【图像识别】基于计算机视觉实现水果识别matlab代码

1 简介

本文提出了一种基于计算机视觉的复杂环境下果蔬识别方法,包括以下步骤:首先,获取待识别果蔬图像;其次,将获取到的果蔬图像进行预处理,预处理后的图像被分割为果蔬区域和背景区域;提取预处理后的果蔬图像特征,其中提取的图像特征为颜色特征和纹理特征;然后,采用自适应加权方法对果蔬特征进行融合;最后,采用最近邻分类算法对果蔬进行识别.本发明相比已有的果蔬识别系统,算法复杂度低,识别率高,具有很强的使用性,可以有效的应用于日常生活中.

2 部分代码

function varargout = untitled(varargin)
% UNTITLED MATLAB code for untitled.fig
%     UNTITLED, by itself, creates a new UNTITLED or raises the existing
%     singleton*.
%
%     H = UNTITLED returns the handle to a new UNTITLED or the handle to
%     the existing singleton*.
%
%     UNTITLED('CALLBACK',hObject,eventData,handles,...) calls the local
%     function named CALLBACK in UNTITLED.M with the given input arguments.
%
%     UNTITLED('Property','Value',...) creates a new UNTITLED or raises the
%     existing singleton*. Starting from the left, property value pairs are
%     applied to the GUI before untitled_OpeningFcn gets called. An
%     unrecognized property name or invalid value makes property application
%     stop. All inputs are passed to untitled_OpeningFcn via varargin.
%
%     *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one
%     instance to run (singleton)".
%
% See also: GUIDE, GUIDATA, GUIHANDLES% Edit the above text to modify the response to help untitled% Last Modified by GUIDE v2.5 15-Jan-2017 01:03:42% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct('gui_Name',       mfilename, ...'gui_Singleton',  gui_Singleton, ...'gui_OpeningFcn', @untitled_OpeningFcn, ...'gui_OutputFcn',  @untitled_OutputFcn, ...'gui_LayoutFcn', [] , ...'gui_Callback',   []);
if nargin && ischar(varargin{1})gui_State.gui_Callback = str2func(varargin{1});
endif nargout[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
elsegui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT% --- Executes just before untitled is made visible.
function untitled_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% hObject   handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles   structure with handles and user data (see GUIDATA)
% varargin   command line arguments to untitled (see VARARGIN)% Choose default command line output for untitled
handles.output = hObject;% Update handles structure
guidata(hObject, handles);% UIWAIT makes untitled wait for user response (see UIRESUME)
% uiwait(handles.figure1);% --- Outputs from this function are returned to the command line.
function varargout = untitled_OutputFcn(hObject, eventdata, handles)
% varargout cell array for returning output args (see VARARGOUT);
% hObject   handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles   structure with handles and user data (see GUIDATA)% Get default command line output from handles structure
varargout{1} = handles.output;% --- Executes on button press in pushbutton3.
function pushbutton3_Callback(hObject, eventdata, handles)
% hObject   handle to pushbutton3 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles   structure with handles and user data (see GUIDATA)
global I FilledLabel HSV MeanHue  Ecllipseratio Label num Premeter Area
for i = 1 : numPremeter(i) = 0;end[row,col] = size(Label);for i = 1 : rowfor j = 1 : colif(Label(i,j) > 0)Premeter(Label(i,j)) = Premeter(Label(i,j)) + 1;    %计算标记后的各块图形边界中像素的个数的总数endendend%计算各个图形单元的面积
FilledLabel=imfill(Label,'holes');  %填充打过标记的边界线中间围成的图形区域
for i = 1 : numArea(i) = 0;
end[row,col] = size(FilledLabel);
for i = 1 : rowfor j = 1 : colif(FilledLabel(i,j) > 0)Area(FilledLabel(i,j)) = Area(FilledLabel(i,j)) + 1;   %通过统计像素点个数的方式来求各形状的面积endend
end%计算各个图形单元的圆度
for i = 1 : num     Ecllipseratio(i) = 4*pi*Area(i)/Premeter(i)^2;
end%计算各个图像的颜色（色度）HSV=rgb2hsv(I);   %转换为HSV，为后面的颜色元素的提取做准备[row,col] = size(FilledLabel);   %统计填充后的图形中各块图形所含像素的个数的多少
MeanHue = zeros(1,num);for i = 1 : numHue = zeros(Area(i),1);nPoint = 0;for j = 1 : rowfor k = 1 : colif(FilledLabel(j,k) == i)nPoint = nPoint + 1;Hue(nPoint,1) = HSV(j,k,1);endendendHue(:,i) = sort(Hue(:,1));for j = floor(nPoint*0.1) : floor(nPoint*0.9)MeanHue(i) = MeanHue(i) + Hue(j,1);endMeanHue(i) = MeanHue(i) / (0.8*nPoint);  %计算出平均的色度值end% --- Executes on button press in pushbutton4.
function pushbutton4_Callback(hObject, eventdata, handles)
% hObject   handle to pushbutton4 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles   structure with handles and user data (see GUIDATA)
global I Area FilledLabel HSV MeanHue  Ecllipseratio Label num PremeterHSV=rgb2hsv(I);   %转换为HSV，为后面的颜色元素的提取做准备[row,col] = size(FilledLabel);   %统计填充后的图形中各块图形所含像素的个数的多少
MeanHue = zeros(1,num);for i = 1 : numHue = zeros(Area(i),1);nPoint = 0;for j = 1 : rowfor k = 1 : colif(FilledLabel(j,k) == i)nPoint = nPoint + 1;Hue(nPoint,1) = HSV(j,k,1);endendendHue(:,i) = sort(Hue(:,1));for j = floor(nPoint*0.1) : floor(nPoint*0.9)MeanHue(i) = MeanHue(i) + Hue(j,1);endMeanHue(i) = MeanHue(i) / (0.8*nPoint);  %计算出平均的色度值end%识别黄瓜%构建黄瓜的分类器，在二维特征空间对各个图像进行类别区分
huanggua=0;
for i=1:numif((Ecllipseratio(i)<0.7))%分类器识别黄瓜的准则：判断各个图形中平均圆率值小于0.7的为黄瓜huanggua=i;end
endend
%变换生成最终的结果图像，图像中显示的结果即对应分类器中指定的类别
juzimatrix = hsv2rgb(juziHSV);   %转换为RGB彩图，彩图中已经滤去了其余水果，只剩下橘子
subplot(2,2,4),imshow(juzimatrix);

3 仿真结果

4 参考文献

[1]陶华伟, 赵力, 高瑞军, 黄永盛, 奚吉, & 虞玲等. 一种基于计算机视觉的复杂环境下果蔬识别方法.

【图像识别】基于计算机视觉实现水果识别matlab代码相关推荐

【图像识别】基于形态学实现螺纹识别matlab代码
1 简介基于形态学实现螺纹识别matlab代码 2 完整代码 clear;clc;close all I=imread('luowen1.bmp'); %读入螺纹图片 try I=rgb2gr ...
【水果分类】基于计算机视觉实现水果识别分类含Matlab源码
1 简介通过MATLAB编写程序,进行对水果的识别与分类.在生产与生活中图像识别有着广泛的应用,目前市场上的水果分拣基本上任由人工完成,生产效率低,且肉眼判断品质好坏不精确.本设计对于水果的识别与分 ...
【水果识别】基于计算机视觉实现水果识别含Matlab源码
1 简介自"农业 4.0"时代的来临,以"互联网+"为驱动的农业技术已成为发展农业强有力的支撑.在果蔬业中,果蔬分类通常由经过训练的人员人工评估农产品或农作物 ...
基于PCA 人脸识别/人脸识别算法/人脸检测程序源码MATLAB ELM+PCA人脸识别 PCA人脸识别matlab代码基于PCA算法的人脸识别
1.基于PCA的人脸识别代码 2.MATLAB ELM+PCA人脸识别 2.基于PCA的人脸识别(matlab)(采用PCA算法进行人脸识别,通过抽取人脸的主要成分,构成特征脸空间,识别时将测试图像 ...
【图像识别】基于计算机视觉实现红绿灯识别含Matlab代码
1 简介交通信号灯控制主要是利用检测技术和传感技术来检测交通参数,以此为基础进行控制.在交通压力日渐增大的背景下,各个路口车流量不均衡的问题逐渐凸显出来,往往一边路口车流量较小而绿灯开启时间长,另一 ...
【图像识别】基于主成分分析算法实现人脸二维码识别matlab代码
1 简介基于主成分分析(PCA)的人脸识别算法由于其识别率高,算法技术成熟越来越多的被用做人脸识别技术的研究.本文首先讲解了人脸识别前的图像预处理,然后介绍基于主成分分析(PCA)算法的主要步骤,最 ...
【水果识别】基于形态学实现水果识别含Matlab源码
1 简介数学形态学操作可以分为二值形态学和灰度形态学,灰度形态学由二值形态学扩展而来.数学形态学有2个基本的运算,即腐蚀和膨胀,而腐蚀和膨胀通过结合又形成了开运算和闭运算. 开运算就是先腐蚀再膨胀, ...
深度学习之基于InceptionV3实现水果识别
看了一下之前做过的有关深度学习的实验,发现InceptionV3这个模型还没有用到,虽然并没有自己实现该网络模型,但是先学习一下它的原理,再利用迁移学习测试一下它的模型准确率,也不失为一种不错的学习方 ...
❀数据集❀基于计算机视觉的情绪识别数据集
数据集介绍以及下载链接,免费!!! 1.FER2013 Fer2013 包含大约 30,000 张不同表情的面部 RGB 图像,尺寸限制为 48×48,其主要标签可分为 7 种类型:0=愤怒,1=厌恶 ...