基于matlab GUI的水果識(shí)別系統(tǒng)

楊霈

(蘭州理工大學(xué)，甘肅蘭州，730050)

0 引言

圖像處理是一種利用計(jì)算機(jī)分析圖像以達(dá)到預(yù)期結(jié)果的技術(shù)。圖像處理一般指數(shù)字圖像處理，而數(shù)字圖像指由工業(yè)相機(jī)、攝像機(jī)、掃描儀等設(shè)備捕捉到的二維數(shù)組，數(shù)組中的元素稱為像素，元素的值稱為灰度值[1]。

計(jì)算機(jī)圖像識(shí)別技術(shù)和人識(shí)別圖像在原理上沒有本質(zhì)區(qū)別，只是機(jī)器沒有人的感覺。人類圖像識(shí)別不僅僅是依賴于整個(gè)圖像在腦中的映像、我們依賴于圖像本身特點(diǎn)然后對圖像進(jìn)行分類,然后對每個(gè)類別圖像識(shí)別的特點(diǎn)識(shí)別圖像。當(dāng)我們看到一張圖片時(shí)，我們的大腦會(huì)迅速產(chǎn)生聯(lián)想。在“看”和“想”之間有一個(gè)快速的識(shí)別過程，這與搜索的過程類似。在這個(gè)過程中，我們的大腦已經(jīng)在存儲(chǔ)記憶的分類的類別中看是否有存儲(chǔ)的記憶或與圖像具有相似的特征，從而識(shí)別圖像。類似的是機(jī)器圖像識(shí)別技術(shù)，它通過分類提取重要特征，排除冗余信息來識(shí)別圖像。這些由機(jī)器提取出來的特征一般是十分明顯的，機(jī)器識(shí)別的速度也因此提高。在計(jì)算機(jī)的視覺識(shí)別中，圖像的內(nèi)容往往是用圖像特征來描述的[2]。

圖1 圖形用戶界面示意圖

1 MATLAB GUI 界面

MATLAB GUI（又稱圖形用戶界面），它的含義是以圖形化方式顯示的計(jì)算機(jī)操作用戶界面，是MATLAB 用戶可視化交互式的工具，運(yùn)用GUI 生成的操作界面用戶可以不用瀏覽繁冗的代碼而進(jìn)行操作[3]。

圖形用戶界面(GUI)是由窗口、鍵、游標(biāo)、菜單、文本指令和其他對象組成的用戶界面。用戶通過某些方法(如鼠標(biāo)或鍵盤)選擇和激活這些圖形對象，使計(jì)算機(jī)產(chǎn)生反應(yīng)，如計(jì)算、繪圖、顯示結(jié)果等。本文通過用戶界面將展示對圖像的二值化，處理邊緣，水果分類最終實(shí)現(xiàn)水果識(shí)別并保存結(jié)果[4]。

2 圖像二值化

圖像的二值化處理是將圖像上的點(diǎn)的灰度值設(shè)置為為0 或255，于是圖像呈現(xiàn)出明顯的黑白效果也就是獲得黑白圖像[5]。

二值圖像中的一種主要處理是對所提取的目標(biāo)圖形進(jìn)行形態(tài)分析。而形態(tài)處理中最基本的是腐蝕與膨脹。腐蝕處理的作用是將目標(biāo)圖形收縮。其中用得到結(jié)構(gòu)元素，結(jié)構(gòu)元素是指具有某種確定形狀的基本結(jié)構(gòu)元素，例如，一定大小的矩形,圓或者菱形等。本文先對圖像進(jìn)行了降噪處理和平滑邊界處理再把圖像灰度化再進(jìn)行腐蝕處理。本文隨機(jī)打開一張事先準(zhǔn)備好的圖片進(jìn)行二值化處理結(jié)果如圖2-4 所示。

3 邊緣提取

邊緣提取就是在數(shù)字圖像中對圖片輪廓的處理。對于邊界處，灰度值變化比較劇烈的地方就稱為邊緣。也就是拐點(diǎn)（函數(shù)發(fā)生凹凸性變化的點(diǎn)）是二階導(dǎo)數(shù)為零的點(diǎn)，并不是一階導(dǎo)數(shù)，因?yàn)橐浑A導(dǎo)數(shù)為零，表示的是極值點(diǎn)。保留圖像灰度變化較大的區(qū)域是邊緣提取的一般方法，從數(shù)學(xué)的角度來看，最直觀的方法是差分(數(shù)字圖像差分)[6]。

圖3 灰度圖像

圖4 二值化處理圖像

邊緣檢測的基本思想是利用邊緣增強(qiáng)算子對圖像的局部邊緣進(jìn)行突出，然后定義像素的“邊緣強(qiáng)度”，通過設(shè)置閾值來提取邊緣點(diǎn)。由于噪聲和模糊，監(jiān)測的邊界可能在某一點(diǎn)變寬或破裂。因此，邊界檢測就包括:(1)通過邊緣算子提取反映灰度變化的邊緣點(diǎn)集。(2)在邊緣點(diǎn)集合中消除一些邊界點(diǎn)或填充邊界不連續(xù)點(diǎn)，并將這些點(diǎn)連接成一條完整的線。在邊緣化處理前一般先進(jìn)行圖像降噪已獲得合適的圖像邊沿，本文對圖像的邊緣提取如圖5 所示。

圖5 邊緣提取圖形

4 圖像識(shí)別

圖像識(shí)別技術(shù)的過程一般包括信息獲取、預(yù)處理、特征提取與選擇、分類器設(shè)計(jì)和分類決策這幾個(gè)步驟[7]。

信息獲取有很多方法如把光或聲信息通過傳感器轉(zhuǎn)化為電信息。通俗來說就是把研究對象的基本信息以某種方式轉(zhuǎn)換成機(jī)器可以理解的信息。預(yù)處理主要是指對圖像進(jìn)行去噪、平滑、變換等操作，從而增強(qiáng)圖像的重要特征。特征提取與選擇：我們研究的圖像是多種多樣的，若想?yún)^(qū)分它們，就必須通過它們自身的特征來識(shí)別它們，獲取這些特征就是提取特征。特征提取需要提取有用的特征一般選取明顯的特征這樣才能識(shí)別相應(yīng)的物體，這就是特征選擇。特征提取與選擇是圖像識(shí)別過程中的關(guān)鍵技術(shù)之一。分類器設(shè)計(jì)是指通過訓(xùn)練得到一個(gè)識(shí)別規(guī)則，通過這個(gè)規(guī)則可以得到一個(gè)特征分類，從而提高識(shí)別率。分類決策是對被識(shí)別的對象在特征空間中進(jìn)行分類更好地識(shí)別所研究對象的具體類別。

在本文中在去噪的基礎(chǔ)上先建立了HSV 色素模型（表示色相、飽和度和亮度）。計(jì)算各個(gè)水果的平均HSV 數(shù)值并求得水果的最小HSV 值，利用regionprops 函數(shù)獲得各個(gè)聯(lián)通區(qū)域的屬性值(中心點(diǎn)坐標(biāo)，外接橢圓的長短軸長度，面積)，隨后計(jì)算各個(gè)水果的似圓特征比（長軸/短軸），再獲得以每個(gè)水果重心為中心點(diǎn)的邊長為30 的正方形內(nèi)的像素的rgb 值，利用以上條件通過比對獲得最終分類結(jié)果。譬如:西瓜就需要面積最大，似圓性小于1.4，b 值大于1，通過for循環(huán)就可找到西瓜。

圖6 圖像識(shí)別結(jié)果

也就是進(jìn)行了預(yù)處理，信息獲取，特征提取與選擇，分類器設(shè)計(jì)。

5 結(jié)論

我們可以通過該算法實(shí)現(xiàn)的水果識(shí)別并為教導(dǎo)幼兒實(shí)現(xiàn)電子識(shí)別水果提供方便。

本文通過對水果圖像進(jìn)行灰度，邊界，腐蝕，去噪處理并把了每個(gè)水果相應(yīng)的rgb 值并轉(zhuǎn)化為相應(yīng)的hsv 色素模型并獲得相應(yīng)值，計(jì)算每個(gè)水果的規(guī)格大小（面積，似圓性，獲得以每個(gè)水果重心為中心點(diǎn)的邊長為30 的正方形內(nèi)的像素的rgb 值），通過比較獲得最后分類結(jié)果。

本文前景廣闊不僅可以適用于水果識(shí)別還可以用于其他物體識(shí)別比如不同的杯具茶具，足球籃球等多種多樣的物體。