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

以下是一个基于MATLAB的示例代码，可以实现基于SIFT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);

% 求取图像特征
props = regionprops(gray_img, {'Centroid', 'Orientation', 'Perimeter', 'Area', 'Extent', 'BoundingBox', 'Solidity', 'Circularity', 'InvariantMoments', 'Eccentricity'});

% 提取各个特征
position = props.Centroid;
direction = props.Orientation;
perimeter = props.Perimeter;
area = props.Area;
rectangularity = props.Extent;
aspect_ratio = props.BoundingBox;
sphericity = props.Solidity;
circularity = props.Circularity;
invariant_moments = props.InvariantMoments;
eccentricity = props.Eccentricity;

% 建立数据阈值范围
% 可以根据实际情况进行调整

% 求取图像的SIFT特征
[f, d] = vl_sift(single(gray_img));

% 根据SIFT特征对苹果和香蕉进行分类识别
if d(1,1) > 0.1 && d(2,1) < 0.1
    disp('这是一个苹果');
elseif d(1,1) < 0.1 && d(2,1) > 0.1
    disp('这是一个香蕉');
else
    disp('无法识别');
end

需要注意的是，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，特别是建立数据阈值范围和SIFT特征提取部分需要根据具体需求进行调整。