%1读取原图，并处理成二值图像
I=imread('C:\Users\john\Desktop\qq.jpg');
I2=rgb2gray(I); %处理成二值图像
BW=im2bw(I2,0.9); %处理成二值图像
total=bwarea(~BW) %测量面积
figure,subplot(1,3,1),imshow(I),title('原始图像');
subplot(1,3,2),imshow(I2),title('灰度图像');
subplot(1,3,3),imshow(BW),title('二值图像');
%2进行边缘检测 得到了不连续的图形边界(采用sobel算子或区域增长)
%3得到各个图形的连续边界
SE=strel('rectangle',[40 30]); % 结构定义
J2=imopen(BW,SE); % 开启运算
figure,imshow(J2),title('对二值图像进行开运算后的结果图像');
SE=strel('square',5); % 定义3×3腐蚀结构元素
J=imerode(~J2,SE);
BW2=(~J2)-J; % 检测边缘
figure,imshow(BW2),title('3*3腐蚀运算后的图像边界轮廓');
%填充了已有的检测的连续形状边界
B = imfill(BW2,'holes');
B = bwmorph(B,'remove');
figure,imshow(B),title('提取出的边界图像');
%3-2将不同的图形进行分别标记，num表示连接的图形对象的个数
[Label,num] = bwlabel(B,8);
%得到各个图像的边界像素的数组
%4计算各个图形单元的周长 用连接像素点或数边界像素点个数的方法 numPoints数组表示各个图形边界的像素个数（即用个数来表示周长）
%num = max(max(Label));
for i = 1 : num
Premeter(i) = 0;
end
[row,col] = size(Label);
for i = 1 : row
for j = 1 : col
if(Label(i,j) > 0)
Premeter(Label(i,j)) = Premeter(Label(i,j)) + 1; %计算标记后的各块图形边界中像素的个数的总数
end
end
end
%5计算各个图形单元的面积
FilledLabel = imfill(Label,'holes'); %填充打过标记的边界线中间围成的图形区域
figure,imshow(FilledLabel),title('打过标记后并已被填充的结果图像');
for i = 1 : num
Area(i) = 0;
end
[row,col] = size(FilledLabel);
for i = 1 : row
for j = 1 : col
if(FilledLabel(i,j) > 0)
Area(FilledLabel(i,j)) = Area(FilledLabel(i,j)) + 1; %通过统计像素点个数的方式来求各形状的面积
end
end
end
%6计算各个图形单元的圆度
for i = 1 : num
Ecllipseratio(i) = 4*pi*Area(i)/Premeter(i)^2;
end
%7计算各个图像的颜色（色度）
HSV = rgb2hsv(I); %转换为HSV，为后面的颜色元素的提取做准备
[row,col] = size(FilledLabel); %统计填充后的图形中各块图形所含像素的个数的多少
MeanHue = zeros(1,num);
for i = 1 : num
Hue = zeros(Area(i),1);
nPoint = 0;
for j = 1 : row
for k = 1 : col
if(FilledLabel(j,k) == i)
nPoint = nPoint + 1;
Hue(nPoint,1) = HSV(j,k,1);
end
end
end
Hue(:,i) = sort(Hue(:,1));
f
or j = floor(nPoint*0.1) : floor(nPoint*0.9)
MeanHue(i) = MeanHue(i) + Hue(j,1);
end
MeanHue(i) = MeanHue(i) / (0.8*nPoint); %计算出平均的色度值
end
%8识别桃
%8-1构建桃的分类器，在二维特征空间对各个图像进行类别区分
pitch=0;
for i=1:num
if(MeanHue(i)>0.5) %分类器识别桃的准则：判断各个图形中平均色度值大于0.5的为桃
pitch=i;
end
end
%8-2对分出来的类别分别构建相应的图像掩膜，并用对原图的亮度图像进行掩膜操作
pitchHSV=HSV;
[row,col] = size(FilledLabel); %统计填充后的图形中各块图形所含像素的个数的多少
%MeanHue = zeros(1,num);
for j = 1 : row
for k = 1 : col
if(FilledLabel(j,k) ~=pitch)
%pitchHSV(j,k,2)=0;
pitchHSV(j,k,3)=0;
end
end
end
%8-3变换生成最终的结果图像，图像中显示的结果即对应分类器中指定的类别
pitchmatrix = hsv2rgb(pitchHSV); %转换为RGB彩图，彩图中已经滤去了其余水果，只剩下桃
figure,imshow(pitchmatrix),title('水果类别一：桃子');
%9识别菠萝
%9-1构建菠萝的分类器，在二维特征空间对各个图像进行类别区分
pineapple=1;
mazarea=Area(1);
for i=1:num
if(mazarea
pineapple=i;
end
end
%9-2对分出来的类别分别构建相应的图像掩膜，并用对原图的亮度图像进行掩膜操作
pineappleHSV=HSV;
for j = 1 : row
for k = 1 : col
if(FilledLabel(j,k) ~=pineapple)
%pitchHSV(j,k,2)=0;
pineappleHSV(j,k,3)=0;
end
end
end
%9-3变换生成最终的结果图像，图像中显示的结果即对应分类器中指定的类别
pineapplematrix = hsv2rgb(pineappleHSV); %转换为RGB彩图，彩图中已经滤去了其余水果，只剩下菠萝
figure,imshow(pineapplematrix),title('水果类别二：菠萝');
%10识别香蕉
%101构建香蕉的分类器，在二维特征空间对各个图像进行类别区分
banana=0;
for i=1:num
if((Ecllipseratio(i)<0.5)) %分类器识别桃的准则：判断各个图形中平均圆率值小于0.5的为香蕉
banana=i;
end
end
%102对分出来的类别分别构建相应的图像掩膜，并用对原图的亮度图像进行掩膜操作
bananaHSV=HSV;
for j = 1 : row
for k = 1 : col
if(FilledLabel(j,k) ~=banana)
%pitchHSV(j,k,2)=0;
bananaHSV(j,k,3)=0;
end
end
end
%103变换生成最终的结果图像，图像中显示的结果即对应分类器中指定的类别
bananamatrix = hsv
2rgb(bananaHSV); %转换为RGB彩图，彩图中已经滤去了其余水果，只剩下香蕉
figure,imshow(bananamatrix),title('水果类别三：香蕉');
%11识别梨
%11-1构建梨的分类器，在二维特征空间对各个图像进行类别区分
pear=0;
for i=1:num
if(MeanHue(i)<0.125) %分类器识别桃的准则：判断各个图形中平均色度值小于0.125的为梨
pear=i;
end
end
%11-2对分出来的类别分别构建相应的图像掩膜，并用对原图的亮度图像进行掩膜操作
pearHSV=HSV;
for j = 1 : row
for k = 1 : col
if(FilledLabel(j,k) ~=pear)
%pitchHSV(j,k,2)=0;
pearHSV(j,k,3)=0;
end
end
end
%11-3变换生成最终的结果图像，图像中显示的结果即对应分类器中指定的类别
pearmatrix = hsv2rgb(pearHSV); %转换为RGB彩图，彩图中已经滤去了其余水果，只剩下梨
figure,imshow(pearmatrix),title('水果类别四：梨');
%12识别苹果
%12-1构建苹果的分类器，在二维特征空间对各个图像进行类别区分
apple=0;
for i=1:num
if((Ecllipseratio(i)<1.25)&(Ecllipseratio(i)>1.0)) %分类器识别桃的准则：判断各个图形中圆度居于1.0与1.25之间的的为苹果
apple=i;
end
end
%12-2对分出来的类别分别构建相应的图像掩膜，并用对原图的亮度图像进行掩膜操作
appleHSV=HSV;
for j = 1 : row
for k = 1 : col
if(FilledLabel(j,k) ~=apple)
%pitchHSV(j,k,2)=0;
appleHSV(j,k,3)=0;
end
end
end
%12-3变换生成最终的结果图像，图像中显示的结果即对应分类器中指定的类别
applematrix = hsv2rgb(appleHSV); %转换为RGB彩图，彩图中已经滤去了其余水果，只剩下苹果
figure,imshow(applematrix),title('水果类别五：苹果');