基于MATLAB的雜草圖像處理技術(shù)及研究的最新論文

1、本科畢業(yè)論文雜草圖像處理技術(shù)及應(yīng)用學(xué) 院： 計(jì)算機(jī)與信息工程學(xué)院專 業(yè)： 計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)學(xué) 號： 姓 名： 烏文澤指導(dǎo)教師： 薛河儒職 稱： 教授論文提交日期：二一一年六月摘 要圖像分割是圖像處理中的一項(xiàng)關(guān)鍵技術(shù)，其目的是將目標(biāo)和背景分離，為后續(xù)處理提供依據(jù)，其結(jié)果直接影響到其后的信息處理過程。到目前為止，對圖像分割的效果好壞，還沒有一個(gè)統(tǒng)一的評價(jià)判斷準(zhǔn)則。不同的分割方法對同一幅圖像的分割效果是不同的。本文研究不同分割方法對同一副圖像進(jìn)行分割后的定量比較?；叶乳撝捣ㄊ且环N常使用的分割方法。圖像閾值化處理的實(shí)質(zhì)是一種圖像灰度級的非線性運(yùn)算，閾值處理可用方程加以描述。通過選取閾值將目標(biāo)與背景

2、分離出來。分水嶺變換是一種數(shù)學(xué)形態(tài)學(xué)圖像分割方法，它可以得到精確的邊緣，即連續(xù)、封閉、單像素寬的邊緣。但是它的主要缺點(diǎn)就是對噪聲十分敏感，很弱的噪聲就會造成嚴(yán)重的過分割現(xiàn)象，致使分割結(jié)果出現(xiàn)大量的零散區(qū)域。本文是用實(shí)驗(yàn)的方法，針對農(nóng)田植物與土壤對比比較強(qiáng)烈的情況，將其背景與植物分離。利用不同算法對同一幅圖像進(jìn)行分割，然后對其效果進(jìn)行定量比較，從而確定一種分割效果較好的方法。關(guān)鍵詞：圖像分割 顏色特征 灰度閾值法 分水嶺算法 定量評價(jià)Abstract Image segmentation is a key technology of image processing, and its purpo

3、se is to separate the target from the background. It makes further image analysis and comprehension possible. But so far, there is not a unified evaluation criterion about the effects of image segmentation. The effects of segmentation are different with different segmentation methods, and the effect

4、s are also different with a given segmentation method at different color spaces. This paper studies different segmentation method for the same vice image segmentation quantitative comparison after. Gray threshold value method is a frequently used segmentation method. Image threshold processs essence

5、 is a kind of image grayscale nonlinear operations, threshold processing can be used to describe equation. By choosing threshold will target and background is isolated The watershed is an image segmentation method based on mathematical morphology. It gets the precise edge which is continuous, closed

6、 and single-pixel. The main limitation of watershed transform is the over-segmentation due to its sensitivity to noise; even the very thin noise will lead to a lot of scattered and meaningless regions.This paper is to use the method of experimental comparison for farmland plants and soil more intens

7、e, will its background and plant separation. Use different algorithms on the same image segmentation, then its effect, thus determine quantitatively compare a segmentation effect good method. Key words ：Image segmentation Color characteristics Grayscale threshold value method Watershed algorithm Qua

8、ntitative evaluation 目 錄1 引言12 圖像分割概述221 數(shù)字圖像處理技術(shù)222 圖像分割2221 圖像分割定義3222 圖像分割技術(shù)的分類3223 圖像分割的方法3224 存在問題4225 課題研究意義53 圖像的采集和預(yù)處理631 雜草圖像的采集632 彩色圖像轉(zhuǎn)換為灰度圖像633 雜草圖像預(yù)處理7331 雜草圖像的增強(qiáng)7332 直方圖修正7333 直方圖均衡化8334 平滑濾波除噪9335 中值濾波94 基于顏色特征的雜草圖像的分割1041 綠色植物與土壤背景的分割1041. 1 分割方法分析1041. 2 閾值分割法1041. 3 無標(biāo)記分水嶺算法1241. 4

9、 有標(biāo)記分水嶺算法145 用戶界面（GUI）1551 GUI開發(fā)方法簡介1652 創(chuàng)建圖形用戶窗口的工具1753 GUI控件1954 雜草圖像處理系統(tǒng)的界面設(shè)計(jì)216 圖像分割效果評價(jià)246. 1 灰度閾值法256. 2 分水嶺算法256. 2. 1 無分水嶺算法256. 2. 2 有標(biāo)記分水嶺算法267 總結(jié)26致謝27參考文獻(xiàn)28附錄291 引言在圖像的研究和應(yīng)用過程中，人們往往僅對各幅圖像中的某些部分感興趣。這些部分常稱為目標(biāo)或前景，它們一般對應(yīng)圖像中特定的具有獨(dú)特性質(zhì)的區(qū)域。為了辨別和分析目標(biāo)，需要將這些區(qū)域分離提取出來，在此基礎(chǔ)上才有可能對目標(biāo)進(jìn)一步研究。圖像分割就是將圖像分成各具特

10、性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。 在進(jìn)行圖像分割時(shí)，首先要根據(jù)目標(biāo)和背景的先驗(yàn)知識來對圖像中的目標(biāo)、背景進(jìn)行標(biāo)記、定位，然后將等待識別的目標(biāo)從背景中分離出來。大力發(fā)展精細(xì)農(nóng)業(yè)、合理利用農(nóng)業(yè)資源、改善生態(tài)環(huán)境，保持農(nóng)業(yè)的持續(xù)高效發(fā)展已成為前沿性科學(xué)研究的熱點(diǎn)領(lǐng)域之一。隨著信息技術(shù)、網(wǎng)絡(luò)技術(shù)、人工智能技術(shù)在工業(yè)生產(chǎn)中的廣泛應(yīng)用并已發(fā)揮巨大的效能，在傳統(tǒng)農(nóng)業(yè)中引入信息智能化技術(shù)是農(nóng)業(yè)現(xiàn)代化發(fā)展的必然趨勢。圖像分割是由圖像處理進(jìn)到圖像分析的關(guān)鍵步驟，也是一種基本的計(jì)算機(jī)視覺技術(shù)。這是因?yàn)閳D像的分割、目標(biāo)的分離、特征的提取和參數(shù)的測量將原始的圖像轉(zhuǎn)化為更抽象更緊湊的形式，使得更高層的分析和理解成

11、為可能。因此，圖像分割多年來一直得到人們的高度重視。然而到目前為止，對圖像分割的效果好壞或正確與否，還沒有一個(gè)統(tǒng)一的評價(jià)判斷準(zhǔn)則。不同的分割方法對同一幅圖像的分割效果是不同的，然而一種方法對不同的圖像分割效果也是不同的。本文研究的是不同圖像分割方法對同一幅圖像分割效果的定量比較。2 圖像分割概述21 數(shù)字圖像處理技術(shù)數(shù)字圖像處理技術(shù)源于20世紀(jì)20年代，當(dāng)時(shí)通過海底電纜從英國倫敦到美國紐約傳輸了一幅照片，采用了數(shù)字壓縮技術(shù)。首先數(shù)字圖像處理技術(shù)可以幫助人們更客觀、準(zhǔn)確地認(rèn)識世界，人的視覺系統(tǒng)可以幫助人類從外界獲取3/4以上的信息，而圖像、圖形又是所有視覺信息的載體，盡管人眼的鑒別力很高，可以識

12、別上千種顏色，但很多情況下，圖像對于人眼來說是模糊的甚至是不可見的，通過圖象增強(qiáng)技術(shù)，可以使模糊甚至不可見的圖像變得清晰明亮。另一方面，通過數(shù)字圖像處理中的模式識別技術(shù)，可以將人眼無法識別的圖像進(jìn)行分類處理。通過計(jì)算機(jī)模式識別技術(shù)可以快速準(zhǔn)確的檢索、匹配和識別出各種東西。數(shù)字圖像處理技術(shù)是一個(gè)跨學(xué)科的領(lǐng)域，就是指利用計(jì)算機(jī)對圖像信息進(jìn)行加工以滿足人的視覺心理或者應(yīng)用需求的行為。隨著計(jì)算機(jī)科學(xué)技術(shù)的不斷發(fā)展，圖像處理和分析逐漸形成了自己的科學(xué)體系，計(jì)算機(jī)圖像處理也成為人工智能應(yīng)用的熱點(diǎn)之一，信息的處理技術(shù)主要依賴于圖像處理方法，它包括數(shù)碼編碼和傳輸、平滑、邊緣銳化、分割、特征抽取、圖像識別等內(nèi)容

13、。經(jīng)過這些處理后，輸出圖像的質(zhì)量得到相當(dāng)程度的改善，便于計(jì)算機(jī)對圖像進(jìn)行分析、處理和識別。一個(gè)基本的圖像處理系統(tǒng)包括有4個(gè)子系統(tǒng)：圖像輸入系統(tǒng)、圖像輸出系統(tǒng)（顯示）、圖像存儲系統(tǒng)、圖像處理與分析系統(tǒng)。如下圖1所示：圖像輸入系統(tǒng)圖像輸出系統(tǒng)圖像處理與分析系統(tǒng)圖像存儲系統(tǒng)圖1 圖像處理系統(tǒng)新的處理方法層出不窮，盡管其發(fā)展歷史不長，但卻引起各方面人士的廣泛關(guān)注。圖像作為人類感知世界的視覺基礎(chǔ)，是人類獲取信息、表達(dá)信息和傳遞信息的重要手段。首先，視覺是人類最重要的感知手段，圖像又是視覺的基礎(chǔ)，因此，數(shù)字圖像成為農(nóng)業(yè)、心理學(xué)、生理學(xué)、計(jì)算機(jī)科學(xué)等諸多領(lǐng)域內(nèi)的學(xué)者們研究視覺感知的有效工具。其次，圖像處理在

14、軍事、遙感、氣象等大型應(yīng)用中有不斷增長的需求。22 圖像分割221 圖像分割定義所謂圖像分割就是指把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。分割是一種標(biāo)記過程，即對分割所得屬于同一區(qū)域的像點(diǎn)給予相同的標(biāo)記值。換句話說，所謂圖像分割是指根據(jù)灰度、色彩、空間紋理、幾何形狀等特征把圖像劃分成或若干個(gè)互不相交的區(qū)域，使得這些特征在同一區(qū)域內(nèi)，表現(xiàn)出一致性或相似性，而在不同區(qū)域間表現(xiàn)出明顯的不同。圖像分割是圖像處理與計(jì)算機(jī)視覺領(lǐng)域底層視覺中最為基礎(chǔ)和重要的領(lǐng)域之一，同時(shí)它也是一個(gè)經(jīng)典難題，到目前為止既不存在一種通用的圖像分割方法，也不存在一種判斷是否分割成功的客觀標(biāo)準(zhǔn)。222 圖像分割的技

15、術(shù)分類根據(jù)圖像分割過程中所使用知識的多少，可將圖像分割按技術(shù)分成：信號層技術(shù)、物理層技術(shù)和語義層技術(shù)。信號層技術(shù)在圖像分割過程中純粹基于數(shù)字圖像中的數(shù)值；物理層技術(shù)在圖像分割過程中使用了有關(guān)圖像生成的知識；而語義層技術(shù)則在圖像分割過程中還使用了有關(guān)景物類型的領(lǐng)域?qū)Ｓ弥R。223 圖像分割的方法圖像分割主要有兩種方法：一是鑒于度量空間的灰度閾值分割法。它是根據(jù)圖像灰度直方圖來決定圖像空間域像素聚類。但它只利用了圖像灰度特征，并沒有利用圖像中的其它有用信息，使得分割結(jié)果對噪聲十分敏感；二是空間區(qū)域增長分割方法。它是對在某種意義上（如灰度級、組織、梯度等）具有相似性質(zhì)的像素連通集構(gòu)成分割區(qū)域，該方法

16、有很好的分割效果，但是缺點(diǎn)是運(yùn)算比較復(fù)雜，處理速度慢。其它的方法如邊緣追蹤法，主要著眼于保持邊緣性質(zhì)，跟蹤邊緣并形成閉合輪廓，將目標(biāo)分割出來。閾值化方法利用了圖像中要提取的目標(biāo)物與其背景在灰度特性的差異，把圖像視為具有不同灰度級的區(qū)域的組合。通過選取閾值，將目標(biāo)區(qū)域從背景區(qū)域分離出來。閾值法是一種傳統(tǒng)的圖像分割方法，因其實(shí)現(xiàn)簡單、計(jì)量小、性能較穩(wěn)定而成為圖像分割中最基本和應(yīng)用最廣泛的分割技術(shù)。它特別適用于目標(biāo)和背景占據(jù)不同灰度級范圍的圖像。已被應(yīng)用于很多的領(lǐng)域例如，在紅外技術(shù)應(yīng)用中，紅外無損檢測紅外熱圖像的分割，紅外成像跟蹤系統(tǒng)中目標(biāo)的分割；在遙感應(yīng)用中，合成孔徑雷達(dá)圖像中目標(biāo)的分割等；在醫(yī)學(xué)

17、應(yīng)用中，血液細(xì)胞圖像的分割，磁共振圖像的分割；在農(nóng)業(yè)工程應(yīng)用中，農(nóng)田植物與雜草的分割等等。在這些應(yīng)用中，分割的準(zhǔn)確性將直接影響后續(xù)任務(wù)的有效性，其中閾值的選取是圖像閾值分割方法中的關(guān)鍵技術(shù)。常用的閾值分割方法有：雙峰法、類間方差閾值分割法、模糊閾值分割法等等。閾值分割法是一種基于區(qū)域的圖像分割技術(shù)，其基本原理是：通過設(shè)定不同的特征閾值，把圖像像素點(diǎn)分為若干類。常用的特征包括:直接來自原始圖像的灰度或彩色值變換得到的特征。設(shè)原始圖像為f（x,y）,按照一定的準(zhǔn)則在f(x,y)中找到特征值T，將圖像分割為兩部分，分割后的圖像為:b0 f(x,y) < tg(x,y)=（1）b1 f(x,y)

18、 t 若取：b0=0(黑)，b1=1(白)，即為我們通常所說的圖像二值化。一般意義下，閾值運(yùn)算可以看作是對圖像中某點(diǎn)的灰度，該點(diǎn)的某種局部特性以及該點(diǎn)在圖像中的位置的一種函數(shù)，這種閾值函數(shù)可記作：T（x,y,N(x,y),f(x,y)） 式中，f(x,y)是點(diǎn)（x,y）的灰度值；N（x,y）是點(diǎn)（x,y）的局部鄰域特性，在此不對其詳細(xì)介紹。分水嶺算法，是一種基于拓?fù)淅碚摰臄?shù)學(xué)形態(tài)的分割方法，其基本思路是把圖像看作是測地學(xué)上的拓?fù)涞孛玻瑘D像中每一點(diǎn)像素的灰度值表示該點(diǎn)的海拔高度，每一個(gè)局部極小值及其影響區(qū)域稱為集水盆，而集水盆的邊界則形成分水嶺。分水嶺的概念和形成可以通過模擬浸入過程來說明。在每

19、一個(gè)局部極小值表面，刺穿一個(gè)小孔，然后把整個(gè)模型慢慢浸入水中，隨著浸入的加深，每一個(gè)局部極小值的影響域慢慢向外擴(kuò)展，在兩個(gè)集水盆匯合處構(gòu)筑大壩，即形成分水嶺。應(yīng)用到圖像分割中，分水嶺變換是指將原圖像轉(zhuǎn)換成一個(gè)標(biāo)記圖像，其中所有屬于同一集水盆的點(diǎn)均被賦予同一個(gè)標(biāo)記，并用一個(gè)特殊的標(biāo)記來標(biāo)記分水嶺上的點(diǎn)。無標(biāo)記分水嶺算法的優(yōu)點(diǎn)是對微弱邊緣具有良好的響應(yīng)，得到封閉連續(xù)邊緣是有保證的。另外，分水嶺算法所得到的封閉的集水盆，為分析圖像的區(qū)域特征提供了可能。然而分水嶺算法對圖像強(qiáng)度噪聲特別敏感，容易導(dǎo)致過度分割，而且計(jì)算耗時(shí)較長，所以，適用該方法的關(guān)鍵是解決過分割和壓縮計(jì)算時(shí)間的問題。有標(biāo)記分水嶺算法的優(yōu)

20、點(diǎn)是可以自適應(yīng)地提取標(biāo)記而不需要先驗(yàn)知識,克服了標(biāo)記提取的困難。224 存在的問題圖像分割問題的困難在于圖像數(shù)據(jù)的模糊和噪聲的干擾。前面已經(jīng)提到，到目前為止，還沒有一種或者幾種完善的分割方法，可以按照人們的意愿準(zhǔn)確的分割任何一種圖像。實(shí)際圖像中景物情況各異，具體問題具體分析，需要根據(jù)實(shí)際情況選擇適合的方法。分割結(jié)果的好壞或者正確與否，目前還沒有一個(gè)統(tǒng)一的評價(jià)判斷準(zhǔn)則，分割的好壞必須從分割的效果和實(shí)際應(yīng)用場景來判斷。不過在人類研究圖像的歷史中，還是積累了許多經(jīng)典的圖像分割方法。雖然這些分割方法不適合所有類型的圖像分割，但是這些方法卻是圖像分割方法進(jìn)一步發(fā)展的基礎(chǔ)。事實(shí)上，現(xiàn)代一些分割算法恰恰是從

21、經(jīng)典的分割方法衍生出來的。多數(shù)研究是在可以采集高質(zhì)量圖像的具有可控光照、沒有環(huán)境影響因素的實(shí)驗(yàn)室（溫室）內(nèi)進(jìn)行的，而田間則有機(jī)械震動、光照不勻、風(fēng)、晴天、陰天等許多自然因素影響，這就增加了圖像處理的難度。識別速度和識別精度有待于提高。雜草特征具有多樣性和復(fù)雜性的特點(diǎn)，要達(dá)到精確的識別雜草，在眾多的特征中如何選取最有效的特征組合也是田間雜草圖像處理的難點(diǎn)。225 課題研究的意義在傳統(tǒng)農(nóng)業(yè)中，雜草肆虐和雜草病蟲害是困擾莊稼生長的基本問題。農(nóng)田雜草與作物爭營養(yǎng)阻礙作物生長發(fā)育并造成不可估量的經(jīng)濟(jì)損失?，F(xiàn)在農(nóng)田雜草防除的方法主要有機(jī)械除草、靜電除草、人力除草、化學(xué)除草和綜合治草等。大力發(fā)展精細(xì)農(nóng)業(yè)、合

22、理利用農(nóng)業(yè)資源、改善生態(tài)環(huán)境，保持農(nóng)業(yè)的持續(xù)高效發(fā)展已成為前沿性科學(xué)研究的熱點(diǎn)之一。隨著信息技術(shù)、網(wǎng)絡(luò)技術(shù)、人工智能技術(shù)在工業(yè)生產(chǎn)中的廣泛應(yīng)用并已發(fā)揮巨大的效能，在傳統(tǒng)農(nóng)業(yè)中引入信息化智能化技術(shù)是農(nóng)業(yè)現(xiàn)代化發(fā)展的必然趨勢。當(dāng)前這種粗放的農(nóng)業(yè)生產(chǎn)對環(huán)境造成的污染已經(jīng)引起重視。農(nóng)科院植保所主要從事雜草化學(xué)防除研究工作的專家薛光指出：雜草化學(xué)防除是一項(xiàng)省工節(jié)本、方便實(shí)用、增產(chǎn)增效的農(nóng)業(yè)措施，但要使它健康、持久地發(fā)展，還得正確處理兩個(gè)關(guān)系，除草與環(huán)保的關(guān)系，除草劑是一種有毒物質(zhì)，農(nóng)田使用除草劑后，其一部分被光解、降解，還有一部分留在作物、土壤和水中，造成對環(huán)境的污染。1992 年在墨爾本召開的第一屆國

23、際雜草防除大會上提出了“減少對除草劑的依賴性”的口號，1996 年在哥本哈根召開的第二屆國際雜草防除大會上又提出了“雜草防除生態(tài)學(xué)”的觀點(diǎn)，旨在保護(hù)人類賴以生存的環(huán)境。常規(guī)的除草劑的使用存在著一些問題。第一，由于除草劑是采用大面積、成片的噴灑，除草劑遺留滲到地下水和地表水中，同時(shí)揮發(fā)等因素造成的污染危害到了人類和一些生物的安全。第二，根據(jù)精確農(nóng)業(yè)的思想，可耕種的土地具有不同的特征，如雜草分布的密度不同、土壤的肥沃程度不同，如果都一致加以處理，這樣浪費(fèi)除草劑，造成生產(chǎn)投入成本的增加。第三，由于過多的使用除草劑，造成農(nóng)產(chǎn)品的品質(zhì)下降，另外一些由于除草劑殘留造成的危害，輕則出現(xiàn)中毒的現(xiàn)象，重則使人和

24、一些生物畸形和死亡。第四，在噴灑過程中，人們常用眼睛和手進(jìn)行判斷和操作，但是每個(gè)人的判斷標(biāo)準(zhǔn)是不同的，所以也造成除草劑使用的過多或不足?？紤]到這些情況，我們應(yīng)該采取一些措施。我們既要保持農(nóng)業(yè)的可持續(xù)發(fā)展，提高作物的產(chǎn)量，增加農(nóng)民的經(jīng)濟(jì)效益，同時(shí)也要考慮為達(dá)到上述問題對環(huán)境的影響。隨著計(jì)算機(jī)技術(shù)的普及推廣，精準(zhǔn)農(nóng)業(yè)模式的提出，借助計(jì)算機(jī)工具有效地減輕農(nóng)業(yè)生產(chǎn)的強(qiáng)度，提高勞動生產(chǎn)率，實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)自動化成為發(fā)展的趨勢。應(yīng)用計(jì)算機(jī)視覺、圖像處理技術(shù)進(jìn)行農(nóng)作物中的雜草識別與控制成為可能。在雜草滋生區(qū)施加除草劑，而對無雜草的地方不使用除草劑，或?qū)φ麄€(gè)地塊施加小劑量的除草劑而對雜草部分施加正常劑量的除草劑，

25、并根據(jù)雜草種類的不同控制調(diào)節(jié)噴灑不同的藥劑，分類滅除，從而實(shí)現(xiàn)精細(xì)噴灑，變量投入。有關(guān)專家也論證，利用大量傳感器組成的機(jī)器視覺系統(tǒng)來識別雜草是可行的，此外根據(jù)國外學(xué)者進(jìn)行的除草劑噴灑對比試驗(yàn)結(jié)果表明：假定均勻噴灑除草劑的使用量為100，通過開/關(guān)噴嘴間斷噴灑除草劑的變量噴灑方法能節(jié)省10的除草劑，根據(jù)雜草密度噴灑不同劑量的除草劑的變量噴灑方法能節(jié)省45的除草劑。這不僅提高農(nóng)業(yè)發(fā)展的科技水平，減少草害，而且對保護(hù)環(huán)境，節(jié)省投入成本都有著十分重要的現(xiàn)實(shí)意義。到目前為止，還沒有唯一的標(biāo)準(zhǔn)的分割方法。許多不同種類的圖像或景物都可作為待分割的圖像數(shù)據(jù)，不同類型的圖像，已經(jīng)有相對應(yīng)的分割方法對其分割，同時(shí)

26、，某些分割方法也只是適合于某些特殊類型的圖像分割。分割結(jié)果的好壞需要根據(jù)具體的場合及要求衡量。因?yàn)椴煌姆指罘椒ǖ姆指钚Ч遣灰粯拥?。本文是對同一幅圖像采用不同的分割方法得到的不同效果進(jìn)行定量比較的。3 圖像的采集和預(yù)處理31 雜草圖像的采集雜草發(fā)生種類多而普遍，生育期長，危害嚴(yán)重。由于各地氣候、土壤及栽培條件的差異造成麥田雜草種類的分布及危害明顯不同。本實(shí)驗(yàn)采集的是晴天情況下的上午的靜態(tài)雜草圖像。32 彩色圖像轉(zhuǎn)換為灰度圖像 將采集的彩色圖像利用函數(shù)rgb2gray()和公式I=*R+*G+*B轉(zhuǎn)換為灰度圖像。其中公式的系數(shù)的習(xí)慣用=1/3。本設(shè)計(jì)采用兩種方法并且根據(jù)顏色特征的組合做了多次試

27、驗(yàn)。不同的數(shù)值結(jié)果不同。如下圖所示： 圖1 rgb2gray()轉(zhuǎn)變 圖2 G-B 圖3 1/3*R+1/3*G+1/3*B 圖4 2*G-R-B以上結(jié)果顯示背景與其目標(biāo)灰度值差異大且圖像清晰的為顏色特征選項(xiàng)為G-B的圖像。33 雜草圖像預(yù)處理 由于雜草圖像是在戶外采集，受各種自然條件如風(fēng)、光照、光線曝光不均等因素影響，以及在輸入、傳送、處理過程中都難免會引入干擾，引起圖像降質(zhì)，造成圖像特征提取和圖像識別困難或產(chǎn)生不良的視覺效果。因此首先要對圖像進(jìn)行預(yù)處理，濾除噪聲，提高圖像質(zhì)量。預(yù)處理部分主要包括對圖像增強(qiáng)和噪聲濾除。331 雜草圖像的增強(qiáng)圖像增強(qiáng)可以在頻率域進(jìn)行，也可以在空間域進(jìn)行。在頻率

28、域增強(qiáng)就是先對圖像進(jìn)行傅立葉正交變換，然后對圖像在頻率域進(jìn)行增強(qiáng)處理，最后再反變換到空間域，從而得到增強(qiáng)后的圖像?？臻g域增強(qiáng)主要為在空間域內(nèi)對象素灰度值直接進(jìn)行運(yùn)算處理，處理速度比在頻率域要快的多。332 直方圖修正直方圖修正，就是利用直方圖信息，對灰度分布形式作校正來修正圖像灰度，使圖像具有所需要的灰度分布，從而有選擇地突出所需要的圖像特征，最終達(dá)到圖像增強(qiáng)的目的。直方圖修正中具有最優(yōu)性質(zhì)的是直方圖均衡化。該方法的基本思路是把原始圖像的直方圖變換成均勻分布的形式，這樣就增加了象素灰度值的動態(tài)范圍，從而達(dá)到增強(qiáng)圖像整體對比度的效果。原理如下：（1）計(jì)算出原始圖像的所有灰度級sk, 0,1,.,

29、L-1；（2）統(tǒng)計(jì)原始圖像的象素?cái)?shù)，并依據(jù)式公式2計(jì)算原始圖像的直方圖： psk=nkn,k=0,1,L-1； （2） 式中sk是圖像f (i, j)的第k級灰度值；nk是f (i, j)中具有灰度值sk的像素的個(gè)數(shù)；n是圖像中象素的總數(shù)。（3）計(jì)算原始圖像的累計(jì)直方圖并取整，即: tk=i=0knin=i=0kpsi k=0,1,L-1; （3）（4） 定義映射關(guān)系：sktk;（5） 統(tǒng)計(jì)新直方圖各灰度級的像素?cái)?shù)k n 并由式公式4計(jì)算新的直方圖； pttk=nkn （4）直方圖均衡化后結(jié)果如圖2所示，可看出變換后的雜草圖像更為清晰，更能突出圖像的細(xì)節(jié)。從直方圖上也可看出，直方圖調(diào)整之前，灰

30、度的比例很大，經(jīng)過直方圖調(diào)整后，各灰度等級的比例更加平衡1。 圖5 原始灰度圖像 圖6 原始灰度圖像直方圖 圖7 修正后灰度圖像 圖8 修正后直方圖333 直方圖均衡化 直方圖均衡化，是把一已知灰度概率分布的圖像經(jīng)過一種變換，使之演成一幅具有均勻灰度概率分布的新圖像。是以累計(jì)分布函數(shù)變換法為基礎(chǔ)的直方圖修正法。直方圖均衡化處理是一種修改圖像直方圖方法，它通過對直方圖進(jìn)行均衡化修正，使圖像灰度間距離增大或灰度均勻分布、增大反差，是圖像的細(xì)節(jié)變得更清晰。 圖9 均衡化后灰度圖像 圖10 直方圖均衡化334 平滑濾波除噪 原始圖像的噪聲主要有兩個(gè)來源：一是在拍攝過程中，由于曝光不均勻而產(chǎn)生的膠片顆粒

31、噪聲。二是數(shù)字化過程中，由數(shù)字化電子器件帶來的隨機(jī)噪聲。噪聲常常和信號交織在一起，如果平滑不當(dāng)就使圖像本身的很多細(xì)節(jié)變得模糊不清，從而使圖像降質(zhì)。如何既能平滑掉圖像中的噪聲，而又盡量保持圖像細(xì)節(jié)，少付出一些模糊的代價(jià)，是圖像平滑研究的主要問題。本文采用中值濾波法對采集的雜草圖像進(jìn)行濾波處理。335 中值濾波中值濾波的算法原理是首先確定一個(gè)奇數(shù)像素的窗口w，窗口內(nèi)各像素按灰度大小排隊(duì)后，用其中間位置的灰度值代替原f(x,y)灰度值成為窗口中心，灰度值g(x,y)。 g(x,y)=Medf(x-k,y-l),(k,lw) （5）式中，w為選定窗口大??；f（m-k,n-l）為窗口w的像素灰度值。通常

32、窗口內(nèi)像素為奇數(shù)，以便于有中間像素。若窗內(nèi)像素為偶數(shù)時(shí)，則中值取中間兩像素灰度值的平均值。中值濾波的主要步驟為：（1）將模板在圖中漫游，并將模板中心與圖中的某個(gè)像素位置重合；（2）讀取模板下各對應(yīng)像素灰度值；（3）將模板對應(yīng)的像素灰度值進(jìn)行從小到大排序；（4）選取灰度序列里排在中間的1個(gè)像素的灰度值；（5）將這個(gè)中間值賦給對應(yīng)模板中心位置的像素作為像素的灰度值。中值濾波比低通濾波消除噪聲更有效。因?yàn)樵肼暥酁榧夥鍫罡蓴_，若用低通濾波，雖能去除噪聲但陡峭的邊緣將被模糊。中值濾波能去除點(diǎn)狀尖峰干擾而邊緣不會變壞。 圖11 原始灰度圖像 圖12 中值濾波后圖像3*3 圖13 中值濾波后圖像5*5 圖1

33、4 中值濾波后圖像7*7中值濾波降低噪聲的效果比較明顯，在灰度值變化比較小的情況下可以得到很好的平滑處理，降低了圖像邊界部分的模糊程度。中值濾波去噪的效果依賴于兩個(gè)因素：鄰域的空間范圍和中值計(jì)算中所涉及的像素?cái)?shù)，針對雜草圖像的特征，為了能較好的保護(hù)雜草葉片邊緣及中間葉脈部分的細(xì)節(jié)信息，分別選取窗口大小為3×3，5×5，7×7通過對比不同窗口濾波后的圖像，發(fā)現(xiàn)窗口尺寸越大消除噪聲效果增強(qiáng)，但圖像細(xì)節(jié)丟失越多，邊緣變得模糊。選用5×5十字型窗口性價(jià)比最佳。4 基于顏色特征的雜草圖像的分割41 綠色植物與土壤背景的分割411 分割方法分析利用上述顏色特征組合將

34、彩色圖像轉(zhuǎn)化成灰度圖像，然后根據(jù)圖像中要提取的雜草區(qū)與背景區(qū)在灰度特性上的差異把圖像視為具有不同灰度級的區(qū)域組合，通過選取閾值將雜草區(qū)域從背景中分離出來。412 閾值分割法閾值化方法利用了圖像中要提取的目標(biāo)物與其背景在灰度特性的差異，把圖像視為具有不同灰度級的區(qū)域的組合。通過選取閾值，將目標(biāo)區(qū)域從背景區(qū)域分離出來。閾值法是一種傳統(tǒng)的圖像分割方法，因其實(shí)現(xiàn)簡單、計(jì)量小、性能較穩(wěn)定而成為圖像分割中最基本和應(yīng)用最廣泛的分割技術(shù)。它特別適用于目標(biāo)和背景占據(jù)不同灰度級范圍的圖像。已被應(yīng)用于很多的領(lǐng)域例如，在紅外技術(shù)應(yīng)用中，紅外無損檢測中紅外熱圖像的分割，紅外成像跟蹤系統(tǒng)中目標(biāo)的分割；在遙感應(yīng)用中，合成孔

35、徑雷達(dá)圖像中目標(biāo)的分割等；在醫(yī)學(xué)應(yīng)用中，血液細(xì)胞圖像的分割，磁共振圖像的分割；在農(nóng)業(yè)工程應(yīng)用中，農(nóng)田植物與背景的分割，等等。在這些應(yīng)用中，分割的準(zhǔn)確性將直接影響后續(xù)任務(wù)的有效性，其中閾值的選取是圖像閾值分割方法中的關(guān)鍵技術(shù)。常用的閾值分割方法有：雙峰法、類間方差閾值分割法、模糊閾值分割法等等。閾值分割法是一種基于區(qū)域的圖像分割技術(shù)，其基本原理是：通過設(shè)定不同的特征閾值，把圖像像素點(diǎn)分為若干類。常用的特征包括:直接來自原始圖像的灰度或彩色值變換得到的特征。設(shè)原始圖像為f（x,y）,按照一定的準(zhǔn)則在f(x,y)中找到特征值T，將圖像分割為兩部分，分割后的圖像為b0 f(x,y) < tg(x

36、,y)=（6）b1 f(x,y) t若取：b0=0(黑)，b1=1(白)，即為我們通常所說的圖像二值化。一般意義下，閾值運(yùn)算可以看作是對圖像中某點(diǎn)的灰度，該點(diǎn)的某種局部特性以及該點(diǎn)在圖像中的位置的一種函數(shù)，這種閾值函數(shù)可記作T（x,y,N(x,y),f(x,y)） （7） 式中，f(x,y)是點(diǎn)（x,y）的灰度值；N（x,y）是點(diǎn)（x,y）的局部鄰域特性 。(1)求出圖像中的最大和最小灰度值st,sk, 令初始閾值為: T0=s1+s22 （8） (2) 根據(jù)閾值Tk將灰度圖像分成目標(biāo)和背景兩部分,（第一次分割TK=T0 ）,然后求出目標(biāo)和背景兩部分的平均灰度值S1,S2 , S1=Si,j&

37、lt;TkS(i,j)×N(i,j)zi,j<TkN(i,j), S1=Si,j>TkS(i,j)×N(i,j)zi,j>TkN(i,j) （9）式中S(i, j)是圖像上(i, j)點(diǎn)的灰度值，N(i, j)是(i, j)點(diǎn)的權(quán)重系數(shù)，一般 N(i, j)1,0。（3） 求出新的閾值： Tk+1=S1+S22 （10） （4）如果Tk=Tk+1，則算法結(jié)束，否則k k +1，轉(zhuǎn)步驟（2）。分割后的二值圖像不僅可以大量壓縮數(shù)據(jù)減少存儲容量而且能大大簡化其后的分析和處理步驟?；叶葓D像經(jīng)二值化后，在背景區(qū)會出現(xiàn)塊狀噪聲和不均勻的顆粒噪聲，可采用多次中值濾波方法

38、，提高圖像質(zhì)量。如圖所示： 圖15 閾值分割后的二值圖像 圖16 0、1互換的圖像413 無標(biāo)記分水嶺算法 無標(biāo)記分水嶺算法是一種已經(jīng)發(fā)展起來的數(shù)學(xué)形態(tài)學(xué)圖像分割方法。這種方法之所以引起人們的重視,一是其計(jì)算速度較快,二是物體輪廓線的封閉性,三是定位的精確性。但無標(biāo)記分水嶺算法對微弱邊緣也具有良好的響應(yīng)。它最初是由Digabel和Lantuejoul引入圖像處理領(lǐng)域,用于分析簡單的二值圖像。為了得到更為通用的模型, Beucher、Vin2cent等人繼續(xù)研究,使分水嶺的理論得以建立,并大量用于灰度圖像的分割。雖然其思想簡單,但是設(shè)計(jì)方法比較困難,早期的方法計(jì)算負(fù)擔(dān)重、耗時(shí)較長。因此,采用無標(biāo)

39、記分水嶺算法進(jìn)行圖像分割時(shí),通常會產(chǎn)生過度分割的現(xiàn)象和耗時(shí)較長。分水嶺變換的思想來源于地形學(xué),它將圖像看作是地形學(xué)上被水覆蓋的自然地貌,圖像中的每一像素的灰度值表示該點(diǎn)的海拔高度,其每一個(gè)局部極小值及其影響區(qū)域稱為集水盆,而集水盆的邊界則為分水嶺,通常描述分水嶺變換有兩種方法:一種是“雨滴法”,即當(dāng)一滴雨水分別從地形表面的不同位置開始下滑,其最終將流向不同的局部海拔高度最低的區(qū)域(稱為極小區(qū)域) ,那些匯聚到同一個(gè)極小區(qū)域的雨滴軌跡就形成了一個(gè)連通區(qū)域,稱為集水盆;另一種方法是模擬“溢流”的過程,即首先在各極小區(qū)域的表面打一個(gè)小孔,同時(shí)讓泉水從小孔中涌出,并慢慢淹沒極小區(qū)域周圍的區(qū)域,那么各極

40、小區(qū)域波及的范圍,即是相應(yīng)的集水盆。無論是哪種方法,不同區(qū)域的水流相遇時(shí)的界限,就是期望得到的分水嶺。應(yīng)用到圖像分割中,分水嶺變換是指將原圖像轉(zhuǎn)換成一個(gè)標(biāo)記圖像,其中所有屬于同一集水盆的點(diǎn)均被賦予同一個(gè)標(biāo)記,并用一個(gè)特殊的標(biāo)記來標(biāo)識分水嶺上的點(diǎn)。根據(jù)分水嶺算法的原理,令M1，M2,Mi表示待分割圖像的極小區(qū)域，C（Mi）表示與極小區(qū)域Mi相關(guān)的流域。Min和Max分別表示梯度的極小值和極大值。假設(shè)溢流過程都是以單灰度值增加的, n表示溢流的增加數(shù)值(即在第n步時(shí)溢流的深度，Tnb表示滿足f(x,y)<n的所有點(diǎn)x的集合，f(x,y)為梯度圖像信號。對于一個(gè)給定流域, 在第n步將會出現(xiàn)不同

41、程度的溢流(也可能不出現(xiàn)) 。假設(shè)在第n步時(shí)極小區(qū)域Mi發(fā)生溢流,令Cn（Mi）與極小區(qū)域Mi相關(guān)流域的一部分,即在溢流深度n時(shí),在流域C（Mi）形成的水平面構(gòu)成的區(qū)域，Cn(Mi)為二值圖像,可表示為：cn(Mi)=c(Mi)Tn （11） 如果極小區(qū)域Mi的灰度值為n，則在第n+1步時(shí)，流域的溢流部分與極小區(qū)域完全相同，即有Cn+1Mi=Mi。令cn表示第n步流域中溢流部分的并，則C(max+1)所有流域的并。算法初始時(shí)取Cmin+1=Tmin+1。 （12）溢流的定義是是遞歸的。假設(shè)Cn-1已經(jīng)建立，Cn為Tn的一個(gè)子集, 又因?yàn)镃n-1是Cn的子集,故Cn-1是Tn的子集。如果D是Tn

42、的連通成分,將有3種可能:(1)DCn-1為空；(2)DCn-1為非空,含有C n - 1 一個(gè)連通成分；(3) D C n - 1 為非空,含有C n - 1 多個(gè)連通成分。當(dāng)增長的溢流達(dá)到一個(gè)新的極小區(qū)域時(shí), 第（1）種情況將會發(fā)生。對于第（2） 種可能, D將位于某個(gè)極小區(qū)域流域之內(nèi)。第（3）種情況。D必定含有一些組成C n - 1 的部分流域Cn - 1 (Mi) 。因此,在D內(nèi)必須建一個(gè)堤壩,以防止溢流在單獨(dú)的流域中溢出,該堤壩是T n 內(nèi)C n - 1 的測地SKIZ。C n - 1 構(gòu)成C n 時(shí),每一個(gè)部分流域Cn - 1 (Mi) 都在T n 內(nèi)增長成其測地影響區(qū)。過程如下圖

43、： 圖17 Top-hat變換后圖像 圖18 bottom-hat變換后圖像 圖19 對象間的間隙增大的 圖20 轉(zhuǎn)換感興趣區(qū)域的圖像 圖21 Imextendedmin檢測的結(jié)果 圖22 imimposemin檢測的結(jié)果 圖23 無標(biāo)記分水嶺變換后的結(jié)果414 有標(biāo)記分水嶺算法 如果圖像中的目標(biāo)物體是連接在一起的，則分割起來會更困難，有標(biāo)記分水嶺分割算法經(jīng)常用于處理這類問題，通常會取得比較好的效果。分水嶺分割算法把圖像看成一幅“地形圖”，其中亮度比較強(qiáng)的區(qū)域像素值較大，而比較暗的區(qū)域像素值較小，通過尋找“匯水盆地”和“分水嶺界限”，對圖像進(jìn)行分割。直接應(yīng)用分水嶺分割算法的效果往往并不好，如果

44、在圖像中對前景對象和背景對象進(jìn)行標(biāo)注區(qū)別，再應(yīng)用有標(biāo)記分水嶺算法會取得較好的分割效果?；谟袠?biāo)記控制的分水嶺分割方法有以下基本步驟： 圖24 腐蝕后的圖像 圖25 膨脹后的圖像 圖26 進(jìn)行開運(yùn)算后的結(jié)果 圖27 進(jìn)行閉運(yùn)算后的結(jié)果 圖28 有分水嶺標(biāo)記的圖像5 用戶界面（GUI）介紹MATLAB圖形用戶界面是一種新型界面開發(fā)方式。對于熟悉MATLAB而不想編寫大量VC代碼的人來講，MATLAB/GUI是一個(gè)最佳選擇，它既能嵌入已有的仿真程序，又能把仿真的圖形化結(jié)果以人機(jī)交會的動態(tài)方式呈現(xiàn)給用戶，使用者不需要知道代碼的具體內(nèi)容，只要了解操作步驟即可很方便地操作界面。51 GUI開發(fā)方法簡介圖形

45、用戶界面是由窗口、光標(biāo)、按鍵、菜單、文字說明等對象構(gòu)成的一個(gè)用戶界面。用戶通過一定的方法（如鼠標(biāo)或鍵盤）選擇、激活這些圖形對象，使計(jì)算機(jī)產(chǎn)生某種動作或變化，比如實(shí)現(xiàn)計(jì)算、繪圖等。用戶必須對每一個(gè)對象進(jìn)行編程，使用戶在GUI中的行為能夠達(dá)到相應(yīng)的目的。在MATLAB中，圖形用戶界面是一種包含多種圖形對象的界面，典型的圖形界面包括圖形顯示區(qū)域，功能按鈕空間以及用戶自定義的功能菜單等。為了讓界面實(shí)現(xiàn)各種功能，需要對各個(gè)圖形對象進(jìn)行布局和編程。這樣，當(dāng)用戶激活對應(yīng)的GUI對象時(shí)，就能執(zhí)行相應(yīng)的代碼。最后，必須保存和發(fā)布自己創(chuàng)建的GUI，使得用戶可以應(yīng)用GUI對象。建立GUI界面的主要方式有兩種，第一種

46、是直接通過程序編寫的方式產(chǎn)生對象，即利用uicontrol、uimenu、uicontexmenu等函數(shù)以編寫M文件的方式來開發(fā)整個(gè)GUI；第二種方式是直接通過MATLAB的GUI編輯界面-GUIDE來建立GUI。在使用GUIDE創(chuàng)建GUI時(shí)，可以將設(shè)計(jì)好的GUI界面保存為一個(gè)FIG資源文件，同時(shí)自動生成對應(yīng)的M文件。該M文件包含了GUI初始化代碼和組建界面布局的控制代碼。本次設(shè)計(jì)主要運(yùn)用第二種方法。GUIDE主要是一個(gè)界面設(shè)計(jì)工具集，MATLAB將所有GUI支持的用戶控件都集成在這個(gè)環(huán)境中用以提供界面外觀、屬性和行為相應(yīng)方式的設(shè)置方法。GUIDE將用戶保存好的GUI界面保存在一個(gè)FIG資源文

47、件中。同時(shí)還能夠生成包含GUI初始化和組件界面布局控制代碼的M文件，這個(gè)M文件為實(shí)現(xiàn)回調(diào)函數(shù)（當(dāng)用戶激活GUI某一組件時(shí)執(zhí)行的函數(shù)）提供了一個(gè)參考框架。雖然使用用戶自己編寫的包含GUI所有發(fā)布命令的M文件也能夠打開實(shí)現(xiàn)一個(gè)GUI。但是使用GUIDE執(zhí)行效率更高。使用GUIDE不但能夠交互式進(jìn)行組件界面布局。而且能夠生成兩個(gè)用來保存和發(fā)布GUI的文件：FIG文件：該文件包括GUI圖形窗口及其所有后裔的完全描述，包括所有對象的屬性值。FIG文件是一個(gè)二進(jìn)制文件。調(diào)用hgsave命令或界面設(shè)計(jì)編輯器的FILE菜單save選項(xiàng)保存圖形窗口時(shí)將產(chǎn)生該文件。FIG文件最有用的地方之一就是對象句柄的保存和引

48、用，可以使用open openfig hgload命令來打開一個(gè)后綴為.fig的文件。M文件：該文件包括GUI設(shè)計(jì)控制函數(shù)以及定義為子函數(shù)的用戶控件的回調(diào)函數(shù)，主要用于控制GUI展開時(shí)的各種特征。這個(gè)M文件可以分為GUI初始化和回調(diào)函數(shù)兩部分。用戶控件的回調(diào)函數(shù)根據(jù)用戶與GUI的具體交互行為分別調(diào)用，這里將GUI的M文件稱為應(yīng)用程序M文件。應(yīng)用程序M文件使用openfig命令來顯示GUI,注意應(yīng)用程序M文件并不包括用戶界面設(shè)計(jì)的任何代碼，這些代碼完全由M文件保存。打開GUI的方法：（1）在命令窗口輸入guide； （2）打開File中【new】中GUI。出現(xiàn)如圖29，如圖30所示GUI設(shè)計(jì)向?qū)?/p>

49、控制面板。 圖29 GUI設(shè)計(jì)向?qū)Э刂泼姘?圖30 圖形用戶設(shè)計(jì)界面面板52 創(chuàng)建圖形用戶窗口的工具 在用戶界面設(shè)計(jì)面板中，MATLAB提供了一套可視化的創(chuàng)建圖形用戶窗口的工具，如下：（1）菜單編輯器（Menu Editer）:創(chuàng)建圖形窗口菜單和文件敏感菜單，實(shí)現(xiàn)菜單的設(shè)計(jì)和編輯。MATLAB通過菜單編輯器可以創(chuàng)建出兩種模式的菜單，即uimenu和uicontextmenu，記住此編輯器僅需要簡單的輸入相對應(yīng)的屬性，即可完成菜單編輯工作，操作非常簡單。單擊后出現(xiàn)如圖31，如圖32 所示“Menu Editor”窗口。 圖31 “Menu Editor”窗口 圖32 “Alignment Obj

50、ects”窗口（2）排列工具（Alignment Objects）:排列對象的相對次序（水平和垂直相對置），其中Align表示以何處為對齊的基準(zhǔn)，如置左、置中、置右。Distribute則是分配一個(gè)對象之間的距離相等。單擊后出現(xiàn)如圖31所示“Alignment Objects”窗口。（3）Tab鍵順序編輯器（Tab Order Editor）:Tab鍵順序編輯器用以設(shè)置在執(zhí)行GUI時(shí)，按Tab鍵來選取對象的先后順序。默認(rèn)GUI依據(jù)不同層次對象所建立的先后順序來排列選取的順序，通常這并不是最好的排列順序，因此可以選用Tab Order Editor 列表來排列選取個(gè)對象時(shí)的順序。單擊后出現(xiàn)如圖3

51、3所示“Tab Order Editor”窗口。 圖33 “Tab Order Editor”窗口 圖34 “Object Browser”窗口（1）對象瀏覽器（Object Browser）:觀察本次運(yùn)行中圖形對象句柄的層次關(guān)系。用戶可以通過對象瀏覽器了解對象之間的父子階層關(guān)系。單擊后出現(xiàn)如圖34所示“Object Browser”窗口。（2）屬性編輯器（Property Editor）:檢查和設(shè)置屬性值。注意在屬性編輯器中也可以設(shè)置對象的Callback。單擊后出現(xiàn)如圖35所示“Property Editor”窗口。（3）工具欄編輯器（Toolbar Editor）:單擊后出現(xiàn)如圖36所示

52、“Toolbar Editor”窗口。 圖35 “Property Editor”窗口 圖36 “Toolbar Editor”窗口（4）保存（Save As）:用以保存當(dāng)前文件。單擊后出現(xiàn)如圖37所示“Save As”窗口。 圖37 “Save As”（5）運(yùn)行（Run）:運(yùn)行保存文件。 這些工具都集成在布局編輯器界面中，使用GUIDE命令將顯示該界面。如果要對一個(gè)已存在的GUI進(jìn)行布局，可以使用菜單打開該GUI或使用Guide mygui.fig命令裝載已存在的圖形窗口（MYGUI）；再添加需要布置的組件之前，應(yīng)該使用GUIDE應(yīng)用程序選項(xiàng)對話框?qū)UI進(jìn)行組態(tài)。通過組件布置編輯器Tool

53、s菜單的Application Options選項(xiàng)來打開GUIDE應(yīng)用程序選項(xiàng)對話框。在該對話框中，用戶可以決定是否需要GUIDE為GUI生成M文件以及其他選項(xiàng)。53 GUI控件介紹 像GUI菜單一樣，GUI控件也是提供了一種友好的交互式，是實(shí)現(xiàn)用戶與計(jì)算機(jī)交互的又一主要途徑，控件比菜單更為直觀，給用戶帶來很多方便。 在如圖27所示的用戶界面設(shè)計(jì)面板中，MATLAB支持復(fù)選框，可編輯文本框，列表框，彈出式菜單，命令按鈕，單選鈕，滾動條，靜態(tài)文本框，開關(guān)按鈕，坐標(biāo)系，面板，單選鈕組和ActiveX控件等13種類型的控件對象，下面對他們進(jìn)行簡單介紹：（1）復(fù)選框（checkbox）復(fù)選框有一個(gè)標(biāo)志文本，在標(biāo)志文本的左邊有一個(gè)小方框。它對于用戶進(jìn)行大量的獨(dú)立選擇很有用。為了激活復(fù)選框，可以用鼠標(biāo)單擊復(fù)選框?qū)ο?，使?fù)選框在選中與不選中兩種狀態(tài)中進(jìn)行切換。當(dāng)選中時(shí)，復(fù)選框的小方框內(nèi)會有一個(gè)“×”，此時(shí)復(fù)選框的value屬性值為1；當(dāng)沒有選中時(shí)，該選框的小方框內(nèi)為空。此時(shí)復(fù)選框的value屬性值為0