用matlab实现头盔检测系统_matlab头盔检测-CSDN博客

本文链接：https://blog.csdn.net/m0_67250370/article/details/135609990

以下是代码展示部分，但代码实现仅仅只从颜色这一个角度进行，原本我想做一个颜色头盔检测计数系统的。如果是想要实现是否佩戴头盔的检测，可以只从形状检测这一角度进行思考即可

function detectHelmetWithUI()
    % 创建一个图形窗口
    fig = uifigure('Name', 'Helmet Detection');

    % 创建一个按钮用于选择图像文件
    btn = uibutton(fig, 'push', 'Text', '选择图像', 'Position', [10 10 100 22], 'ButtonPushedFcn', @(btn,event)selectImage());

    function selectImage()
        % 显示文件选择对话框
        [file, path] = uigetfile({'*.jpg;*.png;*.bmp', '图像文件 (*.jpg, *.png, *.bmp)'}, '选择图像文件');

        % 如果用户取消选择，则返回
        if isequal(file, 0)
            return;
        end

        % 读取选定的图像文件
        imagePath = fullfile(path, file);

        % 调用检测头盔的函数
        detectHelmet(imagePath);
    end
    function histValues = myImhist(grayImg)
    % 获取图像的尺寸
    [height, width] = size(grayImg);
    
    % 初始化直方图
    histValues = zeros(256, 1);
    
    % 计算直方图
    for i = 1:height
        for j = 1:width
            % 获取当前像素的灰度值
            grayVal = grayImg(i, j) + 1; % 加一是为了将像素值从 0-255 映射到 1-256
            
            % 更新直方图统计
            histValues(grayVal) = histValues(grayVal) + 1;
        end
    end
end

    function enhancedImg = myHisteq(img)
    % 将彩色图像转换为灰度图像
    grayImg = myRgb2Gray(img);
    
    % 计算输入图像的直方图
    histValues = myImhist(grayImg);
    
    % 计算累积直方图
    cdf = cumsum(histValues) / numel(grayImg);
    
    % 对原始图像进行像素值映射
    enhancedImg = uint8(255 * cdf(double(grayImg) + 1));
    end

    function grayImg = myRgb2Gray(img)
    % 获取图像的尺寸和通道数
    [height, width, numChannels] = size(img);
    
    % 初始化灰度图像
    grayImg = zeros(height, width, 'uint8');
    
    % 对于每个像素，计算出其灰度值
    for i = 1:height
        for j = 1:width
            % 获取当前像素的 RGB 分量
            R = double(img(i, j, 1));
            G = double(img(i, j, 2));
            B = double(img(i, j, 3));
            
            % 计算灰度值
            grayVal = 0.2989 * R + 0.5870 * G + 0.1140 * B;
            
            % 将灰度值保存到灰度图像中
            grayImg(i, j) = uint8(grayVal);
        end
    end
    end

    function threshold = myGraythresh(enhancedImg)
    % 获取图像的尺寸
    [height, width] = size(enhancedImg);
    
    % 统计图像中每个灰度级别的像素个数
    pixelCounts = imhist(enhancedImg);
    
    % 计算每个灰度级别的概率密度
    probabilities = pixelCounts / (height * width);
    
    % 初始化类间方差和最佳阈值
    maxVariance = 0;
    threshold = 0;
    
    % 遍历灰度级别，计算类间方差
    for i = 2:256
        % 分割前景和背景
        foregroundProb = sum(probabilities(1:i));
        backgroundProb = sum(probabilities(i+1:end));
        
        % 计算类间方差
        variance = foregroundProb * backgroundProb * ((mean(enhancedImg(1:i)) - mean(enhancedImg(i+1:end)))^2);
        
        % 更新最大类间方差和阈值
        if variance > maxVariance
            maxVariance = variance;
            threshold = i - 1; % 减一是为了将像素值从 1-256 映射到 0-255
        end
    end
    end

    function binaryImg = myImbinarize(enhancedImg, threshold)
    % 创建与输入图像同样大小的二值化图像
    binaryImg = zeros(size(enhancedImg));
    
    % 遍历输入图像的每个像素，根据阈值进行二值化
    for i = 1:size(enhancedImg, 1)
        for j = 1:size(enhancedImg, 2)
            if enhancedImg(i, j) >= threshold
                binaryImg(i, j) = 1;
            end
        end
    end
    end

    function outputImg = myBwareaopen(binaryImg, minArea)
    % 标记连通区域
    labeledImg = bwlabel(binaryImg);
    
    % 获取每个连通区域的面积
    stats = regionprops(labeledImg, 'Area');
    
    % 创建同样大小的输出图像
    outputImg = zeros(size(binaryImg));
    
    % 根据面积阈值进行过滤
    for i = 1:numel(stats)
        if stats(i).Area >= minArea
            % 将满足条件的连通区域添加到输出图像中
            outputImg = outputImg | (labeledImg == i);
        end
    end
end

    function detectHelmet(imagePath)
        % 读取图像
        img = imread(imagePath);

        % 图像预处理：直方图增强
        enhancedImg = myHisteq(img);

        % 图像分割
        threshold = myGraythresh(enhancedImg);
        binaryImg = myImbinarize(enhancedImg, threshold);

        % 过滤微小连通域
        filteredImg = myBwareaopen(binaryImg, 100);

        % 颜色识别
        hsvImg = rgb2hsv(img);
        mask = (hsvImg(:,:,1) >= 0.95 | hsvImg(:,:,1) <= 0.05) &...
               hsvImg(:,:,2) >= 0.5 &...
               hsvImg(:,:,3) >= 0.5;

        % 结果显示
        figure;
        subplot(1, 3, 1);
        imshow(img);
        title('Original Image');

        subplot(1, 3, 2);
        imshow(filteredImg);
        title('Segmented Image');

        subplot(1, 3, 3);
        imshow(mask);
        title('Color Mask');

        % 检测结果判断
        helmetDetected = any(mask(:));

        if helmetDetected
            disp('此人佩戴头盔');
        else
            disp('此人未佩戴头盔');
        end
    end
end

这是对图像进行的预处理