opencv的水果种类识别方法
为实现电脑端的智能水果种类识别系统，本文设计了一种通过智能手机摄像头获取图片，对该图片进行图像预处理、图像分割、提取图片中水果的颜色特征和纹理特征并特征融合等处理，最终判断出水果种类的方法。其中，在采用边缘检测分割算法进行图像分割基础上，分别采用HSV颜色直方图方法和LBP算法对分割后的图像进行颜色和纹理特征提取，并采用相交系数算法来进行特征融合，计算与训练集图片的综合相似度，最终实现水果种类的识别与判断。最后，基于OpenCV计算机视觉库，运用C++语言实现了该系统，并对十种不同种类的水果进行了识别。结果显示，系统的种类识别准确。
目录
摘要 1
关键词 1
ABSTRACT. 1
KEY WORDS 1
1 绪论 2
1.1 研究背景 2
1.2 国内外研究状况 2
1.3 研究内容和技术路线 2
1.3.1 研究内容 2
1.3.2 技术路线图 3
2 开发平台及应用技术 4
2.1 C++语言简介 4
2.2 OPENCV简介 4
3 水果图像识别算法实现 4
3.1 图像预处理 4
3.1.1 图像大小归一化 4
3.1.2 图像灰度化 5
3.2 图像分割 6
3.2.1 CANNY边缘检测 6
3.2.2 边缘的腐蚀膨胀处理 7
3.2.3 最终分割后图像的提取 8
3.3 颜色特征提取 9
3.3.1 HSV颜色直方图 9
3.4 纹理特征提取 11
3.4.1 LBP直方图 11
4 MFC界面设计 12
5 数据集与结果分析 13
5.1 图片标准 13
5.2 训练集与测试集 14
5.3 识别方法 15
5.4 结果分析 15
6 总结与展望 17
6.1 总结 17
6.2 展望 17
致谢 *好棒文|www.hbsrm.com +Q: &351916072&
18
参考文献 19
基于OpenCV的水果种类识别方法
引言
引言
1 绪论
1.1 研究背景
中国是一个农业生产大国，其中水果总产量位居全球第一。根据中国农业部的统计，1998年，中国水果年度总产量达到5503万7000吨，占世界总产量的12.7%。2004年度总产量达到7823万吨，占世界总产量的15.73%。2006年度总产量达到1亿6700万吨，占世界水果总产量的20%以上[12]。然而，中国的水果出口量却很低。1988年，中国出口了67万4000吨水果，只占了当年水果总产量的1.19%。1999年，中国出口了89万8000吨水果，占水果总产量的1.28%。2000年，中国出口了97万5000吨水果，占水果总产量的1.39%。2001年，中国出口了2002吨123万吨水果，占水果总产量的1.71%。2003年，中国出口了161万6000吨水果，占水果总产量的2.1%[12]。这些数据都明显落后于发达国家。中国的水果出口量低的一个重要原因是，水果采摘后商业化处理能力相对薄弱。2007年12月22日，孙政才在全国农业工作会议中指出，影响我国水果产业发展的主要问题是采摘后商业化程度低，导致1/4的腐烂水果因为被浪费而没有投入市场[12]。与西方发达国家相比，中国的水果商业化能力是非常弱的。采收后，西方发达国家95%的水果都会进行商业化处理，即清洗、打蜡、分级、包装，然后投放市场。相反，采摘后的水果在中国只有1%会进行商业化处理。作为一个水果生产大国，中国进一步提高水果商品化的能力，为中国农业的发展而言具有重要的现实意义。
水果的识别和分类是商品化处理的重要环节。水果在中国的分类主要依靠人工分类，造成大量的人力和物力资源浪费。因此，水果分类方法的不足已成为中国水果出口的一个重要原因。目前大部分水果的识别分类还是依靠人工来分，用肉眼直接对水果进行识别分类，浪费了大量人力物力，而且仅凭肉眼难以精确区分，总会犯下一些小的错误，导致准确度出现了问题。为了提高水果商品的售卖效率，就必须提出高效的水果种类识别方法。
因此，开发出一款基于OpenCV和C++语言编写的智能水果识别系统，能够方便而准确地判断出水果的种类。
1.2 国内外研究状况
为了解决上述水果识别的问题，Bolle等通过提取图像的颜色和纹理特征，实现了图像中任意数量且位置随机摆放的水果智能分类识别，并开发了Veggie Vision智能水果识别系统，但Veggie Vision将水果放在“黑盒子”中，而且采用的图像分割算法及特征提取算法对光线比较敏感，容易受到光照强度的影响[12]。
Rocha比较了和差直方图（Unser）、外点/内点颜色直方图（BIC）、颜色聚合向量 （CCV）等颜色和纹理特征在不同分类器下的识别效果，并指出采用 CCV、RGB、Unser这些算法进行特征融合可以取得最好的识别结果，但是所采用的纹理特征提取算法不能较好地表述出水果纹理的差异性，仍然容易受到光照强度的影响[3]。
Arivazhagan 等利用HSV颜色直方图来提取图像的颜色特征，将小波域中的自相关矩阵作为纹理特征进行水果识别[4]。
Zhang 等提出采用 Unser、RGB 颜色直方图等作为图像识别算法，并采用多核向量机进行水果识别，该方法多核学习训练时间太长，过于繁琐，不符合实际[5]。
此外，Rocah等还从特征融合的角度对水果识别进行了进一步的研究[67]。
1.3 研究内容和技术路线
1.3.1 研究内容
目录
摘要 1
关键词 1
ABSTRACT. 1
KEY WORDS 1
1 绪论 2
1.1 研究背景 2
1.2 国内外研究状况 2
1.3 研究内容和技术路线 2
1.3.1 研究内容 2
1.3.2 技术路线图 3
2 开发平台及应用技术 4
2.1 C++语言简介 4
2.2 OPENCV简介 4
3 水果图像识别算法实现 4
3.1 图像预处理 4
3.1.1 图像大小归一化 4
3.1.2 图像灰度化 5
3.2 图像分割 6
3.2.1 CANNY边缘检测 6
3.2.2 边缘的腐蚀膨胀处理 7
3.2.3 最终分割后图像的提取 8
3.3 颜色特征提取 9
3.3.1 HSV颜色直方图 9
3.4 纹理特征提取 11
3.4.1 LBP直方图 11
4 MFC界面设计 12
5 数据集与结果分析 13
5.1 图片标准 13
5.2 训练集与测试集 14
5.3 识别方法 15
5.4 结果分析 15
6 总结与展望 17
6.1 总结 17
6.2 展望 17
致谢 *好棒文|www.hbsrm.com +Q: &351916072&
18
参考文献 19
基于OpenCV的水果种类识别方法
引言
引言
1 绪论
1.1 研究背景
中国是一个农业生产大国，其中水果总产量位居全球第一。根据中国农业部的统计，1998年，中国水果年度总产量达到5503万7000吨，占世界总产量的12.7%。2004年度总产量达到7823万吨，占世界总产量的15.73%。2006年度总产量达到1亿6700万吨，占世界水果总产量的20%以上[12]。然而，中国的水果出口量却很低。1988年，中国出口了67万4000吨水果，只占了当年水果总产量的1.19%。1999年，中国出口了89万8000吨水果，占水果总产量的1.28%。2000年，中国出口了97万5000吨水果，占水果总产量的1.39%。2001年，中国出口了2002吨123万吨水果，占水果总产量的1.71%。2003年，中国出口了161万6000吨水果，占水果总产量的2.1%[12]。这些数据都明显落后于发达国家。中国的水果出口量低的一个重要原因是，水果采摘后商业化处理能力相对薄弱。2007年12月22日，孙政才在全国农业工作会议中指出，影响我国水果产业发展的主要问题是采摘后商业化程度低，导致1/4的腐烂水果因为被浪费而没有投入市场[12]。与西方发达国家相比，中国的水果商业化能力是非常弱的。采收后，西方发达国家95%的水果都会进行商业化处理，即清洗、打蜡、分级、包装，然后投放市场。相反，采摘后的水果在中国只有1%会进行商业化处理。作为一个水果生产大国，中国进一步提高水果商品化的能力，为中国农业的发展而言具有重要的现实意义。
水果的识别和分类是商品化处理的重要环节。水果在中国的分类主要依靠人工分类，造成大量的人力和物力资源浪费。因此，水果分类方法的不足已成为中国水果出口的一个重要原因。目前大部分水果的识别分类还是依靠人工来分，用肉眼直接对水果进行识别分类，浪费了大量人力物力，而且仅凭肉眼难以精确区分，总会犯下一些小的错误，导致准确度出现了问题。为了提高水果商品的售卖效率，就必须提出高效的水果种类识别方法。
因此，开发出一款基于OpenCV和C++语言编写的智能水果识别系统，能够方便而准确地判断出水果的种类。
1.2 国内外研究状况
为了解决上述水果识别的问题，Bolle等通过提取图像的颜色和纹理特征，实现了图像中任意数量且位置随机摆放的水果智能分类识别，并开发了Veggie Vision智能水果识别系统，但Veggie Vision将水果放在“黑盒子”中，而且采用的图像分割算法及特征提取算法对光线比较敏感，容易受到光照强度的影响[12]。
Rocha比较了和差直方图（Unser）、外点/内点颜色直方图（BIC）、颜色聚合向量 （CCV）等颜色和纹理特征在不同分类器下的识别效果，并指出采用 CCV、RGB、Unser这些算法进行特征融合可以取得最好的识别结果，但是所采用的纹理特征提取算法不能较好地表述出水果纹理的差异性，仍然容易受到光照强度的影响[3]。
Arivazhagan 等利用HSV颜色直方图来提取图像的颜色特征，将小波域中的自相关矩阵作为纹理特征进行水果识别[4]。
Zhang 等提出采用 Unser、RGB 颜色直方图等作为图像识别算法，并采用多核向量机进行水果识别，该方法多核学习训练时间太长，过于繁琐，不符合实际[5]。
此外，Rocah等还从特征融合的角度对水果识别进行了进一步的研究[67]。
1.3 研究内容和技术路线
1.3.1 研究内容
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/1684.html
