基于K-means聚类的苹果图像处理与分级设计

以图像处理技术为基础,根据苹果分级标准展开红色着色比、缺陷检测、果径测量的模型设计研究。首先将苹果图像转换到YCbCr颜色空间,借助K-means聚类算法、OTSU最大类间方差法得到最优分阈值,将灰度图转换为二值图。使用大小为10的模版对图片做闭预算,并填充内部小孔洞,得到的白色的果实区域,从而实现果体与背景区域的有效分割。随后通过Gamma变换将苹果图像中灰度值区间拉伸,建立苹果颜色分级模型;在YCbCr图片中进行簇数为3的K-means聚类,且使用碟型结构元素对图片做开运算,对连通域进行标记,进而完成苹果的缺陷检测;最后通过最小外接圆计算苹果果径。实验结果表明,基于K-means聚类方法进行苹果分级系统设计,其图像处理速度较快且分割效果较好,能够为相关果类的分级设计提供借鉴和参考。

基于图像分割的马体尺测量系统设计

基于马体与背景的图像分割技术,以马体测量系统为设计目标,展开其体高、体长、胸围、管围指标的机器测量与系统设计研究。在图像处理部分,采用单阶段的实例分割模型YOLACT,在MS-COCO数据集上实现马体与背景的分割;在数据测量部分,借助Matlab平台中提供的多种方法及库函数,依次完成了马体尺测量系统的界面设计、图像导入、坐标定位、距离测量、回归分析、测量值筛选、数据显示及保存等内容。通过引入胸径、管径的二维参数,建立马体胸围与管围的三维预测方程;采用图像的局部放大功能,加强马体特征点定位的准确性;在验证马体尺测量值的有效性时,采用rcoplot方法进行数据的残差分析;借助Matlab-GUI工具,进行体尺测量系统的可视化设计,为马体尺的快速获取及智能化测量提供典型范例。