I=imread('102.jpg');
figure,imtool(I);title('Original Image');
[row,column,numberofchannel]=size(I);
level = graythresh(I);
BW = im2bw(I, level);
% figure,imtool(BW);title('Binary Image');
div=0;
m = [0 0 0; 0 0 0; 0 0 0];
c=[0 0 0;0 0 0;0 0 0];
global p1 p2 p3 p4 p5 p6 p7 p8;
for k=1:1:1
for i=1:1:row
for j=1:1:column
p=impixel(I,i,j);
fprintf('\ni= %f',i);
fprintf('\tj= %f',j);
p
if (i~=1)&&(i~=row)&&(j~=1)&&(j~=column)
p1=impixel(I,i-1,j-1);
p2=impixel(I,i-1,j);
p3=impixel(I,i-1,j+1);
p4=impixel(I,i,j-1);
p5=impixel(I,i,j+1);
p6=impixel(I,i+1,j-1);
p7=impixel(I,i+1,j);
p8=impixel(I,i+1,j+1);
d1= (abs((p(1)-p1(1)))+abs((p(2)-p1(2)))+abs((p(3)-p1(3))))/(3*255);
d2= (abs((p(1)-p2(1)))+abs((p(2)-p2(2)))+abs((p(3)-p2(3))))/(3*255);
d3= (abs((p(1)-p3(1)))+abs((p(2)-p3(2)))+abs((p(3)-p3(3))))/(3*255);
d4= (abs((p(1)-p4(1)))+abs((p(2)-p4(2)))+abs((p(3)-p4(3))))/(3*255);
d5= (abs((p(1)-p5(1)))+abs((p(2)-p5(2)))+abs((p(3)-p5(3))))/(3*255);
d6= (abs((p(1)-p6(1)))+abs((p(2)-p6(2)))+abs((p(3)-p6(3))))/(3*255);
d7= (abs((p(1)-p7(1)))+abs((p(2)-p7(2)))+abs((p(3)-p7(3))))/(3*255);
d8= (abs((p(1)-p8(1)))+abs((p(2)-p8(2)))+abs((p(3)-p8(3))))/(3*255);
c1=(1-d1)^10;
c2=(1-d2)^10;
c3=(1-d3)^10;
c4=(1-d4)^10;
c5=(1-d5)^10;
c6=(1-d6)^10;
c7=(1-d7)^10;
c8=(1-d8)^10;
m=[c1 c2 c3; c4 0 c5; c6 c7 c8];
div=1/sum(sum(m));
m=div*m;
p1=p1*m(1,1);
p2=p2*m(1,2);
p3=p3*m(1,3);
p4=p4*m(2,1);
p5=p5*m(2,3);
p6=p6*m(3,1);
p7=p7*m(3,2);
p8=p8*m(3,3);
p(1)=p1(1)+p2(1)+p3(1)+p4(1)+p5(1)+p6(1)+p7(1)+p8(1);
p(2)=p1(2)+p2(2)+p3(2)+p4(2)+p5(2)+p6(2)+p7(2)+p8(2);
p(3)=p1(3)+p2(3)+p3(3)+p4(3)+p5(3)+p6(3)+p7(3)+p8(3);
p
elseif (i==1) && (j==1)
% only three will be there for the first pixel
p5=impixel(I,i,j+1);
p7=impixel(I,i+1,j);
p8=impixel(I,i+1,j+1);
d5= (abs((p(1)-p5(1)))+abs((p(2)-p5(2)))+abs((p(3)-p5(3))))/(3*255);
d7= (abs((p(1)-p7(1)))+abs((p(2)-p7(2)))+abs((p(3)-p7(3))))/(3*255);
d8= (abs((p(1)-p8(1)))+abs((p(2)-p8(2)))+abs((p(3)-p8(3))))/(3*255);
c5=(1-d5)^10;
c7=(1-d7)^10;
c8=(1-d8)^10;
m=[0 0 0; 0 0 c5; 0 c7 c8];
div=1/sum(sum(m));
m=div*m;
p5=p5*m(2,3);
p7=p7*m(3,2);
p8=p8*m(3,3);
p(1)=p5(1)+p7(1)+p8(1);
p(2)=p5(2)+p7(2)+p8(2);
p(3)=p5(3)+p7(3)+p8(3);
p
elseif (i==1) && (j~=column)
% first row pixel but not the first column pixel
p4=impixel(I,i,j-1);
p5=impixel(I,i,j+1);
p6=impixel(I,i+1,j-1);
p7=impixel(I,i+1,j);
p8=impixel(I,i+1,j+1);
d4= (abs((p(1)-p4(1)))+abs((p(2)-p4(2)))+abs((p(3)-p4(3))))/(3*255);
d5= (abs((p(1)-p5(1)))+abs((p(2)-p5(2)))+abs((p(3)-p5(3))))/(3*255);
d6= (abs((p(1)-p6(1)))+abs((p(2)-p6(2)))+abs((p(3)-p6(3))))/(3*255);
d7= (abs((p(1)-p7(1)))+abs((p(2)-p7(2)))+abs((p(3)-p7(3))))/(3*255);
d8= (abs((p(1)-p8(1)))+abs((p(2)-p8(2)))+abs((p(3)-p8(3))))/(3*255);
c4=(1-d4)^10;
c5=(1-d5)^10;
c6=(1-d6)^10;
c7=(1-d7)^10;
c8=(1-d8)^10;
m=[0 0 0; c4 0 c5; c6 c7 c8];
div=1/sum(sum(m));
m=div*m;
p4=p4*m(2,1);
p5=p5*m(2,3);
p6=p6*m(3,1);
p7=p7*m(3,2);
p8=p8*m(3,3);
p(1)=p4(1)+p5(1)+p6(1)+p7(1)+p8(1);
p(2)=p4(2)+p5(2)+p6(2)+p7(2)+p8(2);
p(3)=p4(3)+p5(3)+p6(3)+p7(3)+p8(3);
p
elseif (i==1) && (j==column)
% first row and last column pixel
p4=impixel(I,i,j-1);
p6=impixel(I,i+1,j-1);
p7=impixel(I,i+1,j);
d4= (abs((p(1)-p4(1)))+abs((p(2)-p4(2)))+abs((p(3)-p4(3))))/(3*255);
d6= (abs((p(1)-p6(1)))+abs((p(2)-p6(2)))+abs((p(3)-p6(3))))/(3*255);
d7= (abs((p(1)-p7(1)))+abs((p(2)-p7(2)))+abs((p(3)-p7(3))))/(3*255);
c4=(1-d4)^10;
c6=(1-d6)^10;
c7=(1-d7)^10;
m=[0 0 0; c4 0 0; c6 c7 0];
div=1/sum(sum(m));
m=div*m;
p4=p4*m(2,1);
p6=p6*m(3,1);
p7=p7*m(3,2);
p(1)=p4(1)+p6(1)+p7(1);
p(2)=p4(2)+p6(2)+p7(2);
p(3)=p4(3)+p6(3)+p7(3);
p
elseif (i~=1)&&(i~=row)&&(j==1)
% fist column but not the first row plus not the last row
p2=impixel(I,i-1,j);
p3=impixel(I,i-1,j+1);
p5=impixel(I,i,j+1);
p7=impixel(I,i+1,j);
p8=impixel(I,i+1,j+1);
d2= (abs((p(1)-p2(1)))+abs((p(2)-p2(2)))+abs((p(3)-p2(3))))/(3*255);
d3= (abs((p(1)-p3(1)))+abs((p(2)-p3(2)))+abs((p(3)-p3(3))))/(3*255);
d5= (abs((p(1)-p5(1)))+abs((p(2)-p5(2)))+abs((p(3)-p5(3))))/(3*255);
d7= (abs((p(1)-p7(1)))+abs((p(2)-p7(2)))+abs((p(3)-p7(3))))/(3*255);
d8= (abs((p(1)-p8(1)))+abs((p(2)-p8(2)))+abs((p(3)-p8(3))))/(3*255);
c2=(1-d2)^10;
c3=(1-d3)^10;
c5=(1-d5)^10;
c7=(1-d7)^10;
c8=(1-d8)^10;
m=[0 c2 c3; 0 0 c5; 0 c7 c8];
div=1/sum(sum(m));
m=div*m;
p2=p2*m(1,2);
p3=p3*m(1,3);
p5=p5*m(2,3);
p7=p7*m(3,2);
p8=p8*m(3,3);
p(1)=p2(1)+p3(1)+p5(1)+p7(1)+p8(1);
p(2)=p2(2)+p3(2)+p5(2)+p7(2)+p8(2);
p(3)=p2(3)+p3(3)+p5(3)+p7(3)+p8(3);
p
elseif (i~=1) && (i~=row)&& (j==column)
% last column pixel
p1=impixel(I,i-1,j-1);
p2=impixel(I,i-1,j);
p4=impixel(I,i,j-1);
p6=impixel(I,i+1,j-1);
p7=impixel(I,i+1,j);
d1= (abs((p(1)-p1(1)))+abs((p(2)-p1(2)))+abs((p(3)-p1(3))))/(3*255);
d2= (abs((p(1)-p2(1)))+abs((p(2)-p2(2)))+abs((p(3)-p2(3))))/(3*255);
d4= (abs((p(1)-p4(1)))+abs((p(2)-p4(2)))+abs((p(3)-p4(3))))/(3*255);
d6= (abs((p(1)-p6(1)))+abs((p(2)-p6(2)))+abs((p(3)-p6(3))))/(3*255);
d7= (abs((p(1)-p7(1)))+abs((p(2)-p7(2)))+abs((p(3)-p7(3))))/(3*255);
c1=(1-d4)^10;
c2=(1-d5)^10;
c4=(1-d6)^10;
c6=(1-d7)^10;
c7=(1-d8)^10;
m=[c1 c2 0; c4 0 0; c6 c7 0];
div=1/sum(sum(m));
m=div*m;
p1=p1*m(1,1);
p2=p2*m(1,2);
p4=p4*m(2,1);
p6=p6*m(3,1);
p7=p7*m(3,2);
p(1)=p1(1)+p2(1)+p4(1)+p6(1)+p7(1);
p(2)=p1(2)+p2(2)+p4(2)+p6(2)+p7(2);
p(3)=p1(3)+p2(3)+p4(3)+p6(3)+p7(3);
p
elseif(i==row) && (j==1)
% last row and first column pixel
p2=impixel(I,i-1,j);
p3=impixel(I,i-1,j+1);
p5=impixel(I,i,j+1);
d2= (abs((p(1)-p2(1)))+abs((p(2)-p2(2)))+abs((p(3)-p2(3))))/(3*255);
d3= (abs((p(1)-p3(1)))+abs((p(2)-p3(2)))+abs((p(3)-p3(3))))/(3*255);
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
这个基于Matlab的图像处理-机器学习项目的目标是利用机器学习算法来处理图像。该项目将涉及使用Matlab编写的源代码,并结合图像处理技术,利用机器学习方法对图像进行分析和处理。 项目的主要步骤包括: 1. 数据收集和预处理:收集一组包含不同类别的图像数据,并对图像进行预处理,如缩放、剪裁、去噪等,以确保数据的准确性和一致性。 2. 特征提取和选择:利用图像处理技术提取与任务相关的特征。这可能包括常见的特征提取方法,如颜色直方图、纹理特征、形状描述符等。然后,通过特征选择算法选择最具信息量和区分度的特征。 3. 数据标注和训练集构建:对数据进行标注,即为每个图像分配正确的类别标签。然后,将数据集划分为训练集和测试集,用于训练和评估机器学习模型。 4. 模型选择和训练:基于特征和标签的训练集,选择适当的机器学习算法,如支持向量机(SVM)、卷积神经网络(CNN)等,并使用训练集对模型进行训练。 5. 模型评估和调优:使用测试集评估训练好的模型的性能,并根据评估结果进行模型参数的调优,以提高模型的准确性和鲁棒性。 6. 结果分析和可视化:分析模型的性能指标,如准确率、召回率
资源推荐
资源详情
资源评论
收起资源包目录
基于Matlab的图像处理-机器学习项目.zip (21个子文件)
基于Matlab的图像处理-机器学习项目
Screen Shots
7.SWT_Value_Table.JPG 228KB
4.Edge_Image.JPG 89KB
1.Normal_OP1.png 116KB
2.Normal_OP2.png 117KB
3.Color_reduced.png 135KB
6.Gtheta_Table.JPG 215KB
5.Gmag_Table.JPG 211KB
8.CC_Value.JPG 65KB
10.Adc_List.JPG 154KB
9.Adc_Output.jpg 315KB
Code
6.adcgrouping.m 3KB
9.clip.m 303B
8.lines.m 616B
2.color_reduction.m 2KB
3.gradient.m 2KB
11.read_letter.m 3KB
1.Text_detection.m 12KB
7.ocr.m.m 2KB
5.ccformation.m 4KB
4.swt_cal.m 7KB
10.same_dim.m 216B
共 21 条
- 1
资源评论
竹山全栈
- 粉丝: 2134
- 资源: 257
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功