【正文】 的問題是基于車輛側(cè)身圖像的特征研究，實(shí)現(xiàn)車輛類型的判別。gif等）進(jìn)行打開、保存、另存、打印、退出等功能操作；經(jīng)中值濾波處理后的圖像如圖4所示。當(dāng)然，出現(xiàn)噪聲是不可避免的，可采用翻轉(zhuǎn)法盡可能地對噪聲進(jìn)行剔除。經(jīng)過最后處理的二值化圖像輪廓雖然與真實(shí)的車輛輪廓有點(diǎn)失真變形，但是在一定的精度前提下是可以容忍的。fmin=double(min(min(x)))。)。原始黑白圖像39。%從灰度創(chuàng)索j2=medfilt2(j1,[2,2])。(tmp=tk)endz2=medfilt2(z1,[7,7])。x(1,y)=j。j=1:zsize(2)subplot(224),imshow(z4)。y=1。j=1:zsize(2)endj=1:zsize(2)k=1:(b31)%掃描汽車最右邊f(xié)orendi=1:zsize(1)d=b2b1。disp([char(6),39。比如車輛的分割問題，再現(xiàn)實(shí)中，道路的情況十分復(fù)雜，有很多實(shí)際拍攝的圖像中會(huì)有很多的車輛粘連，重合，目標(biāo)的分割十分的重要。參考文獻(xiàn)：【1】賈云得．機(jī)器視覺【M】．科學(xué)出版社，2000．【2】付忠良．圖像閾值選取方法的構(gòu)造【J】．中國圖象圖形學(xué)報(bào)，2000．5(6)：466469【3】王坤明．自動(dòng)選取閾值方法比接研究【J】．撫順石油學(xué)院學(xué)報(bào)，2002．6(22)：一般的商業(yè)地圖無法完全辦到的。if(z4(i,j)==1) x=zeros(500,1)。if((liebiaox(1,1)==(n1))amp。 liebiao=j。if((liebiaox(1,1)==(n1))amp。if(z4(i,j)==1)x=zeros(1,500)。if((n=10)amp。hangbiao=i。x=zeros(1,400)。endbcal=0。iback=0。j1=rgb2gray(j)。)。=)。二值化39。)。imhist(x)。*.*39。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(jìn)行反色處理。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)。中值濾波的基本思想是用像素點(diǎn)鄰域灰度值的中值來代替該像素點(diǎn)的灰度值。1)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(jì)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(shí)也給公共交通帶來了巨大的壓力。能對圖像文件（bmp、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。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。圖像中像素值若為0，則替換為255；若為255，則替換為0。},39。title(39。 fmax=double(max(max(x)))。)。%加入椒鹽燥聲fspecial(39。bcal=1。tktmp=uint8((zo+zb)/2)。 elseendz4=medfilt2(z3,[5,5])。y=1。amp。forend%掃描汽車頂部amp。break。y=y+1。amp。b3=j。endb4=j。c2=max(t1,t2)。該技術(shù)具有較高的使用價(jià)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(diǎn)或巡查工作。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(shí)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。if((c1/c2))8forforforendforx(1,y)=j。i=1:zsize(1)%%%%%%%%