一、项目简介
本系统是一个基于图像处理的谷物计数系统，能够自动识别图像中的谷物颗粒并统计数量，适用于农业育种、粮食检测等场景。系统通过MATLAB GUI提供完整的可视化操作界面，用户加载图像后依次完成预处理、形态学处理和目标标记，最终输出谷物总数并在图像中标注每个颗粒。
核心算法流程：将彩色图像转为灰度后采用3×3中值滤波去除噪声，利用Otsu自适应阈值进行二值化分割。针对分割后目标区域存在的孔洞和边缘毛刺，采用半径为2的圆形结构元素进行腐蚀以分离粘连颗粒，再用半径为5的菱形结构元素膨胀以恢复目标原有尺寸。对处理后的二值图像进行连通区域标记（bwlabel），每个连通区域计为一粒谷物，利用regionprops获取各区域外接矩形和质心位置，最终在原始图像上用红色矩形框标记每个颗粒并标注序号，识别结果在界面中显示同时弹出对话框告知用户。
二、部分源码
% --- Executes on button press in pushbutton2.
function pushbutton2_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton2 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
axes(handles.axes1)
cla reset
axes(handles.axes2)
cla reset
axes(handles.axes3)
cla reset
axes(handles.axes4)
cla reset
axes(handles.axes5)
cla reset
axes(handles.axes6)
cla reset
set(handles.edit1,'string','');
% --- Executes during object creation, after setting all properties.
function edit1_CreateFcn(hObject, eventdata, handles)
% hObject handle to edit1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% Hint: edit controls usually have a white background on Windows.
% See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end
% --- Executes on button press in pushbutton11.
function pushbutton11_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton11 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
tic
global A1
global I
Ig = rgb2gray(I);
axes(handles.axes2)
imshow(Ig);%灰度图
Im=medfilt2(Ig,3,3);%取得图象的全局域值
axes(handles.axes3)
imshow(Im); %滤波图像
level = graythresh(Im); %获取图像二值化的阈值
bw = im2bw(Im,level); %二值化处理
axes(handles.axes4)
imshow(bw);
SE = strel('disk',2);
A=imerode(bw,SE);
SE1=strel('diamond',5);
A1=imdilate(A,SE1);
axes(handles.axes5)
imshow(A1);%膨胀图像
A2=A1;
三、运行结果
四、总结
本文实现了一套基于阈值分割与形态学处理的谷物计数系统，完成预处理、二值化、形态学操作和连通区域标记的完整流程。系统算法简洁、处理速度快，适合背景干净、颗粒分散的图像计数场景。主要不足在于：当颗粒相互粘连或堆叠时，简单腐蚀操作难以完全分离，易造成漏计；对光照变化和复杂背景适应性有限。后续可引入分水岭算法解决粘连问题，或采用深度学习目标检测方法提升复杂场景下的计数准确性。
五、代码获取
接matlab程序定制和论文设计，方向如下：
图像处理｜语音识别｜图像识别｜目标检测｜深度学习｜神经网络｜强化学习｜机器学习｜通信系统｜信号处理｜时频分析｜小波降噪｜路径规划｜优化算法｜智能算法｜数据处理｜数学建模｜文献复现｜算法复现｜模型复现等
程序包运行成功，零基础的可以远程帮你运行，赠送安装包。
作为初学者，遇见不会的问题是非常正常的事情，具体代码仿真可通过主页添加 私信博主。