基于图像识别的糖炒栗子自动计数系统

项目简介

本项目实现了一个基于传统图像处理技术的糖炒栗子自动计数系统。系统能够处理RGB格式的糖炒栗子俯视图像，准确统计图像中的栗子数量，并分析每个栗子所占的像素面积。通过HSV颜色空间分割、形态学操作和边缘检测等技术，有效解决了栗子表面反光、粘连和尺度变化等挑战。

系统特性

• ✅ 准确计数糖炒栗子数量（误差控制在±5%以内）
• ✅ 统计每个栗子的像素面积
• ✅ 处理部分粘连和光照不均情况
• ✅ 基于传统图像处理方法，无需深度学习模型
• ✅ 完整的可视化中间结果

技术架构

核心处理流程

1. 图像预处理

   • HSV颜色空间转换与褐色区域提取
   • CLAHE对比度增强
   • 高斯模糊去噪

2. 特征提取

   • Canny边缘检测
   • 形态学操作序列（开运算→闭运算→腐蚀）
   • 边缘信息融合

3. 目标检测与优化

   • 轮廓查找与最小外接圆拟合
   • 圆重叠检测与合并（极大值抑制）
   • 半径过滤与噪声去除

4. 结果输出

   • 可视化检测结果
   • 统计信息输出

环境要求

硬件环境

• 处理器：Intel Core i5 或同等性能以上
• 内存：8GB 或以上
• 存储空间：至少500MB可用空间

软件环境

• 操作系统：Windows 10/11, macOS, 或 Linux
• Python 3.8+
• 主要依赖库：
  • OpenCV 4.5+
  • NumPy 1.21+

项目结构

学号_姓名/
├── code/                           # 源代码目录
│   ├── main.py                     # 主程序入口
│   ├── utils.py                    # 工具函数库
│   └── requirement.txt             # 依赖环境配置
├── imgs/                           # 图像资源目录
│   ├── 1_original.jpg              # 原始图像
│   ├── 2_brown_mask.jpg            # 褐色掩膜
│   ├── 3_Canny.jpg                 # 边缘检测结果
│   ├── 4_masked_edge.jpg           # 边缘叠加结果
│   ├── 5_opened.jpg                # 开运算结果
│   ├── 6_closed.jpg                # 闭运算结果
│   ├── 8_eroded.jpg                # 腐蚀结果
│   ├── 9_circle.jpg                # 圆检测可视化
│   └── 10_final.jpg                # 最终结果
├── 实验报告.docx                   # Word版本实验报告
└── 实验报告.pdf                    # PDF版本实验报告

安装与使用

安装依赖

pip install -r code/requirement.txt

运行系统

cd code
python main.py

处理效果展示

原始图像

褐色区域提取

边缘检测

形态学处理

开运算	闭运算	腐蚀操作

边缘融合

检测结果

核心算法

HSV颜色空间提取

hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
brown_mask = cv2.inRange(hsv, (0, 43, 52), (255, 255, 255))

形态学操作序列

# 开运算去除噪声
opened = cv2.morphologyEx(brown_mask, cv2.MORPH_OPEN, open_kernel, iterations=1)

# 闭运算填充内部空洞  
closed = cv2.morphologyEx(opened, cv2.MORPH_CLOSE, close_kernel, iterations=3)

# 腐蚀分离粘连栗子
eroded = cv2.erode(closed, erode_kernel, iterations=9)

圆重叠合并算法

def merge_circles(circles):
    """基于重叠面积的圆合并算法"""
    # 实现重叠检测与合并逻辑
    # 重叠率阈值：30%

性能指标

• 计数准确率：误差控制在±5%以内
• 处理速度：单张图像处理时间<2秒
• 鲁棒性：能够处理光照不均和部分粘连情况

系统限制

1. 背景要求：在非白色背景环境下效果较差
2. 光照条件：最优检测环境为面光源，强反光会影响效果
3. 粘连程度：严重粘连的栗子可能无法完全分离

开发历程

本项目经历了四个主要的技术迭代阶段：

1. 版本1：基于灰度图像的传统方法（霍夫圆检测）
2. 版本2：基于HSV颜色空间的方法（颜色分割+轮廓查找）
3. 版本3：结合边缘检测的改进方法（强制分离粘连）
4. 版本4：综合优化方案（最终版本）

实验心得

通过本项目，深入掌握了传统图像处理技术的实际应用，包括：

• HSV颜色空间在特定物体识别中的优势
• 形态学操作序列的设计与调优
• 多特征融合的策略设计
• 算法参数的经验调优方法

作者信息

• 姓名：吴尧承
• 学号：2304120130
• 班级：智能建造一班
• 指导老师：张苗苗、孟庆祥
• 课程：数字图像与处理

许可证

本项目仅用于学术研究目的。