MATLAB 识别色块和数量
文章目录
前言
提示：这里可以添加本文要记录的大概内容：
项目需要：
在 MATLAB 中进行色块识别通常涉及图像处理技术，包括图像读取、预处理、颜色空间转换、阈值分割和形态学操作等步骤。以下是一个基本的示例代码，展示了如何识别图像中的特定色块。
假设你有一张包含多种颜色的图像，并且你想识别出特定颜色的色块（例如红色）。
步骤 1: 读取图像
% 读取图像
img = imread('your_image.jpg');
步骤 2: 转换为 HSV 颜色空间
HSV 颜色空间更适合颜色分割，因为它将颜色信息（色调、饱和度、亮度）分开。
% 将图像从 RGB 转换为 HSV 颜色空间
hsvImg = rgb2hsv(img);
步骤 3: 定义颜色范围
在 HSV 空间中定义你要识别的颜色的范围。例如，红色可能定义为：
% 定义红色的 HSV 范围
redHueRange = [0, 0.1]; % 色调范围
redSaturationRange = [0.5, 1]; % 饱和度范围
redValueRange = [0.5, 1]; % 亮度范围
步骤 4: 创建颜色掩码
使用逻辑掩码来标识图像中的红色区域。
% 创建颜色掩码
hueMask = (hsvImg(:,:,1) >= redHueRange(1)) & (hsvImg(:,:,1) <= redHueRange(2));
saturationMask = (hsvImg(:,:,2) >= redSaturationRange(1)) & (hsvImg(:,:,2) <= redSaturationRange(2));
valueMask = (hsvImg(:,:,3) >= redValueRange(1)) & (hsvImg(:,:,3) <= redValueRange(2));
colorMask = hueMask & saturationMask & valueMask;
步骤 5: 应用形态学操作（可选）
为了去除噪声和小的孤立区域，可以使用形态学操作，如膨胀和腐蚀。
% 形态学操作
se = strel('disk', 5); % 创建一个结构元素
cleanedMask = imopen(colorMask, se); % 开运算去除小区域
cleanedMask = imclose(cleanedMask, se); % 闭运算填充小孔
步骤 6: 标记和显示结果
使用 bwlabel 标记连通区域，并显示结果。
% 标记连通区域
[labeledImage, numRegions] = bwlabel(cleanedMask);
% 显示结果
figure;
subplot(1, 3, 1);
imshow(img);
title('原始图像');
subplot(1, 3, 2);
imshow(colorMask);
title('颜色掩码');
subplot(1, 3, 3);
imshow(label2rgb(labeledImage, 'jet', 'k', 'shuffle'));
title(['识别到的色块数量: ', num2str(numRegions)]);
完整代码
% 读取图像
img = imread('your_image.jpg');
% 将图像从 RGB 转换为 HSV 颜色空间
hsvImg = rgb2hsv(img);
% 定义红色的 HSV 范围
redHueRange = [0, 0.1]; % 色调范围
redSaturationRange = [0.5, 1]; % 饱和度范围
redValueRange = [0.5, 1]; % 亮度范围
% 创建颜色掩码
hueMask = (hsvImg(:,:,1) >= redHueRange(1)) & (hsvImg(:,:,1) <= redHueRange(2));
saturationMask = (hsvImg(:,:,2) >= redSaturationRange(1)) & (hsvImg(:,:,2) <= redSaturationRange(2));
valueMask = (hsvImg(:,:,3) >= redValueRange(1)) & (hsvImg(:,:,3) <= redValueRange(2));
colorMask = hueMask & saturationMask & valueMask;
% 形态学操作
se = strel('disk', 5); % 创建一个结构元素
cleanedMask = imopen(colorMask, se); % 开运算去除小区域
cleanedMask = imclose(cleanedMask, se); % 闭运算填充小孔
% 标记连通区域
[labeledImage, numRegions] = bwlabel(cleanedMask);
% 显示结果
figure;
subplot(1, 3, 1);
imshow(img);
title('原始图像');
subplot(1, 3, 2);
imshow(colorMask);
title('颜色掩码');
subplot(1, 3, 3);
imshow(label2rgb(labeledImage, 'jet', 'k', 'shuffle'));
title(['识别到的色块数量: ', num2str(numRegions)]);
这段代码提供了一个基本的框架，你可以根据具体需求调整颜色范围、形态学操作和结构元素的大小等参数。
步骤七 返回色块坐标
% 使用 regionprops 计算每个连通区域的属性
stats = regionprops(labeledImage, 'BoundingBox');
% 提取边界框坐标
boundingBoxes = [stats.BoundingBox];
% 显示结果，包括边界框
figure;
imshow(img);
hold on;
for k = 1:size(boundingBoxes, 1)
rectangle('Position', boundingBoxes(k, :), 'EdgeColor', 'r', 'LineWidth', 2);
% 如果需要，可以在这里打印或存储坐标
fprintf('色块 %d 的坐标: [%f, %f, %f, %f]\n', k, boundingBoxes(k, 1), boundingBoxes(k, 2), boundingBoxes(k, 3), boundingBoxes(k, 4));
end
hold off;
title('识别到的色块及其边界框');
色块 1 的坐标: [160.500000, 156.500000, 44.000000, 43.000000]
总结
学习使人快乐！
音乐使人愉悦！
日积月累使人充实和自信！
原文地址：https://blog.csdn.net/ganhui13000/article/details/144410821
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！