基于Matlab轮廓匹配的物体识别系统的程序.pdf-资料库

附录：主要代码主函数： clear;close all A1= imread('C:\Users\yuanyuan\Desktop\photo/2.PNG'); A2= imread('C:\Users\yuanyuan\Desktop\photo/1.JPG'); % figure('name','原图像'), % subplot(1,2,1),imshow(A1),title('原图像 1'), % subplot(1,2,2),imshow(A2),title('原图像 2'), %转换为灰度图 B1=rgb2gray(A1); B2=rgb2gray(A2); % figure ('name','灰度化图像'), % subplot(1,2,1),imshow(B1),title('灰度化图像 1'), % subplot(1,2,2),imshow(B2),title('灰度化图像 2'), result1 = median_filter(B1, 3); result2 = median_filter(B2, 3); % figure('name','中值滤波后图像') % subplot(1,2,1);imshow(result1);title('中值滤波后图像 1'); % subplot(1,2,2);imshow(result2);title('中值滤波后图像 2'); %将灰度图转成二值图 level1 = graythresh(result1);level2 = graythresh(result2); C1 = im2bw(result1,level1);%level 为最佳阈值 C2 = im2bw(result2,level2); %图像二值化 img1=~C1; img2=~C2, % figure('name','二值化图像'), % subplot(1,2,1),imshow(img1),title('二值化图像 1'), % subplot(1,2,2),imshow(img2),title('二值化图像 2'), 1

D1= bwperim(img1,26); D2= bwperim(img2,26); % figure('name','轮廓提取图像'), % subplot(1,2,1),imshow(D1),title('轮廓提取图像 1'), % subplot(1,2,2),imshow(D2),title('轮廓提取图像 2'), F1 = imfill(D1,'holes');SE1 = ones(3);F2 = imdilate(F1,SE1,'same');E1 = bwperim(F2); inv1_m7 = getfeature1(E1) %获取连通区域 img_reg = regionprops(img2, 'area', 'boundingbox'); areas = [img_reg.Area]; rects = cat(1, img_reg.BoundingBox); %显示所有连通区域， % figure, % imshow(img2); [width, hight] = size(img2); for i = 1:size(rects, 1) % rectangle('position',rects(i, :), 'EdgeColor', 'r'); rect = rects(i,:); x1=rect(1)-1; y1=rect(2)-1; if(x1)<1 x1=1; end if(y1<1) y1=1; end x2=rect(1)+rect(3); y2=rect(2)+rect(4); 2

if(y2>width) y2=width; end if(x2>hight) x2=hight; end [width, hight, x1,y1,x2,y2] % if (x2>=width || y2>=hight) % continue; % end %截取图像函数 Fb = img2(y1:y2,x1:x2); [w,d]=size(Fb); Fb2 = zeros(w+10,d+10); Fb2(5:w+4,5:d+4) = Fb; % figure,imshow(Fb2) D2= bwperim(Fb2,26); F3 = imfill(D2,'holes');SE2 = ones(3);F4 = imdilate(F3,SE2,'same');E2= bwperim(F4); %将灰度图转成二值图 % 功能：计算图像的 Hu 的七个不变矩特征 % 输入：二值化图像 % 输出：inv_m7-七个不变矩 %算法描述： %用零阶中心矩对其余各界中心矩进行归一化，得到图像归一化中心矩； %利用 2 阶和 3 阶归一化中心距可以导数 7 个不变矩组； inv2_m7 = getfeature1(E2) [ dist ] = calDistance( inv1_m7,inv2_m7 ) figure('name','内部填充后轮廓提取图像'), subplot(1,2,1),imshow(E1),title('内部填充后轮廓提取图像 2'), 3

subplot(1,2,2),imshow(E2),title(sprintf('内部填充后轮廓提取图像 2 dist=%f',dist)); end 中值滤波函数： %自编的中值滤波函数。x 是需要滤波的图像,n 是模板大小(即 n×n) function d=median_filter(x,n) [height, width]=size(x); %输入图像是 p×q 的,且 p>n,q>n x1=double(x); x2=x1; for i=1:height-n+1 for j=1:height-n+1 c=x1(i:i+(n-1),j:j+(n-1)); %取出 x1 中从(i,j)开始的 n 行 n 列元素, 即模板(n×n 的) e=c(1,:); %是 c 矩阵的第一行 for u=2:n e=[e,c(u,:)]; %将 c 矩阵变为一个行矩阵 end mm=median(e); %mm 是中值 x2(i+(n-1)/2,j+(n-1)/2)=mm; %将模板各元素的中值赋给模板中心位置的元素 end end %未被赋值的元素取原值 d=uint8(x2); Hu 几何不变距计算函数： %UNTITLED2 此处显示有关此函数的摘要 4

% 此处显示详细说明 %将图像矩阵的数据类型转换成双精度型 function inv1_m7 = getfeature1(F1) %将图像矩阵的数据类型转换成双精度型 F2=double(F1); %%%=================计算、、 ========================= %计算图像的零阶几何矩 m00=sum(sum(F1)); m10=0; m01=0; [row,col]=size(F1); for i=1:row for j=1:col m10=m10+i*F1(i,j); m01=m01+j*F1(i,j); end end %%%=================计算、 ================================ u10=m10/m00; u01=m01/m00; %%%=================计算图像的二阶几何矩、三阶几何矩============ m20 = 0;m02 = 0;m11 = 0;m30 = 0;m12 = 0;m21 = 0;m03 = 0; for i=1:row for j=1:col m20=m20+i^2*F1(i,j); m02=m02+j^2*F1(i,j); m11=m11+i*j*F1(i,j); m30=m30+i^3*F1(i,j); m03=m03+j^3*F1(i,j); m12=m12+i*j^2*F1(i,j); 5

m21=m21+i^2*j*F1(i,j); end end %%%=================计算图像的二阶中心矩、三阶中心矩============ y00=m00; y10=0; y01=0; y11=m11-u01*m10; y20=m20-u10*m10; y02=m02-u01*m01; y30=m30-3*u10*m20+2*u10^2*m10; y12=m12-2*u01*m11-u10*m02+2*u01^2*m10; y21=m21-2*u10*m11-u01*m20+2*u10^2*m01; y03=m03-3*u01*m02+2*u01^2*m01; %%%=================计算图像的归格化中心矩==================== n20=y20/m00^2; n02=y02/m00^2; n11=y11/m00^2; n30=y30/m00^2.5; n03=y03/m00^2.5; n12=y12/m00^2.5; n21=y21/m00^2.5; %%%=================计算图像的七个不变矩====================== h1 = n20 + n02; h2 = (n20-n02)^2 + 4*(n11)^2; h3 = (n30-3*n12)^2 + (3*n21-n03)^2; h4 = (n30+n12)^2 + (n21+n03)^2; h5 = (n30-3*n12)*(n30+n12)*((n30+n12)^2-3*(n21+n03)^2)+(3*n21-n03)*(n21+n03)*(3* (n30+n12)^2-(n21+n03)^2); 6

h6 = (n20-n02)*((n30+n12)^2-(n21+n03)^2)+4*n11*(n30+n12)*(n21+n03); h7 = (3*n21-n03)*(n30+n12)*((n30+n12)^2-3*(n21+n03)^2)+(3*n12-n30)*(n21+n03)*(3* (n30+n12)^2-(n21+n03)^2); inv1_m7= [h1 h2 h3 h4 h5 h6 h7]; end 欧式距离计算函数： %% 计算矩阵中点与点之间的距离 function [ dist ] = calDistance( x, y ) dist = sqrt(sum((x-y).^2)); end 摄像头拍摄主函数： % 建立图片存储文件夹 if exist('image','dir')~= 7 mkdir([cd,'/image']) % 与下一句一样 end directory=[cd,'/image/']; %当前工作目录下文件夹 %定义一个监控界面： hf = figure('Units', 'Normalized', 'Menubar', 'None','NumberTitle', 'off', 'Name', '实时拍照系统'); ha = axes('Parent', hf, 'Units', 'Normalized', 'Position', [0.05 0.2 0.85 0.7]); axis off %定义三个按钮控件： 7

hb1 = uicontrol('Parent', hf, 'Units', 'Normalized','Position', [0.2 0.05 0.15 0.1], 'String', '预览', 'Callback', ['imaqhwinfo;'... 'obj = videoinput(''winvideo'');'... 'set(obj, ''FramesPerTrigger'', 1);'... 'set(obj, ''TriggerRepeat'', Inf);'... 'objRes = get(obj, ''VideoResolution'');' ... 'nBands = get(obj, ''NumberOfBands'');' ... 'hImage = image(zeros(objRes(2), objRes(1), nBands));' ... 'preview(obj, hImage);']); hb2 = uicontrol('Parent', hf, 'Units', 'Normalized','Position', [0.45 0.05 0.15 0.1], 'String', '拍照', 'Callback', 'image_shot(1,directory,obj);'); hb3 = uicontrol('Parent', hf, 'Units', 'Normalized','Position', [0.7 0.05 0.15 0.1], 'String', '关闭', 'Callback', 'image_shot(0,directory,obj);'); 摄像头抓图、存图函数： function image_shot(is_shot,directory,obj) %UNTITLED Summary of this function goes here % Detailed explanation goes here persistent i if isempty(i) i = 1; end if is_shot date_string=datestr(date,29);%读取系统时间 filename=[num2str(i)];%生成制定格式图片名：1.2.3.....(序号） frame = getsnapshot(obj);%抓图 imwrite(frame,[directory,filename,'.jpg']);%存图' i=i+1; else 8

资料库

基于Matlab轮廓匹配的物体识别系统的程序.pdf

相关推荐

人工智能

热门标签

最新资料