1、 數(shù)字圖像處理基于matlab的谷物計(jì)數(shù)的實(shí)現(xiàn) 學(xué)院：光電工程學(xué)院姓名： 學(xué)號(hào)：0802116- 基于matlab的谷物計(jì)數(shù)的實(shí)現(xiàn)摘要：針對(duì)目前谷物人工計(jì)數(shù)和光電計(jì)數(shù)方法存在的不足，提出了一種基于matlab圖像識(shí)別和處理技術(shù)的谷物計(jì)數(shù)方法，并用實(shí)例驗(yàn)證了其可靠性。該方法減輕了操作者勞動(dòng)強(qiáng)度，彌補(bǔ)了人視覺的不足之處，提高了效率及準(zhǔn)確率，為今后進(jìn)一步研究奠定了必要的理論與實(shí)踐基礎(chǔ)，對(duì)完善精細(xì)農(nóng)業(yè)具有重要意義。在檢測盤上的顆粒往往會(huì)出現(xiàn)緊靠或者重疊的谷物，導(dǎo)致檢測圖像中常出現(xiàn)重疊區(qū)域，這給后續(xù)谷物檢測分析等工作帶來了很大的困難，本文利用極限腐蝕和條件膨脹相結(jié)合的方法解決此問題，以達(dá)到精確計(jì)數(shù)的目的

2、。關(guān)鍵詞：圖像處理，谷物，計(jì)數(shù)方法，matlab。引言：谷物作為主要糧食和飼料作物，在農(nóng)業(yè)生產(chǎn)中占有重要地位。提高谷物產(chǎn)量和質(zhì)量的主要方法是選育出優(yōu)質(zhì)品種，而在選育品種過程中，對(duì)種子的計(jì)數(shù)是不可缺少的內(nèi)容。目前，種子的計(jì)數(shù)方法通常采用人工計(jì)數(shù),或半自動(dòng)的光電計(jì)數(shù)器，很顯然傳統(tǒng)的計(jì)數(shù)方法存在著效率低、準(zhǔn)確性不高等缺點(diǎn)。我們計(jì)算機(jī)圖像識(shí)別和處理技術(shù)實(shí)現(xiàn)考種過程中的計(jì)數(shù)，為谷物粒群的識(shí)別、精選、分級(jí)等的進(jìn)一步研究奠定必要的理論與實(shí)踐基礎(chǔ)，并為育種工作提供一種高效、快捷的谷物計(jì)數(shù)新技術(shù)。1、 谷物（大米）圖像的獲取這里我們選用的谷物是大米。獲取圖像方式有兩個(gè)一是使用手機(jī)，二是使用數(shù)碼相機(jī)。一開始我們通

3、過手機(jī)拍攝來獲取圖像，如（圖一）。然后對(duì)圖像進(jìn)行剪切（圖二）。從圖二里可以看出，圖片被剪切后其所得效果并不好，圖片清晰度很低。使用手機(jī)拍攝，所得圖像，其清晰度不漂亮。 圖一 圖二然后我們又嘗試了第二種方法，用數(shù)碼相機(jī)獲得圖像。如下圖所示，這是我們用1000萬像素?cái)?shù)碼相機(jī)所拍的的谷物（此處以瓜子替代）相片。通過相片，我們可以看到谷物顆粒很清楚，無明顯的模糊現(xiàn)象。 兩種途徑相對(duì)比，我們最終選擇用數(shù)碼相機(jī)獲得圖像這一方式。其圖像如（圖三）。這個(gè)圖像谷物顆粒有連接情況，這比較符合實(shí)際，故該圖片仿真度亦比較高。 圖三 a（實(shí)驗(yàn)所用圖像）2、 基于matlab的谷物圖像處理2.1 谷物圖像的讀入matla

4、b軟件中，圖像的讀入命令是imread(xx.xxx)，xx是圖像的名字，xxx是圖像的格式。本實(shí)驗(yàn)中，圖像的格式為jpg，故，我們的讀入命令為i=imread(a.jpg)。讀入的圖像顯示（imshow(i)）后2.2 谷物圖像的處理2.2.1 谷物圖像的灰度化處理灰度變換t的最簡單形式是使用領(lǐng)域大小為11，此時(shí),(x,y)處的g值僅由f在該點(diǎn)處的亮度決定，t也變?yōu)橐粋€(gè)亮度或灰度級(jí)變化函數(shù)。當(dāng)處理單設(shè)(灰度)圖像時(shí)，這兩個(gè)術(shù)語可以互換。由于亮度變換函數(shù)僅取決于亮度的值，而與(x,y)無關(guān)，所以亮度函數(shù)通?？蓪懽鋈缦滤镜暮唵涡问剑?s=t(r)其中，r表示圖像f中相應(yīng)點(diǎn)(x,y)的亮度，s表

5、示圖像g中相應(yīng)點(diǎn)(x,y)的亮度?；叶忍幚淼拿钊缦拢篻=rgb2gray(i)。該指令主要作用是將jpg圖片轉(zhuǎn)為灰度圖像。效果如下。2.2.2 灰度圖像中值濾波在獲取圖像的過程中,由于受到各種因素的影響,所得到的圖像總會(huì)或多或少的感染一些噪聲信息,這些噪聲信息會(huì)惡化圖像的質(zhì)量,所以要進(jìn)行去噪處理。去噪的方法有很多,大致分為兩大類:一類是時(shí)域去噪,另一類是頻域去噪。時(shí)域去噪的代表方法有加權(quán)平滑法、中值濾波、二值形態(tài)學(xué)法等;頻域去噪的代表方法有經(jīng)典數(shù)字濾波器、同態(tài)濾波、小波分析等。本文采用時(shí)域去噪中的中值濾波法,其具有抑制干擾脈沖和點(diǎn)狀噪聲的作用,并且可保持較好的圖像邊緣,是指把以某點(diǎn)為中心的小

6、窗口內(nèi)的所有像素的灰度按從小到大的順序排列,將中間值作為該處的灰度值。在matlab中中值濾波的函數(shù)是medfilt2。中值濾波命令如下：m=medfilt2(g); %灰度圖像中值濾波。濾波后得到的圖像如下圖。2.2.3 灰度圖像二值化二值化圖像函數(shù)主要有dither和im2bw函數(shù)。dither 函數(shù)通過顏色抖動(dòng)來達(dá)到轉(zhuǎn)換圖像的目的。語法：bw = dither(i)。 image 是圖像矩陣資料，bw 是二值化圖像矩陣。 im2bw 函數(shù)通過對(duì)灰度值進(jìn)行閾值判斷的方法達(dá)到目的。語法：binaryimage = im2bw( image, level )。image 是輸入圖像矩陣資料，l

7、evel 是二值化程度值，其為介于0到1之間值，bw 是二值化圖像矩陣。 灰度圖像二值化命令如下：level=graythresh(m); %得到合適閾值e=im2bw(m,level); %二值化得到的圖像結(jié)果如下。2.2.4 灰度圖像取反為了更好的讀取圖像、腐蝕，我們選擇對(duì)灰度圖像進(jìn)行取反。取反命令如下：bw=-e+1 %取反。得到的圖像如下。 2.2.5 去噪聲處理+腐蝕處理由于大米粒之間有連接情況出現(xiàn)，我們?yōu)榱烁酶鼫?zhǔn)確的辨識(shí)出大米粒數(shù)，采用了去噪+腐蝕的方式。實(shí)踐證明，這種途徑是相當(dāng)有效、可行的。去噪+腐蝕命令如下。se=strel(disk,4); lc=imclose(bw,se

8、);se1=strel(disk,4); %去噪處理lo=imopen(lc,se1);bw8=bwmorph(lo,open); %開運(yùn)算se=strel(arbitrary,eye(18); %設(shè)置腐蝕結(jié)構(gòu)參數(shù)bw=imerode(bw8,se); %腐蝕se1=strel(arbitrary,eye(46); %設(shè)置腐蝕結(jié)構(gòu)參數(shù)bw0=imerode(bw,se1); %腐蝕l,n=bwlabel(bw0,8);display(n) %計(jì)數(shù) 第一次腐蝕結(jié)果 第二次腐蝕結(jié)果程序執(zhí)行后我們獲得 n=20 ，而原米粒數(shù)就是二十 這說明我們的程序成功了，對(duì)其他圖片進(jìn)行腐蝕，結(jié)果仍成功（cheer

9、s）。2.2.6 顯示所有圖片為了方便觀察，我們將處理中各部分得到的圖像以流程形式展現(xiàn)出來。命令如下。figure;subplot(1,6,1);imshow (i);title(原圖像);subplot(1,6,2);imshow (g);title(灰度圖像);subplot(1,6,3);imshow(e);title(二值圖像);subplot(1,6,4);imshow(bw);title(圖像取反);subplot(1,6,5);imshow(bw8);title(開運(yùn)算);subplot(1,6,6);imshow(bw);title(腐蝕圖像);figure;imshow(bw0);title(腐蝕圖像2);所得圖像如下（額、圖片有點(diǎn)大?。?、 結(jié)果與討論通過以上實(shí)驗(yàn)，我們可以發(fā)現(xiàn)，使用matlab處理圖片可以得到谷物顆粒的數(shù)目，當(dāng)然了，前提是做出程序。我們實(shí)驗(yàn)的結(jié)果顯示，此程序辨識(shí)谷物顆粒（包括疊壓下的情況），其準(zhǔn)確度100%。像其他的程序，可能能夠解決谷物計(jì)數(shù)問題，但在疊壓下的情況其卻處理不了（我們的能處理）。故，我們的程序是更棒的。參考資料：【1】（美）岡薩雷斯.數(shù)字圖像處理（第二版）.2007【2】（英）尼克松.阿瓜多.特征提取與圖像處理（第二版）.2010【3】張德豐.matlab數(shù)字圖