不使用inRange函数

如果不想使用inRange函数来提取红色区域，也可以使用以下方法：

1. 将彩色图片转换为HSV颜色空间，可以使用Matlab中的rgb2hsv函数。

2. 分离出H、S、V三个通道的图像，可以使用Matlab中的imsplit函数。

3. 根据红色在HSV颜色空间中的取值范围，提取出H通道中符合条件的像素点，可以使用Matlab中的逻辑运算符号和比较运算符号。

4. 将提取出的H通道二值化图像与S、V通道进行逐像素乘法，以得到最终的红色区域二值化图像。

下面是示例代码：

% 读入彩色图像
img = imread('apple.jpg');

% 将图像转换为HSV颜色空间
hsvImg = rgb2hsv(img);

% 分离出H、S、V三个通道的图像
hImg = hsvImg(:,:,1);
sImg = hsvImg(:,:,2);
vImg = hsvImg(:,:,3);

% 定义红色在HSV颜色空间中的取值范围
hRange = [0 0.1];
sRange = [0.5 1];
vRange = [0.5 1];

% 提取出H通道中符合条件的像素点
redHMask = (hImg >= hRange(1)) & (hImg <= hRange(2));
redHMask = imbinarize(redHMask);

% 将提取出的H通道二值化图像与S、V通道进行逐像素乘法
redMask = redHMask & (sImg >= sRange(1)) & (sImg <= sRange(2)) & (vImg >= vRange(1)) & (vImg <= vRange(2));

% 对提取出的红色区域进行形态学操作
se = strel('disk', 10);
redMask = imdilate(redMask, se);
redMask = imerode(redMask, se);

% 提取红色苹果区域
stats = regionprops(redMask, 'BoundingBox');
appleRegions = [];
for i = 1:length(stats)
    bb = stats(i).BoundingBox;
    % 根据面积和长宽比等条件对区域进行筛选和分类
    if bb(3)*bb(4) > 10000 && bb(3)/bb(4) > 0.5 && bb(3)/bb(4) < 2
        appleRegions(end+1,:) = bb;
    end
end

% 在原始图片中标记出红色苹果区域
figure;
imshow(img);
hold on;
for i = 1:size(appleRegions, 1)
    rectangle('Position', appleRegions(i,:), 'EdgeColor', 'r', 'LineWidth', 2);
end

需要注意的是，以上代码只是一个简单的示例，具体实现细节还需要根据具体情况进行调整和优化。