基于matlab的颜色识别与提取_机器视觉综合实训有得
一、课程任务设计要求
（1）在编写摄像头采集图像程序，能够对图像进行采集、保存处理；
（2）对采集图像进行预处理，RGB 到 YCBCR 的色彩空间转换，用各个通道的阈值对图像进行二值化；形态学处理：腐蚀、膨胀、孔洞填充，连通区域提取，识别出指定的颜色区域；
（3）能够识别到多个颜色并进行分割；
（4）设计 GUI 界面，能够通过界面进行图像采集、识别、输出信息。
二、实现
1.对图像的采集与保存处理
obj= videoinput('winvideo',2,'RGB24_800x600'); %设备采集图像输入,适配器名称,图像格式
src = getselectedsource(obj);
src.ColorEnable = 'off';
frame = getsnapshot(obj);
imshow(frame);%显示图片frame
mkdir('D:\image\1');%创建保存的路径
imwrite(frame,'D:\image\1\snap6.jpg','jpg');
（1）videoinput函数
用于获取采集到的视频
OBJ = videoinput(adaptorname,deviceID,format)
adaptorname：适配器名称
deviceID：设备ID
format：视频格式
命令行输入imaqhwinfo可获取相机的适配器名称，输入
win_info = imaqhwinfo(‘winvideo’) %适配器名称随上步查询结果变动
可查询设备ID（通常如果是笔记本的话会出现两个ID，通常相机的设备ID是2）
输入win_info.DeviceInfo.SupportedFormats可查询相机支持的编码格式
（2）getsnapshot函数
用于在视频中捕捉得到一个图片
（3）imshow函数
用于显示图片，通常与figure搭配使用
例：figure,imshow(I)%创建一个新的窗口显示图片
(4)mkdir函数
用于创建一个新的文件夹，绝对路径和相对路径都可
（5）imwrite函数
用于保存图片
imwrite(a,filename,format)
a:图片名称
filename:保存路径
format：保存的格式
2.对采集图像进行预处理，RGB 到 YCBCR 的色彩空间转换，用各个通道的阈值对图像进行二值化
flag = imread('D:\image\1\snap6.jpg');
YCBCR = rgb2ycbcr(flag);%转换到YCBCR空间
%用各个通道的阈值对其进行二值化处理
Y_MIN = 0; Y_MAX = 256;
Cb_MIN = 100; Cb_MAX = 127;
Cr_MIN = 138; Cr_MAX = 170;
threshold=roicolor(YCBCR(:,:,1),Y_MIN,Y_MAX)&roicolor(YCBCR(:,:,2),Cb_MIN,Cb_MAX)&roicolor(YCBCR(:,:,3),Cr_MIN,Cr_MAX);
（1）imread函数
用于读入将被处理的图片
obj=imread(filename.fmt)；
（2）rgb2ycbcr函数
2其实就是to，该函数用于将RGB图片转换为YCBCR图片
那为什么要转换为YCbCr图片呢？
用于压缩图片！因为人的眼睛对YCbCr色彩空间编码的视频中的Y分量更加敏感，而Cb和Cr的微小变化不会引起视觉的不同。因此我们可以通过对Cb和Cr分子进行采样来减小图像的数据量，使得图像对于储存需求和传输带宽的要求大大降低，从而达到在完成图像压缩的同时也保证视觉上几乎没有损失。
其中，Y（Luminance）：明亮度和浓度
Cb（Chrominance-Blue）：颜色中的蓝色浓度偏移量
Cr（Chrominance-Red）：颜色中的红色浓度偏移量
（3）roicolor函数
根据各个通道的阈值进行二值化
3.形态学处理：腐蚀、膨胀、孔洞填充，连通区域提取
%进行形态学处理：腐蚀、膨胀、孔洞填充
erodeElement = strel('square', 3) ;
dilateElement=strel('square', 8) ;
threshold = imerode(threshold,erodeElement);%腐蚀
threshold=imdilate(threshold, dilateElement);%膨胀
threshold=imfill(threshold,'holes');%填充
%连通区域的选取
gray_img = rgb2gray(flag);
T = graythresh(gray_img); %得到一个阈值
bw_img = im2bw(gray_img, T); %转化为二值图像
img_reg = regionprops(bw_img, 'area', 'boundingbox');
areas = [img_reg.Area];%各个区域的像素总数
rects = cat(1, img_reg.BoundingBox);%各部分的最小矩形
figure(1),
imshow(bw_img);
for i = 1:size(rects, 1) %获取行数
rectangle('position', rects(i, :), 'EdgeColor', 'r');
end
（1）regionprops函数
即用来度量图像区域属性的函数，其属性包括：Area，EquivDiameter，MajorAxisLength，BoundingBox，EulerNumber，MinorAxisLength，Centroid，Extent，Orientation，ConvexArea，Extrema，PixelIdxList，ConvexHull，FilledArea，PixelList，ConvexImage，FilledImage，Solidity，Eccentricity，Image
Area：计算出在图像各个区域中像素总个数。
BoundingBox：是1行ndims(L)*2列的向量，即包含相应区域的最小矩形。其值包括了矩形的起点的x，y坐标以及矩形的高与宽。
【关于更多参数的详解参照这位大神的：https://langbin.blog.csdn.net/article/details/49886787】
img_reg = regionprops(bw_img, ‘area’, ‘boundingbox’);%只计算area和boundingbox两个属性
img_reg = regionprops(bw_img, ‘basic’);%计算area，boundingbox，centroid三个属性
img_reg = regionprops(bw_img, ‘all’);%计算全部属性
（2）cat函数
用于串联数组或矩阵，并且串联的数组或矩阵的维度要一致
C = cat(dim, A1, A2, A3, …)
例:
【此例来自这位大神：https://blog.csdn.net/qing101hua/article/details/45559377】
>> A = [1 2; 3 4];
>> B = [5 6; 7 8];
>> A
A =
1 2
3 4
>> B
B =
5 6
7 8
>> cat(1, A, B) %按列连接（列数相同）
ans =
1 2
3 4
5 6
7 8
>> cat(2, A, B) %按行连接（行数相同）
ans =
1 2 5 6
3 4 7 8
>> cat(3, A, B) %合成效果如下图
ans(:,:,1) =
1 2
3 4
ans(:,:,2) =
5 6
7 8
（3）figure函数
figure； %创建一个新的窗口
figure(2)；%窗口的命名为2，且窗口的命名不可以是0
figure(‘name’,‘show’);%窗口命名为show
（4）size函数
用于获取矩阵的行数和列数
<1>s=size(A); %返回一个行向量，该行向量的第一个元素是矩阵的行数，第二个元素是矩阵的列数
<2>[r,c]=size(A); %size函数将矩阵的行数返回到第一个输出变量r，将矩阵的列数返回到第二个输出变量c
<3>size(A,n); %返回矩阵的行数或列数
例：raw=size(A,1)； %返回的时矩阵A的行数
col=size(A,2)； %返回的时矩阵A的列数
（4）rectangle函数
用于创建二维矩阵对象
rectangle(‘Position’,[x y w h]) %从点(x,y)开始绘制一个宽w高h的矩形
rectangle(‘Position’,[x y w h],‘Curvature’,[a,b]) %x方向上的曲率为a，y方向上的曲率为b
rectangle(‘position’，…
[1,1,5,5],‘curvature’[1,1],‘edgecolor’,‘r’,‘facecolor’,‘g’);
%‘position’,[1,1,5,5]表示从（1,1）点开始高为5，宽为5；
‘curvature’,[1,1]表示x,y方向上的曲率都为1，即是圆弧；
‘edgecolor’,'r’表示边框颜色是红色；
‘facecolor’,'g’表示面内填充颜色为绿色。
4、能够识别到颜色并进行分割
【此算法来自这位大神：https://blog.csdn.net/qq_44894692/article/details/94359999】
flag_hsv = rgb2hsv(flag); % 将图像的rgb色彩空间转化至hsv色彩空间
flag_new = 255*ones(size(flag));% 创建一个白色图像，将特定颜色提取到此处
flag_new_hsv = rgb2hsv(flag_new);% 将该图像转至hsv色彩空间
%提取绿色部分
[row, col] = ind2sub(size(flag_hsv),find(flag_hsv(:,:,1)>0.15...
& flag_hsv(:,:,1)< 0.48 & flag_hsv(:,:,2)>0.16 & flag_hsv(:,:,3)>0.18));% 找出图像中绿色的像素
% 将图像中的绿色像素复制到刚才新建的白色图像中
for i = 1 : length(row)
flag_new_hsv(row(i),col(i),:) = flag_hsv(row(i),col(i),:);
end
flag_green = hsv2rgb(flag_new_hsv);% 将提取出来的绿色，转化至rgb空间，进行展示
figure(2),imshow(flag_green);title('green_part');
其原理是将rgb转为hsv，这样，对颜色的判断就只需要对h通道进行判断即可。
何为HSV？
H（Hue）：色调
用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°；它们的补色是：黄色为60°，青色为180°,紫色为300°。在matlab是将对应颜色的角度值除以360°以得到一个0~1中的对应值。
S（Saturation）：饱和度
表示颜色接近光谱色的程度。通常取值范围为0~1，值越大，颜色越饱和。
V（Value）：明度
表示颜色明亮的程度，通常取值范围为0（黑）~1（白）。
下面这个图就很形象地表明他们的关系：
例程中是用于检测绿色，如果检测其他颜色：
[row, col] = ind2sub(size(flag_hsv),find((flag_hsv(:,:,1)>0.00…
& flag_hsv(:,:,1)< 0.03) |( flag_hsv(:,:,1)>0.95 & flag_hsv(:,:,1)<1)&flag_hsv(:,:,2)>0.16 & flag_hsv(:,:,3)>0.18));% 找出图像中红色的像素
[row, col] = ind2sub(size(flag_hsv),find( flag_hsv(:,:,3)<0.30));% 找出图像中黑色的像素
[row, col] = ind2sub(size(flag_hsv),find(flag_hsv(:,:,1)>0.11…
& flag_hsv(:,:,1)< 0.15 & flag_hsv(:,:,2)>0.16 & flag_hsv(:,:,3)>0.18));% 找出图像中黄色的像素
······
5.识别出指定的颜色区域
flag_hsv = rgb2hsv(flag); % 将图像的rgb色彩空间转化至hsv色彩空间
flag_new = 255*ones(size(flag));% 创建一个白色图像，将特定颜色提取到此处
flag_new_hsv = rgb2hsv(flag_new);% 将该图像转至hsv色彩空间
[row, col] = ind2sub(size(flag_hsv),find( flag_hsv(:,:,3)<0.32));% 找出图像中绿色的像素
for i = 1 : length(row)
flag_new_hsv(row(i),col(i),:) = flag_hsv(row(i),col(i),:);
end
flag_black = hsv2rgb(flag_new_hsv);
gray_black = rgb2gray(flag_black);
T = graythresh(gray_black); %得到一个阈值
bw_black = im2bw(gray_black, T); %转化为二值图像
dbw_black=imcomplement(bw_black);%二值图像取反
img_reg = regionprops(dbw_black, 'basic');
areas = [img_reg.Area];%各个区域的像素总数
rects = cat(1, img_reg.BoundingBox);%各部分的最小矩形
figure(2),
imshow(flag);
for i = 1:size(rects, 1) %获取行数
rectangle('position', rects(i, :), 'EdgeColor', 'b');
end
text(0,0, 'black','color','blue','FontSize',16);
先将指定的颜色区域提取出来放到白色背景中；二值化处理后，颜色区域为黑，背景区域为白；再二值图像取反，颜色区域为白，背景区域为黑，那么此时连通区域即是颜色区域；用之前矩形框出连通区域的办法即可，只不过这个矩形框不显示在当前图片，而是显示在原图就可实现了。
6.设计GUI界面
进入：主页–>新建–>APP–>GUIDE
选择默认
例放置一个按钮，右键，查看回调，之后再对应的回调函数里写入函数即可；放置其他面板组件亦同理。
三、成果
这个设计最终完成的GUI界面如下：
其对应的回调函数文件链接在此
二值化处理功能：
提取黄色：
