部分稍作擦拭，就可以盡量把這些受到干擾的像素都挪移到R灰度值在140以上的區(qū)域?？梢苑治鯮灰度值在100~140之間像素的成因。曲線Ⅰ 曲線Ⅱ脂肪肌肉 脂肪與肌肉部分像素的R灰度值落點(diǎn)分布曲線利用區(qū)域處理命令roicolor可以按指定的灰度范圍設(shè)定感興趣的區(qū)域，并作二值圖像顯示。以上分析表明，在R灰度值100~140之間，肌肉部分和脂肪部分的像素都較少；R灰度值140~200之間的點(diǎn)主要為肌肉部分像素，但是里面也有少量的脂肪部分像素；而R灰度值200~255之間則主要為脂肪部分的像素，不過也夾雜著一些肌肉部分的像素。將以上兩部分所得到的變量分布利用坐標(biāo)圖像顯示出來，橫軸為經(jīng)過排序后的像素位次，縱軸表示像素的R灰度值，曲線Ⅰ為脂肪部分像素的R灰度值落點(diǎn)分布曲線，曲線Ⅱ?yàn)榧∪獠糠窒袼氐腞灰度值落點(diǎn)分布曲線。執(zhí)行impixel命令，利用鼠標(biāo)在所有肉眼感覺為紅色的區(qū)域單擊選擇點(diǎn)，盡可能保證單擊點(diǎn)數(shù)與所在肌肉面積成正比，單擊鼠標(biāo)右鍵完成選擇；之后對得到的變量提取R灰度值并作排序。單擊鼠標(biāo)左鍵