matlab 职坐标,机器人之【机器视觉与图像处理】基于MATLAB的圆检测、颜色识别、数字识别...

本文主要向大家介绍了机器人之【机器视觉与图像处理】基于MATLAB的圆检测、颜色识别、数字识别，通过具体的内容向大家展现，希望对大家学习机器人有所帮助。

对产品中心的检测：设置好路径之后，包含关系是在main(相关代码见我以前的一篇文章【机器视觉与图像处理】基于MATLAB+Hough的圆检测)中调用hough_circle.m

示例如下：

> main

---------------圆统计----------------检测出1个圆圆心     半径1 (528，728)  509Warning: Image is too big to fit on screen; displaying at 67%

In images.internal.initSize (line 71)In imshow (line 332)In main (line 55)

对于闷头的中心的检测、颜色识别，以及数字的识别设置好路径后，包含关系是：MenTou_Color_Number_Detection调用 Color_Depart.m和Tiao.m，

示例如下：

>MenTou_Color_Number_Detection---------------圆统计----------------检测出1个圆圆心     半径1 (72，72)  60

检测出的颜色R:255

检测出的颜色G:227

检测出的颜色B:61

数字是：11

在本次课程设计中，因为数字识别较为困难，所以改为条形码识别。分别设置1到15条长间隔相同宽度相同的条形码(示例如下)：

在程序中将其转化为二值化图像之后具有良好的识别效果。以上图的11条形码来进行检测迅速得出结果是11。

当然这种用法，我们需要满足一定的假设。首先是闷头上面不应该有杂质或者是别的会影响检测误差的因素。这一点需要工作人员手工实现。另外，我们对照片的要求质量比较高，所以可以采用一个光电门检测产品是否到来。当闷头中心正对镜头的时候拍照最好。

另外就是我们识别出来的颜色是以RGB 三原色来表示，所以在设计过程中需要首先录入15种预设颜色的RGB参数。然后获得当前参数后进行比对即可获得产品颜色数据。

下面是MenTou_Color_Number_Detection.m的代码：

% 文件1 MenTou_Color_Number_Detection.m  clc;clear;  S = imread('/Users/zhangzhaobo/program/MATLAB/Machine_vision/mentou.jpg');  circleParaXYR=[];  %取整张图的三维尺寸[m,n,l] = size(S);  % 通过判断对象类型来决定是否转化为灰度图if l>1      I = rgb2gray(S); else    I=Send  %采用sobel算子来进行边缘检测BW = edge(I,'sobel');  [m,n]=size(BW);% 步长为1，即每次检测的时候增加的半径长度step_r = 1;  %检测的时候每次转过的角度step_angle = 0.1; % 对检测的圆的大小范围预估，在实际项目中因为产品大小固定，所以可以给定较小范围，提高运行速度 minr = 55;  maxr = 70;  % 自动取最优的灰度阈值thresh = graythresh(I);  % 调用hough_circle函数进行霍夫变换检测圆[hough_space,hough_circle,para] = hough_circle(BW,step_r,step_angle,minr,maxr,thresh);   figure(1),imshow(I),title('原图')   figure(2),imshow(BW),title('边缘')   figure(3),imshow(hough_circle),title('检测结果')  circleParaXYR=para;  %输出  fprintf(1,'\n---------------圆统计----------------\n');  [r,c]=size(circleParaXYR); % r=size(circleParaXYR,1);  fprintf(1,'  检测出%d个圆\n',r); % 圆的个数  fprintf(1,'  圆心     半径\n'); % 圆的个数  for n=1:r  %     x0=floor(circleParaXYR(n,1));%     y0=floor(circleParaXYR(n,2));%     if x0>0.25*m && x0<0.75*m && y0>0.25*n && y0<0.75*n        fprintf(1,'%d (%d，%d)  %d\n',n,floor(circleParaXYR(n,1)),floor(circleParaXYR(n,2)),floor(circleParaXYR(n,3))); %    endend  %标出圆   figure(4),imshow(I),title('检测出图中的圆')  %figure(1),imshow(I),title('检测出图中的圆')  hold on;  plot(circleParaXYR(:,2), circleParaXYR(:,1), 'r+');  for k = 1 : r %size(circleParaXYR, 1)      t=0:0.01*pi:2*pi;      x=cos(t).*circleParaXYR(k,3)+circleParaXYR(k,2);    y=sin(t).*circleParaXYR(k,3)+circleParaXYR(k,1);      plot(x,y,'r');  end  x0=circleParaXYR(1,1);y0=circleParaXYR(1,2);r=circleParaXYR(1,3);[Rr,Gg,Bb]=Color_Depart(S,x0,y0,r);fprintf('\n检测出的颜色R:%d\n',int32(Rr)); % fprintf('  \n检测出的颜色G:%d\n',Gg); %   fprintf('  \n检测出的颜色B:%d\n',Bb); % num=[];for k=1:11    num(k)=Tiao(S,x0+5-k,y0,r);endfprintf('\n数字是：%d',mode(num));% 条纹的个数  fprintf('\n');

下面是Color_Depart.m的代码：

function [R,G,B]=Color_Depart(I,x0,y0,r)% I=imread('Alan_Walker.jpg');n=r-10;for k=1:1000    a = round(x0+(cos(pi/1000*k))*n);    b = round(y0+(sin(pi/1000*k))*n);    A(k)=I(a,b,1);    X(k)=I(a,b,2);    C(k)=I(a,b,3);endR=mode(A);G=mode(X);B=mode(C);

下面是Tiao.m的代码：

function [number]=Tiao(bw,x0,y0,r)bw=im2bw(bw);% [m,n]=size(bw);number=0;count=0;for s=y0-r*0.8:y0+r*0.8    if bw(x0,s)==0        count=count+1;    end    if count>2 && bw(x0,s)==1 && bw(x0,s+2)==1        count=0;        number=number+1;    endend% return number

说明：Tiao.m与Color_Depart.m都是在MenTou_Color_Number_Detection.m中调用，所以把这些文件全部建立丢到一个文件夹下，设置为工作路径即可按照开头的说明直接用了。

既然都到这儿了，顺手把图贴出来吧！！

顺便放点我们组另外的大腿做的三维动画的设计(13个人一组，我做了算法，另一个大腿做了建模和动画，其他11个，都是挂件~沃日)

正文之后

好吧，之所把程序说明写上来，是因为，我在等上传！太多了东西！！！

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能智能机器人频道！