MATLAB计算机视觉与机器认知----Haar矩形遍历演示

最新推荐文章于 2022-10-05 22:57:05 发布
最新推荐文章于 2022-10-05 22:57:05 发布
阅读量418 收藏 1
点赞数 2
分类专栏： 数据可视化 MATLAB可视化 可视化 文章标签： matlab 计算机视觉 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_38127487/article/details/124601690
版权
可视化 同时被 3 个专栏收录
526 篇文章 19 订阅
订阅专栏
MATLAB可视化
286 篇文章 31 订阅
订阅专栏
数据可视化
236 篇文章 15 订阅
订阅专栏 
clc; clear; close all;

% Haar-like特征矩形计算

board = 24                                              % 检测窗口宽度
num = 24                                                % 检测窗口分划数

show = 1;                                               % 1为作图
time = 0.001;                                           % 作图间隔

%%

if mod(board,num)~=0
    error('检测窗口宽度必须是分划数的整数倍')
else
    delta = board/num                                   % 滑动步进值　
end

%% Haar特征1：左白,右黑,(s,t)=(1,2)

s = 1;
t = 2;
R = s:s:floor(num/s)*s;                                 % Haar窗口高
C = t:t:floor(num/t)*t;                                 % Haar窗口宽
NUM = 0;                                                % Haar特征总数

'---- Haar特征1：左白,右黑,(s,t)=(1,2) ---'
for I = 1:length(R)
    for J = 1:length(C)
       
        r = R(I)*delta;                                   % Haar窗口高
        c = C(J)*delta;                                  % Haar窗口宽
        nr = num-R(I)+1;                                 % 行方向移动个数
        nc = num-C(J)+1;                                 % 列方向移动个数
       
        Px0 = [0 r];                                     % 矩形坐标初始化
        Py0 = [0 c/2 c];
        for i = 1:nr
            for j = 1:nc
                Px = Px0+(i-1)*delta;                    % 滑动取点
                Py = Py0+(j-1)*delta;
                NUM = NUM+1;
               
                if show
                    plot([0 board],repmat((0:delta:board)',1,2),'k'); hold on;
                    plot(repmat((0:delta:board)',1,2),[0 board],'k'); axis tight; axis square;
                    title('Haar矩形遍历演示');xlabel('x');ylabel('y');
                   
                    plot(Px,repmat(Py',1,2),'r','LineWidth',5)
                    plot(repmat(Px,2,1),repmat([Py(1) Py(end)]',1,2),'r','LineWidth',5); hold off
                    pause(time)
                end
               
            end
        end
       
    end
end
NUM

%% Haar特征2：上白,下黑,(s,t)=(2,1)

s = 2;
t = 1;
R = s:s:floor(num/s)*s;                                 % Haar窗口高
C = t:t:floor(num/t)*t;                                 % Haar窗口宽
NUM = 0;                                                % Haar特征总数

'---- Haar特征2：上白,下黑,(s,t)=(2,1) ---'
for I = 1:length(R)
    for J = 1:length(C)
       
        r = R(I)*delta;                                  % Haar窗口高
        c = C(J)*delta;                                  % Haar窗口宽
        nr = num-R(I)+1;                                 % 行方向移动个数
        nc = num-C(J)+1;                                 % 列方向移动个数
       
        Px0 = [0 r/2 r];                                 % 矩形坐标初始化
        Py0 = [0 c];
        for i = 1:nr
            for j = 1:nc
                Px = Px0+(i-1)*delta;                    % 滑动取点
                Py = Py0+(j-1)*delta;
                NUM = NUM+1;

                if show
                    plot([0 board],repmat((0:delta:board)',1,2),'k'); hold on;
                    plot(repmat((0:delta:board)',1,2),[0 board],'k'); axis tight; axis square;
                    title('Haar矩形遍历演示');xlabel('x');ylabel('y');
                   
                    plot(repmat(Px,2,1),repmat(Py',1,length(Px)),'r','LineWidth',3);
                    plot(repmat([Px(1) Px(end)]',1,2),repmat(Py,2,1),'r','LineWidth',3); hold off
                    pause(time)
                end
               
            end
        end
       
    end
end
NUM

%% Haar特征3：左右白,中间黑,(s,t)=(1,3)

s = 1;
t = 3;
R = s:s:floor(num/s)*s;                                 % Haar窗口高
C = t:t:floor(num/t)*t;                                 % Haar窗口宽
NUM = 0;                                                % Haar特征总数

'---- Haar特征3：左右白,中间黑,(s,t)=(1,3) ---'
for I = 1:length(R)
    for J = 1:length(C)
       
        r = R(I)*delta;                                  % Haar窗口高
        c = C(J)*delta;                                  % Haar窗口宽
        nr = num-R(I)+1;                                 % 行方向移动个数
        nc = num-C(J)+1;                                 % 列方向移动个数
       
        Px0 = [0 r];                                     % 矩形坐标初始化
        Py0 = [0 c/3 c*2/3 c];
        for i = 1:nr
            for j = 1:nc
                Px = Px0+(i-1)*delta;                    % 滑动取点
                Py = Py0+(j-1)*delta;
                NUM = NUM+1;
               
                if show
                    plot([0 board],repmat((0:delta:board)',1,2),'k'); hold on;
                    plot(repmat((0:delta:board)',1,2),[0 board],'k'); axis tight; axis square;
                    title('Haar矩形遍历演示');xlabel('x');ylabel('y');
                   
                    plot(Px,repmat(Py',1,2),'r','LineWidth',5)
                    plot(repmat(Px,2,1),repmat([Py(1) Py(end)]',1,2),'r','LineWidth',5); hold off
                    pause(time)
                end

            end
        end
       
    end
end
NUM

%% Haar特征4：左右白,中间黑(2倍宽度),(s,t)=(1,4)

s = 1;
t = 4;
R = s:s:floor(num/s)*s;                                 % Haar窗口高
C = t:t:floor(num/t)*t;                                 % Haar窗口宽
NUM = 0;                                                % Haar特征总数

'---- Haar特征4：左右白,中间黑(2倍宽度),(s,t)=(1,4) ---'
for I = 1:length(R)
    for J = 1:length(C)
       
        r = R(I)*delta;                                  % Haar窗口高
        c = C(J)*delta;                                  % Haar窗口宽
        nr = num-R(I)+1;                                 % 行方向移动个数
        nc = num-C(J)+1;                                 % 列方向移动个数
       
        Px0 = [0 r];                                     % 矩形坐标初始化
        Py0 = [0 c/4 c*3/4 c];
        for i = 1:nr
            for j = 1:nc
                Px = Px0+(i-1)*delta;                    % 滑动取点
                Py = Py0+(j-1)*delta;
                NUM = NUM+1;
       
                if show
                    plot([0 board],repmat((0:delta:board)',1,2),'k'); hold on;
                    plot(repmat((0:delta:board)',1,2),[0 board],'k'); axis tight; axis square;
                    title('Haar矩形遍历演示');xlabel('x');ylabel('y');
                   
                    plot(Px,repmat(Py',1,2),'r','LineWidth',5)
                    plot(repmat(Px,2,1),repmat([Py(1) Py(end)]',1,2),'r','LineWidth',5); hold off
                    pause(time)
                end
               
            end
        end
       
    end
end
NUM

%% Haar特征5：上下白，中间黑,(s,t)=(3,1)

s = 3;
t = 1;
R = s:s:floor(num/s)*s;                                 % Haar窗口高
C = t:t:floor(num/t)*t;                                 % Haar窗口宽
NUM = 0;                                                % Haar特征总数

'---- Haar特征5：上下白，中间黑,(s,t)=(3,1) ---'
for I = 1:length(R)
    for J = 1:length(C)
       
        r = R(I)*delta;                                  % Haar窗口高
        c = C(J)*delta;                                  % Haar窗口宽
        nr = num-R(I)+1;                                 % 行方向移动个数
        nc = num-C(J)+1;                                 % 列方向移动个数
       
        Px0 = [0 r/3 r*2/3 r];                           % 矩形坐标初始化
        Py0 = [0 c];
        for i = 1:nr
            for j = 1:nc
                Px = Px0+(i-1)*delta;                    % 滑动取点
                Py = Py0+(j-1)*delta;
                NUM = NUM+1;
               
                if show
                    plot([0 board],repmat((0:delta:board)',1,2),'k'); hold on;
                    plot(repmat((0:delta:board)',1,2),[0 board],'k'); axis tight; axis square;
                    title('Haar矩形遍历演示');xlabel('x');ylabel('y');
                   
                    plot(repmat(Px,2,1),repmat(Py',1,length(Px)),'r','LineWidth',3);
                    plot(repmat([Px(1) Px(end)]',1,2),repmat(Py,2,1),'r','LineWidth',3); hold off
                    pause(time)
                end
               
            end
        end
       
    end
end
NUM

%% Haar特征6：上下白，中间黑(2倍宽度),(s,t)=(4,1)

s = 4;
t = 1;
R = s:s:floor(num/s)*s;                                 % Haar窗口高
C = t:t:floor(num/t)*t;                                 % Haar窗口宽
NUM = 0;                                                % Haar特征总数

'---- Haar特征6：上下白，中间黑(2倍宽度),(s,t)=(4,1) ---'
for I = 1:length(R)
    for J = 1:length(C)
       
        r = R(I)*delta;                                  % Haar窗口高
        c = C(J)*delta;                                 % Haar窗口宽
        nr = num-R(I)+1;                                 % 行方向移动个数
        nc = num-C(J)+1;                                 % 列方向移动个数
       
        Px0 = [0 r/4 r*3/4 r];                           % 矩形坐标初始化
        Py0 = [0 c];
        for i = 1:nr
            for j = 1:nc
                Px = Px0+(i-1)*delta;                    % 滑动取点
                Py = Py0+(j-1)*delta;
                NUM = NUM+1;

                if show
                    plot([0 board],repmat((0:delta:board)',1,2),'k'); hold on;
                    plot(repmat((0:delta:board)',1,2),[0 board],'k'); axis tight; axis square;
                    title('Haar矩形遍历演示');xlabel('x');ylabel('y');
                   
                    plot(repmat(Px,2,1),repmat(Py',1,length(Px)),'r','LineWidth',3);
                    plot(repmat([Px(1) Px(end)]',1,2),repmat(Py,2,1),'r','LineWidth',3); hold off
                    pause(time)
                end
               
            end
        end
       
    end
end
NUM

%% Haar特征7：左上右下白，其它黑,(s,s)=(2,2)


s = 2;
t = 2;
R = s:s:floor(num/s)*s;                                 % Haar窗口高
C = t:t:floor(num/t)*t;                                 % Haar窗口宽
NUM = 0;                                                % Haar特征总数

'---- Haar特征7：左上右下白，其它黑,(s,s)=(2,2) ---'
for I = 1:length(R)
    for J = 1:length(C)
       
        r = R(I)*delta;                                  % Haar窗口高
        c = C(J)*delta;                                  % Haar窗口高
        nr = num-R(I)+1;                                 % 行方向移动个数
        nc = num-C(J)+1;                                 % 行方向移动个数
       
        Px0 = [0 r/2 r];                           % 矩形坐标初始化
        Py0 = [0 c/2 c];                           % 矩形坐标初始化
        for i = 1:nr
            for j = 1:nc
                Px = Px0+(i-1)*delta;                    % 滑动取点
                Py = Py0+(j-1)*delta;
                NUM = NUM+1;
               
                if show
                    plot([0 board],repmat((0:delta:board)',1,2),'k'); hold on;
                    plot(repmat((0:delta:board)',1,2),[0 board],'k'); axis tight; axis square;
                    title('Haar矩形遍历演示');xlabel('x');ylabel('y');
                   
                    plot(repmat(Px,3,1),repmat(Py',1,length(Px)),'r','LineWidth',3);
                    plot(repmat([Px(1) Px(end)]',1,3),repmat(Py,2,1),'r','LineWidth',3); hold off
                    pause(time)
                end
               
            end
        end
       
    end
end
NUM

%% Haar特征8：四周白，中间黑,(s,s)=(3,3)

s = 3;
t = 3;
R = s:s:floor(num/s)*s;                                 % Haar窗口高
C = t:t:floor(num/t)*t;                                 % Haar窗口宽
NUM = 0;                                                % Haar特征总数

'---- Haar特征8：四周白，中间黑,(s,s)=(3,3) ---'
for I = 1:length(R)
    for J = 1:length(C)
       
        r = R(I)*delta;                                  % Haar窗口高
        c = C(J)*delta;                                  % Haar窗口高
        nr = num-R(I)+1;                                 % 行方向移动个数
        nc = num-C(J)+1;                                 % 行方向移动个数
       
        Px0 = [0 r/3 r*2/3 r];                           % 矩形坐标初始化
        Py0 = [0 c/3 c*2/3 c];                           % 矩形坐标初始化
        for i = 1:nr
            for j = 1:nc
                Px = Px0+(i-1)*delta;                    % 滑动取点
                Py = Py0+(j-1)*delta;
                NUM = NUM+1;
               
                if show
                    plot([0 board],repmat((0:delta:board)',1,2),'k'); hold on;
                    plot(repmat((0:delta:board)',1,2),[0 board],'k'); axis tight; axis square;
                    title('Haar矩形遍历演示');xlabel('x');ylabel('y');
                   
                    plot(repmat(Px,4,1),repmat(Py',1,length(Px)),'r','LineWidth',3);
                    plot(repmat([Px(1) Px(end)]',1,4),repmat(Py,2,1),'r','LineWidth',3); hold off
                    pause(time)
                end
               
            end
        end
       
    end
end

在这里插入图片描述

「已注销」
关注
  • 2
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
matlab中haar特征提取
05-06
matlab中haar特征提取，包括计算积分图，补0操作，和利用积分图计算haar特征
haar特征提取代码 MATLAB版
12-26
计算机视觉 目标追踪 haar特征提取代码 MATLAB版
基于haarlike特征提取和Adaboost 的红绿灯/人行道检测识别matlab仿真
FPGA/MATLAB学习教程/源码/项目合作开发
10-05 1427
AdaBoost是Adaptive Boosting（自适应增强）的缩写，它的自适应在于：被前一个基本分类器误分类的样本的权值会增大，而正确分类的样本的权值会减小，并再次用来训练下一个基本分类器。积分图算法就是保证在对图像的一次遍历过程中实现全部特征计算的方法。积分图的计算方法采用了动态规划的思想，其总体思路是将输入图像从起点（通常为左上角点）开始到任一点所构成的矩形区域内的像素和保存在数组中，而当需要计算任意矩形范围的像素和时，直接从数组中以 O(1)的时间读取所需数据，通过简单的加减法计算而得到。
fdtool.zip_Haar 人脸 matlab_haar 特征 matlab_haar特征_人脸标识_人脸识别haar
07-15
利用局部二位模式和haar特征进行人脸或目标识别。
matlab计算机视觉与机器认知,MATLAB计算机视觉与机器认知/MATLAB & Simulink开发实例系列丛书...
weixin_36294852的博客
03-26 498
导语内容提要王文峰、阮俊虎、CV-MATH主编的《MATLAB计算机视觉与机器认知》是一本用MATLAB演示计算机视觉原理的基础理论著作，从初等的视频图像转换入手，层层递进，理论与实战并重但侧重于实战，借助混合编程及图形用户界面(GUI)设计，以简洁的方式展现了有一定挑战性的视频识别、目标跟踪、行为分析等关键视觉技术；同时扩展到机器认知层面，介绍仪器字符识别、机器故障诊断等有趣的应用，使读者可以在...
图像的Haar小波变换Matlab
yh13572438258的博客
04-02 3497
小波变换步骤： 1.把小波w(t)和原函数f(t)的开始部分进行比较，计算系数C。系数C表示该部分函数与小波的相似程度。 2.把小波向右移k单位，得到小波w(t-k)，重复1。重复该步骤直至函数f结束. 3.扩展小波w(t)，得到小波w(t/2)，重复步骤1,2. 4.不断扩展小波，重复1,2,3. 我这里使用的haar小波，缩放函数是[1 1]，小波函数是[1 -1]。是最简单的小波了。 ...
Haar小波变换：matlab代码用于二维Haar变换。-matlab开发
05-30
该程序给出了 Haar 2D 变换的输出。 打开 main.m 文件并运行该程序，您将看到 Haar 的 GUI 选择浏览图像并选择任何尺寸的图像。 单击 Press for haar，您可以使用给定的金字塔变换图像。 通过单击“按 LL 分量”，您只能看到 Haar 变换的 LL 分量。
图像边缘检测及提取方法总结（含Matlab代码）
热门推荐
计算机幻觉：）
03-26 11万+
写在前面 　　呼~最近开始入坑图像+机器学习了，学习的过程中遇到了不少不懂的东西，好在自学能力还可以（自恋中= =），所以断断续续也算学会了一些东西~因为这段时间一直在做边缘检测和提取的工作，所以本篇就总结一下一些常见的边缘检测方法，篇幅较长，可按点查看~ 名词解释 　　图像处理中经常用到一些名词，以下列举一些： 1. 滤波 　　所谓滤波就是对每个像素点及其邻域点的灰度值按照一定的参...
关于人脸检测中的Haar特征提取
liulina603的专栏
11-29 1万+
影响AdaBoost人脸检测训练算法速度很重要的两方面是特征选取和特征计算。选取的特征为矩特征为Haar特征，计算的方法为积分图。 （1）Haar特征：     Haar特征分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。在确定了特征形式后 Harr- like特征的数量就取决于训练样本
图像特征提取代码（HOG、LBP、Haar、Hu矩、Zernike矩）
11-11
图像特征提取代码，包括LBP、HOG、Haar、Zernike矩、Hu矩特征，.h文件有如何调用的详细说明，C/OpenCV程序
TransformSparsify.rar_haar变换 matlab
07-15
Haar小波变换，还有其他的相关变换TransformSparsify.m
haar特征提取 matlab
03-04
本文档仅仅是一个提取HAAR特征的过程，没有加入adaboost训练器，有需要的可以下载仿真一下。仅供参考，不作科研使用
matlab实现haar小波分解
05-01
从源代码的角度实现了小波的haar分解，有利于初学者对小波分解的理解，不单纯的使用matlab wavelet工具箱
haar人脸 人眼检测 MATLAB
03-16
用haar算法，在MATLAB中实现对图像库中图片的自动检测人脸以及人眼并标记，注释详细。
haar_test.zip_Haar特征提取_haar-like_haar特征提取演示
09-21
演示haar-like特征提取过程，将其可视化
hang.rar_haar_haar matlab_haar-like_matlab haar _wavelet matlab
07-15
haar小波变换行分解程序行分解是最基本的了 只要学会了它 其他的自己就会了
Face-Detection-with-Adaboost-master_haar-like级联人脸检测代码_haar人脸检测_源
09-11
基于haar-like级联特征的人脸检测算法，可以直接使用，有一定的抗旋转干扰能力。
倾斜haar-like feature计算
01-18
网上只有水平或竖直情况的矩形haar-like feature，而这个代码是倾斜情况下，haar-like feature，虽然代码简单，但是要弄懂其中算法要花不少时间。为了节省同道中人的时间，我将这个代码共享。感谢Rainer Lienhart的...
haar.rar_haar_haar matl_haar-like_haar特征_matlab 提取haar
07-14
haar特征的提取，包括六种haar特征，再别人代码的基础上改进的，希望对大家有帮助。
python 提取haar特征
最新发布
06-03
在Python中，可以使用OpenCV库的 `cv2.CascadeClassifier` 类来进行人脸检测，它使用的是基于Haar特征的级联分类器。而这个级联分类器的训练需要用到Haar特征。下面是如何提取Haar特征的步骤： 1. 安装OpenCV库。可以使用 `pip install opencv-python` 命令进行安装。 2. 下载Haar特征文件。可以在OpenCV官方网站上下载 `haarcascade_frontalface_default.xml` 文件，该文件包含了用于检测人脸的Haar特征。 3. 加载Haar特征文件。可以使用 `cv2.CascadeClassifier` 类加载Haar特征文件。 ```python import cv2 # 加载Haar特征文件 face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') ``` 4. 加载图像。可以使用 `cv2.imread` 函数加载图像。 ```python # 加载图像 img = cv2.imread('test.jpg') ``` 5. 将图像转换为灰度图像。Haar特征是基于灰度图像的，因此需要将彩色图像转换为灰度图像。 ```python # 将图像转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ``` 6. 检测人脸。可以使用 `detectMultiScale` 函数检测图像中的人脸。该函数可以检测多个不同大小的人脸。 ```python # 检测人脸 faces = face_cascade.detectMultiScale(gray, 1.3, 5) ``` 7. 遍历检测到的人脸列表，并在图像上绘制出矩形框。 ```python # 在图像上绘制人脸矩形框 for (x,y,w,h) in faces: cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2) ``` 完整代码如下： ```python import cv2 # 加载Haar特征文件 face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') # 加载图像 img = cv2.imread('test.jpg') # 将图像转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 检测人脸 faces = face_cascade.detectMultiScale(gray, 1.3, 5) # 在图像上绘制人脸矩形框 for (x,y,w,h) in faces: cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2) # 显示图像 cv2.imshow('img',img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 需要注意的是，Haar特征的提取是训练Haar分类器的过程，而不是在Python中提取Haar特征。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值