基于matlab圖像處理的汽車車型識別論文-文庫吧
2025-07-26 14:22 本頁面
【正文】 。對每一列進行掃描，如果在某列自上而下遇到一個亮點，記下其坐標；然后在同一列自上而下尋找第一個亮點，記下其坐標；最后，在同一列把i雙／t亮點之間的所有像素點改為亮點。1．6圖像修正經(jīng)過兩次填充，圖像周圍出現(xiàn)一些小的毛刺，需要進行取舍修正。采用的方法是：分別逐行或逐列計算亮點的個數(shù)，根據(jù)經(jīng)驗設定一個閾值，如果亮點個數(shù)低于這個閾值，把亮點改為暗點，否則不變。如公式(2)，其中N為逐行或逐列亮點的個數(shù)，0為閾值，T為原圖像素值，T’為處理后的像素值。經(jīng)過修正后的效果圖如圖3～13。1．7輪廓提取提取車形的邊緣輪廓，如圖12。1．8反色處理為了方便車型特征提取，需對車型輪廓圖像格式化處理，即進行反色處理。圖像中像素值若為0，則替換為255；若為255，則替換為0。如公式(3)，其中T為原像素值，Tf為處理后的像素值。反色處理后的車型圖像如圖13。經(jīng)過最后處理的二值化圖像輪廓雖然與真實的車輛輪廓有點失真變形，但是在一定的精度前提下是可以容忍的。這樣就可以根據(jù)圖像的信息進行車輛信息的提取了。2實驗結(jié)果程序代碼：[name,path]=uigetfile({39。*.jpg39。39。*.bmp39。39。*.tif39。39。*.gif39。39。*.*39。},39。39。)。file=[path,name]。im=imread(file)。 subplot(221)。x=rgb2gray(im)。imshow(x):title(39?；叶然瘓D像39。)。subplot(222)。imhist(x)。title(39。圖像直方圖39。)。subplot(223)。c=histeq(x)。imshow(c)。title(39。均衡化圖像39。)。subplot(224)。imhist(c)。title(39。均衡化后的直方圖39。)。 fmax=double(max(max(x)))。%egray的最大值并輸出雙精度型fmin=double(min(min(x)))。%egray的最小值并輸出雙精度型level=(fmax(fmaxfmin)/2)/255。%獲得最佳閾值39。level39。g=im2bw(x,level)。figureimshow(g)。title(39。二值化39。)。%轉(zhuǎn)換為二值圖像RGB=imread(39。D:/39。)。x=rgb2gray(RGB)。J=imnoise(x,39。saltamp。pepper39。,)。%加入椒鹽燥聲subplot(131),imshow(J)。title(39。原始黑白圖像39。) K=medfilt2(J)。%中值濾波函數(shù)subplot(132)。imshow(K)。title(39。中值濾波39。)。H=fspecial(39。unsharp39。)。BW=imfilter(K,H,39。replicate39。)。subplot(133)。imshow(BW)。title(39。圖像銳化39。)。B=grayslice(x,7)。%從灰度創(chuàng)索figure,imshow(B,cool(7))。title(39。偽彩色增強39。)。%cool青藍和洋紅車識別程序代碼：i=imread(39。D:/39。)。j=imread(39。D:/39。)。i1=rgb2gray(i)。j1=rgb2gray(j)。i2=medfilt2(i1,[2,2])。j2=medfilt2(j1,[2,2])。z=double(imsubtract(i2,j2))。subplot(221),imshow(z)。title(39。圖象與背景圖象相減39。)。zmax=max(max(z))。zmin=min(min(z))。tk=(zmax+zmin)/2。bcal=1。zsize=size(z)。while(bcal)ifore=0。iback=0。isum=0。 backsum=0。 fori=1:zsize(1)forj=1:zsize(2)tmp=z(i,j)。if(tmp=tk)ifore=ifore+1。isum=isum+double(tmp)。elseiback=iback+1。backsum=backsum+double(tmp)。endendend16
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1