（2）图像去噪和对比度增强
图像有噪声和对比度较差的时候，这些会给最终的识别分类带来困难。所以必须先对所给图像进行去噪和增强对比度的预处理。 （3）图像的二值化
所谓图像的二值化，就是使图像上所有点的灰度值只有两种可能，不为“0”就为“255”，也就是使整个图像呈现出明显的黑白效果。
（4）图像特征提取，特征参数计算
本课题中需要提取的图像特征有：面积，周长，弧度，颜色等等。利用这些参数就能将水果相互区分开来。
3.2 图像预处理
3.2.1图像数据获取
计算机图像是图像以计算机文件的形式存在的，实质上是一些数字代码，它与通常所说的（传统意义上的）图像最大区别是计算机的图像是数据化的，而不是模拟化的（数字图像是模拟图像数据化的结果），它是一般图像的离散采样，因而具有一些传统图像中所没有的概念：在计算机上，由更基本的单元构成，这些基本单元称为“像素”。像素是被逐点描述的，具有一个明确的位置和色彩数值。“计算机读取图像”就是把图像以数字代码形式存储起来。用Matlab实现图像读取比C++简单，图像数据以矩阵的形式存放，其扫描规则是从左向右,从上到下。 程序如下： function Shibie()
CaiTu=imread('D:\\图片\\fruit01.jpg'); %读取图像
1 1
HuiTu=rgb2gray(CaiTu); YuanTu=im2double(HuiTu);
figure(1);imshow(YuanTu); title('灰度图像'); %显示原彩色图像的灰度图像
其中“D:\\MATLAB6p1\\work\\fruit01.jpg”是图像文件存放的路径，YuanTu是一个矩阵，它以数字形式表示图像。Matlab以“%”后的文字作注释。
读取的灰度图像如图3-2 所示：
图3-2灰度图像
3.2.2 图像二值化处理
二值化就是把具有多级灰度的输入图像变换成灰度值只有0或1两种值的输出图像。
图像阈值分割是最常用的图像分割技术，主要利用图像中背景与对象之间的灰度差异。理想状态下，背景与对象之间的灰度差异很大，且同一个对象具有基本相同的灰度值。
2 1
为了得到理想的二值图像，一般采用阈值分割技术。它对物体与背景有较强对比的图像的分割特别有效，计算简单而且总能用封闭、连通的边界定义不交叠的区域。二值化处理的关键是确定适当的阈值Th。所谓的阈值，是指在图像分割时，作为区分物体与背景像素的门限，大于或等于阈值的像素属于物体，其他像素则属于背景。如果阈值过大，过多的目标点被误认为背景点，目标被削弱，甚至会消失；如果阈值过小，过多的背景点被误认为目标点，噪声过大，目标特性也会被削弱，不利于正确识别。所有灰度大于或等于阈值的像素被判决为属于物体，灰度值用\表示；否则这些像素点被排除在物体区域以外，灰度值为\，表示背景。这样一来物体的边界就成为这样一些内部的点的集合，这些点都至少有一个邻点不属于该物体。通过二值化，设置一个阈值，把明亮的部分（图像中水果的灰度值比背景灰度值大）提取出来，即实现了目标对象的提取。
阈值法是一种简单有效的图像分割方法，它用一个或几个阈值将图像的灰度级分为几个部分，将属于同一部分的像素视为相同的物体。利用阈值法，对于物体与背景之间存在明显差别（对比）的景物，分割效果十分有效。只要阈值选取合适，将每个像素与之比较，进行二值化或者半二值化处理，就可以很好地将对象从背景中分离出来。二值化后的图像如图3-3所示，阈值处理后图像如图3-4所示：
3 1
3-3二值化图像
1
4
图