python机器学习+opencv实现果蔬识别

一、目的

对输入图像进行图像特征提取，并感受各种不同的特征对最终图像识别的影响。

二、原理

水果有位置、方向、周长、面积、矩形度、宽长比、球状性、圆形度、不变矩、偏心率等各种特征。对图像进行灰度化再经过二值化等处理可以得到图像中水果的轮廓，利用该轮廓可以求得各种特征，利用一些特征构造模型可以实现对水果种类的检测识别。

        以下介绍python中使用opencv库进行图像处理的一些主要函数：

        读入图像：cv2.imread(filepath,flags)，显示图像：cv2.imshow(wname,img)

        颜色空间转换：cv2.cvtColor(img,cv2.COLOR_X2Y)

        二值化：cv2.threshold(src, thresh, maxval, type[, dst])

        轮廓提取：cv2.findContours(contour,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

        绘制轮廓：cv2.drawContours()

        求取面积：cv2.contourArea()，求取周长：cv2.arcLength()

一些特征的计算过程如下：

矩形度：

，AO是该物体的面积，而AMER是其外接矩形的面积

球状性：

，ri为最大内接圆半径，rc为最小外接圆半径

圆形度：e=（4π 面积）/（周长 * 周长）；

三、实现过程

1.数据集说明

数据集中包含苹果和香蕉两种水果，分别存放于对应的文件夹中

图1 部分数据集

2.提取特征

读入所有的水果图像，首先对它们做如下处理：转为灰度图像、二值化