摘录自:https://blog.csdn.net/smf0504/article/details/51830963 https://www.cnblogs.com/shuqingstudy/p/4853936.html 一.hold指令使用 正常情况下,plot指令显示figure时,以前的数据丢失了.使用hold on指令后,此后添加的一系列plot曲线将叠加在前一个图上当使用hold off后,恢复为默认状况,plot后将取代旧的figure 代码: % 提示 disp ('该功能练习ho

在MATLAB中,我们常使用imshow()函数来显示图像,而此时的图像矩阵可能经过了某种运算.在MATLAB中,为了保证精度,经过了运算的图像矩阵I其数据类型会从uint8型变成double型.如果直接运行imshow(I),显示的将是一个白色的图像. 这是因为imshow()显示图像时默认double型在0~1范围内,即大于1时都显示为白色:而imshow()显示unit8型图像是在0~255范围内.解决办法: 1.利用imshow(I/256)将图像矩阵转化到0~1之间 2.利用imsho

1.显示RGB图像 相同点:这三个函数都是把m*n*3的矩阵中的数值当做RGB值来显示的. 区别:imshow将图像以原始尺寸显示,image和imagesc则会对图像进行适当的缩放(显示出来的尺寸大小). 2.显示灰度图像 说明:先搞明白什么是索引图像?(灰度图像也是索引图像的一种) 当用Matlab中的imread函数将图像读入并存入矩阵时,我们知道如果是RGB图像,得到是m*n*3的矩阵,但如果是索引图像,得到就是m*n的矩阵,这个矩阵的每个元素只是1个数值,那么怎么确定它的RGB值来显示

1 综述 Separating touching objects in an image is one of the more difficult image processing operations. The watershed transform is often applied to this problem. The watershed transform finds "catchment basins"(集水盆) and "watershed ridge line

基于Matlab的标记分水岭分割算法 http://blog.sina.com.cn/s/blog_725866260100rz7x.html 1 综述 Separating touching objects in an image is one of the more difficult image processing operations. The watershed transform is often applied to this problem. The watershed tra

转自:http://blog.sina.com.cn/lyqmath 1 综述 Separating touching objects in an image is one of the more difficult image processing operations. The watershed transform is often applied to this problem. The watershed transform finds "catchment basins"(

记录一些用Matlab的技巧. //imshow全屏 subplot(1,3,3); imshow(topSketMat); hold on; set(gcf, 'units', 'normalized', 'outerposition', [0 0 1 1]); //保存handle为图片,并且关闭figure sketCnrPngH = imshow(1 - bwSket); hold on; for i = 1 : size(cornerA, 1) plot(cornerA(i,2), c

PS:好久没更新,因为期末到了,拼命复习中.复习久了觉得枯燥,玩玩儿霍夫变换直线检测 霍夫变换的基本原理不难,即便是初中生也很容易理解(至少在直线检测上是这样子的). 霍夫变换直线检测的基本原理:(不配图了,自己在白纸上画画,理解更深刻) 一步一步来: 1.在白纸上画出一个直角坐标系,任意给出一个点: 2.那么,对于点(x0,y0),经过这个点的直线必定满足y0=k*x0+b, 其中k是直线的斜率,b是直线的截距: 3.上式可以化成b=y0-k*x0,  可以看作是以-x0为斜率,以y0为截距,

在matlab图像处理中,为了标识出图像的目标区域来,需要利用plot函数或者rectangle函数,这样标识目标后,就保存图像. 一般saves保存的图像存在白边,可以采用imwrite对图像进行保存,保留原始图像大小. 代码如下: set(gca,'units','pixels','Visible','off'); axes( 1.0 1.0]); [rows cols]=size(img); imshow(img); hold on s = regionprops(logicmap); :

Hough变换的原理: 将图像从图像空间变换至參数空间.变换公式例如以下: 变换以后,图像空间与參数空间存在下面关系: 图像空间中的一点在參数空间是一条曲线,而图像空间共线的各点相应于參数空间交于一点的各条曲线. 以下使用Matlab实现Hough变换对图像中的直线划痕进行检測. close all; clear all; I = imread('scratch.tif'); figure; subplot(1,3,1); imshow(I); BW = edge(I,'canny');%Can

这篇文章是<数字图像处理原理与实践(MATLAB文本)>一本书的代码系列Part7(由于调整先前宣布订单,请读者注意分页程序,而不仅仅是基于标题数的一系列文章),第一本书特色186经225的代码页,有需要的读者下载用于科研.已经过半.代码运行结果请參见原书配图,建议下载代码前阅读下文: 关于<数字图像处理原理与实践(MATLAB版)>一书代码公布的说明 http://blog.csdn.net/baimafujinji/article/details/40987807 P186 A

KITTI数据集接口已经提供了matlab接口,本篇将说明详细说明其应用并与PCL进行对接.PCL为C++点云处理语言库,详情可见:http://pointclouds.org/ 程序可以从官网下载,也可以从我的github上下载https://github.com/ZouCheng321/fusion_kitti,为运行本代码,必须先编译make.m文件. 关于激光相机的demo为 run_demoVelodyne.m 本例以读取 2011_09_26_drive_0005_sync场景,读取

http://blog.csdn.net/makenothing/article/details/12884331 这是源博客的出处,鄙人转过来是为了更好的保存!供大家一起学习!已将原始的博客的文章的位置附在上面! 至于代码的完整性和可执行性须要大家去自己考量! %MatLab角点检測程序harris. ori_im2=rgb2gray(imread('2.bmp')); %ori_im2=imresize(ori_im2',0.50,'bicubic'); %加上这句图就变成竖着的了 fx =

在matlab图像处理中,为了标识出图像的目标区域来,需要利用plot函数或者rectangle函数,这样标识目标后,就保存图像. 一般saves保存的图像存在白边,可以采用imwrite对图像进行保存,保留原始图像大小. 代码如下: set(gca,'units','pixels','Visible','off'); axes( 1.0 1.0]); [rows cols]=size(img); imshow(img); hold on s = regionprops(logicmap); :

原文作者 : Satya Mallick 译者 : aleen42 原文  https://aleen42.gitbooks.io/personalwiki/content/translation/opencv_vs_matlab/opencv_vs_matlab.html  https://blog.csdn.net/lhbbzh/article/details/52049478   我们经常会为自己的技能选择合适工具而感到疑惑.虽然,工具能够帮助你锻炼技能,但它们并不能使你成为一位能者(Cr

在Matlab R2013a 和R2014a中已经实现MSER特征的提取. 一.函数detectMSERFeatures 输入的是M*N的灰度图片.可以指定阈值刻度,区域范围,感兴趣区域等参数. 输出的是MSERRegions class,即框住区域的椭圆由椭圆中心的坐标,椭圆的长短轴,椭圆的方向(有长轴与x方向形成的角),即区域内所有像素的坐标. Detect MSER features and return MSERRegions object Syntax · regions = dete

clc; clear all; close all; I = imread('E:\matlab\files-images\tomsen512.jpg'); rs = size(I, 1);% 行数cs = size(I, 2); % 列数% ch为列间隔 cw为行间隔 ,控制分块图像的大小,如现在的8*8% numr为间隔块个数 numc为间隔块个数ch = 8;   cw = 8; numr = round(rs/ch); numc = round(cs/cw); % 区域块分割t1 = (

Hough变换的原理: 将图像从图像空间变换至参数空间,变换公式如下: 变换以后,图像空间与参数空间存在以下关系: 图像空间中的一点在参数空间是一条曲线,而图像空间共线的各点对应于参数空间交于一点的各条曲线. 下面使用Matlab实现Hough变换对图像中的直线划痕进行检测. close all; clear all; I = imread('scratch.tif'); figure; subplot(1,3,1); imshow(I); BW = edge(I,'canny');%Canny

PRM概率路线图全称 Probabilistic Roadmap,是一种路径规划算法,利用随机撒点的方式将空间抽样并将问题转为图搜索,利用A*或Dijkstra算法找到起始结束节点的最短路径. 可以想到撒点数越密,得到的路径越接近最优路径,不过运算时间也越长. 算法原理如下: 1. 首先确定地图与起始结束点位置,对地图随机撒点,将起始结束节点加入随机点中,并剔除撒到障碍物上的点. 2. 建立所有节点的邻接矩阵无向图,图的边为两两随机点的距离,如果两两随机点直线距离通过障碍物,则设置该边为无穷大.

RRT快速搜索随机树英文全称Rapid-exploration Random Tree,和PRM类似,也是一种路径规划算法. 和PRM类似,算法也需要随机撒点,不过不同的是,该算法不是全局随机撒点,而是一次撒一个点,然后判断当前搜索树与随机点距离,然后找到搜索树距离随机点最近的节点,向该随机点方向扩展.这里随机点有一定的概率是终点,所以搜索树最终是能够到达终点的. 算法流程如下: 1. 首先确定地图与起始结束点位置,设置搜索树,这里定义了一个随机点列表和一个随机点索引前驱列表代表搜索树. 2.

1.图像反转 MATLAB程序实现如下:I=imread('xian.bmp');J=double(I);J=-J+(256-1);                 %图像反转线性变换H=uint8(J);subplot(1,2,1),imshow(I);subplot(1,2,2),imshow(H); 2.灰度线性变换MATLAB程序实现如下:I=imread('xian.bmp');subplot(2,2,1),imshow(I);title('原始图像');axis([50,250,50