基于matlab车型识别课程设计.docVIP

基于matlab车型识别课程设计.doc

此“教育”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、本文档共10页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于matlab车型识别课程设计

目 录 1、目的与要求……………………………………………………1 2、设计的内容……………………………………………………1 3、设计内容以及原理……………..……………………..………1 4、各个功能的实现程序及结果…………………………………2 6、课程设计总结与心得体会……………………………………8 7、参考文献………………………………………………………9 1.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。 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)、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,推算出长和车高。 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;*.*},); 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=(fmax-(fmax-fmin)/2)/255; %获得最佳阈值level g=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 = imfilter(K,H,replicate); subplot(

文档评论(0)

bokegood + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档