一、项目简介
本系统是一个基于颜色与形状特征的水果识别系统，能够对苹果、香蕉、桃子、梨、菠萝五类水果进行自动识别与分类。系统通过MATLAB GUI提供完整的交互界面，用户加载图像后可按步骤完成灰度化、二值化、形态学处理、边缘检测等预处理操作，最终在图像上标注识别结果并弹出提示对话框。
核心算法流程如下：将彩色图像转为灰度后采用高阈值（0.9）二值化分割目标区域，利用大尺寸矩形结构元素进行开运算去除背景噪声，再通过腐蚀操作分离粘连目标。通过图像相减提取目标边缘，利用孔洞填充和形态学细化获得完整的水果轮廓。对连通区域逐个标记后，提取两类核心特征：一是形状特征------利用regionprops获取每个区域的长轴与短轴之比（即似圆性），圆形目标（如苹果）该值接近1，长条形目标（如香蕉）该值较大；二是颜色特征------将图像转换至HSV空间，统计各连通区域的平均色相值（MeanHue），同时计算目标局部区域RGB均值辅助区分颜色相近的品种。基于预设的多重阈值规则进行决策分类，例如：红色分量高且似圆性接近1判定为苹果，色相值低于0.2且长宽比大于1.7判定为香蕉，最终在原始图像质心位置标注水果名称并弹出结果对话框。
二、部分源码
function pushbutton1_Callback(hObject, eventdata, handles)
axes(handles.axes1);
cla;
% hObject handle to pushbutton1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global img;
filename, pathname=uigetfile('dw.bmp',' ');
path=pathname filename;
img=imread(path);
axes(handles.axes1);
imshow(img);
axis off;
%----------------------------对图片进行灰度计算----------------
% --- Executes on button press in pushbutton5.
function pushbutton5_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton5 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global img;
global path;
I2=rgb2gray(img);
axes(handles.axes1);
imshow(I2);
axis off;
%--------------------------------对图像进行二值化计算-----------
% --- 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)
global img;
global BW;
global path;
I2=rgb2gray(img);
BW=im2bw(I2,0.9);%level=0.9来实现二值化
axes(handles.axes1);
imshow(BW);
axis off;
%-------------图片腐蚀---------------------
% --- Executes on button press in pushbutton6.
function pushbutton6_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton6 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global img;
global BW;
global path;
global J2;
global J;
%I2=rgb2gray(img);
%BW=im2bw(I2,0.9);%把图片变成黑色
SE=strel('rectangle',40 30); % 结构定义
J2=imopen(BW,SE); % 进行开运算去除噪声和平滑边界
imshow(J2);
SE=strel('square',3); % 定义3×3腐蚀结构元素
J=imerode(~J2,SE); %对图像进行腐蚀操作，消除物体边界
%imshow(J);
axis off;
%-----------------------对图片进行边缘提取计算------------------------
% --- Executes on button press in pushbutton3.
function pushbutton3_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton3 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
global J2;
global J;
global BW2;
BW2=(~J2)-J; % 检测边缘
%填充了已有的检测的连续形状边界
B = imfill(BW2,'holes'); %对图像填充背景。
B = bwmorph(B,'remove'); %获得图像中区域边界。
imshow(B);
axis off;
三、运行结果
四、总结
本文实现了一套基于HSV色相与形状似圆性的水果识别系统，完成图像二值化、形态学处理、边缘提取、连通区域标记、色相统计和似圆性计算以及阈值规则分类的完整流程。系统通过GUI实现了各预处理步骤的可视化展示和识别结果的直观呈现，具备良好的交互性。主要优势在于算法简洁、无需训练，适合简单背景下的单类目标识别。主要不足在于：识别规则依赖固定阈值，对光照变化和品种差异敏感；当图像中存在多个目标时识别逻辑存在冲突风险。后续可引入机器学习分类器或多特征融合策略，以提升系统的泛化能力和识别准确率。
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。