水果的产值可以通过产后处理和产后加工得到一定程度的提高,而产后提升水果价值的过程称为果品的商品化处理,水果在产后的分级阶段是果品商品化的重要环节,但目前我国的水果自动分级技术相对国外来说比较落后。国内的水果分级方式主要有人工分级和机械分级,这两种分级方式存在着很多不足:分级标准不稳定,适应性不理想、容易损伤水果、分级效率低等。近年来国内开始研究基于机器视觉技术的水果自动分级方法,该方法主要是通过CCD相机采集目标图像,然后利用计算机分析等技术对水果图像进行分析后得出综合结论。使用该方法可以客观、实时、无损害的对水果外部指标进行检测分级。本文选用我国产量第一的苹果作为分级目标,基于机器视觉技术进行苹果分级检测算法的研究,在算法中加入了一些较为新颖的图像细节优化处理,使得结果更加稳定理想,并在Matlab平台中进行算法的验证分析。而且本文中的算法不仅适用于检测一幅图像中的单一目标,当一幅图像中有多个苹果目标时也可以进行识别处理,为将来研究苹果分拣机器人或采摘机器人提供前期的算法基础支持,具有一定的应用研究价值。本文的研究内容主要有以下几点:(1)选择适合拍摄苹果的背景颜色,并完成图像去噪、对比度增强等一系列的预处理。在图像去噪阶段,选用了自适应中值滤波和小波变换二者相联合的滤波方法进行去噪处理,并使用PSNR标准对滤波效果进行去噪质量评价。分析了几种图像增强变换方法,为了更大程度上的增加苹果和背景之间的对比度,最后选用了对比度拉伸函数法进行增强处理。(2)图像分割处理阶段,在一维OTSU阈值分割法和二维OTSU法之间进行了分析对比,鉴于算法运行时间和分割效果等因素,选择了一维OTSU阈值法进行苹果与背景的分割处理。然后针对因照明背景不均匀而影响图像分割效果这一问题,结合开运算的优势,引入top-hat变换的细节算法来优化分割方法,使其更加通用化,并使用改进后的Canny算子识别出连续平滑的苹果轮廓。(3)对苹果进行大小、形状、纹理、颜色方面的特征提取,并进行相关分级数据统计。在苹果大小特征提取方面,综合考虑各类方法的优缺点,最后选用最大内切圆法进行苹果直径的计算,便于进行大小的分级;在苹果形状特征方面,选用了圆度值的方法对苹果的形状特征进行描述分级;在苹果纹理特征方面,利用基于中心矩的二阶矩、三阶矩、熵等描述子对其表面纹理进行度量;在苹果颜色方面,将RGB彩色空间模型转换成HSI模型,并且识别苹果样本图像H分量的色彩像素点,通过计算苹果红色着色率的方法进行其表面颜色等级的划分。实验证明这几种特征提取方法可行性高,正确率可达90%以上,与人工分级的结果差异小,符合分级要求。