柑橘表面缺陷的图像分割与识别是水果在收购与销售过程中的重要环节,对于提升水果的品质和经济效益有着重要意义。本文以柑橘的虫伤、腐烂、炭疽、药伤、风伤、蓟马、溃疡、裂伤八种常见缺陷图像作为研究对象,采用经典算法、GAC模型算法、LBF模型算法对实验对象进行分割实验,具体研究内容如下:采用三种经典算法:阈值分割、边缘检测、区域分割法对柑橘缺陷样本进行分割实验。其中在阈值分割中选择了二维信息熵法,边缘检测算子选择了 Roberts、Sobel、Canny、Prewitt、LoG五种算子,区域分割法中采用种子法,作为柑橘表面缺陷图像分割的实验算法,分析了各种方法的优缺点和适用情况。对传统GAC模型算法进行理论研究并针对其不足提出改进方案。通过对比实验分析了各参数对于实验结果的影响,并应用改进后的GAC模型算法对柑橘缺陷样本进行图像分割,分析了改进后的GAC模型对柑橘表面八种缺陷的识别能力,验证了改进GAC模型的可行性。采用传统的 LBF(Local Binary Fitting)模型算法和改进后的 LBF(Local Binary Fitting)模型算法进行对比实验。通过对比两种算法的运行时间、分割效果、适用范围,来检验改进LBF(Local Binary Fitting)模型算法的优越性。分析了改进GAC模型算法和改进LBF模型算法对柑橘表面缺陷图像的处理效果,最终得到以下结论:改进的GAC模型分割凹陷类缺陷效果更好,但其抗噪性较差;改进的LBF模型综合分割效果最好,运行速度快,但其对前期参数调整要求较高。最后将上述柑橘缺陷图像分割所应用的模型算法制作成了一个软件实验系统。