matlab机器视觉水果分类代码

由于机器视觉水果分类涉及到多个步骤，包括图像预处理、特征提取、分类器训练和测试等，因此代码比较复杂。以下是一个基于SVM分类器的matlab机器视觉水果分类代码示例：

%1.加载数据集
dataDir = 'Fruit-Images-Dataset';
imds = imageDatastore(fullfile(dataDir,'Training'),...
'IncludeSubfolders',true,'LabelSource','foldernames');

%2.预处理图像
imds.ReadFcn = @(filename)preprocessImage(filename);

%3.提取特征
features = extractFeatures(imds,'FeatureType','HOG');

%4.训练分类器
svmModel = fitcecoc(features,imds.Labels);

%5.测试分类器
testImage = imread(fullfile(dataDir,'Test','apple_1.jpg'));
testImage = preprocessImage(testImage);
testFeatures = extractFeatures(testImage,'FeatureType','HOG');
predictedLabel = predict(svmModel,testFeatures);

%6.显示结果
figure;
imshow(testImage);
title(strcat('Predicted Label: ',predictedLabel));

%7.图像预处理函数
function Iout = preprocessImage(Iin)
%转换为灰度图像
Iout = rgb2gray(Iin);
%调整亮度和对比度
Iout = imadjust(Iout,[0.3,0.7],[0,1]);
%中值滤波去除噪声
Iout = medfilt2(Iout,[3,3]);
%调整大小
Iout = imresize(Iout,[224,224]);
end

在上述代码中，我们首先加载数据集并预处理图像。然后，我们使用HOG特征提取算法提取图像的特征，并使用fitcecoc函数训练多类SVM分类器。最后，我们使用预处理函数和HOG特征提取算法对测试图像进行预处理，并使用predict函数对其进行分类，然后显示预测结果。