【圖像檢測(cè)】基于計(jì)算機(jī)視覺實(shí)現(xiàn)教室人數(shù)統(tǒng)計(jì)附matlab代碼
【圖像檢測(cè)】基于計(jì)算機(jī)視覺實(shí)現(xiàn)教室人數(shù)統(tǒng)計(jì)附matlab代碼
TT_Matlab
博主簡(jiǎn)介：擅長(zhǎng)智能優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)、信號(hào)處理、元胞自動(dòng)機(jī)、圖像處理、路徑規(guī)劃、無人機(jī)等多種領(lǐng)域的Matlab仿真，完整matlab代碼或者程序定制加qq1575304183。
1 內(nèi)容介紹
計(jì)算機(jī)視覺檢測(cè)技術(shù)是檢測(cè)技術(shù)中一個(gè)新興的應(yīng)用方向和備受關(guān)注的前沿課題,是計(jì)算機(jī)技術(shù)、模式識(shí)別、檢測(cè)技術(shù)、數(shù)字圖像處理、人工智能等多門學(xué)科的結(jié)晶。如今,計(jì)算機(jī)視覺檢測(cè)技術(shù)正在向更智能化的方向發(fā)展,即不需要人為干預(yù),即可利用圖像處理、模式識(shí)別等方法,獲取一定區(qū)域內(nèi)的信息并自動(dòng)分析,實(shí)現(xiàn)對(duì)場(chǎng)景內(nèi)目標(biāo)的識(shí)別、定位甚至跟蹤,得出對(duì)圖像內(nèi)容含義以及客觀場(chǎng)景的理解,最終給出檢測(cè)結(jié)果。
2 部分代碼
function im=LightCompensate(I)
[m0,n0,l]=size(I);
%figure,imshow(I)
thresholdco=0.05; %比例系數(shù)
thresholdnum=100; %像素個(gè)數(shù)的臨界常數(shù)
histogram=zeros(1,256); %灰度級(jí) 數(shù)組
if m0*n0*thresholdco<thresholdnum
disp(’輸入圖像太小，請(qǐng)換一張！’);
return
end
gray=0;
index0=0;
for i=1:m0 %scan image
for j=1:n0
gray=round(I(i,j,1)*.299+I(i,j,2)*.587+I(i,j,3)*.114);
index0=gray+1;
histogram(1,index0)= histogram(1,index0)+1;
end
end
calnum=0;
total=m0*n0;
num=0;
%next獲得滿足系數(shù)thresholdco的臨界灰度級(jí)
index1=0;
for i=1:256
if calnum/total<thresholdco
index1=256-i+1;
calnum=calnum+histogram(1,index1);
num=i;
else
break;
end
end
averagegray=0;
calnum=0;
k=256-num+1;
% 獲得滿足條件的像素總的灰度值
for i=256:-1:k
averagegray=averagegray+histogram(1,i)*i;
calnum=calnum+histogram(1,i);
end
averagegray=averagegray/calnum;
co=255.0/averagegray;
%進(jìn)行光線補(bǔ)償
for i=1:m0
for j=1:n0
I(i,j,1)=I(i,j,1)*co;
if I(i,j,1)>255
I(i,j,1)=255;
end
I(i,j,2)=I(i,j,2)*co;
if I(i,j,2)>255
I(i,j,2)=255;
end
I(i,j,3)=I(i,j,3)*co;
if I(i,j,3)>255
I(i,j,3)=255;
end
end
end
im=zeros(m0,n0,l);
im=I; %
3 運(yùn)行結(jié)果
4 參考文獻(xiàn)
[1]張宇洋. 基于計(jì)算機(jī)視覺檢測(cè)技術(shù)的候梯人數(shù)檢測(cè)系統(tǒng)[D]. 上海交通大學(xué).