基于聚类和形态学处理的番茄果实识别方法及系统技术方案

本公开提供了一种基于聚类和形态学处理的番茄果实识别方法及系统，所述方法包括以下步骤：获取待识别的图像，进行预处理；对预处理后的图像进行处理得到色差图像，对得到的色差图像基于K均值聚类图像分割后通过图像形态学处理去除噪声；对形态学处理后的图像进行图像边缘轮廓的提取，以提取到的圆形边缘轮廓为番茄果实识别结果；本公开通过K均值聚类算法对图像进行分割，基于形态学处理进行噪声去除，提高了番茄果实的识别精度和鲁棒性。

【技术实现步骤摘要】
基于聚类和形态学处理的番茄果实识别方法及系统
本公开涉及图像处理
，特别涉及一种基于聚类和形态学处理的番茄果实识别方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
，并不必然构成现有技术。近年来，农业生产中对番茄果实的分选大部分仍采用人工挑拣。由于番茄果实的形态存在差异性，植株生长环境存在复杂性，绝大多数采摘工作由人工完成，主要依靠人工视觉进行，这种方法工作效率低，缺乏客观性。目前，为了节约成本、提高采摘效率，基于图像的果实识别已成为研究热点。利用计算机视觉技术对大小、颜色不同，生长环境复杂的番茄果实进行识别，这对于实现番茄自动挑拣采摘具有重大现实意义。本公开专利技术人发现，实现对番茄果实识别的首要任务是对番茄果实进行图像分割，然而目前现有的分割方法获取的分割结果误差较大，影响后续果实识别的精确度；现有的番茄识别方法中对噪声(如空洞和小区域)的去除不彻底，得到的识别结果存在较大的误差。
技术实现思路
为了解决现有技术的不足，本公开提供了一种基于聚类和形态学处理的番茄果实识别方法及系统本文档来自技高网...

【技术保护点】
1.一种基于聚类和形态学处理的番茄果实识别方法，其特征在于，包括以下步骤：/n获取待识别的图像，进行预处理；/n对预处理后的图像进行处理得到色差图像，对得到的色差图像基于K均值聚类图像分割后通过图像形态学处理去除噪声；/n对形态学处理后的图像进行图像边缘轮廓的提取，以提取到的圆形边缘轮廓为番茄果实识别结果。/n

【技术特征摘要】
1.一种基于聚类和形态学处理的番茄果实识别方法，其特征在于，包括以下步骤：
获取待识别的图像，进行预处理；
对预处理后的图像进行处理得到色差图像，对得到的色差图像基于K均值聚类图像分割后通过图像形态学处理去除噪声；
对形态学处理后的图像进行图像边缘轮廓的提取，以提取到的圆形边缘轮廓为番茄果实识别结果。


2.如权利要求1所述的基于聚类和形态学处理的番茄果实识别方法，其特征在于，预处理，具体为：
通过几何变换对输入的待识别图像进行预处理，将图像的高度缩放为预设像素，将图像的宽度等比例进行缩放，得到尺寸统一的RGB图像。


3.如权利要求1所述的基于聚类和形态学处理的番茄果实识别方法，其特征在于，色差图像的获取方法为：将预处理后的图像分离成三个独立的颜色分量，选择不同的颜色分量进行组合，将图像中的每个像素点进行转换。


4.如权利要求1所述的基于聚类和形态学处理的番茄果实识别方法，其特征在于，对得到的色差图像基于K均值聚类进行图像分割，具体为：
从图像中确定初始聚类中心，设定聚类中心的个数；
计算剩余每个数据对象与当前聚类中心之间的距离，并把每个数据对象归到距离它最近的聚类中心的类别；
针对多个类，调整聚类中心的位置，重复距离计算和归类步骤直到聚类中心不再变化；
输出聚类的分类结果图像，结果图像为二值图像。


5.如权利要求1所述的基于聚类和形态学处理的番茄果实识别方法，其特征在于，对分割后的图像形态学处理去除噪声，包括：基于漫水填充算法对图像进行孔洞填充、设定阈值去除图像中的小区域、对图像进行开运算操作以及对图像进行闭运算操作。


6.如权利要求5所述的基于聚类和形态学处理的番茄果实识别方法，其特征在于，
基于漫水填充算法对图像进行孔洞填充，具体为：
在图像中标记一个像素作为种子点，检测该点的颜色，若它与所在连通...

【专利技术属性】
技术研发人员：杨公平，王冲，孙启玉，刘玉峰，李广阵，
申请(专利权)人：山东大学，山东锋士信息技术有限公司，
类型：发明
国别省市：山东;37