(转)Haar-like矩形遍历检测窗口演示Matlab源代码
from：http://blog.sina.com.cn/s/blog_736aa0540101kzqb.html
clc; clear; close all;
% Haar-like特征矩形计算
board = 24 % 检测窗口宽度
num = 24 % 检测窗口分划数
show = 1; % 1为作图
time = 0.001; % 作图间隔
%%
if mod(board,num)~=0
error('检测窗口宽度必须是分划数的整数倍')
else
delta = board/num % 滑动步进值
end
%% Haar特征1：左白,右黑,(s,t)=(1,2)
s = 1;
t = 2;
R = s:s:floor(num/s)*s; % Haar窗口高
C = t:t:floor(num/t)*t; % Haar窗口宽
NUM = 0; % Haar特征总数
'---- Haar特征1：左白,右黑,(s,t)=(1,2) ---'
for I = 1:length(R)
for J = 1:length(C)
r = R(I)*delta; % Haar窗口高
c = C(J)*delta; % Haar窗口宽
nr = num-R(I)+1; % 行方向移动个数
nc = num-C(J)+1; % 列方向移动个数
Px0 = [0 r]; % 矩形坐标初始化
Py0 = [0 c/2 c];
for i = 1:nr
for j = 1:nc
Px = Px0+(i-1)*delta; % 滑动取点
Py = Py0+(j-1)*delta;
NUM = NUM+1;
if show
plot([0 board],repmat((0:delta:board)',1,2),'k'); hold on;
plot(repmat((0:delta:board)',1,2),[0 board],'k'); axis tight; axis square;
title('Haar矩形遍历演示');xlabel('x');ylabel('y');
plot(Px,repmat(Py',1,2),'r','LineWidth',5)
plot(repmat(Px,2,1),repmat([Py(1) Py(end)]',1,2),'r','LineWidth',5); hold off
pause(time)
end
end
end
end
end
NUM
%% Haar特征2：上白,下黑,(s,t)=(2,1)
s = 2;
t = 1;
R = s:s:floor(num/s)*s; % Haar窗口高
C = t:t:floor(num/t)*t; % Haar窗口宽
NUM = 0; % Haar特征总数
'---- Haar特征2：上白,下黑,(s,t)=(2,1) ---'
for I = 1:length(R)
for J = 1:length(C)
r = R(I)*delta; % Haar窗口高
c = C(J)*delta; % Haar窗口宽
nr = num-R(I)+1; % 行方向移动个数
nc = num-C(J)+1; % 列方向移动个数
Px0 = [0 r/2 r]; % 矩形坐标初始化
Py0 = [0 c];
for i = 1:nr
for j = 1:nc
Px = Px0+(i-1)*delta; % 滑动取点
Py = Py0+(j-1)*delta;
NUM = NUM+1;
if show
plot([0 board],repmat((0:delta:board)',1,2),'k'); hold on;
plot(repmat((0:delta:board)',1,2),[0 board],'k'); axis tight; axis square;
title('Haar矩形遍历演示');xlabel('x');ylabel('y');
plot(repmat(Px,2,1),repmat(Py',1,length(Px)),'r','LineWidth',3);
plot(repmat([Px(1) Px(end)]',1,2),repmat(Py,2,1),'r','LineWidth',3); hold off
pause(time)
end
end
end
end
end
NUM
%% Haar特征3：左右白,中间黑,(s,t)=(1,3)
s = 1;
t = 3;
R = s:s:floor(num/s)*s; % Haar窗口高
C = t:t:floor(num/t)*t; % Haar窗口宽
NUM = 0; % Haar特征总数
'---- Haar特征3：左右白,中间黑,(s,t)=(1,3) ---'
for I = 1:length(R)
for J = 1:length(C)
r = R(I)*delta; % Haar窗口高
c = C(J)*delta; % Haar窗口宽
nr = num-R(I)+1; % 行方向移动个数
nc = num-C(J)+1; % 列方向移动个数
Px0 = [0 r]; % 矩形坐标初始化
Py0 = [0 c/3 c*2/3 c];
for i = 1:nr
for j = 1:nc
Px = Px0+(i-1)*delta; % 滑动取点
Py = Py0+(j-1)*delta;
NUM = NUM+1;
if show
plot([0 board],repmat((0:delta:board)',1,2),'k'); hold on;
plot(repmat((0:delta:board)',1,2),[0 board],'k'); axis tight; axis square;
title('Haar矩形遍历演示');xlabel('x');ylabel('y');
plot(Px,repmat(Py',1,2),'r','LineWidth',5)
plot(repmat(Px,2,1),repmat([Py(1) Py(end)]',1,2),'r','LineWidth',5); hold off
pause(time)
end
end
end
end
end
NUM
%% Haar特征4：左右白,中间黑(2倍宽度),(s,t)=(1,4)
s = 1;
t = 4;
R = s:s:floor(num/s)*s; % Haar窗口高
C = t:t:floor(num/t)*t; % Haar窗口宽
NUM = 0; % Haar特征总数
'---- Haar特征4：左右白,中间黑(2倍宽度),(s,t)=(1,4) ---'
for I = 1:length(R)
for J = 1:length(C)
r = R(I)*delta; % Haar窗口高
c = C(J)*delta; % Haar窗口宽
nr = num-R(I)+1; % 行方向移动个数
nc = num-C(J)+1; % 列方向移动个数
Px0 = [0 r]; % 矩形坐标初始化
Py0 = [0 c/4 c*3/4 c];
for i = 1:nr
for j = 1:nc
Px = Px0+(i-1)*delta; % 滑动取点
Py = Py0+(j-1)*delta;
NUM = NUM+1;
if show
plot([0 board],repmat((0:delta:board)',1,2),'k'); hold on;
plot(repmat((0:delta:board)',1,2),[0 board],'k'); axis tight; axis square;
title('Haar矩形遍历演示');xlabel('x');ylabel('y');
plot(Px,repmat(Py',1,2),'r','LineWidth',5)
plot(repmat(Px,2,1),repmat([Py(1) Py(end)]',1,2),'r','LineWidth',5); hold off
pause(time)
end
end
end
end
end
NUM
%% Haar特征5：上下白，中间黑,(s,t)=(3,1)
s = 3;
t = 1;
R = s:s:floor(num/s)*s; % Haar窗口高
C = t:t:floor(num/t)*t; % Haar窗口宽
NUM = 0; % Haar特征总数
'---- Haar特征5：上下白，中间黑,(s,t)=(3,1) ---'
for I = 1:length(R)
for J = 1:length(C)
r = R(I)*delta; % Haar窗口高
c = C(J)*delta; % Haar窗口宽
nr = num-R(I)+1; % 行方向移动个数
nc = num-C(J)+1; % 列方向移动个数
Px0 = [0 r/3 r*2/3 r]; % 矩形坐标初始化
Py0 = [0 c];
for i = 1:nr
for j = 1:nc
Px = Px0+(i-1)*delta; % 滑动取点
Py = Py0+(j-1)*delta;
NUM = NUM+1;
if show
plot([0 board],repmat((0:delta:board)',1,2),'k'); hold on;
plot(repmat((0:delta:board)',1,2),[0 board],'k'); axis tight; axis square;
title('Haar矩形遍历演示');xlabel('x');ylabel('y');
plot(repmat(Px,2,1),repmat(Py',1,length(Px)),'r','LineWidth',3);
plot(repmat([Px(1) Px(end)]',1,2),repmat(Py,2,1),'r','LineWidth',3); hold off
pause(time)
end
end
end
end
end
NUM
%% Haar特征6：上下白，中间黑(2倍宽度),(s,t)=(4,1)
s = 4;
t = 1;
R = s:s:floor(num/s)*s; % Haar窗口高
C = t:t:floor(num/t)*t; % Haar窗口宽
NUM = 0; % Haar特征总数
'---- Haar特征6：上下白，中间黑(2倍宽度),(s,t)=(4,1) ---'
for I = 1:length(R)
for J = 1:length(C)
r = R(I)*delta; % Haar窗口高
c = C(J)*delta; % Haar窗口宽
nr = num-R(I)+1; % 行方向移动个数
nc = num-C(J)+1; % 列方向移动个数
Px0 = [0 r/4 r*3/4 r]; % 矩形坐标初始化
Py0 = [0 c];
for i = 1:nr
for j = 1:nc
Px = Px0+(i-1)*delta; % 滑动取点
Py = Py0+(j-1)*delta;
NUM = NUM+1;
if show
plot([0 board],repmat((0:delta:board)',1,2),'k'); hold on;
plot(repmat((0:delta:board)',1,2),[0 board],'k'); axis tight; axis square;
title('Haar矩形遍历演示');xlabel('x');ylabel('y');
plot(repmat(Px,2,1),repmat(Py',1,length(Px)),'r','LineWidth',3);
plot(repmat([Px(1) Px(end)]',1,2),repmat(Py,2,1),'r','LineWidth',3); hold off
pause(time)
end
end
end
end
end
NUM
%% Haar特征7：左上右下白，其它黑,(s,s)=(2,2)
s = 2;
t = 2;
R = s:s:floor(num/s)*s; % Haar窗口高
C = t:t:floor(num/t)*t; % Haar窗口宽
NUM = 0; % Haar特征总数
'---- Haar特征7：左上右下白，其它黑,(s,s)=(2,2) ---'
for I = 1:length(R)
for J = 1:length(C)
r = R(I)*delta; % Haar窗口高
c = C(J)*delta; % Haar窗口高
nr = num-R(I)+1; % 行方向移动个数
nc = num-C(J)+1; % 行方向移动个数
Px0 = [0 r/2 r]; % 矩形坐标初始化
Py0 = [0 c/2 c]; % 矩形坐标初始化
for i = 1:nr
for j = 1:nc
Px = Px0+(i-1)*delta; % 滑动取点
Py = Py0+(j-1)*delta;
NUM = NUM+1;
if show
plot([0 board],repmat((0:delta:board)',1,2),'k'); hold on;
plot(repmat((0:delta:board)',1,2),[0 board],'k'); axis tight; axis square;
title('Haar矩形遍历演示');xlabel('x');ylabel('y');
plot(repmat(Px,3,1),repmat(Py',1,length(Px)),'r','LineWidth',3);
plot(repmat([Px(1) Px(end)]',1,3),repmat(Py,2,1),'r','LineWidth',3); hold off
pause(time)
end
end
end
end
end
NUM
%% Haar特征8：四周白，中间黑,(s,s)=(3,3)
s = 3;
t = 3;
R = s:s:floor(num/s)*s; % Haar窗口高
C = t:t:floor(num/t)*t; % Haar窗口宽
NUM = 0; % Haar特征总数
'---- Haar特征8：四周白，中间黑,(s,s)=(3,3) ---'
for I = 1:length(R)
for J = 1:length(C)
r = R(I)*delta; % Haar窗口高
c = C(J)*delta; % Haar窗口高
nr = num-R(I)+1; % 行方向移动个数
nc = num-C(J)+1; % 行方向移动个数
Px0 = [0 r/3 r*2/3 r]; % 矩形坐标初始化
Py0 = [0 c/3 c*2/3 c]; % 矩形坐标初始化
for i = 1:nr
for j = 1:nc
Px = Px0+(i-1)*delta; % 滑动取点
Py = Py0+(j-1)*delta;
NUM = NUM+1;
if show
plot([0 board],repmat((0:delta:board)',1,2),'k'); hold on;
plot(repmat((0:delta:board)',1,2),[0 board],'k'); axis tight; axis square;
title('Haar矩形遍历演示');xlabel('x');ylabel('y');
plot(repmat(Px,4,1),repmat(Py',1,length(Px)),'r','LineWidth',3);
plot(repmat([Px(1) Px(end)]',1,4),repmat(Py,2,1),'r','LineWidth',3); hold off
pause(time)
end
end
end
end
end
NUM
% 毕业院校：海军工程大学，水声工程专业，博士
% 精通方向：数字信号(图像、视频)处理，人工智能与模式识别，群体智能优化，非线性与混沌，支持向量机，Matlab与VC++混编
% 现任岗位：沈阳聚德视频技术有限公司，图像处理及模式识别研发工程师
% 工作职责：车牌识别，视频目标跟踪等算法开发，C/C++实现，DSP植入
% 兴趣爱好：金融时序的程式化交易
%
% 主要成果：
% [1] 实现车牌识别C/C实现，DSP植入，识别率：汉字不低于99%，数字字母不低于99.5%，整牌不低于97%
% [2] 精通数字信号(图像、视频)“特征提取”与“模式识别”的研究与开发，开展了“支持向量机”应用研究，原创文章有《四种支持向量机工具箱使用要点》，独立开发了“支持向量机Matlab工具箱Version1.0”。结题项目有：语音信号处理与识别，遥感图像的特征提取与分类，人脸识别，主被动声纳信号处理与识别等
% [3] 精通“群体智能优化”，原创工具箱有“群体智能算法”Matlab工具箱 Version2.0”，误差精度优于现有公开发表文献，工程中解决了各种高维复杂问题的优化计算
% [4] 精通“时间序列混沌建模和预测”，基于Matlab和VC 混编平台，独立开发了混沌分析和预测软件包“混沌时间序列分析与预测工具箱 Version2.9”。结题项目有：金融数据波动性分析与程式化交易，银行反洗钱异常检测系统，混沌背景弱信号检测，海洋混响背景弱目标检测等
% [5] 精通Matlab与VC 混合编程：(a)以VC 为界面，核心算法采用Matlab函数，原创文章有《如何将Matlab7.0函数转换成VC 6.0动态链接库》；(b)以Matlab为界面，耗时算法在VC 环境中采用Mexfunction编译。
%
% 联系方式
电子邮件：luzhenbo2@qq.com
个人博客: http://blog.sina.com.cn/luzhenbo2
(转)Haar-like矩形遍历检测窗口演示Matlab源代码的更多相关文章
- paper 69：Haar-like矩形遍历检测窗口演示Matlab源代码[转载]
Haar-like矩形遍历检测窗口演示Matlab源代码 clc; clear; close all; % Haar-like特征矩形计算 board = 24 % 检测窗口宽度 num = 24 % ...
- 基于Haar特征Adaboost人脸检测级联分类
基于Haar特征Adaboost人脸检测级联分类 基于Haar特征Adaboost人脸检测级联分类,称haar分类器. 通过这个算法的名字,我们能够看到这个算法事实上包括了几个关键点:Haar特征.A ...
- WPF Window异形窗口演示
我们先通过简单的效果展示,切换展示不同图片: 我们先定义图片资源文件,我们可以在window资源中定义,下面的在app.xaml文件来定义: <Application x:Class=" ...
- 链表创建和链表遍历算法的演示_C语言
今天搞了一个多小时,头是疼的,应该是没休息好吧,学习了数据结构这一节,感觉收益良多,下面贴上代码和心得: /*24_链表创建和链表遍历算法的演示*/ # include <stdio.h> ...
- OpenCV 矩形轮廓检测
转载请注明出处:http://blog.csdn.net/wangyaninglm/article/details/44151213, 来自:shiter编写程序的艺术 基础介绍 OpenCV里提取目 ...
- Silverlight子窗口(ChildWindow)传递参数到父窗口演示
在企业级项目中,子窗口(ChildWindow)是一个常用控件,其展示方式是以弹出窗口来显示信息. 这里我将演示,子窗口传递参数到父窗口的方法.由于我的开发环境都是英文环境,所以部分中文可能显示不正常 ...
- 遍历windows窗口
原文 1. GetDesktopWindow GetNextWindow HWND hAll = ::GetDesktopWindow(); HWND hCurrent = ::GetNextWind ...
- python3+openCV实现图片的人脸人眼检测，原理+参数+源代码
上学时候用matlab学过一些图像处理的基础知识,当时课程作业是用haar实现人脸检测 but当时是心思根本不在图像处理上,so找了个同学帮忙做的,自己没上心 然鹅天道好轮回,现在捡起来了原来的算法一 ...
- OpenCV角点检测goodFeaturesToTrack（）源代码分析
上面一篇博客分析了HARRIS和ShiTomasi角点检测的源代码.而为了提取更准确的角点,OpenCV中提供了goodFeaturesToTrack()这个API函数,来获取更加准确的角点位置.这篇 ...
随机推荐
- 【转】Inter-eNB S1 切换
本博客介绍Inter-eNB的S1切换的流程 当eNB收到测量报告,或是因为内部负荷分担等原因,触发了切换判决,进行eNB间小区间通过S1口的切换. 源eNB通过S1接口的 HANDOVER REQU ...
- 关联，聚合和组合（复合）--Association, Aggregation and Composition
概要 Association, Aggregation and Composition are terms that represent relationships among objects. Th ...
- 第六章 Java性能调优工具（待续）
Java性能调优工具 Windows工具 JDK命令行工具 JConsole工具 Visual VM多合一工具 Visual VM对QQL的支持 MAT内存分析工具 MAT对QQL的支持 JProfi ...
- PHP实现常用排序算法（含示意动图）
目录 1 快速排序 2 冒泡排序 3 插入排序 4 选择排序 5 归并排序 6 堆排序 7 希尔排序 8 基数排序 总结 作为phper,一般接触算法的编程不多. 但基本的排序算法还是应该掌握. 毕竟 ...
- myeclipse与eclipse的web项目部署区别
一.myeclipse之web项目的部署(发布)流程 web项目的部署(发布)流程2008-01-18 14:35 在myeclipse下新建web工程abc.系统设置默认如下: 项目保存位置:wor ...
- UML在软件开发中各个阶段的作用和意义
经典的软件工程思想将软件开发分成5个阶段:需求分析,系统分析与设计,系统实现,测试及维护五个阶段. 之所以如此,是因为软件开发中饣含了物和人的因素,存在着很大的不确定性,这使得软件工程不可能像理想的, ...
- windows安装和配置JDK
安装完JDK后配置环境变量 计算机→属性→高级系统设置→高级→环境变量 系统变量→新建 JAVA_HOME 变量 . 变量值填写jdk的安装目录(本人是 E:\Java\jdk1.7.0) ...
- Python之路：面向对象及相关
其他相关 一.isinstance(obj, cls) 检查是否obj是否是类 cls 的对象 class Foo(object): pass obj = Foo() isinstan ...
- Oracle之DBMS_SQL包用法详解
对于一般的(select)操作,如果使用动态的sql语句则需要进行以下几个步骤:open cursor--->parse---> bind variable ---> defi ...
- java线程的三种实现方式
线程实现的三种种方式: 一个是继承Thread类,实现run()方法: 一个是实现Runnable接口,实现run()方法: 一个是实现Callable接口,实现call()方法:该方式和实现Runn ...