果形是评价水果品质的重要特征之一。然而,由于自然形态差异大,水果形状的准确描述十分困难。目前形状描述方法存在执行复杂,对水果姿态要求严格,检测不全面等问题,不能满足高速分级过程中水果姿态多变情况下果形的描述。本文以苹果为主要研究对象,分别从二维和三维图像方面研究了水果形状的描述方法。研究了不同品种苹果的形状特征和单一品种不同等级苹果的形状特征的检测方法；构建了基于3相机的视觉检测系统,实现了姿态多变的运动水果的形状快速准确描述,确保姿态多变情况下水果形状判别的一致性。本文的主要研究内容、结果、结论如下(1)提出了一种FOFS背景分割与目标提取方法。针对水果颜色、大小、缺陷以及光照等多种因素变化导致OTSU等传统图像分割方法不能准确分割水果图像的问题,通过彩色图像的颜色分量融合、形态学开运算消噪、空间滤波去除锯齿状边界和自动阈值分割等步骤,准确地提取了目标。采用该方法对280幅苹果图像处理的结果表明：203幅图像分割偏差小于1%,占总量的72.50%；70幅图像分割偏差在1%-2%,占总量的25%；7幅图像偏差大于2%,占总量的2.50%；最大分割偏差为2.83%。结果表明,FOFS方法提取的目标偏差小于2.83%,边界光滑,具有良好的光照适应性,并可以较好地消除颜色、姿态、大小以及缺陷和果梗花萼对水果图像背景分割的影响。(2)提出了形心距离差指标的水果三维形状描述方法。针对水果二维形状描述方法只考虑水果的一个成像平面,形状描述不全面,精度差的问题,采用结构光三维成像技术采集水果的三维点云图像,根据形心距离差描述水果形状,对480幅三维点云图像进行处理的结果表明,对于具有端正果形的各品种苹果,形心距离差的描述方法可以100%区分细长形、近细长形、方圆形3种形状。结果表明,形心距离差三维形状描述方法可以描述水果细长形、近细长形、方圆形3种形状特征。(3)提出了对称指数、方形度、轮廓不平度、轮廓峭度、离心率等形状描述指标量,改进了傅里叶描述子、小波描述子以及各种矩的形状描述子。针对传统的形状特征量计算偏差大,不准确等问题,在对比分析了传统的描述方法的基础上,提出和改进了形状描述指标,对200个姿态多变的运动水果10次的形状检测试验证明,采用对称指数Os的离散度阈值区分形状端正果和畸变果的准确率达80.15%,采用改进的Zernike矩Z2-0阈值区分的准确率达66%以上；对440幅苹果图像处理的结果表明,采用Zernike矩Z3-1检测圆柱果和球形果的准确率达83.75%；对34组圆柱形和58组类球形,采用小波矩W3-8-1判定的准确率达93.10%。结果表明,对称指数Os、改进的Zernike矩、小波矩等形状描述子对检测水果形状具有一定的可行性。(4)提出了采用Zernike矩Z3-1和小波矩W3-8-1的阈值区分圆柱形果和类球形果的方法。针对目前形状检测主要关注的是单品种不同等级形状特征的描述,而不同品种的水果形状特征描述问题很少学者研究,本文以11个品种的苹果为研究对象,对比分析了244个形状描述指标,包括圆形度、占有率、对称指数、方形度、轮廓不平度、轮廓峭度、离心率、圆度、圆形比、内外接圆半径比,以及傅里叶描述子、小波描述子、Hu矩描述子、Zernike矩描述子和小波矩描述子。对440幅苹果图像处理的结果表明,采用Zernike矩Z3-1检测圆柱果和球形果的准确率达83.75%；对34组圆柱形和58组类球形,采用小波矩W3-8-1判定的准确率达93.10%。而采用多元线性回归模型,其判断准确率最高为56.52%。结果表明,采用Zernike矩Z3-1指标和小波矩W3-8-1指标的固定阈值对圆柱形和球形有一定的判别力,且比采用多元线性回归建立的模型分类准确率高,计算复杂度低。(5)提出了采用Zernike矩Z2-0的阈值判定多姿态水果形状是否端正,以及采用离心率Ec、圆形度C4、对称指数Os、Zernike矩Z5-3辅助判定特定姿态的水果形状是否端正的方法。针对目前形状描述方法主要研究的是特定姿态的水果形状,而多姿态的水果形状很少关注的问题,本文以采集于山东栖霞果园的29个富士苹果和36个乔纳金苹果为实验对象,根据形状人工将它们分成3个等级,对每个苹果采集了8幅不同姿态的图像。对比分析了244个形状描述指标,包括圆形度、占有率、对称指数、方形度、轮廓不平度、轮廓峭度、离心率、圆度、圆形比、内外接圆半径比,以及傅里叶描述子、小波描述子、Hu矩描述子、Zernike矩描述子和小波矩描述子。对520幅苹果图像处理的结果表明,采用Zernike矩Z2-0的阈值判别多姿态水果果形是否端正,对富士苹果和乔纳金苹果检测的准确率分别为67.24%和43.06%,而采用6种特征指标通过多元线性回归建立的线性模型判别,其对富士苹果和乔纳金苹果检测的准确率分别为11.21%和30.90%；果轴倾斜姿态,采用离心率Ec的阈值判别,其检测准确率对于富士苹果和乔纳金苹果分别为87.93%和79.17%。采用圆形度C4的阈值判别,其检测准确率对于富士苹果和乔纳金苹果分别为81.03%和65.28%。果轴竖直姿态,采用离心率Ec的阈值判别,其检测准确率对于富士苹果和乔纳金苹果分别为67.24%和59.72%。采用圆形度C4的阈值判别,其检测准确率对于富士苹果和乔纳金苹果分别为65.52%和59.72%。果轴水平姿态,采用Zernike矩Z5-3的阈值判别,其检测准确率对于富士苹果和乔纳金苹果分别为70.69%和52.08%。采用对称指数Os的阈值判别,其检测准确率对于富士苹果和乔纳金苹果分别为73.28%和59.03%。结果说明,根据Zernike矩Z2-0的阈值对多姿态苹果果形是否端正的判别有一定的可行性,且比采用多元线性回归建立的模型分类准确率高,计算复杂度低。在果轴竖直或者倾斜时,采用离心率Ec或者圆形度C4判别会更为准确；果轴水平时,采用Zernike矩Z5-3和对称指数Os对水果形状会更为准确。(6)设计了基于3相机的视觉系统,提出了采用Zernike矩Z2-0的阈值以及圆形度C4和对称指数Os的离散度阈值判定姿态多变运动水果的形状是否端正的方法。针对目前形状检测主要研究静止的固定姿态的水果,而姿态多变运动水果的形状检测一直是个难点。本文以水果市场购买的大小规格为90mm,80mm,70mm的三种红富士苹果为研究对象,对5个端正果,8个形变果,50次在线检测的1950幅图像处理的结果表明,采用Zernike矩Z2-0的阈值判别姿态多变运动水果的形状是否端正,5个形状端正果中有3个50次测试的检测结果都为端正果,其余2个50次均为错判;8个形变果中有5个50次测试的检测结果都为形变果,其余为部分错判。采用C4和Os的离散度判别,当C4的离散度小于10%时,判断其形状端正；当C4的离散度大于10%时,Os的离散度小于20%的判断其形状端正,该判定方法可以完全区分样本形状是否端正。进一步的验证实验,对100个端正果和100个形变果,10次在线检测的18000幅图像处理结果表明,采用3相机水果形状检测系统,设置采集一个工位的苹果3幅图像,根据这3幅图像的Zernike矩Z2-0的平均值的阈值判别水果形状,准确率约66%,平均每个苹果的检测时间约0.2063秒。设置采集一个苹果3个位置的9幅图像,根据这9幅图像的对称指数Os的离散度的阈值判别水果形状,准确率约80.15%,平均每个苹果的检测时间约1.649秒。结果表明,基于3相机视觉系统的水果形状检测,Zernike矩Z2-0阈值法和对称指数Os的离散度阈值法对果形是否端正具有一定的判别能力。采用Zernike矩Z2-0阈值法实时性好,采用对称指数Os的离散度阈值法准确率高。