基于matlab的车型识别课程设计源代码(共10页).doc

《基于matlab的车型识别课程设计源代码(共10页).doc》由会员分享，可在线阅读，更多相关《基于matlab的车型识别课程设计源代码(共10页).doc（10页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上目 录1、目的与要求12、设计的内容13、设计内容以及原理.14、各个功能的实现程序及结果26、课程设计总结与心得体会87、参考文献91目的与要求目的： 通过本课程设计使学生了解数字图像的基本概念，掌握数字图像处理的基本内容，如图像点运算、几何变换、增强处理、图像复原、边缘检测以及图像压缩等的基本原理和Matlab实现方法。通过本次课程设计，让学生掌握如何学习一门语言，如何进行资料查阅搜集，如何自己解决问题等方法，养成良好的学习习惯。扩展理论知识，培养学生的综合设计能力。要求： 1、要充分认识课程设计对培养自己的重要性，认真做好设计前的各项准备工作。尤其是对编程软件的

2、使用有基本的认识。2、既要虚心接受老师的指导，又要充分发挥主观能动性。结合课题，独立思考，努力钻研，勤于实践，勇于创新。3、独立按时完成规定的工作任务，不得弄虚作假，不准抄袭他人内容，否则成绩以不及格计。 4、在设计过程中，要严格要求自己，树立严肃、严密、严谨的科学态度，必须按时、按质、按量完成课程设计。2 设计的内容主要功能：1）、预处理功能：（1）直方图的统计及绘制，根据此找到图像的阈值点；（2）可将图像的各种几何矫正变换；（3）彩色图像的灰度化变换等、一般灰度图像的二值化处理等；（4）数字图像的增强处理功能：空域中的点运算、直方图的均衡化、各种空间域平滑算法（如局部平滑滤波法、中值滤波等

3、）、锐化算法（如梯度锐化法、高通滤波等）；色彩增强：伪彩色增强、真彩色增强等；2）、处理功能： 车识别：从图像中提取出车辆的轮廓并辨别出车型3.原理方法： 首先对图像做了压缩和归一化处理，得到统一大小的背景图和前景图。分别对两幅图做灰度变换。再将含有汽车的前景图像和背景图像进行差分运算去除背景干扰，迭代阈值分割的方法提取到目标车辆轮廓。经过小面积区域去除和横纵填充后，得到比较利于分析的汽车外形图。在汽车车型识别中按标准分析了各种不同的车辆形状，抽象出了车辆的一般形状的“工”字形，以车辆顶长作中垂线分下底长的前后比例数、顶长等作为参数，提取出特征参数，用于车型的识别。利用小孔成像的原理，推算出长

4、和车高。3 各个功能的实现程序及结果1) 能对图像文件（bmp、 jpg、 tiff、 gif等）进行打开、保存、另存、打印、退出等功能操作； 2) 图像预处理功能：（1）直方图的统计及绘制，根据此找到图像的阈值点；（2）可将图像的各种几何矫正变换；（3）彩色图像的灰度化变换等、一般灰度图像的二值化处理等； （4）数字图像的增强处理功能：空域中的点运算、直方图的均衡化、各种空间域平滑算法（如局部平滑滤波法、中值滤波等）、锐化算法（如梯度锐化法、高通滤波等）；色彩增强：伪彩色增强、真彩色增强等；程序代码：name,path=uigetfile(*.jpg;*.bmp;*.tif;*.gif;*.

5、*,);file=path,name; im= imread(file);subplot(221);x=rgb2gray(im);imshow(x):title(灰度化图像);subplot(222);imhist(x);title(图像直方图);subplot(223);c=histeq(x);imshow(c);title(均衡化图像);subplot(224);imhist(c);title(均衡化后的直方图);fmax=double(max(max(x); %egray的最大值并输出双精度型fmin=double(min(min(x); %egray的最小值并输出双精度型level=(

6、fmax-(fmax-fmin)/2)/255; %获得最佳阈值levelg=im2bw(x,level);figure ;imshow(g);title(二值化);%转换为二值图像运算结果： RGB=imread(D:/zll.jpg);x=rgb2gray(RGB);J = imnoise(x,salt & pepper, 0.02);%加入椒盐燥声subplot(131),imshow(J);title(原始黑白图像)K = medfilt2(J);%中值滤波函数subplot(132);imshow(K);title(中值滤波);H = fspecial(unsharp);BW = i

7、mfilter(K,H,replicate); subplot(133);imshow(BW);title(图像锐化);B=grayslice(x,7); %从灰度创索figure,imshow(B,cool(7);title(伪彩色增强);%cool青蓝和洋红 3) 车识别;程序代码：i=imread(D:/e1.jpg); j=imread(D:/e2.jpg);i1=rgb2gray(i);j1=rgb2gray(j);i2=medfilt2(i1,2,2);j2=medfilt2(j1,2,2);z=double(imsubtract(i2,j2);subplot(221),imsho

8、w(z);title(原图象与背景图象相减);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; for i=1:zsize(1) for j=1:zsize(2) tmp=z(i,j); if (tmp=tk) ifore=ifore+1; isum=isum+double(tmp); else iback=iback+1; backsum=backsum+double(tmp); end end end z

9、o=isum/ifore; zb=backsum/iback; tktmp=uint8(zo+zb)/2); if(tktmp=tk) bcal=0; else tk=tktmp; endendz1=im2bw(z,double(tk)/255);z2=medfilt2(z1,7,7);z3=bwareaopen(z2,300);subplot(222),imshow(z2);title(小面积区域去除后的图像)%zsize=size(z3); %横向填充for i=1:zsize(1) n=0; x=zeros(1,400); y=1; for j=1:zsize(2) if(z3(i,j)

10、=1) x(1,y)=j; y=y+1; n=n+1; liebiao=j; end end if(n=100)&(liebiao-x(1,1)150) for m=x(1,1):liebiao z3(i,m)=1; end endend%subplot(223),imshow(z3);title(横向填充后的图像);z4=medfilt2(z3,5,5);zsize=size(z4); %纵向填充for j=1:zsize(2) n=0; x=zeros(600,1); y=1; for i=1:zsize(1) if(z4(i,j)=1) x(y,1)=i; y=y+1; n=n+1; h

11、angbiao=i; end end if(n=10)&(hangbiao-x(1,1)50) for m=x(1,1):hangbiao z4(m,j)=1; end endend%subplot(224),imshow(z4);title(横纵向填充后的图像);zsize=size(z4); %扫描汽车顶部for i=1:zsize(1) n=0; y=1; x=zeros(1,500); for j=1:zsize(2) if(z4(i,j)=1) x(1,y)=j; y=y+1; n=n+1; liebiao=j; end end if(liebiao-x(1,1)=(n-1)&(n6

12、0) a1=i; b1=x(1,1); b2=liebiao; break; endendfor k=1:(a1-1) for j=1:zsize(2) z4(k,j)=0; endend%zsize=size(z4); %扫描汽车底部for i=zsize(1):-1:1 n=0; y=1; x=zeros(1,500); for j=1:zsize(2) if(z4(i,j)=1) x(1,y)=j; y=y+1; n=n+1; liebiao=j; end end if(liebiao-x(1,1)=(n-1)&(n80) a2=i; break; endendfor k=zsize(1

13、):-1:(a2+1) for j=1:zsize(2) z4(k,j)=0; endend%zsize=size(z4); %扫描汽车最左边for j=1:zsize(2) n=0; y=1; x=zeros(500,1); for i=1:zsize(1) if(z4(i,j)=1) x(y,1)=i; y=y+1; n=n+1; hangbiao=i; end end if (hangbiao-x(1,1)=(n-1)&(n40) a3=x(1,1); b3=j; break; endendfor k=1:(b3-1) for i=1:zsize(1) z4(i,k)=0; endend

14、%zsize=size(z4); %扫描汽车最右边for j=zsize(2):-1:1 n=0; y=1; x=zeros(500,1); for i=1:zsize(1) if(z4(i,j)=1) x(y,1)=i; y=y+1; n=n+1; hangbiao=i; end end if (hangbiao-x(1,1)=(n-1)&(n40) b4=j; a4=x(1,1); break; endendfor k=zsize(2):-1:(b4+1) for i=1:zsize(1) z4(i,k)=0; endend %d=b2-b1; %识别判断车型f=b4-b3;t=b1+d/

15、2;t1=t-b3;t2=b4-t;c1=min(t1,t2);c2=max(t1,t2);if(c1/c2)0.55) disp(char(6),货车)else if(0.85(d/f) 4课程设计总结与体会通过此次的matlab课程设计，我又对matlab软件有了更深层次的了解，熟悉的matlab的操作以及用matlab语言编程。还有基于matlab的数字图像处理的应用。通过实践，我更加意识到课堂学的知识的重要性，以及实践的必不可少，只有课堂的知识与实践相结合，才能更好更快的做好任务。在调试程序是最麻烦的步骤，往往提示的地方不是程序出错的地方，只有从全程序慢慢的从头开始查，这样既能熟悉matlab语言，又能锻炼大家的耐心。这两周的课程设计虽然结束了，但是我们以后还是要多多做这样的设计，锻炼大家的实践能力。6 参考文献1、 图像工程上册 章毓晋 清华大学出版社2、 MATLAB R2008 数字图像处理与分析实例教程 赵书兰 化学工业出版社3、 数字图像处理与分析（第二版） 杨帆 北京航空航天大学出版社专心-专注-专业