经验与交流 计算机与信息技术 79· · 苹果的特征检测与 MATLAB实现 王术兰 徐晓辉 胡慧 （ 河北工业大学信息工程学院 天津 300130） 摘 要 本文选取了可用于苹果分级的部分特征, 并在 Mat l ab 上进行试验检测。该方法可以对苹果的外部缺陷、果梗、尺 寸和形状进行全面的检测, 在此基础上可对苹果进行高速和精确的分级。 关键词 分级; 缺陷; 果梗 0 引言 2 缺陷检测 近年来, 国外在利用计算机视觉技术进行水果品质检测 对于苹果表面的缺陷（ 如疤瘌、黑斑等），本课题采用特 方面做了大量研究,并获得了许多重要成果;在我国也有许多 征提取，即提取出坏损部位的轮廓，再进行填充求其面积，以 研究报导,但到目前为止都处于试验阶段,而且分析方法距实 其面积在图片中的比例作为判别依据。首先，对采集的原始图 际应用还有一段距离。特别是在缺陷检测方面,目前采用的方 片（ 即彩色图片）进行灰度变换；接着用函数 imadjust 来调 法处理速度很慢, 在实际在线工作时无法使用。国外学者 整灰度；对灰度图片进行一次中值滤波后，再对图片进行边缘 (ChengX 等)在识别缺陷时获得成功,但需要同时使用近红外 检测；这时坏损的轮廓已经出现，但还有一些噪声存在，为滤 和中红外摄像设备,这 2 种设备造价之昂贵,使得该方法的应 掉噪声，要先对坏损的轮廓填充，采用 BWfill=imfill(BW, 用受到限制,无法在农业分级设备中广泛应用。因此,研究适 'holes')语句，使缺陷部位的像素点为白色；其次是经过滤 合于生产的分级检测方法有重要意义。 1 大小检测 波，把噪声滤掉求缺陷的像素个数 a, 与图片总的像素个数 (x*y)的比 b 就是我们判断的依据，本程序设 b=0。 对于苹果大小的检测，主要依靠求出的苹果面积作为判 程序流程：读入图像→ 灰度化图像→直方图调整→中值滤波 别依据。本课题所采用的苹果图片都只是单个苹果的图片。首 →边缘检测 → 缺陷判定 先对图片进行灰度处理，使用的 MATLAB 函数是 rgb2gray；其 次使用函数 im2bw 把灰度图转换为二值图，阈值则取 0.9，从 而使苹果区域为黑色，其余区域为白色；然后对二值图取反， 使黑白颜色区域颠倒，这时的苹果区域为白色；最后利用函数 bwarea 可以计算白色区域的像素点的个数 total。利用 to- tal 与整幅图片的像素值（ x*y）之比,再与图片的面积相乘, 便可得出苹果相对图片的面积. 利用这个面积我们可以进行 筛选. 程序流程：读入图像 → 灰度化图像 → 二值化图像 → 计 算面积 I= imread(' 图片名.jpg'); I2= rgb2gray(I); BW= im2bw(I2,0.9); total= bwarea(~ BW) figure,subplot(1,3,1),imshow(I); subplot(1,3,2),imshow(I2); subplot(1,3,3),imshow(BW); 如图 1 所示： a 原始图片 b 灰度图片 c 二值图片 图 1 求苹果面积过程中的图像变换 I= imread(' 图片名.jpg'); I2= rgb2gray(I); J= imadjust(I2,[0.1 0.3],[]); B= medfilt2(J); BW= edge(B,'sobel',0.1); BWfill= imfill(BW,'holes'); BWfilt= medfilt2(BWfill); BWfilt2= medfilt2(BWfilt); BWfilt3= medfilt2(BWfilt2); BWfilt4= medfilt2(BWfilt3); BWfilt5= medfilt2(BWfilt4); figure,subplot(1,3,1),imshow(I); subplot(1,3,2),imshow(I2); subplot(1,3,3),imshow(J); figure,subplot(1,3,1),imshow(BW); subplot(1,3,2),imshow(BWfill); subplot(1,3,3),imshow(BWfilt5); a= bwarea(BWfilt5); [x,y]= size(I); b= a/(x*y); if (b> 0) fprintf(' 有缺陷 '); else 

80· · end fprintf(' 无缺陷 '); 计算机与信息技术 经验与交流 sum= sum+ a(i,j); end end if (sum> 8000| | sum< -5.0000e+ 005) fprintf(' 无果梗 '); fprintf(' 有果梗 '); else end a 原始图片 b 灰度图片 c 灰度变换 d 边缘检测 e 轮廓填充 f 滤波 图 2 检测苹果表面坏损过程中的图像变换 3 果梗检测 对苹果梗的检测，主要是通过对苹果的轮廓线矩阵求差 分实现的。利用图像处理技术对苹果的彩色图片进行灰度转 换，经滤波后再边缘检测，提取出苹果的轮廓线，利用 imcon- tour 函数可以得出轮廓线的矩阵，再用 diff 函数对矩阵进 行差分，把这些差分值累加,于是得到一个 sum 值。这个值就 是我们判断果梗有无的依据。当有果梗时 sum 会在 0 到 -5. 0000e5(估测值)之间，而无果梗的 sum 值是正值，本程序大概 定于 8000 以上。 a 原 始 图 片 b 灰 度 图 片 c 滤 波 后 的 图 片 d 边 缘 检 测 e 数据轮廓线 图 3 检测果梗过程中的图像变换 4 结论 程序流程：读入图像 → 灰度化图像 →滤波及边缘检测 → 通过在 Matlab 上实验分析，应用这些特征加以判断对水 提取轮廓线 →参数提取→ 果梗判断 I= imread(' 图片名.jpg'); I2= rgb2gray(I); B= medfilt2(I2); B2= medfilt2(B); B3= medfilt2(B2); B4= medfilt2(B3); B5= medfilt2(B4); B6= medfilt2(B5); BW= edge(B6,'sobel',0.1); figure,subplot(1,4,1),imshow(I); subplot(1,4,2),imshow(I2); subplot(1,4,3),imshow(B6); subplot(1,4,4),imshow(BW); figure,[C,h]= imcontour(BW); a= diff(C); [x,y]= size(a); sum= 0; for i= 1:x for j= 1:y 果进行分级，解决了苹果自动分级视觉信息处理中亟待进一 步完善的问题———果梗判别,与此同时还能进行边缘检测,算 法简单易行,再加上算法本身既适合于并行处理,又适合于硬 件电路实现, 为苹果自动分级系统的真正实施打下了坚实的 基础。 参考文献 1 Tao Y, ChanceL, BaorenL .FullScale Fruit Vision Sorting System Design-Factors and Considerations[A]. Proceeding soft the FPAC Con- ference[C]. Chicago, Illinois.1995.14-22 2 田捷, 沙飞, 张新生编著. 实用图像分析 与 处 理 技 术. 北 京: 电 子工业出版社, 1995. 127～129 3 宁 素 俭, 李 强, 杨 文 志. 计 算 机 视 觉 轮 廓 的 获 取 及 其 尺 寸 测 量. 农业机械学报, 1996, 27( 2) : 44～49 4 Wen Z, Tao Y. Dual-camera NIR/MIR imaging for stem-end/ca- lyx identification in apple defect sorting. Transaction of ASAE, 2000, 43 (2): 446-452 5 Tao Y, Morrow CT, Heine man n P. Fourier-based separation technique for shape grading of potatoes using machine vision. Transac- tion of ASEA,1995,38(3):949～957