机器视觉的番茄图像分割与识别
1
目 录
Abstract 1
Key words 1
引言 ３
1选题背景 ３
1.1研究的意义 ３
1.2国内外研究状况 ３
1.2.1 国外研究状况 ３
1.2.2 国内研究状况 ３
1.3研究的目的和内容 ４
1.3.1 研究的目的 ４
1.3.2研究的内容 ４
2图像处理算法及其选择 ４
2.1去噪处理 ４
2.1.1邻域平均法 ５
2.1.2中值滤波法 ５
2.1.3预处理的结果与分析 ５
2.2彩色图像的颜色空间 ６
2.2.1 RGB颜色空间 ６
2.2.2 HIS颜色空间 ６
2.2.3颜色空间的选择 ７
2.3阈值分割 ７
2.3.1迭代阈值法 ８
2.3.2大津法 ８
2.3.3阈值分割结果与分析 ９
2.4图像分割后的处理 １０
3番茄图像的定位与识别 １２
3.1特征量的计算 １２
3.2番茄单个生长的定位与识别 １３
3.3 多个番茄生长的定位与识别 １３
3.3.1形态学处理 １３
3.3.2hough变换 １５
3.3.2.1经典Hough变换 １５
3.3.2.2改进的经典Hough变换 １６
3.2.2.3随机Hough变换 １７
3.3.2.4改进的随机Hough变换 １８
3.3.2.5Hough变换算法比较 １９
3.3.3结果与分析 ２１
4实验结果与分析 ２１
4.1 实验平台 ２１
4.2 实验过程与结论 ２１
5讨论 ２７
致谢 ２７
参考文献 ２７
基于机器视觉的番茄图像分割与识别
网络工程专业学生 蒋翠翠
指导老师 朱淑鑫
*好棒文|www.hbsrm.com +Q: ^351916072^
摘要：以自然环境下的成熟番茄作为研究目标，实现对目标的定位与识别。针对采集到的图像存在噪声的问题，使用邻域平均法和中值滤波法进行去噪处理。根据番茄的颜色特征,对比了在RGB和HIS颜色空间分割的效果，通过实验得出用RGB颜色空间的RG差值作分割因子可以得到较好的效果。在选择分割方法时，对比分析了迭代阈值法，大津法两种方法。因为分割后的图像存在着噪声和空洞，采用了形态学和面积阈值法进行处理。根据番茄在自然环境下的生长特点，针对番茄单个生长和多个番茄重叠生长两种情况，对番茄目标定位识别做了研究。番茄单个生长情况下，通过计算特征值得到目标的质心。多目标番茄重叠生长情况，利用形态学处理和Hough变换两种方法进行定位。通过研究Hough变换算法，根据实际情况，对算法进行改进以达到更好的效果。
based on machine vision tomato image segmentation and recognition
Student majoring in network engineering Jiang Cuicui
Tutor Zhu Shuxin
Abstract: studying object is ripe tomato that grows in natural environment, and the paper achieves location and identification of the object. Collected images existed noises, so using mean filter and median filter to solve the problem. According to color features of tomato, comparing the segmentation results of RGB and HIS color space is to select favorable color space. And applying RGB color space’s RB as segmentation factor gets pretty good effect. When selecting segmentation method, comparing and analyzing two methods which contain iteration threshold method and OTSU. The image exist noises and holes after segmentation processing, so using area threshold method and morphological processing settle the problem. On the basis of growing features of tomatoes, the paper study location and identifying under two situations that are single tomato growth and multiple tomatoes growth. In first situation, computing Characteristic quantities get the target centroid. In the latter situation, using morphological processing and Hough transform get centroids. Then improving Hough transform algorithm achieves a better result.
Key words: tomato; image segmentation and recognition; Hough transform; morphological process sing;
目 录
Abstract 1
Key words 1
引言 ３
1选题背景 ３
1.1研究的意义 ３
1.2国内外研究状况 ３
1.2.1 国外研究状况 ３
1.2.2 国内研究状况 ３
1.3研究的目的和内容 ４
1.3.1 研究的目的 ４
1.3.2研究的内容 ４
2图像处理算法及其选择 ４
2.1去噪处理 ４
2.1.1邻域平均法 ５
2.1.2中值滤波法 ５
2.1.3预处理的结果与分析 ５
2.2彩色图像的颜色空间 ６
2.2.1 RGB颜色空间 ６
2.2.2 HIS颜色空间 ６
2.2.3颜色空间的选择 ７
2.3阈值分割 ７
2.3.1迭代阈值法 ８
2.3.2大津法 ８
2.3.3阈值分割结果与分析 ９
2.4图像分割后的处理 １０
3番茄图像的定位与识别 １２
3.1特征量的计算 １２
3.2番茄单个生长的定位与识别 １３
3.3 多个番茄生长的定位与识别 １３
3.3.1形态学处理 １３
3.3.2hough变换 １５
3.3.2.1经典Hough变换 １５
3.3.2.2改进的经典Hough变换 １６
3.2.2.3随机Hough变换 １７
3.3.2.4改进的随机Hough变换 １８
3.3.2.5Hough变换算法比较 １９
3.3.3结果与分析 ２１
4实验结果与分析 ２１
4.1 实验平台 ２１
4.2 实验过程与结论 ２１
5讨论 ２７
致谢 ２７
参考文献 ２７
基于机器视觉的番茄图像分割与识别
网络工程专业学生 蒋翠翠
指导老师 朱淑鑫
*好棒文|www.hbsrm.com +Q: ^351916072^
摘要：以自然环境下的成熟番茄作为研究目标，实现对目标的定位与识别。针对采集到的图像存在噪声的问题，使用邻域平均法和中值滤波法进行去噪处理。根据番茄的颜色特征,对比了在RGB和HIS颜色空间分割的效果，通过实验得出用RGB颜色空间的RG差值作分割因子可以得到较好的效果。在选择分割方法时，对比分析了迭代阈值法，大津法两种方法。因为分割后的图像存在着噪声和空洞，采用了形态学和面积阈值法进行处理。根据番茄在自然环境下的生长特点，针对番茄单个生长和多个番茄重叠生长两种情况，对番茄目标定位识别做了研究。番茄单个生长情况下，通过计算特征值得到目标的质心。多目标番茄重叠生长情况，利用形态学处理和Hough变换两种方法进行定位。通过研究Hough变换算法，根据实际情况，对算法进行改进以达到更好的效果。
based on machine vision tomato image segmentation and recognition
Student majoring in network engineering Jiang Cuicui
Tutor Zhu Shuxin
Abstract: studying object is ripe tomato that grows in natural environment, and the paper achieves location and identification of the object. Collected images existed noises, so using mean filter and median filter to solve the problem. According to color features of tomato, comparing the segmentation results of RGB and HIS color space is to select favorable color space. And applying RGB color space’s RB as segmentation factor gets pretty good effect. When selecting segmentation method, comparing and analyzing two methods which contain iteration threshold method and OTSU. The image exist noises and holes after segmentation processing, so using area threshold method and morphological processing settle the problem. On the basis of growing features of tomatoes, the paper study location and identifying under two situations that are single tomato growth and multiple tomatoes growth. In first situation, computing Characteristic quantities get the target centroid. In the latter situation, using morphological processing and Hough transform get centroids. Then improving Hough transform algorithm achieves a better result.
Key words: tomato; image segmentation and recognition; Hough transform; morphological process sing;
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/1865.html
