【图像检测】基于最小二乘算法拟合椭圆matlab代码

最新推荐文章于 2022-05-26 20:55:50 发布

Matlab科研辅导帮

最新推荐文章于 2022-05-26 20:55:50 发布

阅读量891

点赞数 1

分类专栏：图像处理文章标签：算法 matlab 开发语言

本文链接：https://blog.csdn.net/m0_60703264/article/details/121259676

版权

图像处理专栏收录该内容

585 篇文章 72 订阅

订阅专栏

1 简介

研究了一种基于最小二乘的不完整椭圆拟合算法.基于几何距离的拟合算法可达到较高的拟合精度,但迭代过程敏感于初始条件;由于不完整的椭圆样本点及噪声的存在,简单线性拟合方法可能使拟合结果退化为开放的双曲线,引起拟合失败,基于椭圆约束的代数距离拟合方法可保证拟合结果一定是椭圆,从而为迭代提供适当的初值;利用多个待估计椭圆参数之间的相互约束,即使非常短的椭圆弧也可得到稳定的拟合结果.仿真结果与实际图像应用验证了算法的有效性.

2 部分代码

clc;
clear all;
im=imread('1.jpg');
im0=rgb2gray(im);%变彩色为黑白
im1=medfilt2(im0,[3 3]);%中值滤波函数
BW = edge(im1,'sobel'); %边缘检测，边缘为1，其余为0
[imx,imy]=size(BW);%获取矩阵行数和列数
L = bwlabel(BW,8);% Calculating connected components
mx=max(max(L))
% There will be mx connected components.Here U can give a value between 1 and mx for L or in a loop you can extract all connected components
% If you are using the attached car image, by giving 1,2，3 to L you can extract the number plate completely.
[r,c] = find(L==3); 
rc = [r c];
[sx sy]=size(rc);
n1=ones(imx,imy);%zeros
for i=1:sx
   x1=rc(i,1);
   y1=rc(i,2);
   n1(x1,y1)=0;
end % Storing the extracted image in an array
figure,imshow(n1);
title('边缘提取');
[S]=ellipsefit(c,r)
a=S.Phi;
jdg(S.Xc,S.Yc,S.A,S.B,a,n1)%plot ellipse