详细处理步骤
每个处理阶段的具体操作与结果展示
1
原始图像
初始输入为包含多个米粒的原始图像，图像中米粒分布密集，需要通过后续处理步骤将其逐个分离并分析。
图像特征：
- 包含多个重叠或相邻的米粒
- 需要保持足够的分辨率以进行后续分析
2
米粒分割
通过图像处理算法对原始图像进行分析，识别并标记出每个米粒的边界，生成包含每个米粒位置和轮廓信息的JSON文件。
JSON文件内容：
- 每个米粒的唯一标识符
- 边界框坐标信息
- 轮廓点坐标集合
3
裁剪图像
根据JSON文件中的米粒中心坐标，从中心向外扩充相同距离，裁剪出包含单个米粒的小图像，确保每个小图的中心都是对应米粒的中心位置。
裁剪特点：
- 米粒位于小图正中心
- 包含足够的周边区域以确保米粒完整
4
生成掩码
结合JSON文件中的轮廓信息与裁剪得到的小图像，生成每个米粒的掩码图，用于精确分离米粒与背景。
掩码作用：
- 精确标记米粒区域与背景区域
- 用于后续提取纯净的米粒图像
- 消除背景干扰，提高分析准确性
5
提取单个米粒
应用掩码图到对应的小图上，提取出纯净的单个米粒图像，去除所有背景干扰，为后续分类做好准备。
提取结果：
- 背景完全统一
- 保留米粒的完整形态特征
- 图像尺寸标准化，便于模型处理
6
模型分类
将提取的单个米粒图像输入到训练好的分类模型中，模型根据米粒的形态特征进行分析和分类，得到最终的分类结果。
分类依据：
- 米粒的形状和大小
- 纹理和颜色特征
- 可能存在的缺陷或异常
