水果识别代码

该代码用于图像分类，分割识别。其中包括特征提取。图像处理，把一幅图片中不同类型的水果进行自动分类，识别

%1读取原图，并处理成二值图像
I=imread（‘水果分类实验图像.jpg‘）;


I2=rgb2gray（I）;
BW=im2bw（I20.9）;
total=bwarea（~BW）
figuresubplot（131）imshow（I）title（‘原始图像‘）;
subplot（132）imshow（I2）title（‘灰度图像‘）;
subplot（133）imshow（BW）title（‘二值图像‘）;

%2进行边缘检测 得到了不连续的图形边界（采用sobel算子或区域增长）

%3得到各个图形的连续边界

SE=strel（‘rectangle‘[40 30]）;  % 结构定义
J2=imopen（BWSE）;            % 开启运算
figureimshow（J2）title（‘对二值图像进行开运算后的结果图像‘）;

SE=strel（‘square‘5）; % 定义3×3腐蚀结构元素
J=imerode（~J2SE）;
BW2=（~J2）-J;        % 检测边缘
figureimshow（BW2）title（‘3*3腐蚀运算后的图像边界轮廓‘）;

%填充了已有的检测的连续形状边界
B = imfill（BW2‘holes‘）;
B = bwmorph（B‘remove‘）;
figureimshow（B）title（‘提取出的边界图像‘）;

%3-2将不同的图形进行分别标记，num表示连接的图形对象的个数
[Labelnum] = bwlabel（B8）;

%得到各个图像的边界像素的数组




%4计算各个图形单元的周长   用连接像素点或数边界像素点个数的方法   numPoints数组表示各个图形边界的像素个数（即用个数来表示周长）
 %num = max（max（Label））;

    for i = 1 : num
        Premeter（i） = 0;
    end

    [rowcol] = size（Label）;
    for i = 1 : row
        for j = 1 : col
            if（Label（ij） > 0）
                Premeter（Label（ij）） = Premeter（Label（ij）） + 1;    %计算标记后的各块图形边界中像素的个数的总数
            end
        end
    end

%5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
figureimshow（FilledLabel）title（‘打过标记后并已被填充的结果图像‘）;
for i = 1 : num
    Area（i） = 0;
end

[rowcol] = size（FilledLabel）;
for i = 1 : row
    for j = 1 : col
        if（FilledLabel（ij） > 0）
            Area（FilledLabel（ij）） = Area（FilledLabel（ij）） + 1;   %通过统计像素点个数的方式来求各形状的面积
        end
    end
end

%6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

%7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

[rowcol] = 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（1num）;
    for i = 1 : num
        Hue = zeros（Area（i）1）;
        nPoint = 0;
        for j = 1 : row
            for k = 1 : col
                if（FilledLabel（jk） == i）
                    nPoint = nPoint + 1;
                    Hue（nPoint1） = HSV（jk1）;
                end
            end
        end
        
        Hue（:i） = sort（Hue（:1））;
        for j = floor（nPoint*0.1） : floor（nPoint*0.9）
            MeanHue（i） = MeanHue（i） + Hue（j1）;
        end
        MeanHue（i） = MeanHue（i） / （0.8*nPoint）;  %计算出平均的色度值
    end


%8识别桃

%8-1构建桃的分类器，在二维特征空间对各个图像进行类别区分
pitch=0;
for i=1:num
    if（MeanHue（i）>0.5）    %分类器识别桃的准则：判断各个图形中平均色度值大于0.5的为桃
        pitch=i;
    end
end
%8-2对分出来的类别分别构建相应的图像掩膜，并用对原图的亮度图像进行掩膜操作
pitchHSV=HSV;
[rowcol] = 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（1num）;
        for j = 1 : row
            for k = 1 : col
                if（FilledLabel（jk） ~=pitch）
                       %pitchHSV（jk2）=0;
                       pitchHSV（jk3）=0;
                end
            end
        end
%8-3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
pitchmatrix = hsv2rgb（pitchHSV）;   %转换为RGB彩图，彩图中已经滤去了其余水果，只剩下桃
figureimshow（pitchmat

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件    1344919  2010-12-03 09:42  水果分类代码\1.fig

     文件     574332  2010-12-03 09:42  水果分类代码\10.fig

     文件      15960  2010-12-03 09:42  水果分类代码\2.fig

     文件      16828  2010-12-03 09:42  水果分类代码\3.fig

     文件      16391  2010-12-03 09:42  水果分类代码\4.fig

     文件      16502  2010-12-03 09:42  水果分类代码\5.fig

     文件     460856  2010-12-03 09:42  水果分类代码\6.fig

     文件     852254  2010-12-03 09:42  水果分类代码\7.fig

     文件     659433  2010-12-03 09:42  水果分类代码\8.fig

     文件     546823  2010-12-03 09:42  水果分类代码\9.fig

     文件       6787  2010-12-03 09:42  水果分类代码\combinework2.m

     文件     149493  2010-12-03 09:42  水果分类代码\水果分类实验图像.jpg

     目录          0  2010-12-03 09:42  水果分类代码

----------- ---------  ---------- -----  ----

              4660578                    13