基于MATLAB的苹果图像处理研究
基于MATLAB 图像简单处理应用
基于MATLAB 图像简单处理应用摘要：数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。
数字图像处理技术已经在各个领域上都有了比较广泛的应用，图像处理的信息量很大，对处理速度的要求也比较高。
matlab强大的运算和图形展示功能，使数字图像处理变得更加的简单和直观。
该文介绍如何利用matlab及其图像处理工具箱进行图像灰度、亮度、截图和查找边缘效果处理，通过简单的例子来说明利用matlab图像处理工具箱及函数进行图像处理的方法。
关键词：matlab函数；图像处理；算法；工具箱；gui界面中图分类号：tp311 文献标识码：a 文章编号：1009-3044（2013）15-3610-041 图像编辑软件基本目标：加强对图像编辑的算法的理解和认识，利用matlab软件实现对图像灰度、亮度、截图以及查找边缘等操作，综合运用matlab工具箱实现图像处理的gui界面程序设计。
主要内容：学习matlab gui程序设计，利用matlab图像处理工具箱，实现图像编辑算法，动态演示算法的执行过程，设计和实现自己的图像编辑，该软件能实现以下功能：图像的打开和保存；设计图形用户界面，让用户通过菜单能够对图像进行亮度和灰度调整，显示和对比变换前后的图像；编写程序通过按钮的回调函数实现对图像截图以及查找边缘操作，并保存。
采用的方法和模型：在快速发展的信息社会，我们可以借助计算机，利用matlab软件图像处理工具箱来实现对数字图像进行处理，以达到不同的效果。
2 工具箱选择及常用函数介绍选用图像处理工具箱（image processing toolbox）。
常用的函数：1） imread 读入图像；2） uicontrol 建立并设置控件属性；3） axes 建立坐标系；4） imwrite或 uiputfile保存图像；5） uigetfile 文件打开对话框；6）imshow显示图像；7）close退出；8）imadjust 图像的亮度调整；9）rgb2gray图像的灰度调整；10）edge查找边缘；11）imcrop截图。
数字图像处理课程设计基于Matlab的数字图像处理
数字图像处理课程设计--基于Matlab的数字图像处理数字图像处理课程设计基于Matlab的数字图像处理——图像的运算院系信息技术学院专业班级电气6班学号 201107111282姓名何英娜指导教师章瑞平课程设计时间 2012年11月目录一、摘要 (3)二、图像代数运算1、1图像的加法运算 (4)1、2图像的减法运算 (4)1、3图像的除法运算 (4)1、4绝对差值运算 (7)1、 5 图像的求补运算 (7)3三、图像的几何运算2、1 图像插值 (7)2、2图像的旋转 (8)2、3图像的缩放 (9)2、4图像的投影变换 (10)2、4图像的剪切 (11)四、课程设计总结与体会 (13)五、参考文献 (14)摘要图像运算涵盖程序设计、图像点运算、代数运算、几何运算等多种运算；设计目的和任务：1、熟悉图像点运算、代数运算、几何运算的基本定义和常见方法；2、掌握在MTLAB中对图像进行点运算、代数运算、几何运算的方法3、掌握在MATLAB中进行插值的方法4、运用MATLAB语言进行图像的插值缩放和插值旋转5、学会运用图像的投影变换和图像的剪切46、进一步熟悉了解MATLAB语言的应用，将数字图像处理更好的应用于实际7、通过各类算法加强图像各种属性、一、图像的几何运算何运算图像代数运算是指对两幅或两幅以上输入图像对应的像素逐个进行和差积商运算以产生增强效果的图像。
图像运算是一种比较简单有效的增强处理手段是图像处理中常用方法。
四种图像处理代数运算的数学表达式如下：C(x,y)=A(x,y)+B(x,y)C(x,y)=A(x,y)-B(x,y)C(x,y)=A(x,y)*B(x,y)C(x,y)=A(x,y)/B(x,y)1图像加法运算一般用于多幅图像求平均效果，以便有效降低具有叠加性的随机噪声，在matlab中imadd用于图像相加，其调用格式为z=imadd(X,Y);程序演示如下：I=imread('rice.png');subplot(2,2,1),imshow(I),title('原图像1'); J=imread('cameraman.tif');subplot(2,2,2),imshow(J),title('原图像52');K=imadd(I,J,'uint16'););subplot(2,2,3),imshow(K,[]),title('相加后图像'2、图像减法运算也称差分运算，是用于检测图像变化及运动物体的方法；用imsubtract函数实现。
基于Matlab／Simulink的数字图像处理实验教学研究
４ 基于 Ｍａ ａ／ ｉ ｌ ｋ的任务驱动 型 系统 ｔ ｂ Ｓｍｕｉ ｌ ｎ 设 计 实 验
任务 驱动 教学符 合 图像处 理课 程 的层 次性 和实
用 性要 求 ， 学生 可 以 由浅 入深 、 由表及 里地 学 习数 字 图像 处理 的知识 和技 能 Ｊቤተ መጻሕፍቲ ባይዱ。Ｍａ ａ／ ｉ ｕｉｋ软 件平 ｔ ｂ Ｓｍ ｌ ｌ ｎ
随着信 息技 术 的不 断 发 展 ， 图像 处 理 的应 用 范 围已经 非 常广泛 ， 且与 越来 越 多 的学科相 结 合 ， 并 成 为 一个 具有 发 展潜 力 的重要 综合 学科 。在 许 多高校
课 程设 置 中 ， 字 图像 处 理 大 多 以基 础 课 程 的性 质 数
过调 用 Ｍａ ａ ｔ ｂ中 Ｉ ｇ ｒｃｓｉｇＴ ｏ ｏ 的 图像 ｌ ｍａｅＰ ｏｅｓ ｏ ｌ ｘ里 ｎ ｂ
！ ＝
ＣＮｌ —１ ５ Ｎ ２ ３ ２／
实
验
室
科
学
第】 ５卷
第 ３期
２１ ０ ２年 ６月
Ｊｎ２ ２ ｕ ． ０１
ＩＡＢ Ｊ ０ＲＡＴ ＯＲＹ ＳＣ ＥＮＣ Ｉ Ｅ
Ｖｏ ． ５ Ｎｏ ３ １１ ．
基于 Ｍａａ／ ｉｕｉ ｔ ｂ Ｓ ｌ ｋ的数字 图像处理实验教 学研 究 ｌ ｍ ｎ
Ａｂ ｔ ａ ｔ Ａｃ ｏ ｄ ｎ ｏ ｔ ｅ ｆ ａｕ ｅ ｆ ｉｉ ｌｉ ｇ ｒ ｃ ｓ ｉ ｇ，ａ ｍｅ ｈ ｄ ｏ ｘ ｅ ｉ ｎ ａ ｅ ｃ ｉ ｇ ｏ ｓｒ ｃ ： ｃ ｒ ｉｇ ｔ ｈ ｅ ｔ ｒ ｓｏ ｇ ｔ ｍａ ｅ ｐ ｏ ｅ ｓ ｄ ａ ｎ ｔ ｏ ｆｅ ｐ ｒ ｍｅ ｔ ｌ ａ ｈ ｎ ｆ ｔ
的模型 化 图形输 入 ， 得 用 户 可 以把 更 多 的精 力 投 使
matlab数字图像处理实验报告
《数字图像处理实验报告》实验一图像的增强一.实验目的1.熟悉图像在MATLAB下的读写、输出；2.熟悉直方图；3.熟悉图像的线性指数等；4.熟悉图像的算术运算和几何变换。
二.实验仪器计算机、MATLAB软件三.实验原理图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。
从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像。
其基本原理是：对一幅图像的灰度直方图，经过一定的变换之后，使其成为均匀或基本均匀的，即使得分布在每一个灰度等级上的像素个数．f=H等或基本相等。
此方法是典刑的图像空间域技术处理，但是由于灰度直方图只是近似的概率密度函数，因此，当用离散的灰度等级做变换时，很难得到完全平坦均匀的结果。
频率域增强技术频率域增强是首先将图像从空间与变换到频域，然后进行各种各样的处理，再将所得到的结果进行反变换，从而达到图像处理的目的。
常用的变换方法有傅里叶变换、DCT变换、沃尔什-哈达玛变换、小波变换等。
假定原图像为f(x，y)，经傅立叶变换为F(u，v)。
频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像。
四.实验内容及步骤1.图像在MATLAB下的读写、输出；实验过程：>> I = imread('F:\image\');figure;imshow(I);title('Original Image');text(size(I,2),size(I,1)+15, ...'', ...'FontSize',7,'HorizontalAlignment','right');Warning: Image is too big to fit on screen; displaying at 25% > In imuitools\private\initSize at 86In imshow at 1962.给定函数的累积直方图。
Matlab中的图像分析与重建技术研究
Matlab中的图像分析与重建技术研究引言：数字图像处理和图像分析是计算机视觉领域的重要研究方向之一。
随着科技的发展和计算机技术的进步，图像分析与重建技术引起了广泛的关注。
Matlab作为一种功能强大的数学软件，提供了丰富的图像处理与分析工具，能够进行高效的图像重建与分析。
一、图像预处理图像分析与重建的第一步通常是图像的预处理。
在Matlab中，我们可以利用各种预处理技术对图像进行修复和增强。
例如，我们可以使用直方图均衡化技术来增强图像的对比度，使图像更加清晰和鲜艳。
此外，Matlab还提供了滤波器的使用，可以对图像进行平滑和降噪处理。
二、边缘检测与特征提取图像的边缘是图像中目标物体的重要特征之一。
在Matlab中，我们可以使用常见的边缘检测算法，如Canny算法和Sobel算法，来检测图像中的边缘。
此外，Matlab还提供了各种特征提取方法，例如形状特征、纹理特征和颜色特征等。
这些特征可以用于图像的分类和识别。
三、图像分割与目标检测图像分割是指将图像分成若干个互不重叠的区域，而目标检测是在分割后的图像中寻找指定的目标物体。
在Matlab中，我们可以利用聚类、阈值分割和边缘检测等方法实现图像分割。
而目标检测通常使用特征匹配、模板匹配和机器学习等技术。
Matlab提供了许多图像分割与目标检测的工具箱，如Image Processing Toolbox和Computer Vision Toolbox。
四、图像重建与恢复图像重建和恢复是图像分析与重建的关键环节之一。
当图像受到噪声、失真或压缩等因素影响时，需要对图像进行恢复和重建。
Matlab提供了各种强大的图像重建算法，如反卷积、压缩感知重建和最小二乘重建等。
这些算法可以有效地去除噪声和失真，使得图像恢复更加清晰和真实。
五、图像分析与特征识别图像的分析和特征识别是图像处理的重要应用之一。
在Matlab中，我们可以使用分类器和监督学习算法，如支持向量机、人工神经网络和决策树等，对图像进行分类和识别。
Matlab中的模糊图像处理和图像模糊恢复技术
Matlab中的模糊图像处理和图像模糊恢复技术随着数字图像的广泛应用和发展，图像模糊成为一个重要的问题。
由于摄像器材或传输媒介等方面的限制，图像的清晰度可能受到一定程度的影响，导致图像模糊。
在实际应用中，图像的模糊问题会给图像解析、目标跟踪、计算机视觉等许多领域带来困扰。
为了改善模糊图像的质量，并解决图像模糊问题，Matlab提供了一系列的模糊图像处理和图像模糊恢复技术。
一、图像模糊的产生原因图像模糊一般是由光学系统的缺陷、运动物体、相机抖动等因素引起的。
光学系统的缺陷包括镜头的失真、散射、衍射等；运动物体指的是图像中的物体在拍摄过程中出现运动造成模糊；相机抖动是由于相机本身的不稳定性或者手持摄影造成的。
二、模糊图像处理的方法1.滤波方法滤波方法是最基本也是最常用的图像模糊处理方法。
在Matlab中，可以使用各种滤波器对图像进行处理，例如平滑滤波、高斯滤波、中值滤波等。
这些滤波器可以消除图像中的高频噪声，同时也会导致图像的模糊。
2.图像退化模型图像退化模型是描述图像模糊过程的数学模型。
常见的图像退化模型有运动模糊模型、模糊核模型等。
通过了解图像退化模型的特性，可以更准确地恢复图像的清晰度。
在Matlab中，可以根据图像退化模型进行图像恢复的研究和实现。
3.频域方法频域方法是一种基于图像频谱的模糊图像处理方法。
通过对图像进行傅里叶变换，可以将图像从空间域转换到频率域，然后在频率域进行处理，最后再进行逆傅里叶变换得到恢复后的图像。
在Matlab中，可以利用fft2函数进行傅里叶变换和逆傅里叶变换，实现频域方法对图像的处理。
三、图像模糊恢复技术1.盲去卷积算法盲去卷积算法是一种不需要知道图像退化模型的图像恢复方法。
通过对模糊图像进行去卷积处理，可以尽可能地恢复图像的清晰度。
在Matlab中，可以使用盲去卷积相关的函数和工具箱实现图像模糊恢复。
2.基于深度学习的图像超分辨率重建技术深度学习技术如今在计算机视觉领域取得了巨大的成功。
使用Matlab进行图像增强与图像修复的方法
使用Matlab进行图像增强与图像修复的方法图像增强与图像修复是数字图像处理领域中的重要研究方向之一。
随着数字摄影和图像处理技术的快速发展，越来越多的应用需要对图像进行增强和修复，以提高图像的质量和视觉效果。
在本文中，我们将探讨使用Matlab进行图像增强和图像修复的方法。
一、图像增强方法图像增强是通过对图像进行处理，改善其质量，使其更加清晰、鲜明和易于观察。
下面将介绍几种常用的图像增强方法。
1. 灰度拉伸灰度拉伸是一种简单而有效的图像增强方法，通过拉伸图像的灰度范围，使得图像中的细节更加明确可见。
具体操作是将图像的最低灰度值映射到0，最高灰度值映射到255，中间的灰度值按比例映射到相应的范围。
在Matlab中，我们可以使用imadjust函数实现灰度拉伸。
2. 直方图均衡化直方图均衡化是一种常用的图像增强方法，通过对图像的灰度分布进行调整，使得图像的对比度得到增强。
具体操作是对图像的灰度直方图进行均衡化处理，将图像的灰度级分布均匀化。
在Matlab中，我们可以使用histeq函数实现直方图均衡化。
3. 锐化锐化是一种常用的图像增强方法，通过增强图像的边缘和细节，使得图像更加清晰和立体。
具体操作是对图像进行高通滤波，突出图像中的边缘信息。
在Matlab中，我们可以使用imsharpen函数实现图像锐化。
4. 去噪去噪是一种常用的图像增强方法，通过抑制图像中的噪声，提高图像的质量。
常见的去噪方法包括中值滤波、均值滤波和小波去噪等。
在Matlab中，我们可以使用medfilt2函数实现中值滤波。
二、图像修复方法图像修复是对图像中存在的缺陷或损坏进行补全或恢复的过程，以提高图像的可视化效果。
下面将介绍几种常用的图像修复方法。
1. 图像插值图像插值是一种常用的图像修复方法，通过根据已知的像素值推测缺失的像素值，从而补全图像中的缺失部分。
常见的插值方法包括最近邻插值、双线性插值和双立方插值等。
在Matlab中，我们可以使用interp2函数实现图像插值。
基于MATLAB的图像增强处理与应用
ｂ ＝ ｉ ｍ ｎ ｏ ｉ ｓ ｅ（ ａ ， ’ ｇ ａ ｕ ｓ ｓ ｉ ａ ｎ ’ ， ０ ７ ０ ． ０ ２ ） ； ％￣ ｌ Ｌ ／ ｋ ． 高斯 噪
宙
是拉氏算子增强的一大缺点。［ ６ １
３ 结束 语
ｃ ＝ ｉ ｆ ｌ ｔ ｅ ｒ ２（ ｆ ｓ ｐ ｅ ｃ ｉ ａ ｌ（ ‘ ａ ｖ ｅ ｒ ａ ｇ ｅ ’ ， ［ ３ ， ３ ］ ） ， ｂ ） ／ ２ ５ ５ ； ％用
７ ７ ． ７９ ．
ＭＡ Ｔ Ｌ Ａ Ｂ中可 以采用拉普拉斯算子法对 图像
进行 锐化 ， 其程 序语 言如下 ：
ｉ ＝ ｉ ｍｒ ｅ ａ ｄ （ ‘ ｉ ｍａ ｇ ｅ 。ｊ Ｐ ｇ ’ ） ；
［ ６ 】 张兆礼 ， 赵春晖 ， 梅晓丹． 现代 图像处理技术 ［ Ｍ］ ． 北京 ： 人 民邮电出版社 ， ２ ０ １ １ ．
［ ４ 】 求是科技。 ＭＡ Ｔ Ｌ Ａ Ｂ ７ ． ０ 从ＡＩ ＇ － Ｉ 到精通【 Ｍ】 ．
北京 ： 人 民 邮电 出版 社 ， ２ ０ ０ ９ ．
［ ５ ］ 徐辉． 基于 ｍ ａ ｔ ｌ ａ ｂ的图像增强技术的分析与
研究 ［ Ｊ ］ ．湖 北 第 二 师 范 学 院 学 报 ， ２ ０ ０ ８ ， ２ ５ （ ０ ８ ） ：
０ １ ０ １ ；％拉式算子模板表示
｛ ＝ ｃ ｏ ｎ ｖ ２ （ ｉ ， ｈ ， ‘ ｓ ａ ｍ ｅ ’ ） ；％用拉式算子对 图像滤
波
ｋ ＝ ｉ － ｊ ； ％增强 图像为原始 图像减去拉式算子
结构设 计 。
参考 文献
［ １ １ 冯安 ， 王希常． ＭＡ Ｔ Ｌ Ａ Ｂ在数字图像增强 中
的应用［ Ｊ 】 ． 信息技术 ， ２ ０ ０ ７ ， （ ０ ５ ） ： ６ ５ ． ６ ８ ， ７ ３ ． 【 ２ 】王斌． ＭＡ Ｔ Ｌ Ａ Ｂ实现数字图像增强处理【 Ｊ ］ ．
Matlab中的图像比对和图像匹配技术
Matlab中的图像比对和图像匹配技术在现代科技的发展中，图像处理技术在各个领域均得到了广泛应用。
其中，图像比对和图像匹配技术是图像处理中的重要组成部分。
在Matlab中，我们可以通过各种函数和工具箱实现不同类型的图像比对和图像匹配任务。
本文将介绍Matlab中的图像比对和图像匹配技术，并探讨其在实际应用中的一些潜在问题。
一、图像比对技术图像比对技术主要用于判断两幅图像之间的相似程度。
在Matlab中，可以通过计算图像的相似性指标来实现图像比对。
常用的相似性指标包括均方差（MSE）、峰值信噪比（PSNR）、结构相似性指数（SSIM）等。
首先，我们来介绍均方差（MSE）指标。
MSE指标是通过计算两幅图像的像素之间的差值平方的平均值来衡量两幅图像之间的相似程度。
在Matlab中，可以使用imabsdiff函数计算两幅图像的差值，然后使用mean函数计算均方差。
同样重要的是峰值信噪比（PSNR）。
PSNR是通过计算两幅图像之间的峰值信噪比来衡量它们之间的相似程度。
在Matlab中，可以使用imread函数读入图像，然后计算两幅图像之间的PSNR值。
除了MSE和PSNR，还有一种常用的相似性指标是结构相似性指数（SSIM）。
SSIM是通过比较两幅图像的亮度、对比度和结构来评估它们之间的相似性。
在Matlab中，可以使用ssim函数计算两幅图像之间的SSIM值。
二、图像匹配技术图像匹配技术用于在两幅或多幅图像中找到相似的部分。
在Matlab中，我们可以使用不同的特征描述算法和匹配算法来实现图像匹配。
特征描述算法是用于提取图像中的特征点的算法。
常用的特征描述算法包括尺度不变特征变换（SIFT）、加速稳健特征提取器（SURF）和高级LBP特征（HOG）等。
在Matlab中，可以使用extractFeatures函数来提取图像中的特征点，并得到特征描述子。
然后，我们可以使用匹配算法来将提取的特征描述子进行匹配。
基于MATLAB的智能图像识别算法优化与实现
基于MATLAB的智能图像识别算法优化与实现在当今数字化时代，图像识别技术已经成为人工智能领域的热门研究方向之一。
随着深度学习和神经网络的发展，图像识别在各个领域都有着广泛的应用，如人脸识别、医学影像分析、自动驾驶等。
而MATLAB作为一种强大的科学计算软件，提供了丰富的工具和函数，为图像处理和机器学习提供了便利的环境。
本文将探讨基于MATLAB的智能图像识别算法优化与实现的相关内容。
1. 图像识别算法概述图像识别算法是指通过对图像进行分析和处理，从中提取出有用信息并做出相应判断的技术。
常见的图像识别算法包括传统的特征提取方法（如SIFT、SURF）以及基于深度学习的卷积神经网络（CNN）。
在实际应用中，选择合适的算法对于图像识别的准确性和效率至关重要。
2. MATLAB在图像处理中的应用MATLAB提供了丰富的图像处理工具箱，包括图像读取、显示、处理、分析等功能。
通过MATLAB可以轻松实现对图像的各种操作，如滤波、边缘检测、特征提取等。
同时，MATLAB还支持深度学习工具箱，可以方便地构建和训练神经网络模型。
3. 智能图像识别算法优化在实际应用中，智能图像识别算法需要不断优化以提高准确性和效率。
优化算法可以从以下几个方面展开：3.1 数据预处理数据预处理是图像识别中至关重要的一步，包括去噪、尺度归一化、亮度调整等操作。
通过合理的数据预处理可以提高模型对输入数据的适应性。
3.2 特征提取与选择特征提取是将原始数据转换为可供机器学习算法使用的特征表示的过程。
在特征选择时，需要考虑到特征之间的相关性以及对分类任务的贡献度，避免过多或过少的特征对模型性能造成影响。
3.3 算法调参在使用深度学习算法时，网络结构和超参数的选择对于模型性能至关重要。
通过合理地调整网络结构和超参数，可以提高模型在训练集和测试集上的表现。
3.4 模型融合模型融合是将多个基础模型集成为一个更强大模型的技术。
通过模型融合可以降低过拟合风险，并提高整体预测准确性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于MATLAB的苹果图像处理研究
作者：艾剑锋,章海亮
来源：《湖北农业科学》2011年第04期
摘要：利用图像处理技术对水果进行分级具有无损水果、速度快等优点，在苹果分级中采用ＭＡＴＬＡＢ７．０开发环境下的分级系统对苹果图像信息进行处理，结果表明，该方法可达到实际应用的要求。
关键词：ＭＡＴＬＡＢ７．０；苹果；图像处理
中图分类号：Ｓ１２６；ＴＮ９１１．７３文献标识码：Ａ文章编号：0439－８114（２０11）04－0840-03
Ｒｅｓｅａｒｃｈｏｆ Dｉｓｐｏｓｅ Tｅｃｈｎｏｌｏｇｙ BａｓｅｄｏｎＭＡＴＬＡＢ to Gｒａｄ Aｐｐｌｅ
ＡＩＪｉａｎ－ｆｅｎｇ，ＺＨＡＮＧＨａｉ－ｌｉａｎｇ
（Ｓｃｈｏｏｌｏｆｆｏｕｎｄａｔｉｏｎ，ＥａｓｔＣｈｉｎａＪｉａｏ－ＴｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｃｈａｎｇ３３００１３，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ： The ｉｍａｇｅｐｒｏｃｅｓｓｔｅｃｈｎｏｌｏｇｙ of fruit grading has ｍａｎｙａｄｖａｎｔａｇｅｓｓｕｃｈａｓｎｏｄａｍａｇｅｔｏｆｒｕｉｔｓ，ｆａｓｔｅｔｃ．Ｔｈｅａｐｐｌｅｉｍａｇｅｉｎｆｏｒｍａｔｉｏｎ was ｐｒｏｃｅｓｓｅｄｂａｓｅｄｏｎＭＡＴＬＡＢ７．０ｄｅｖｅｌｏｐｍｅｎｔｅｎｖｉｒｏｎｍｅｎｔｉｎａｐｐｌｅｇｒａｄｉｎｇｓｙｓｔｅｍ．Ｔｈｅｒｅｓｕｌｔｓｏｆｅｘｐｅｒｉｍｅｎｔｓｉｎｄｉｃａｔｅd ｔｈａｔｔｈｅｍｅｔｈｏｄｃｏｕｌｄｍｅｅｔｔｈｅｎｅｅｄｏｆｐｒａｃｔｉｃａｌａｐｐｌｉｃａｔｉｏｎ．
Ｋｅｙｗｏｒｄｓ：ＭＡＴＬＡＢ７．０；ａｐｐｌｅ；ｉｍａｇｅｐｒｏｃｅｓｓ
提高苹果产后处理水平是提高产值的主要方法之一，进行自动分级可以大大提高苹果附加值，利用图像处理技术代替人的视觉进行苹果分级是当前苹果分级研究的一个重要方向。
ＭＡ
ＴＬＡＢ具有强大的图像处理功能，在图像处理领域得到了越来越多的应用［１－３］。
论文提出了基于ＭＡＴＬＡＢ７．０的苹果分级研究方法，对采集到的苹果图像进行灰度化处理、噪声滤波处理、二值化处理、边缘检测以及统计苹果图像所占像素多少实现大小分级。
１ＭＡＴＬＡＢ图像处理技术概述
用ＭＡＴＬＡＢ对图像进行处理是当前科技领域的一个重要课题，它是用一组有序的灰度或彩色数据元素构成图像，数组的每一个元素对应图像的一个像素值。
这样ＭＡＴＬＡＢ就可以利用其强大的矩阵计算功能实现对图像的数字处理。
ＭＡＴＬＡＢ的图像处理功能主要集中在图像处理工具箱（Ｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｔｏｏｌｂｏｘ）中，图像处理工具箱是由一系列支持图像处理操作的函数组成，可以进行诸如几何操作、线性滤波和滤波器设计、图像变换、图像分析与图像增强、二值图像操作以及形态学处理等图像处理操作。
开发的基于ＭＡＴＬＡＢ的图像增强处理系统利用了该工具箱中的这些复杂函数，进行算法融合，能够满足防空武器系统环境下对图像增强处理的特殊需要［４］。
２ＭＡＴＬＡＢ图像处理技术分析
２．１图像灰度化处理
在ＭＡＴＬＡＢ中，函数iｍｒｅａｄ用来读取图像文件，函数调用格式为：
Ｉ＝ｉｍｒｅａｄ（ｆｉｌｅｎａｍｅ）表示读取图像文件信息。
读取到图像文件信息后，再利用ｒｇｂ２ｇｒａｙ函数将ＲＧＢ图像进行灰度化处理，函数调用格式如下：
Ｉ２＝ｒｇｂ２ｇｒａｙ（ＲＧＢ）表示将真彩色图像ＲＧＢ转换成灰度图像Ｉ２。
２．２图像噪声滤波处理
苹果ＲＧＢ图像灰度化处理后，再去除噪声。
采用维纳滤波器去除高斯噪声，在ＭＡＴＬＡＢ中维纳滤波器用ｗｉｅｎｅｒ２函数来实现，其调用格式如下：Ｋ１＝ｗｉｅｎｅｒ２（Ｉ２，［ｍ，ｎ］，ｎｏｉｓｅ）通过邻域ｍ×ｎ估算平均值和标准偏差，对图像应用像素平滑自适应滤波。
ｍ和ｎ的缺省值为３，ｎｏｉｓｅ为加性噪声（高斯白噪声）。
对于盐椒噪声，采用中值滤波器去除。
中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代换。
在ＭＡＴＬＡＢ图像处理工具箱中，ｍｅｄｆｉｌｔ２函数实现中值滤器。
其调用格式如下：Ｂ＝ｍｅｄｆｉｌｔ２（Ｉ２，［ｍ，ｎ］）对图像Ｉ２执行二维中值滤波。
每个输出像素为ｍ×ｎ邻域的中值。
中值滤波ｍ和ｎ缺省为３的情况，维纳滤波m和n缺省为7的情况，图１为两种滤波方式试验结果对比。
２．３图像二值化处理
为了得到图像上有缺陷的信息，把苹果的灰度图像进一步进行二值化处理，使用ＭＡＴＬＡＢ自带的ｉｍ２ｂｗ函数，该函数的功能是通过设定亮度阈值将灰度转换成二值图像。
函数调用格式如下：ＢＷ＝ｉｍ２ｂｗ（Ｉ，ｌｅｖｅｌ）表示将灰度图像Ｉ转换成二值图像（ｗｈｉｔｅ和ｂｌａｃｋ）。
此处设的阈值是level＝０．４，如图２所示。
２．４图像增强
由于图像在形成、传输或变换的过程中，受诸如光学系统失真、系统噪声、相对运动、曝光不足或过量等因素的影响，往往与原始景物之间或图像与原始图像之间产生某种差异，引起图像质量的下降，图像增强是图像处理中的一类基本技术，其目的是突出图像中感兴趣的信息，去除或削弱不需要的信息。
通过图像增强一方面可以改善图像的视觉效果，提高图像的清晰度，另一方面可将图像转换为一种更适合人类或机器进行分级处理的形式。
图像增强效果如图３所示。
２．５阈值分割
图像阈值分割是一种广泛使用的图像分割技术，利用图像中的目标与背景的灰度差异，把图像视为具有不同灰度级的两类区域的组合。
利用图像灰度的阈值进行区域分割，在物体与背景或物体的各个部分的对比相对强烈的情况下十分有效。
常用的图像分割方法是把图像灰度分成不同的等级，然后用一定的阈值确定有意义的区域或分割物体边界。
常用的阈值化处理就是图像的二值化处理，即选定一阈值，将图像转换为二值图像，其函数表达式为：
ｇ（ｘ，ｙ）＝0f（ｘ，ｙ）T
阈值选取的好坏关系到整个图像分割的成功与否。
阈值的选取要根据图像本身的特点和分割要求的不同来决定。
阈值的选取采用双峰法：该方法的思路是当图像中的物体和背景的灰度值有明显差别的时候，首先统计图像的灰度直方图，若直方图呈双峰且有明显的谷，则将该谷底所对应的灰度值Ｔ作为分割阈值。
如图４所示，阈值可选为９５。
这样，我们就可以求出最佳阈值。
图５为求出的最佳阈值分割结果。
２．６特征提取
本文主要以苹果面积作为特征进行提取。
在进行面积计算之前，还需对二值图像中果梗及斑点的影响进行处理，这里采用图像填充的方法（图６）。
然后对图像进行保存，由于软件设计上的原因，如果不保存图像是得不到任何特征数值的。
３小结
通过利用ＭＡＴＬＡＢ图形处理与分析工具以及多种算法的综合运用，结合其强大的数据处理能力，可以对图像进行增强处理等。
本文提出的基于ＭＡＴＬＡＢ的图像处理技术苹果分
级研究方法，经过试验可实现对苹果大小的检测，检测系统稳定可靠。
研究结果表明该方法简便、实用，简化并优化了计算过程，效率高，数值稳定性好。
试验中采集图像试验的苹果是果梗或果萼在垂直方向的，如果苹果的果梗或果萼不在垂直方向，则可根据连续采集的几帧图像，取面积最大的那帧图像来计算苹果的大小［５］。
软件设计没有实现苹果按缺陷进行分级，这是需要改进的一个方向。
建议设计相应的配套输送机构，实现果梗或果萼定向的运送，以利于分选的准确性。
参考文献：
［１］刘禾．计算机视觉在水果自动分级中的应用研究［Ｄ］．北京：中国农业大学，１９９５．
［２］徐娟．水果分级中计算机视觉信息并行处理技术的研究［Ｄ］．北京：中国农业大学，１９９７．
［３］刘翠艳．基于ＭＡＴＬＡＢ的图像处理方法及分析［Ｊ］．电脑与电信，２００９，８（４）：８４－８５．
［４］李京秀，陈白生．基于ＭＡＴＬＡＢ图形用户界面ＧＵＩ的电路仿真实验的制作［Ｊ］．电气电子教学学报，２００４，２６（４）：９９－１０１，１１６．
［５］章海亮，左雪平．苹果自动分级中计算机视觉信息处理技术的研究［Ｊ］．农机化研究，２００６（１）：２８－３０．。