摘要随着数字图像处理技术在医药检测、药品管理和自动化识别领域的广泛应用传统人工药片清点方式存在效率低、主观性强、易产生误差等问题。针对这一问题本文设计并实现了一种基于 MATLAB 图像处理的药片检测与计数系统。系统采用 MATLAB 图形用户界面进行开发能够实现药片图像加载、图像预处理、目标分割、数量统计和结果导出等功能具有较强的可视化和交互性。项目概览项目简介系统主要采用以下技术路线首先对输入的彩色图像进行灰度转换降低计算复杂度然后使用中值滤波算法去除图像噪声提高图像质量接着通过Otsu自适应阈值法进行二值化处理实现目标与背景的分离随后应用形态学操作腐蚀和膨胀优化二值图像消除小噪点并填充药片内部空洞最后利用连通区域标记算法对各个药片进行标识和计数并在原图上绘制检测框和编号。系统采用现代化的图形用户界面GUI设计界面布局合理、操作简便。左侧控制面板集成了图像加载、智能检测、结果导出、清空重置等功能按钮并实时显示检测结果、处理时间、图像尺寸等详细信息。右侧显示区域采用2行4列的布局分步展示了从原始图像到最终检测结果的完整处理流程使用户能够直观地观察每个处理阶段的效果。实验结果表明该系统能够准确识别不同形状、大小和排列方式的药片检测准确率高处理速度快。系统具有良好的实用性和可扩展性可应用于医药生产线的自动化检测、药品包装质量控制、药房配药核验等多个场景对提高医药行业的自动化水平和质量管理具有重要意义。系统架构本系统采用三层架构设计表示层、业务逻辑层和数据处理层。表示层基于MATLAB uifigure框架构建现代化图形用户界 者信息面板实现了人机交互和实时状态反馈业务逻辑层通过回调函数机制处理用户操作协调图像加载、智能检测 度转换、中值滤波降噪、Otsu自适应二值化、形态学腐蚀膨胀操作、连通区域标记与统计以及检测结果可视化标注 循单一职责和模块化设计原则各层次职责清晰、耦合度低具有良好的可维护性和可扩展性。图1 系统架构图技术创新创新点1HSV颜色空间的自适应分割策略本系统针对交通标志的颜色特征创新性地采用HSV颜色空间进行标志提取相比传统RGB空间具有更强的光照鲁棒性。通过对红、蓝、黄三种主要颜色分别设计专用的颜色掩码函数HSV_red_createMask、HSV_blue_createMask、HSV_yellow_createMask实现了对不同光照条件下交通标志的精确分割。HSV空间将色调、饱和度和明度分离表示使得颜色阈值设定更加直观对阴影和光照变化具有更强的适应能力有效解决了复杂环境下标志提取不完整的问题。创新点2形态学优化与连通域自适应裁剪本系统设计了形态学处理与连通域分析相结合的标志分割算法。首先通过开运算去除颜色分割后的小面积噪声再通过闭运算填充标志内部的空洞区域然后利用连通域分析提取面积最大的区域作为目标标志。针对黄色标志提取边缘易丢失的问题创新性地引入了自适应边界扩展策略黄色标志扩展7像素红蓝标志不扩展确保裁剪出的标志完整性。该方法有效提高了分割精度为后续CNN识别提供了高质量的输入数据。本系统设计了一种轻量化的卷积神经网络结构仅包含一个卷积层5×5卷积核20个特征图、一个池化层和一个全连接层相比传统深度网络大幅减少了参数量和计算复杂度。网络输入为120×120×3的彩色图像通过单层卷积即可提取交通标志的关键特征适合在MATLAB平台上快速训练和部署。系统实现了从图像读取、颜色分割、形态学处理到CNN识别的端到端完整流程并集成了模型训练功能用户可自定义数据集进行训练具有良好的可扩展性和实用性。快速开始在MATLAB命令行窗口中输入 PillCounterGUI 并按回车键即可启动图形界面然后点击加载图像按钮选择药片图片最后点击智能检测按钮完成自动计数。环境要求本系统需要MATLAB R2018b或更高版本并安装Image Processing Toolbox图像处理工具箱。运行展示运行PillCounterGUI.m图2 主界面图3 药片检测和计数结果图4 药片检测和计数结果图5 药片检测和计数结果图6 药片检测和计数结果图7 导出结果项目资源配套文件包括完整的项目源代码、演示视频、运行截图开箱即用。项目信息作者信息作者Bob (张家梁)项目编号IP-10-M原创声明本项目为原创作品