基于matlab圖像處理的汽車車型識別論文(存儲版)
【正文】 y+1。hangbiao=i。ifbreak。forn=0。x(y,1)=i。a4=x(1,1)。endfor8t1=tb3。if((c1/c2))disp([char(6),39。end3結(jié)束語本文研究的問題本文研究的問題主要是車輛類型的檢測，通過研究車輛的特征，實現(xiàn)車輛類型的識別，車輛的特征主要有車輛的長度，車輛頂部長度與長度之比，車輛的高度與車輛長度之比，輪廓圖像的相對矩，圖像的多種特征相結(jié)合，使得車輛類型的識別取得比較好的效果，再以后的工作中仍然有許多問題需要深入研究。另外需要提出的是文中的標(biāo)定方法比較簡易，最后計算出來的車長，輪距誤差比較大，雖然對本文中判斷大，中，小三種類型的車，不會造成太大影響，但是如果標(biāo)定的結(jié)果十分精確的話，應(yīng)該也是一個準(zhǔn)確判斷大部分車型的方法，因為基本上每種類型的車輛的車長，輪距參數(shù)都是不同的，如果可以精確測量，也是一個便捷的方法，在以后的工作中需要在標(biāo)定這個問題上要做深入的研究。該技術(shù)具有較高的使用價值，適合于電力輸電、長途通信、煤氣天然氣和石油等的輸送線路的巡檢和其他與野外操作密切相關(guān)的定點或巡查工作。后續(xù)的研究工作在實驗中仍然有很多問題需要解決，本實驗的汽車圖像的分割質(zhì)量直接影響到后續(xù)工作的進行，圖像的差分會受到很多因素的影響，因此在以后的工作中，還是要把分割當(dāng)成一個很重要的問題來研究。c2=max(t1,t2)。t=b1+d/2。b4=j。y=y+1。endb3=j。n=0。amp。y=y+1。i=zsize(1):1:1forbreak。amp。endn=n+1。%掃描汽車頂部zsize=size(z4)。endforamp。if(z4(i,j)==1)y=1。z4=medfilt2(z3,[5,5])。endfor title(39。end elsetktmp=uint8((zo+zb)/2)。zo=isum/ifore。bcal=1。title(39。%cool青藍和洋紅車識別程序代碼：)。fspecial(39。subplot(132)。%加入椒鹽燥聲=)。%獲得最佳閾值39。 fmax=double(max(max(x)))。均衡化圖像39。title(39。 subplot(221)。},39。39。圖像中像素值若為0，則替換為255；若為255，則替換為0。圖像縱向填充：方法與圖像橫向填充類似。目前，邊緣檢測方法有很多，例如：梯度算子、Sobel算子、拉普拉斯算子、Prewitt算子等。圖像分割的基本思路是從簡到難，逐級分割；控制背景環(huán)境，降低分割難度；一般是把焦點放在增強感興趣對象，縮小不相干圖像成分的干擾上。中值濾波器是一種非線性平滑濾波器，它能夠很好地抑制脈沖干擾，使得圖像的邊緣不變模糊。（2）可將圖像的各種幾何矯正變換；能對圖像文件（bmp、分別對兩幅圖做灰度變換。：基于MATLAB圖像處理的汽車車型識別隨著汽車工業(yè)的發(fā)展，經(jīng)濟的發(fā)展，越來越多的人擁有了汽車，在人們享受汽車帶來便利的同時也給公共交通帶來了巨大的壓力。主要功能： 首先對圖像做了壓縮和歸一化處理，得到統(tǒng)一大小的背景圖和前景圖。1)（1）直方圖的統(tǒng)計及繪制，根據(jù)此找到圖像的閾值點；中值濾波的基本思想是用像素點鄰域灰度值的中值來代替該像素點的灰度值。其實，圖像分割就是把數(shù)字圖像劃分成互不相交或不重疊區(qū)域的過程。設(shè)圖像中像素值的灰度大小為T，則有： 1．4 Sobel邊緣檢測在這里，最為感興趣的是車輛的輪廓，故使用基于圖像邊緣提取的圖像分割技術(shù)。圖像橫向填充：對每一行進行掃描，如果在某行從左向右遇到一個亮點，記下其坐標(biāo)；然后在同一行從右向左尋找第一個亮點記下其坐標(biāo)；最后，在同一行把兩個亮點之間的所有像素點改為亮點。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。*.jpg39。*.*39。imread(file)。imhist(x)。title(39。)。二值化39。
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1