笔检测基于matlab模板匹配+PCA笔检测【含Matlab源码 1093期】.zip

%笔的识别 global im;%使用全局变量 imgdata=[];%训练图像矩阵 for i=1:2 for j=1:4 a=imread(strcat('ORL\pen',num2str(i),'_',num2str(j),'.bmp')); b=a(1:176*132); % b是列矢量 1*M，其中M＝23232 b=double(b); imgdata=[imgdata; b]; % imgdata 是一个M * N 矩阵，imgdata中每一行数据一张图片，M＝400 end; end; imgdata=imgdata'; %每一列为一张图片 imgmean=mean(imgdata,2); % 平均图片，N维列向量 for i=1:8 minus(:,i) = imgdata(:,i)-imgmean; % minus是一个N*M矩阵，是训练图和平均图之间的差值 end; covx=minus'* minus; % M * M 阶协方差矩阵 [COEFF, latent,explained] = pcacov(covx'); %PCA，用协方差矩阵的转置来计算以减小计算量 % 选择构成95%的能量的特征值 i=1; proportion=0; while(proportion < 95) proportion=proportion+explained(i); i=i+1; end; p=i-1; % 训练得到特征笔坐标系 i=1; while (i<=p && latent(i)>0) base(:,i) = latent(i)^(-1/2)*minus * COEFF(:,i); % base是N×p阶矩阵，用来进行投影，除以latent(i)^(1/2)是对笔图像的标准化 i = i + 1; end % 将训练样本对坐标系上进行投影,得到一个 p*M 阶矩阵为参考 reference = base'*minus; % 测试过程——在测试图片文件夹中选择图片，进行查找测试 im=imread('待测笔\待测笔.bmp'); a=im; %b=a(1:38400); b=double(b); b=b'; object = base'*(b-imgmean); % 绘出待测图片 subplot(2,3,1); imshow(a); title(['待测笔']); distance=100000; %最小距离法，寻找和待识别图片最为接近的训练图片 for k=1:8 temp= norm(object - reference(:,k)); if (distance > temp) which = k; distance = temp; end; end; %找出距离最近的图片所在的位置 num1 = ceil(which/5);%第num1个文件夹 num2 = mod(which,5);%第num2个图片文件 if (num2 == 0) num2 = 5; end; fprintf('此图为第%d个的图片\n',num1); for i=1:4 %输出矩阵 P=imread(strcat('ORL\pen',num2str(num1),'_',num2str(i),'.bmp')); subplot(2,3,i+1); imshow(P); title(['图库',num2str(i)]); end