4.1番茄圖像的識別（插圖非常困難，只插入少量圖片）
在番茄圖像識別處理的過程中，第一步就是番茄圖像的前期處理。番茄圖像前期處理的主要作用是突出所需要的部分，消除掉不需要的信息，提取感興趣的區域。番茄圖像的前期處理效果決定了番茄的識別效果，所以番茄圖像的前期處理是非常關鍵的步驟。本章將會從番茄圖像採集分類、空間濾波、彩色模型的選擇、番茄圖像分割和形態學處理方法對其進行介紹。
4.1.1番茄圖像空間濾波
由於拍攝的番茄圖像中往往會存在噪聲，數字番茄圖像就不能反映真實的場景。根據番茄圖像獲取的方法不同，有多種引入噪聲的方法，本文引入噪聲的方法主要是獲取番茄圖像數據的設備和番茄圖像數據的傳輸。因此，為了獲得真實的場景效果，須先對番茄圖像進行濾波處理。番茄圖像平滑濾波是一種可以減少和抑制噪聲的數字番茄圖像處理技術，在空間域中一般可以採用鄰域平均來達到平滑的目的，平滑的方式也是多種多樣的，包括平均模板平滑、高斯平滑等等[43]。通過對番茄平均模板平滑濾波、高斯平滑濾波、中值濾波效果對比，選擇綜合性能最佳的濾波方式。
為了使效果更為明顯，對原圖像增加鹽椒噪聲，採用不同的濾波方式進行濾波。通過圖片的處理效果不難看出，中值濾波效果最優，不僅將鹽椒噪聲完全去除，而且圖像也最為清晰；5×5，σ=0.8高斯濾波較好，基本去除鹽椒噪聲，但圖像變得稍有模糊；5*5平均模板濾波，雖然將鹽椒噪聲去除，但圖像也較模糊。考慮到處理效果與時間有關，在生產實踐中不僅僅只考慮準確性，也需要保證快速性。各種濾波方式所耗時間對比。
綜合考慮各種濾波方式的耗時和效果，以及現實過程中並不會產生過多的噪聲，本文選取5×5，σ=0.8高斯濾波作為番茄圖像的濾波方式。
4.1.2 彩色模型的選擇
通過濾波處理得到真實場景的番茄圖片後，需要用某種方式將目標番茄和背景區域分離開來。分離番茄與背景的方法有很多，本文採用了比較傳統的彩色模型分量來進行番茄和背景的分離，通過不同的彩色模型分量進行分析對比，選擇分割效果最佳的分量作為背景分離方法。
彩色模型也稱為彩色空間或彩色系統，是用來精確標定和生成各種顏色的一套規則和定義，它的用途是在某些標準下用通常可以接受的方式簡單化彩色規範，可採用坐標系統來描述，位於系統中的每種顏色都有坐標做中的單個點表示[43]。彩色模型可以分為針對彩色監視器的RGB（紅、綠、藍）模型、面向彩色印表機的CMY（青、深紅、黃）和CMYK（青、深紅、黃、黑）模型、非常符合人眼描述和解釋顏色方式的HIS（色調、飽和度、亮度）模型和使用廣泛的HSV模型、YUV模型、YIQ模型、Lab模型等[43]。
將各個分量圖的目標番茄與背景進行對比，選取番茄與背景明顯區分出來的分量圖。不難看出HIS分量中的H分量，Lab分量中的a分量以及CMY中的M分量和Y分量的目標番茄與背景分離效果較好，通過閾值分割進行進一步的驗證。
4.1.3目標番茄圖像分割
為了對目標番茄進行最佳的分割，需要選擇一個合適的顏色模型和一個最佳的圖像分割方法。常用的圖像分割方法是灰度閾值分割法，該方法通過取閾值對像素灰度值進行分類。灰度閾值分割又可分為試驗法、根據直方圖確定谷底閾值、迭代選擇閾值法、最小均方誤差法和最大類間方差法。一般採用自動閾值的方法。
通過對各個分量進行對比，可以看出Lab分量中的a分量和CMY分量中的M分量，對於該種番茄生長環境的圖像分割識別效果最佳。a分量自動閾值耗時3.232msM分量的自動閾值耗時6.138ms。因此，本文選取a分量進行自動閾值分割。
4.1.4番茄圖像形態學處理
為了對出現孔洞的番茄二值圖進行填充和去除其他較遠番茄的幹擾，需要對其進行形態學處理。為了消除這些幹擾，在MATLAB軟體中通過「bwareaopen」指令可以消除較小的區域，得到感興趣區域。如圖 223（a）是通過自動閾值後得到的二值柑橘圖像，可以看出在藍色方框內有一些白色的幹擾，使用了「bwareaopen」指令，使用該指令後的效果如圖 221（b）所示，較小區域完全消除，只保留了待處理的真實區域。
在進行果實圖像識別的前期處理中，需要進行的基本操作有濾波，顏色空間的選擇，閾值方式的選擇，形態學處理，根據需要自行選擇。本文所涉及的內容較為簡單，不附帶源程序，如有需要請在下方留言。