用卷积滤波器matlab代码-Haystack-Mathematician-Challenge-TCH2018:测试文件以应对挑...

用卷积滤波器matlab代码TCH-2018挑战的源回购 样品结果 实施于：MATLAB 脚本/程序最初通过应用中值噪声过滤器从网络摄像头（附加了IP / NON-IP的两个代码）捕获图像，并对图像进行预处理。 然后，程序将RGB中的图像“隔离”到各个平面。 （这会严重影响黄色/浅色吸管的识别，因为rgb2gray的基本过程无法捕获这些吸管） 在使用参数化的“软糖因子”应用边缘检测后，脚本为“膨胀器”创建了2个“结构元素”。 通过使用上面创建的结构化元素进行扩张，可以平滑图像边缘。 所有RGB平面均进行单独评估，然后“合并”以避免丢失任何信息。 图像被二值化。 使用相位编码方法（两级更容易产生噪声）和霍夫变换对圆进行计数。 这样一捆60-70根吸管的准确度为90-95％，而40根吸管的准确度最高为100％。 拟议的一流精度解决方案：实施者：卷积神经网络 该脚本将需要训练CNN进行边缘检测。 但是由于无法“创建”所需的庞大数据集，因此在这样的时间内无法将其原型制作为在3月8日之前提交。 经过训练的CNN将产生出色的边缘检测输出，并可直接用于计数圆。 独立过滤器的唯一问题是它们是“盲”的。