[发明专利]基于聚类和形态学处理的番茄果实识别方法及系统

权利要求书

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；其中，颜色分量组合方式如下：

I＝R-B

公式中：I为组合后的色差图像，R为红色分量，B为蓝色分量；

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；其中，通过Canny算子作为边缘检测算法提取图像的边缘轮廓，采用霍夫变换检测得到的图像边缘轮廓中的圆形轮廓。

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，若它与所在连通区域的边界色和填充色均不同，用填充色填充该点，否则不填充；

将种子点的相邻位置作为新的种子点进行检测，重复这个过程，直到检测完该连通区域内的所有像素为止；

对图像的所有连通区域进行漫水填充操作，实现整体图像的孔洞填充。

7.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，

对分割后的图像形态学处理去除噪声，具体为：设定阈值去除图像中的小区域，统计图像中所有连通区域的像素数，去除像素数小于预设阈值的小区域，留下较大的番茄果实区域以便于后续果实识别。

8.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，

对图像进行开运算操作，具体为：对图像进行开运算操作，进行先腐蚀后膨胀的操作，采用半径为预设值的圆盘形结构元素。

9.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，

对图像进行闭运算操作，具体为：进行先膨胀后腐蚀的操作，采用半径为预设值的圆盘形结构元素。