当前位置：首页 > news >正文

基于MATLAB图像处理的药片检测与计数系统设计与实现

news 2026/7/5 13:31:48

摘要：随着数字图像处理技术在医药检测、药品管理和自动化识别领域的广泛应用，传统人工药片清点方式存在效率低、主观性强、易产生误差等问题。针对这一问题，本文设计并实现了一种基于 MATLAB 图像处理的药片检测与计数系统。系统采用 MATLAB 图形用户界面进行开发，能够实现药片图像加载、图像预处理、目标分割、数量统计和结果导出等功能，具有较强的可视化和交互性。

项目概览

项目简介

系统主要采用以下技术路线：首先对输入的彩色图像进行灰度转换，降低计算复杂度；然后使用中值滤波算法去除图像噪声，提高图像质量；接着通过Otsu自适应阈值法进行二值化处理，实现目标与背景的分离；随后应用形态学操作（腐蚀和膨胀）优化二值图像，消除小噪点并填充药片内部空洞；最后利用连通区域标记算法对各个药片进行标识和计数，并在原图上绘制检测框和编号。

系统采用现代化的图形用户界面（GUI）设计，界面布局合理、操作简便。左侧控制面板集成了图像加载、智能检测、结果导出、清空重置等功能按钮，并实时显示检测结果、处理时间、图像尺寸等详细信息。右侧显示区域采用2行4列的布局，分步展示了从原始图像到最终检测结果的完整处理流程，使用户能够直观地观察每个处理阶段的效果。

实验结果表明，该系统能够准确识别不同形状、大小和排列方式的药片，检测准确率高，处理速度快。系统具有良好的实用性和可扩展性，可应用于医药生产线的自动化检测、药品包装质量控制、药房配药核验等多个场景，对提高医药行业的自动化水平和质量管理具有重要意义。

系统架构

本系统采用三层架构设计：表示层、业务逻辑层和数据处理层。表示层基于MATLAB uifigure框架构建现代化图形用户界者信息面板，实现了人机交互和实时状态反馈；业务逻辑层通过回调函数机制处理用户操作，协调图像加载、智能检测度转换、中值滤波降噪、Otsu自适应二值化、形态学腐蚀膨胀操作、连通区域标记与统计，以及检测结果可视化标注，循单一职责和模块化设计原则，各层次职责清晰、耦合度低，具有良好的可维护性和可扩展性。

图1 系统架构图

技术创新

创新点1：HSV颜色空间的自适应分割策略

本系统针对交通标志的颜色特征，创新性地采用HSV颜色空间进行标志提取，相比传统RGB空间具有更强的光照鲁棒性。通过对红、蓝、黄三种主要颜色分别设计专用的颜色掩码函数（HSV_red_createMask、HSV_blue_createMask、HSV_yellow_createMask），实现了对不同光照条件下交通标志的精确分割。HSV空间将色调、饱和度和明度分离表示，使得颜色阈值设定更加直观，对阴影和光照变化具有更强的适应能力，有效解决了复杂环境下标志提取不完整的问题。

创新点2：形态学优化与连通域自适应裁剪

本系统设计了形态学处理与连通域分析相结合的标志分割算法。首先通过开运算去除颜色分割后的小面积噪声，再通过闭运算填充标志内部的空洞区域；然后利用连通域分析提取面积最大的区域作为目标标志。针对黄色标志提取边缘易丢失的问题，创新性地引入了自适应边界扩展策略（黄色标志扩展7像素，红蓝标志不扩展），确保裁剪出的标志完整性。该方法有效提高了分割精度，为后续CNN识别提供了高质量的输入数据。

本系统设计了一种轻量化的卷积神经网络结构，仅包含一个卷积层（5×5卷积核，20个特征图）、一个池化层和一个全连接层，相比传统深度网络大幅减少了参数量和计算复杂度。网络输入为120×120×3的彩色图像，通过单层卷积即可提取交通标志的关键特征，适合在MATLAB平台上快速训练和部署。系统实现了从图像读取、颜色分割、形态学处理到CNN识别的端到端完整流程，并集成了模型训练功能，用户可自定义数据集进行训练，具有良好的可扩展性和实用性。