基于matlab的形状识别

《基于matlab的形状识别》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、1、设计目的基于Maltab或者C语言对图像进行识别。编写摄像头采集图像程序，对采集的图像进行预处理，如图像增强、图像分割等处理，对于处理的图像进行特征提取，根据特征进行模式识别，如对三角形、正方形与圆形的识别。2、设计正文2.1设计分析1)编写摄像头采集图像程序2)对采集的图像进行预处理3)对于处理的图像进行特征提取4)进行模式识别，区分各种形状2.2设计原理2.2.1图像预处理8彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。由彩色转换为灰度的过程叫做灰度化处

2、理。选择的标准是经过灰度变换彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。由彩色转换为灰度的过程叫做灰度化处理。选择的标准是经过灰度变换。2.2.2对于处理的图像进行特征值提取二值图像是指整幅图像画面内仅黑、白二值的图像。在实际的车牌处理系统中，进行图像二值变换的关键是要确定合适的阀值，使得字符与背景能够分割开来，二值变换的结果图像必须要具备良好的保形性，不丢掉有用的形状信息，不会产生额外的空缺等等。车牌识别系统要求处理的速度高、成本低、信息量大，采用二值图像进

3、行处理，能大大地提高处理效率。阈值处理的操作过程是先由用户指定或通过算法生成一个阈值，如果图像中某中像素的灰度值小于该阈值，则将该像素的灰度值设置为0或255，否则灰度值设置为255或0。8两个具有不同灰度值的相邻区域之间总存在边缘，边缘就是灰度值不连续的结果，是图像分割、纹理特征提取和形状特征提取等图像分析的基础。为了对有意义的边缘点进行分类，与这个点相联系的灰度级必须比在这一点的背景上变换更有效，我们通过门限方法来决定一个值是否有效。所以，如果一个点的二维一阶导数比指定的门限大，我们就定义图像中的次点是一个边缘点，一组这样的依据事先定好的连接准则相连的边缘点就定义为一条边

4、缘。经过一阶的导数的边缘检测，所求的一阶导数高于某个阈值，则确定该点为边缘点，这样会导致检测的边缘点太多。可以通过求梯度局部最大值对应的点，并认定为边缘点，去除非局部最大值，可以检测出精确的边缘。一阶导数的局部最大值对应二阶导数的零交叉点，这样通过找图像强度的二阶导数的零交叉点就能找到精确边缘点。2.2.3流程设计1.调用摄像头2.获取图像3.读入图片4.选取阈值为0.55.图像取反色6.二值图象标签化处理7.选出被标记图像像素中的最大值8.计算图像y的像素点9.统计被标记点数的数量10.如果被标记点的数量大于总共像素的5%，可以认为这些标记点为被识别物体11.找到能构成物体

5、的个体的下标，并组成一维向量，次向量中的数代表被识别物体的标签号+1，向量的维数代表被识别物体的个数12.计算所有被识别物体的数量81.是被识别物体的标签号2.对被识别物体的类型做判断3.在图象中选择标签为f1(i)的对象4.求面积15.求周长6.求面积27.e(i)=4*3.14*F1/求面积2^2;8.如果0.8927

6、;set(vid,'ReturnedColorSpace','rgb';vidRes=get(vid,'VideoResolution');width=vidRes(1);height=vidRes(2);nBands=get(vid,'NumberOfBands');figure('Name','调用摄像头','NumberTitle','Off','ToolBar','None','MenuBar','None');hImage=image(zeros(vidRes(2),vidRes(1),nBands));8preview(vid,hImage);hb1=uicont

7、rol('String','拍摄',...'Callback','a=getsnapshot(vid),imwrite(getsnapshot(vid),''图形识别.jpg'')');2.2.2读取图片并调用函数i=imread('F:matlab1.jpg');z=shibie(i);2.2.3图片处理及图形识别与显示程序functionz=shibie(A)C=im2bw(A,0.52);y=~C;D=bwlabel(y,4);a=max(max(D));[b,c]=size(y);d=zer