基于matlab的水果識別的數(shù)字圖像處理-在線瀏覽
2024-09-20 14:19本頁面
【正文】 量化的結(jié)果，該圖像的水平掃描線AB經(jīng)過采樣和量化處理后，得到的是離散的，數(shù)值化的結(jié)果，便于在計(jì)算機(jī)內(nèi)進(jìn)一步存儲，表達(dá)和處理。數(shù)字圖像是真實(shí)場景的一種近似的表示結(jié)果。從該圖中可以明顯的看出，數(shù)字圖像中并不含有客觀物體中的全部精確信息。其中MATLAB是20世紀(jì)70年代美國新墨西哥大學(xué)計(jì)算機(jī)科學(xué)系主任Cleve Moler為了減輕學(xué)生編程負(fù)擔(dān)，用Fortran編寫的；1984年由Math Works 公司正式推向市場。MATLAB是一個交互式軟件系統(tǒng)，具有很強(qiáng)的數(shù)值計(jì)算功能和編程功能；具有結(jié)構(gòu)控制，函數(shù)調(diào)用，輸入輸出等程序語言特征；有豐富的工具箱，圖像處理就是其中一個功能強(qiáng)大的工具。MATLAB支持灰度圖像，二值圖像，真彩圖像和索引圖像4種類型的圖像，編程效率較其它高級語言高。下面先介紹圖像讀入和顯示方法，圖像處理的相關(guān)方法將在下一章介紹。用MATLAB讀入圖像的方法如下：I=imread（‘’）；或I=imread（‘x’，‘bmp’）MATLAB讀入圖像的類型包括強(qiáng)度圖像（即灰度圖像），二值圖像，索引圖像和真彩圖像。RGB為RGB圖像矩陣Imshow（I,[low high]）將非圖像數(shù)據(jù)顯示為圖像，這需要考慮數(shù)據(jù)是否超出了所顯示類型的最大允許范圍，其中[low high]用于定義要顯示數(shù)據(jù)的范圍第三章 圖像特征提取與分類 總體設(shè)計(jì)思路本課題的任務(wù)是基于蘋果，桔子，香蕉，菠蘿和桃子的不同圖像特征，把需要的水果從中識別（提?。┏鰜?。圖像信息的獲取一般包括圖像的攝取，轉(zhuǎn)換和數(shù)字化等幾個步驟。所以必須先對所給圖像進(jìn)行去噪和增強(qiáng)對比度的預(yù)處理。（4） 圖像特征提取，特征參數(shù)計(jì)算本課題中需要提取的圖像特征有：面積，周長，弧度，顏色等等。 圖像預(yù)處理計(jì)算機(jī)圖像是圖像以計(jì)算機(jī)文件的形式存在的，實(shí)質(zhì)上是一些數(shù)字代碼，它與通常所說的（傳統(tǒng)意義上的）圖像最大區(qū)別是計(jì)算機(jī)的圖像是數(shù)據(jù)化的，而不是模擬化的（數(shù)字圖像是模擬圖像數(shù)據(jù)化的結(jié)果），它是一般圖像的離散采樣，因而具有一些傳統(tǒng)圖像中所沒有的概念：在計(jì)算機(jī)上，由更基本的單元構(gòu)成，這些基本單元稱為“像素”?！坝?jì)算機(jī)讀取圖像”就是把圖像以數(shù)字代碼形式存儲起來。程序如下：function Shibie()CaiTu=imread(39。)。YuanTu=im2double(HuiTu)。imshow(YuanTu)?；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是一個矩陣，它以數(shù)字形式表示圖像。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。理想狀態(tài)下，背景與對象之間的灰度差異很大，且同一個對象具有基本相同的灰度值。它對物體與背景有較強(qiáng)對比的圖像的分割特別有效，計(jì)算簡單而且總能用封閉、連通的邊界定義不交疊的區(qū)域。所謂的閾值，是指在圖像分割時，作為區(qū)分物體與背景像素的門限，大于或等于閾值的像素屬于物體，其他像素則屬于背景。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。通過二值化，設(shè)置一個閾值，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，即實(shí)現(xiàn)了目標(biāo)對象的提取。利用閾值法，對于物體與背景之間存在明顯差別（對比）的景物，分割效果十分有效。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)字圖像的邊緣檢測是圖像分割、目標(biāo)區(qū)域識別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，也是圖像識別中提取圖像特征的一個重要屬性。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，因此邊緣檢測技術(shù)對于數(shù)字圖像十分重要。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。形態(tài)學(xué)運(yùn)算是針對二值圖像，并依據(jù)數(shù)學(xué)形態(tài)學(xué)（Mathematical Morphology）集合論方法發(fā)展起來的圖像處理方法。（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。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)。常用的簡單對稱結(jié)構(gòu)元素有：圓形（disk）、方形(square)、菱形(diamond)。利用該操作，可以消除小且無意義的物體。利用該操作，可以填補(bǔ)物體中的空洞。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，同時并不明顯改變原來物體的面積。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，同時并不明顯改變原來物體的面積。連續(xù)的開和閉運(yùn)算可以有效地改善這種情況。Sobel算子是對數(shù)字圖像f(x,y)的每個像素考查其相鄰點(diǎn)像素灰度的加權(quán)差，即S(x,y)=[f(x1,y1) + 2f(x1,y) + f(x1
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1