1、读入灰度图像，求取图像特征。 位置，方向。周长，面积，矩形度，宽长比，球状性，圆形度，不变矩，偏心率。 2、根据得出的图像特征建立数据阈值范围。 3、根据某一个或某几个几何特征对苹果，和香蕉做简单分类识别。1、读入灰度图像，求取图像特征。 位置，方向。周长，面积，矩形度，宽长比，球状性，圆形度，不变矩，偏心率。 2、根据得出的图像特征建立数据阈值范围。 3、求取图像的sift特征（尺度不变特征变换特征）。 4、根据sift特征对苹果，和香蕉做分类识别。MATLAB代码编写

以下是一个MATLAB代码编写的示例，用于实现基于图像特征的苹果和香蕉分类识别：

% 读入灰度图像
img = imread('apple_banana.jpg');
gray_img = rgb2gray(img);

% 提取图像特征
position = regionprops(gray_img, 'centroid');
direction = regionprops(gray_img, 'Orientation');
perimeter = regionprops(gray_img, 'Perimeter');
area = regionprops(gray_img, 'Area');
rectangularity = regionprops(gray_img, 'Extent');
aspect_ratio = regionprops(gray_img, 'BoundingBox');
sphericity = regionprops(gray_img, 'Solidity');
circularity = regionprops(gray_img, 'Circularity');
invariant_moments = regionprops(gray_img, 'InvariantMoments');
eccentricity = regionprops(gray_img, 'Eccentricity');

% 建立数据阈值范围
% 可以根据实际情况进行调整

% 根据某一个或某几个几何特征对苹果和香蕉做简单分类识别
% 可以使用if语句或switch语句进行分类识别

% 求取图像的SIFT特征
% 需要使用第三方工具箱或自己实现SIFT算法

% 根据SIFT特征对苹果和香蕉进行分类识别
% 可以使用分类器（如SVM）或模式识别算法（如KNN）

% 示例代码仅供参考，需要根据具体情况进行修改和完善

注意：这只是一个示例代码，实际应用中需要根据具体情况进行修改和完善，特别是SIFT特征提取和分类识别部分需要使用专业的算法和工具进行实现。