中北大学2014届本科毕业论文
i?M dLog(q,d)=
其中：
0??1 f(x)=??|logx|?12??|f(q[i])?f(d[i])| 式3.10
i?0ififx?00?x?1 式3.11
otherwiseq[i]表示直方图中的第i个像素的值，d[i]表示另一直方图中的第i个像素的值 ，已将他们量化为[0-255]。若使用矢量距离，则直方图中某一像素柱的差值最大为255，若使用对数距离，则最大为9。同时我们若使特征值以f（q[i]）的形式存储，最大值为9，大大减小了存储空间[13]、[14]。
实验结果：
对图像像素划分（边界/内部）后，效果如图3.5所示。边界像素为白色，内部像素为黑色。这里，背景使用其他的颜色值表示，以便区分开来，我们只对前景来研究。
芹菜图像 边界/内部划分后 - 27 -
中北大学2014届本科毕业论文
花菜图像 边界/内部划分后 图3.5 边界/内部像素划分结果图
使用对数距离对不同图像的直方图进行比较。我们将3副图像（萝卜1，芹菜1，花菜1）分别与其他图像进行对比，统计其对数距离如下：
表3.3 萝卜图像1与其他图像对数距离表
萝卜2 萝卜3 萝卜4 萝卜5 芹菜 花菜 西红柿 黄瓜 韭菜 包菜 萝卜1 3 8 7 5 34 40 28 22 32 33 表3.4 芹菜图像1与其他图像对数距离表
芹菜1 芹菜2 芹菜3 芹菜4 芹菜5 青菜 花菜 西红柿 黄瓜 韭菜 包菜 6 4 8 10 19 40 18 28 16 33 表3.5 花菜图像1与其他图像对数距离表
花菜1 花菜2 花菜3 花菜4 花菜5 青菜 菠菜 西红柿 黄瓜 韭菜 包菜 3 2 3 5 26 39 27 37 33 8 观察实验结果，同种类蔬菜的特征矢量之间对数距离很近，效果很好。 3.4 实验结果与分析
本章为蔬菜图像的特征提取，这是本论文的又一研究重点。分别采用了3种方法来对图像进行了特征的提取，如何验证这些特征的正确性（有效性）是本章研究的一个关键步骤。这里仅采用距离公式来对图像进行相似度的测量，实验结果表明相似图像之间距离值较小，因此具有较好的相似度，也验证了特征值的有效性。
- 28 -
中北大学2014届本科毕业论文
3.5 本章小结
本部分对图像的3种特征：颜色、纹理、形状特征进行了研究。其中颜色特征采用了颜色一致性矢量的方法，较之于颜色特征提取常用的一种方法—颜色直方图，它不仅包含了图像的全局信息，而且空间关系也得到了考虑。纹理特征采用了和差直方图的方法，较之于纹理特征提取的经典方法—灰度共生矩阵，它具有与之类似的效果，降低了运算的复杂度。形状特征采用了边界/内部像素分类的方法。它们都取得了不错的效果。
但是由于图像数据量有限，特征量的有效性有待进一步的验证。其次，如何将几种特征量融合也有待进一步研究。
- 29 -
中北大学2014届本科毕业论文
4 全文总结与展望
4.1 全文总结
目前图像识别与分类技术的应用和研究热点主要集中在图像特征提取与分类器模型的建立上。但在这两方面工作之前的图像预处理工作是所以工作的前提，其目的就是获得有效的特征矢量，使识别更为得精确。本文针对图像预处理及图像特征提取两个主题主要作了一下研究工作：
第一、对图像进行简单的预处理工作，包括图像的灰度化、二值化以及在对图像进行分
割工作时涉及到的图像膨胀、腐蚀操作。这些工作是对图像进行更高层次处理的基础性工作。
第二、对图像进行分割，去除图像背景。为了获得表征蔬菜特征的矢量，需要去除图像
背景的干扰 。针对蔬菜图像的特点，使用3种方法对图像进行分割。对于边缘明显，且具有封闭外层轮廓的蔬菜图像，通过跟踪提取其外层轮廓，来作为前景与背景的分界线，从而将前景提取出来。对于其他图像，使用K均值聚类算法来对图像像素进行聚类，这种方法很好的将图像的前景部分聚类在一起，分割效果很好，但是遇到图像存在阴影的情况有时则将阴影部分的像素同前景聚类在一起，这时需要对图像做进一步处理，来消除阴影的影响。
第三、对分割后的蔬菜图像进行特征提取。特征提取是图像识别的关键步骤，直接决定
了图像识别的效率。本文分别对图像的颜色、纹理及形状特征进行了提取研究。颜色特征采用提取颜色一致性矢量的方法，这种方法不仅同颜色直方图的一样含有图像的全局信息而且也包含了图像空间信息。纹理特征采用提取和差直方图的方法，它具有同共生矩阵一样的效果，而且降低了计算的复杂度。形状特征采用提取边界/外部像素分类的方法，并利用了一种图像比较的新方法——对数距离来衡量图像之间的差异。
第四、本文实验在软件OpenCv及VC++6.0环境下实现，对包菜、黄瓜、花菜等10种
蔬菜，共50张图像进行了处理，图片大小为640×480。
本文对提取出的图像特征进行了简单的有效性验证，效果较好。这为后面的图像识别及分类工作具有积极的意义。 4.2 展望
尽管目前存在很多的图像分割方法以及图像特征提取的方法，但由于图像自身的特
- 30 -
中北大学2014届本科毕业论文
点很多方法并不能对所有的图像都适用，因此在图像自动识别及分类这一课题上面有待对这些方法的进一步研究。另外，由于采集图片的数量有限，所提取图像的特征量的有效性也有待进一步的研究。
本设计只是对蔬菜图像预处理以及图像特征提取两个方面进行了研究，一个完整的图像识别与分类系统，应当还有分类器的设计等步骤，有待进一步研究和讨论。
- 31 -