Matlab机器视觉工具箱(MVTB)教程（1）——图像处理_matlab mvtb教程-程序员宅基地
技术标签： matlab c++ 机器视觉工具箱(MVTB)使用教程 计算机视觉 图像识别 opencv
Matlab机器视觉工具箱（MVTB）教程（1）——图像处理
前言
机器视觉工具箱(MVTB)提供了许多在机器视觉和基于视觉的控制中有用的功能。这是一个有点折衷的收藏品，反映了作者对光度学、摄影测量学、色度学等领域的个人兴趣。它包括100多个功能，包括图像文件读写、采集、显示、过滤、斑点、点和线特征提取、数学形态学、单应、视觉雅可比、摄像机校准和颜色空间转换等操作。
运行此教程的实例，需要在Matlab附加功能选项中安装如下图所示的机器视觉工具箱(MVTB)、vlfeat、MATLAB Support for MINGW-W64。
获取图像
获取图像的方法有读取本地图像、读取相机图像、生成图像。
读取本地图像
%读取本地照片文件
street = iread( 'street.png') ;
about (street ) %获取照片信息
idisp(street); %在matlab显示照片
结果如下：
读取相机图像
操作方法如下
cam =Videocamera("name")； %打开一个特殊相机:
im =cam.grab()； %使用grab方法抓取一幅图像
工具箱函数产生图像
工具箱函数testpattern可以产生各种形式的简单图像，包括直线、网格点或方块、光强斜坡变化和光强正弦变化，第二个参数代表所建图像的大小。
%首先建一个全是黑色像素的帆布(像素值是0):
canvas =zeros(200，200) ;
%然后创建两个正方一形模板:
sq1=0.5*ones(40,40) ;
sq2=0.9*ones(20,20) ;
%再创建一个圆:
circle = 0.6* kcircle(30) ;
%把它们粘贴到帆布上:
canvas =ipaste (canvas, sq1,[20，40]) ;
canvas =ipaste (canvas，sq2,[ 60，120]) ;
canvas = ipaste (canvas， circle， [100， 30]) ;
%最后，在帆布上画一条线段:
canvas = iline( canvas， [30， 40]，[150，190]， 0.8) ;
idisp(canvas); %显示图像
结果如下图。
一元操作
一元图像处理操作，输出结果是一幅与输人图像相同大小的图像，且每一个输出像素都是对应输人像素的函数。
street = iread( 'street.png') ;
>>idisp(street)
>>ihist(street); %显示直方图
结果如下。
其余一元操作指令如下。
%取灰度值在30到80之间的像素点。
shadows = (street >= 30) & (street<= 80) ;
idisp ( shadows )
%显示像素值的累积直方图
ihist(street，'cdf');
%直方图均衡化
im = inormhist(street);
如下图为直方图均衡化前后对比。
二元操作
二元操作中，每一个输出像素都是两个输人图像中对应像素点的函数。常用的二元操作包括二进制算术运算，如加法、减法、元素操作，或者是MATLAB内置的二元矩阵函数，如max、min、bitand、atan2等。用一个unit8图像减去另一个unit8图像，就会产生另外一个unit8图像，尽管结果可能是负的。MATLAB却可以正确地把值取在[0 ,255]区间中，所以小数减大数将会得出0,而不是负值。另外，大于255的结果将会被设为255。为了实现这种纠正，图像应该首先用MATLAB函数cast转换成有符号整型，或者使用工具箱函数idouble转换成浮点型。
空间操作
平滑处理
%互相关核
K = ones(21,21) / 21^2;
lena = iread('lena.pgm', double');
%平滑处理
idisp( iconv(K，lena) ) ;
这种平均化会使图像光滑化、模糊化或者散焦，效果如下图。
智能推荐
kmeans_kmeans算法相关性分析-程序员宅基地
文章浏览阅读936次。1 kmeansK-means聚类算法也称k均值聚类算法，是集简单和经典于一身的基于距离的聚类算法。它采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为类簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。2.算法核心思想K-means聚类算法是一种迭代求解的聚类分析算法，其步骤是随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本_kmeans算法相关性分析
基于springboot的自习室管理系统计算机毕业设计_基于springboot的共享自习室管理系统参考文献-程序员宅基地
文章浏览阅读466次，点赞8次，收藏12次。以上是基于Spring Boot的自习室管理系统的主要功能，通过这些功能可以实现自习室座位的管理、课程的管理、学员信息的管理和行为管理等功能，为自习室提供一个高效、便捷、智能的解决方案。登录后，系统将根据用户的角色显示相应的功能菜单。通过以上各个功能模块的实现，基于Spring Boot的自习室管理系统将提供一套完善的解决方案，帮助自习室提高工作效率和服务质量，为学员提供更加便捷、舒适的学习环境。通过生成相应的报表，管理员可以更好地了解自习室的使用状况和学员的学习情况，从而做出相应的决策和管理调整。_基于springboot的共享自习室管理系统参考文献
Pytroch同一个优化器优化多个模型的参数并且保存优化后的参数_pytorch加载多个模型-程序员宅基地
文章浏览阅读4.5k次，点赞7次，收藏26次。在进行深度学习过程中会遇到几个模型进行串联，这几个模型需要使用同一个优化器，但每个模型的学习率或者动量等其他参数不一样这种情况。一种解决方法是新建一个模型将这几个模型进行串联，另一种解决方法便是往优化器里面传入这几个模型的参数。..._pytorch加载多个模型
计算机软考中级合格标准,中级软考多少分及格-程序员宅基地
文章浏览阅读1.4k次。原标题：中级软考多少分及格盛泰鼎盛 对于第一次报名软考的朋友，可能对于考试合格分数线不太了解，软考分为初、中、高三个级别，那么软考中级多少分及格呢？软考中级合格标准根据往年的软考合格分数线来看，各级别的合格标准基本上统一的。2019年上半年计算机技术与软件专业技术资格(水平)考试各级别各专业各科目合格标准均为45分(总分75分)。而2016下半年计算机技术与软件专业技术资格(水平)考试除了信息系统..._计算机程序设计员中级考试内容及合格标准
爬虫相关-程序员宅基地
文章浏览阅读50次。2019独角兽企业重金招聘Python工程师标准>>> ..._爬虫考虑安全法律因素
ASP.NET Identity 的“多重”身份验证-程序员宅基地
文章浏览阅读263次。本章主要内容有： ● 实现基于微软账户的第三方身份验证 ● 实现双因子身份验证 ● 验证码机制实现基于微软账户的第三方身份验证 在微软提供的ASP.NET MVC模板代码中，默认添加了微软、Google、twitter以及Facebook的账户登录代码(虽然被注释了)，另外针对国内的一些社交账户提供了相应的组件，所有组件都可以通过Nuget包管理器安装： 从..._identity 二次登录
随便推点
C++ 敏感词屏蔽-程序员宅基地
文章浏览阅读350次。首先要解决的问题是敏感词的存储形式，这就涉及数据结构，先想想搜索屏蔽要怎么处理，比如我有一个content，我就遍历它每个字符，先看与词典中所有词第一个字符相同的，再看第二个，再看第三个.等等。那么，很明显，这就需要一种以层来存储的数据结构--树来存储敏感词汇。我首先设计了一个Node，它要存储同一级的node指针，下一级的node指针，标识词的结束，数据。最开始本来只想到用树的结构，最后发现， ...
一种隐私保护的BP神经网络的设计-程序员宅基地
文章浏览阅读167次，点赞3次，收藏7次。1. 背景介绍1.1 隐私保护的重要性在当今的数字时代,个人隐私保护已经成为一个越来越受关注的问题。随着大数据和人工智能技术的快速发展,海量的个人数据被收集和利用,这给个人隐私带来了巨大的风险。如何在利用数据的同时保护个人隐私,已经成为了一个亟待解决的挑战。
Java常用异常包_object常用方法,java常见包；常见异常-程序员宅基地
文章浏览阅读177次。1．clone方法保护方法，实现对象的浅复制，只有实现了Cloneable接口才可以调用该方法，否则抛出CloneNotSupportedException异常。2．getClass方法final方法，获得运行时类型。3．toString方法该方法用得比较多，一般子类都有覆盖。4．finalize方法该方法用于释放资源。因为无法确定该方法什么时候被调用，很少使用。5．equals方法该方法是非常重..._一般情况下,异常类存放在什么包中
队列的定义_队列又可以简称为-程序员宅基地
文章浏览阅读1.1k次。队列的定义队列简称为“对”，英文名为“Queue”。队列和堆栈一样都是特殊的线性表。和堆栈不一样的是，队列这种线性表的特殊是它限定只能在表的一端作插入运算，然后只能在表的另一端作删除运算，作插入元素的这一端为“队首”，作删除运算的这一端称为“队尾”。队列的这一特征我们又可以称它为“先进先出”。队列的这个“先进先出”就如同我们平时排队一样，讲究一个先来后到，先来的排在前面，后到的排在后面，排前面的先走，排后面的后走。队列有两种存储结构，一种是顺序排列，另一种是链式排列。如下面图的采用顺序存储结构_队列又可以简称为
数据驱动的产品研发：如何利用数据驱动提高产品安全性-程序员宅基地
文章浏览阅读867次，点赞11次，收藏20次。1.背景介绍在当今的数字时代，数据已经成为企业和组织中最宝贵的资产之一。随着数据的增长和复杂性，数据驱动的决策变得越来越重要。数据驱动的产品研发是一种新兴的方法，它利用数据来优化产品的设计、开发和运营。这种方法可以帮助企业更有效地利用数据，提高产品的安全性和质量。在这篇文章中，我们将探讨数据驱动的产品研发的核心概念、算法原理、实例和未来发展趋势。我们将涉及到以下几个方面：背景介绍核...
基础类的DSP/BIOS API调用_clk_gethtime 返回值-程序员宅基地
文章浏览阅读1.3k次。转载自：http://blog.sina.com.cn/s/blog_48b82df90100bpfj.html基础类的DSP/BIOS API调用一、时钟管理CLK(1)Uns ncounts = CLK_countspms(void) 返回每毫秒的定时器高分辨率时钟的计数值(2)LgUns currtime = CLK_gethtime(void) _clk_gethtime 返回值