热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

使用matlab根据液体扩散图片分析其对应的等浓度线

目录一、理论基础二、核心程序三、仿真测试结果作者ID:fpga和matlabCSDN主页:https:blog.csdn.netccsss22?typeblog擅长技术:1.无线基

目录

一、理论基础

二、核心程序

三、仿真测试结果

作者ID :fpga和matlab
CSDN主页:https://blog.csdn.net/ccsss22?type=blog
擅长技术:
1.无线基带,无线图传,编解码
2.机器视觉,图像处理,三维重建
3.人工智能,深度学习
4.智能控制,智能优化
5.其他


一、理论基础

第一步:图像预处理。滤波,光照不均匀处理等等。

一般对于光泽处理我们采用同态滤波的方法来实现,这里图像预处理主要就是光照不均匀的处理。现实中我们得到的图片,其动态范围很大,而我们感兴趣的部分的灰度又很暗,图像细节没有办法辨认,采用一般的灰度级线性变换法是不行的。图像的同态滤波属于图像频率域处理范畴,其作用是对图像灰度范围进行调整,通过消除图像上照明不均的问题,增强暗区的图像细节,同时又不损失亮区的图像细节.分辨不清的图像用同态滤波器处理后,图像画面亮度比较均匀,细节得以增强。

第二步:去本底。提取红色液体,排除背景的影响。建议:从色度方面考虑,色度的原理大致要说明。

这里我们采用HSV提取色度。其代码更为简单。

phsv = rgb2hsv(I1);

ph = phsv(:,:,1); % 取H分量

ps = phsv(:,:,2); % 取S分量

pv = phsv(:,:,3); % 取V分量

%=====================================================================

figure;

subplot(221);subimage(I1); colorbar; %显示原rgb图像

Xlabel('(a) rgb图像','FontSize',14,'FontName','隶书','color','b');

subplot(222);subimage(ph); colorbar; %显示色调分量图像

Xlabel('(b) 色调分量图像','FontSize',14,'FontName','隶书','color','b');

subplot(223);subimage(ps); colorbar; %显示饱和度分量图像

Xlabel('(c) 饱和度分量图像','FontSize',14,'FontName','隶书','color','b');

subplot(224);subimage(pv); colorbar; %显示亮度分量图像

Xlabel('(d) 亮度分量图像','FontSize',14,'FontName','隶书','color','b');

第三步:等浓度线图,填充颜色,根据等浓度线得出我给的EZ,EY值,用相同情况下的图片验证EZ,EY值的正确性。

 

 

 

 

 

 

 

 


二、核心程序

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。
[R,C,K]= size(I);
if R == 1080
R2 = 900;
end
if R <1080
R2 = R;
end
step = 5;%大的图片设置为5;
%第一步
%第一步
%第一步:图像预处理。滤波,光照不均匀处理等等。(用均值和中值滤波之外的方法,
% 至少两种滤波方法和两种光照不均匀处理的方法)。
%采用同态滤波
I1=tongtai(I,1,0.4,R2,C);
% pause(2)%暂停3秒钟后关闭第一步的处理图片;
% close all;
% % 顺序统计滤波
% Ri=I(:,:,1);
% Gi=I(:,:,2);
% Bi=I(:,:,3);
%
% Rpstatistic=mystatistic(Ri);
% Gpstatistic=mystatistic(Gi);
% Bpstatistic=mystatistic(Bi);
%
% I1(:,:,1)=Rpstatistic(:,:);
% I1(:,:,2)=Gpstatistic(:,:);
% I1(:,:,3)=Bpstatistic(:,:);
% imshow(I1)
%第二步
%第二步
%第二步:去本底。提取红色液体,排除背景的影响。
%通过对比,可以看到G图像对应的液体的视觉效果比较明显,所以我们通过对G图像进行处理得到液体的范围;
%这里有两种方法供使用,我们采用的是HSV法。
%这里有两种方法供使用,我们采用的是HSV法。
%这里有两种方法供使用,我们采用的是HSV法。
%第一种方法,采用的是腐蚀的方法提起图片;
% % % I2=im2double(I1);%将A转换成double型
% % % R=I2(:,:,1);
% % % G=I2(:,:,2);
% % % B=I2(:,:,3);
% % % fuzhuo(I1,G);
%==========================================================================
%第二种方法是采用HSV提取液体所在的图片
phsv = rgb2hsv(I1);
ph = phsv(:,:,1); % 取H分量
ps = phsv(:,:,2); % 取S分量
pv = phsv(:,:,3); % 取V分量
%==========================================================================
figure;
subplot(221);subimage(I1); colorbar; %显示原rgb图像
Xlabel('(a) rgb图像','FontSize',14,'FontName','隶书','color','b');
subplot(222);subimage(ph); colorbar; %显示色调分量图像
Xlabel('(b) 色调分量图像','FontSize',14,'FontName','隶书','color','b');
subplot(223);subimage(ps); colorbar; %显示饱和度分量图像
Xlabel('(c) 饱和度分量图像','FontSize',14,'FontName','隶书','color','b');
subplot(224);subimage(pv); colorbar; %显示亮度分量图像
Xlabel('(d) 亮度分量图像','FontSize',14,'FontName','隶书','color','b');
%液体的提取
%途中白色部分为液体的浓度变化
for i = 1:R2
for j = 1:C
if ps(i,j)<0.4
ps_tmp(i,j) = 0;
end
if ps(i,j)>0.4
ps_tmp(i,j) = ps(i,j);
end
end
end
figure
imshow(ps_tmp)
for i = 1:R2
for j = 1:C
ps_tmp2(i,j) = ps_tmp(i,j);
end
end
figure
imshow(ps_tmp2)
p1 = fushi2(ps_tmp2);%液体的浓度变换灰度图的腐蚀处理
% pause(2)%暂停3秒钟后关闭第一步的处理图片;
% close all;
% 第三步:等浓度线
% 第三步:等浓度线
% 第三步:等浓度线
for i = 1:R2
for j = 1:C
if p1(i,j)>0
if p1(i,j)<=0.2
nongdu(i,j,1) = 0;
nongdu(i,j,2) = 0;
nongdu(i,j,3) = 0;
end
end
if p1(i,j)>0.2
if p1(i,j)<=0.4
nongdu(i,j,1) = 255;
nongdu(i,j,2) = 255;
nongdu(i,j,3) = 0;
end
end
if p1(i,j)>0.4
if p1(i,j)<=0.6
nongdu(i,j,1) = 255;
nongdu(i,j,2) = 0;
nongdu(i,j,3) = 0;
end
end
if p1(i,j)>0.6
if p1(i,j)<=0.8
nongdu(i,j,1) = 0;
nongdu(i,j,2) = 0;
nongdu(i,j,3) = 255;
end
end
if p1(i,j)>0.8
if p1(i,j)<=1
nongdu(i,j,1) = 0;
nongdu(i,j,2) = 255;
nongdu(i,j,3) = 0;
end
end
if p1(i,j)==0
nongdu(i,j,1) = 0;
nongdu(i,j,2) = 0;
nongdu(i,j,3) = 0;
end
end
end
figure;
imshow(nongdu);
%第四步:梯度处理。
%第四步:梯度处理。
%第四步:梯度处理。
[Gx,Gy]=gradient(ps_tmp2); % 计算梯度
figure,imshow(Gx);
figure,imshow(Gy);
% G=sqrt(Gx.*Gx+Gy.*Gy); % 注意是矩阵点乘
% J1=G;
% figure,imshow(J1,map); % 第一种图像增强
%为了节约计算速率,这里每5个点计算一次
u = 1:step:R2;
v = 1:step:C;
for i=1:R2
for j=1:C
Gx2(i,j)=Gx(R2+1-i,j);
Gy2(i,j)=Gy(R2+1-i,j);
end
end
for i=1:R2
for j=1:C
ps_tmp22(i,j)=ps_tmp2(R2+1-i,j);
end
end
figure;quiver ( v,u,Gx2(1:step:R2,1:step:C),Gy2(1:step:R2,1:step:C) );
figure;contour( v,u,ps_tmp22(1:step:R2,1:step:C) );
u = 1:step:R2;
v = 1:step:C;
figure;contour( v,u,ps_tmp22(1:step:R2,1:step:C) );hold on;
quiver ( v,u,Gx2(1:step:R2,1:step:C),Gy2(1:step:R2,1:step:C) );
% pause(3)%暂停3秒钟后关闭第一步的处理图片;
% close all;
%第五步:旋度图。
[u v] = meshgrid(1:step:C,1:step:R2);
cav = curl(ps_tmp2(1:step:R2,1:step:C),v);
for i=1:R2/step
for j=1:C/step
cav2(i,j)=cav(R2/step-i+1,j);
end
end
figure;contour(v,u,cav2);
pcolor(u,v,cav2); shading interp;
colormap copper;
% hold on;
% quiver(ps_tmp2,ps_tmp2,u,v,'y');
%第六步:散度图。
figure
k=curvature_central(ps_tmp2);
imshow(k);
u = 1:step:R2;
v = 1:step:C;
for i=1:R2
for j=1:C
k2(i,j)=k(R2+1-i,j);
end
end
% figure;quiver ( v,u,Gx(1:5:900,2:5:1515),Gy(1:5:900,2:5:1515) );
figure;contour( v,u,k2(1:step:R2,1:step:C) );


三、仿真测试结果

 

 

 

 

 

 

 

 

 

 

 

 A16-02



推荐阅读
  • 深入理解Cookie与Session会话管理
    本文详细介绍了如何通过HTTP响应和请求处理浏览器的Cookie信息,以及如何创建、设置和管理Cookie。同时探讨了会话跟踪技术中的Session机制,解释其原理及应用场景。 ... [详细]
  • QUIC协议:快速UDP互联网连接
    QUIC(Quick UDP Internet Connections)是谷歌开发的一种旨在提高网络性能和安全性的传输层协议。它基于UDP,并结合了TLS级别的安全性,提供了更高效、更可靠的互联网通信方式。 ... [详细]
  • 本文详细介绍了 Dockerfile 的编写方法及其在网络配置中的应用,涵盖基础指令、镜像构建与发布流程,并深入探讨了 Docker 的默认网络、容器互联及自定义网络的实现。 ... [详细]
  • 优化ListView性能
    本文深入探讨了如何通过多种技术手段优化ListView的性能,包括视图复用、ViewHolder模式、分批加载数据、图片优化及内存管理等。这些方法能够显著提升应用的响应速度和用户体验。 ... [详细]
  • 本文总结了2018年的关键成就,包括职业变动、购车、考取驾照等重要事件,并分享了读书、工作、家庭和朋友方面的感悟。同时,展望2019年,制定了健康、软实力提升和技术学习的具体目标。 ... [详细]
  • 在计算机技术的学习道路上,51CTO学院以其专业性和专注度给我留下了深刻印象。从2012年接触计算机到2014年开始系统学习网络技术和安全领域,51CTO学院始终是我信赖的学习平台。 ... [详细]
  • 本周信息安全小组主要进行了CTF竞赛相关技能的学习,包括HTML和CSS的基础知识、逆向工程的初步探索以及整数溢出漏洞的学习。此外,还掌握了Linux命令行操作及互联网工作原理的基本概念。 ... [详细]
  • CSS 布局:液态三栏混合宽度布局
    本文介绍了如何使用 CSS 实现液态的三栏布局,其中各栏具有不同的宽度设置。通过调整容器和内容区域的属性,可以实现灵活且响应式的网页设计。 ... [详细]
  • Linux 系统启动故障排除指南:MBR 和 GRUB 问题
    本文详细介绍了 Linux 系统启动过程中常见的 MBR 扇区和 GRUB 引导程序故障及其解决方案,涵盖从备份、模拟故障到恢复的具体步骤。 ... [详细]
  • 本文介绍了如何使用jQuery根据元素的类型(如复选框)和标签名(如段落)来获取DOM对象。这有助于更高效地操作网页中的特定元素。 ... [详细]
  • 1:有如下一段程序:packagea.b.c;publicclassTest{privatestaticinti0;publicintgetNext(){return ... [详细]
  • 本文详细介绍了如何在Linux系统上安装和配置Smokeping,以实现对网络链路质量的实时监控。通过详细的步骤和必要的依赖包安装,确保用户能够顺利完成部署并优化其网络性能监控。 ... [详细]
  • 本文介绍如何在 Xcode 中使用快捷键和菜单命令对多行代码进行缩进,包括右缩进和左缩进的具体操作方法。 ... [详细]
  • 构建基于BERT的中文NL2SQL模型:一个简明的基准
    本文探讨了将自然语言转换为SQL语句(NL2SQL)的任务,这是人工智能领域中一项非常实用的研究方向。文章介绍了笔者在公司举办的首届中文NL2SQL挑战赛中的实践,该比赛提供了金融和通用领域的表格数据,并标注了对应的自然语言与SQL语句对,旨在训练准确的NL2SQL模型。 ... [详细]
  • 如何在PHPcms网站中添加广告
    本文详细介绍了在PHPcms网站后台添加广告的方法,涵盖多种常见的广告形式,如百度广告和Google广告,并提供了相关设置的步骤。同时,文章还探讨了优化网站流量的SEO策略。 ... [详细]
author-avatar
mindylee
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有