葡萄是我国广泛种植的一种重要水果,在所有水果产量中位居第二名。巨峰葡萄作为我国市场上最常见的葡萄品种经常出现果穗上果粒尺寸大小不一的情况,严重影响葡萄的外观品质。随着产量的增多和生活质量的提高,人们对葡萄外部品质的要求越来越高,对巨峰葡萄进行外部品质检测是提高其市场竞争力的重要手段。现有的检测标准多针对葡萄果穗,通过重量和着色率等指标只能对果穗的整体品质进行描述,不能描述出果穗中果粒的品质,局限性较大。巨峰葡萄果粒品质检测已经成为当下研究的重点,对葡萄果粒尺寸精确测量是葡萄果粒品质检测的基础。本文结合图像分割、椭圆拟合和相机标定等技术,提出一种基于葡萄图像的葡萄果粒尺寸检测方法。该方法在传统的水果图像检测原理和实现方法上,结合葡萄果穗的特点和实际拍摄环境,优化了检测过程使用的图像分割算法和椭圆外边缘轮廓的拟合方法,并使用优化的两种算法通过相机定标技术实现了葡萄果粒的尺寸计算。本文主要工作如下。为了提高葡萄图像的品质,减小采集和传输过程出现的噪声和光照不均匀的影响,本文对采集的图像进行预处理操作。通过对比均值滤波、加权平均滤波和中值滤波对葡萄图像的去噪效果,选择中值滤波对图像进行去噪,并使用彩色图像对数处理框架(LIPC)均衡图像的亮度空间分布。针对复杂背景下的葡萄图像分割准确度差的问题,本文提出一种融合局部异常因子(LOF)算法和K-means算法的图像分割算法。首先对由像素点组成的数据集合进行局部偏离因子值计算,然后通过局部偏离因子值将数据集合重新排序,剔除其中较小的后n个对象,最后对局部异常因子算法输出的数据集合执行K-means算法,并在聚类过程中,选择局部偏离因子值大的像素点作为初始聚类中心。算法减小了由于初始聚类中心选择偏离点造成的聚类误差,并降低了离群点和孤立点对聚类结果的影响。现有的椭圆拟合方法通常只能应用于对图像中一个或少量椭圆的检测。本文提出一种基于梯度特征的椭圆检测方法,结合像素点梯度特征将图像中的所有像素点分为不同的集合,在集合内应用随机变换椭圆检测算法(RED)进行椭圆拟合。改善了传统拟合方法用于复杂图像的多个椭圆目标检测时常常出现的漏检、误检和拟合结果偏离实际椭圆等问题。通过相机标定技术对采集的葡萄果穗图像进行畸变校正,并使用黑白棋盘标定板作为参照物将图像中的葡萄果粒像素尺寸转换为葡萄果粒的实际尺寸,通过果穗上果粒尺寸的均值和方差描述果粒外观品质。