MATLAB 识别色块和数量

文章目录

前言
- - 步骤 1: 读取图像
  - 步骤 2: 转换为 HSV 颜色空间
  - 步骤 3: 定义颜色范围
  - 步骤 4: 创建颜色掩码
  - 步骤 5: 应用形态学操作（可选）
  - 步骤 6: 标记和显示结果
  - 完整代码
  - 步骤七返回色块坐标
总结

前言

提示：这里可以添加本文要记录的大概内容：

项目需要：

在 MATLAB 中进行色块识别通常涉及图像处理技术，包括图像读取、预处理、颜色空间转换、阈值分割和形态学操作等步骤。以下是一个基本的示例代码，展示了如何识别图像中的特定色块。

假设你有一张包含多种颜色的图像，并且你想识别出特定颜色的色块（例如红色）。

步骤 1: 读取图像

% 读取图像
img = imread('your_image.jpg');

步骤 2: 转换为 HSV 颜色空间

HSV 颜色空间更适合颜色分割，因为它将颜色信息（色调、饱和度、亮度）分开。

% 将图像从 RGB 转换为 HSV 颜色空间
hsvImg = rgb2hsv(img);

步骤 3: 定义颜色范围

在 HSV 空间中定义你要识别的颜色的范围。例如，红色可能定义为：

% 定义红色的 HSV 范围
redHueRange = [0, 0.1];  % 色调范围
redSaturationRange = [0.5, 1];  % 饱和度范围
redValueRange = [0.5, 1];  % 亮度范围

步骤 4: 创建颜色掩码

使用逻辑掩码来标识图像中的红色区域。

% 创建颜色掩码
hueMask = (hsvImg(:,:,1) >= redHueRange(1)) & (hsvImg(:,:,1) <= redHueRange(2));
saturationMask = (hsvImg(:,:,2) >= redSaturationRange(1)) & (hsvImg(:,:,2) <= redSaturationRange(2));
valueMask = (hsvImg(:,:,3) >= redValueRange(1)) & (hsvImg(:,:,3) <= redValueRange(2));colorMask = hueMask & saturationMask & valueMask;

步骤 5: 应用形态学操作（可选）

为了去除噪声和小的孤立区域，可以使用形态学操作，如膨胀和腐蚀。

% 形态学操作
se = strel('disk', 5);  % 创建一个结构元素
cleanedMask = imopen(colorMask, se);  % 开运算去除小区域
cleanedMask = imclose(cleanedMask, se);  % 闭运算填充小孔

步骤 6: 标记和显示结果

使用 bwlabel 标记连通区域，并显示结果。

% 标记连通区域
[labeledImage, numRegions] = bwlabel(cleanedMask);% 显示结果
figure;
subplot(1, 3, 1);
imshow(img);
title('原始图像');subplot(1, 3, 2);
imshow(colorMask);
title('颜色掩码');subplot(1, 3, 3);
imshow(label2rgb(labeledImage, 'jet', 'k', 'shuffle'));
title(['识别到的色块数量: ', num2str(numRegions)]);

完整代码

% 读取图像
img = imread('your_image.jpg');% 将图像从 RGB 转换为 HSV 颜色空间
hsvImg = rgb2hsv(img);% 定义红色的 HSV 范围
redHueRange = [0, 0.1];  % 色调范围
redSaturationRange = [0.5, 1];  % 饱和度范围
redValueRange = [0.5, 1];  % 亮度范围% 创建颜色掩码
hueMask = (hsvImg(:,:,1) >= redHueRange(1)) & (hsvImg(:,:,1) <= redHueRange(2));
saturationMask = (hsvImg(:,:,2) >= redSaturationRange(1)) & (hsvImg(:,:,2) <= redSaturationRange(2));
valueMask = (hsvImg(:,:,3) >= redValueRange(1)) & (hsvImg(:,:,3) <= redValueRange(2));colorMask = hueMask & saturationMask & valueMask;% 形态学操作
se = strel('disk', 5);  % 创建一个结构元素
cleanedMask = imopen(colorMask, se);  % 开运算去除小区域
cleanedMask = imclose(cleanedMask, se);  % 闭运算填充小孔% 标记连通区域
[labeledImage, numRegions] = bwlabel(cleanedMask);% 显示结果
figure;
subplot(1, 3, 1);
imshow(img);
title('原始图像');subplot(1, 3, 2);
imshow(colorMask);
title('颜色掩码');subplot(1, 3, 3);
imshow(label2rgb(labeledImage, 'jet', 'k', 'shuffle'));
title(['识别到的色块数量: ', num2str(numRegions)]);

这段代码提供了一个基本的框架，你可以根据具体需求调整颜色范围、形态学操作和结构元素的大小等参数。

在这里插入图片描述

步骤七返回色块坐标

% 使用 regionprops 计算每个连通区域的属性
stats = regionprops(labeledImage, 'BoundingBox');% 提取边界框坐标
boundingBoxes = [stats.BoundingBox];% 显示结果，包括边界框
figure;
imshow(img);
hold on;
for k = 1:size(boundingBoxes, 1)rectangle('Position', boundingBoxes(k, :), 'EdgeColor', 'r', 'LineWidth', 2);% 如果需要，可以在这里打印或存储坐标fprintf('色块 %d 的坐标: [%f, %f, %f, %f]\n', k, boundingBoxes(k, 1), boundingBoxes(k, 2), boundingBoxes(k, 3), boundingBoxes(k, 4));
end
hold off;
title('识别到的色块及其边界框');