一种基于KNN算法的竹条颜色分类方法与流程

技术特征：

1.一种基于KNN算法的竹条颜色分类方法，其特征在于：按如下步骤进行：

步骤一：采用工业线阵相机对工业生产当中的竹条进行图像采集，相机下方，平行于镜头放置线型光源以保证图像采集质量；

步骤二：将竹条图像从RGB颜色空间转换至HSV颜色空间，并分别提取其色调，色饱和度两个通道的图像；

步骤三：对于竹条的色调通道图像，计算色调对比度特征M；

步骤四：从一批待分类的竹条当中抽取一定数量作为样本，依次提取样本的色调对比度特征M与色饱和度通道图像的平均值S，并通过人工将它分为了N类，标定颜色类型；

步骤五：将样本竹条分为N类之后，取其中一根样本竹条的色调对比度特征M(j)和色饱和度特征S(j)，接着选取待分类竹条的色调对比度特征M(i)和色饱和度特征S(i)；并计算待分类竹条与每个样本之间的距离D=，作为衡量待分类竹条与样本竹条相似程度的量；

步骤六：对剩下的待分类竹条运用KNN算法；将待分类竹条与所有的样本竹条比较，计算距离D，将得出的所有距离D进行排序，根据竹条的实际分布情况，以及分类要求，选择K个最小的距离，并统计所对应的K个样本竹条在每个类中出现的次数；

步骤七：选择出现频率最大的类标号作为待分类竹条的类型。

2.根据权利要求1所述的一种基于KNN算法的竹条颜色分类方法，其特征在于：在步骤三中，色调对比度作为KNN算法中的一个特征值，它是通过对色调通道图像中竹条花纹与竹条背景进行大津分割之后算出的，其定义如下：M=，其中A(s)和B(s)分别表示色调通道图像被分割后目标与背景的灰度平均值。