- Resource Information
Abstract
Αυτό είναι ένα διασκεδαστικό έργο βασισμένο στην επεξεργασία εικόνων με MATLAB, εδώ θα μάθουμε πώς θα μετρήσουμε τον αριθμό των διακριτών αντικειμένων σε μια εικόνα. Το ακόλουθο σεμινάριο εκτελείται με τη βοήθεια του MATLAB. Το MATLAB από το “MATrix LABoratory”, είναι ένα αριθμητικό περιβάλλον και μια γλώσσα προγραμματισμού τέταρτης γενιάς, που αναπτύχθηκε από το MathWorks. Χρησιμοποιώντας το MATLAB, μπορούμε να λύσουμε τα τεχνικά υπολογιστικά προβλήματα γρηγορότερα από ότι με τις παραδοσιακές γλώσσες προγραμματισμού, όπως C, C ++ και Fortran. Αυτή η δραστηριότητα μπορεί να αναπτυχθεί μεμονωμένα από μαθητές ή ως δραστηριότητα ζευγαριού (2 μαθητές). Ο δάσκαλος πρέπει να παρακολουθεί την εργασία που εκτελείται από τους μαθητές. Η εργασία μπορεί να εκτελεστεί εκτελώντας τις εντολές σε κάθε βήμα διαδοχικά στο παράθυρο εντολών του MATLAB.

Η αρχική εικόνα
Πηγή https://www.instructables.com/Image-Processing-and-Counting-using-MATLAB/
Learning Outcomes
Οι μαθητές θα μάθουν πώς να επεξεργαστούν μια εικόνα χρησιμοποιώντας MATLAB.
- Οργανώστε μια ομαδική εργασία μοιράζοντας εργασίες και ρόλους.
- Κοινωνικές δεξιότητες όπως ηγεσία, οργανωτική συνείδηση ή επικοινωνία.
- Προγραμματιστικές δεξιότητες.
- Διαχείριση χρόνου και πόρων για την επίτευξη των προτεινόμενων στόχων.
- Κοινωνική ευθύνη και ευαισθητοποίηση.
- Μαθηματικές γνώσεις αναγνωρίζοντας διαφορετικούς τρόπους μέτρησης, όγκους και προοπτικές.
- Πώς να εργαστείτε σε ομάδες.
- Πώς να κατανοήσετε τις αρχές της φυσικής.
- Πώς να επεξεργαστείτε μια εικόνα χρησιμοποιώντας MATLAB.
Other Instructions
Σε 7 απλά βήματα θα έχετε την επεξεργασμένη εικόνα σας: o Διαβάστε μια εικόνα: Μια εικόνα επιλέγεται έτσι ώστε να έχει σημαντική αντίθεση με το φόντο της έτσι ώστε τα αντικείμενα να μπορούν να αναγνωριστούν. Η συνάρτηση imread διαβάζει την εικόνα από μια δεδομένη τοποθεσία και την αποθηκεύει στον πίνακα img1. Η λειτουργία imshow εμφανίζει την εικόνα. img1 = imread («Lines.jpg»); imshow (img1) o Μετατροπή σε κλίμακα του γκρι: Αυτό το βήμα αφαιρεί τυχόν πληροφορίες χρώματος στην εικόνα για να διευκολύνει τον εντοπισμό αντικειμένων. Το rgb2gray μετατρέπει την έγχρωμη εικόνα σε εικόνα κλίμακας του γκρι και την αποθηκεύει στον πίνακα img2. img1 = rgb2gray (img1); imshow (img1) o Όριο εικόνας: Αυτό το βήμα κατωφλίζει την εικόνα μετατρέποντας την εικόνα σε κλίμακα του γκρι σε εικόνα που περιέχει μόνο δύο χρώματα. Η συνάρτηση im2bw () αποδίδει μαύρο χρώμα σε όλα τα pixel που έχουν φωτεινότητα από ένα επίπεδο κατωφλίου και τα άλλα λευκά. Η συνάρτηση Graythresh () υπολογίζει περίπου το κατώφλι της εικόνας. img2 = im2bw (img1, graythresh (img1)); imshow (img2) o Συμπληρώστε την εικόνα: Σε αυτό το βήμα συμπληρώνουμε την εικόνα χρησιμοποιώντας τον τελεστή ~. Με αυτό μετατρέπουμε τα λευκά μπαλώματα σε μαύρο και αντίστροφα. Εκτελούμε αυτό το βήμα καθώς θέλαμε οι περιοχές ανησυχίας (αντικείμενα) να είναι λευκές. img2 = ~ img2; imshow (img2) o Βρέθηκαν τα όρια του αντικειμένου: Αυτό το βήμα βρίσκει τα όρια κάθε αντικειμένου που το βρίσκει και το αποθηκεύει στο Β. Η συνάρτηση κειμένου εκτυπώνει τον αριθμό των αντικειμένων που εντοπίζονται από τα όρια. B = bwboundaries(img2); imshow(img2) text(10,10,strcat(‘color{green}Objects Found:’,num2str(length(B)))) hold on o Σχεδιάστε τα όρια: Αυτό είναι ένα διασκεδαστικό βήμα στο οποίο επισημαίνουμε τα όρια όλων των αντικειμένων που προσδιορίζονται από τη συνάρτηση bbboundaries. Αυτό το βήμα μπορεί να εξαλειφθεί εάν φαίνεται περίπλοκο for k = 1:length(B) boundary = B{k}; plot(boundary(:,2), boundary(:,1), ‘g’, ‘LineWidth’, 0.2) end
URL
RESOURCES
Author
Language
Greek