【表盘识别】Hough变换指针式仪表识别(倾斜矫正)【含Matlab源码 1058期】

对于图片倾斜做矫正处理 一 霍夫变换 对于图片倾斜问题可通过霍夫变换进行矫正,霍夫变换主要是利用图片所在的空间和霍夫空间之间的变换,将图片所在的直角坐标系中具有形状的曲线或直线映射到霍夫空间的一个点上形成峰值,从而将检测任意形状的问题转化成了计算峰值的问题。即在图片所在的直角坐标系的一个直线,转换到霍夫空间便成了一点,并且是由多条直线相交而成,我们统计的峰值也就是该相交点的橡胶线的条数。 这么难以理解,下面将用霍夫直线检测具体解释一下为什么可以将检测任意形状问题转化成计算峰值问题。对图片建立直角坐标系,则图片中如... 阅读详情

💥💥💥💥💥💥💥💥💞💞💞💞💞💞💞💞💞Matlab武动乾坤博客之家💞💞💞💞💞💞💞💞💞💥💥💥💥💥💥💥💥
🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀
在这里插入图片描述
🔊博主简介:985研究生,Matlab领域科研开发者;

🚅座右铭:行百里者,半于九十。

🏆代码获取方式:
优快云 Matlab武动乾坤—代码获取方式

更多Matlab图像处理仿真内容点击👇
①Matlab图像处理(进阶版)

⛳️关注优快云 Matlab武动乾坤,更多资源等你来!!

⛄一、Hough变换简介

霍夫变换(Hough Transform)是图像处理中的一种特征提取技术,它通过一种投票算法检测具有特定形状的物体。该过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为霍夫变换结果。霍夫变换于1962年由Paul Hough 首次提出[53],后于1972年由Richard Duda和Peter Hart推广使用[54],经典霍夫变换用来检测图像中的直线,后来霍夫变换扩展到任意形状物体的识别,多为圆和椭圆。

霍夫变换运用两个坐标空间之间的变换将在一个空间中具有相同形状的曲线或直线映射到另一个坐标空间的一个点上形成峰值,从而把检测任意形状的问题转化为统计峰值问题,上一节中已经介绍了车道的直线特征,本节中介绍hough变换检测直线的原理和检测结果。

我们知道,一条直线在直角坐标系下可以用y=kx+b表示, 霍夫变换的主要思想是将该方程的参数和变量交换,即用x,y作为已知量k,b作为变量坐标,所以直角坐标系下的直线y=kx+b在参数空间表示为点(k,b),而一个点(x1,y1)在直角坐标系下表示为一条直线y1=x1·k+b,其中(k,b)是该直线上的任意点。为了计算方便,我们将参数空间的坐标表示为极坐标下的γ和θ。因为同一条直线上的点对应的(γ,θ)是相同的,因此可以先将图片进行边缘检测,然后对图像上每一个非零像素点,在参数坐标下变换为一条直线,那么在直角坐标下属于同一条直线的点便在参数空间形成多条直线并内交于一点。因此可用该原理进行直线检测。
在这里插入图片描述
如图 所示,对于原图内任一点(x,y)都可以在参数空间形成一条直线,以图中一条直线为例有参数(γ,θ)=(69.641,30°),所有属于同一条直线上的点会在参数空间交于一点,该点即为对应直线的参数。由该图中所有直线所得到的(γ,θ)在参数空间中得到一系列对应曲线见图 霍夫统计变换结果。
在这里插入图片描述

⛄二、部分源代码

clear all;
close all;
clc;

img= imread(‘3.jpg’);
img= rgb2gray(img);
%% 归一化处理
figure(1);
imshow(mat2gray(img));
hold on;
[M, N] = size(img);
%% 倾斜校正与透视变换
dot=[120,40;401,73;69,309;339,395];
%取四个点,依次是左上,右上,左下,右下,这里我取的是四个角
plot(dot(:,1),dot(:,2),‘*’);title(‘经灰度化的原图及其倾斜校正特征点’);
w=round(sqrt((dot(1,1)-dot(2,1))2+(dot(1,2)-dot(2,2))2)); %从原四边形获得新矩形宽
h=round(sqrt((dot(1,1)-dot(3,1))2+(dot(1,2)-dot(3,2))2)); %从原四边形获得新矩形高 round 四舍五入取整

y=[dot(1,1) dot(2,1) dot(3,1) dot(4,1)]; %四个原顶点
x=[dot(1,2) dot(2,2) dot(3,2) dot(4,2)];

%这里是新的顶点,我取的矩形,也可以做成其他的形状
%大可以原图像是矩形,新图像是从dot中取得的点组成的任意四边形
Y=[dot(1,1) dot(1,1) dot(1,1)+h dot(1,1)+h];
X=[dot(1,2) dot(1,2)+w dot(1,2) dot(1,2)+w];

B=[X(1) Y(1) X(2) Y(2) X(3) Y(3) X(4) Y(4)]';
%变换后的四个顶点,方程右边的值
%联立解方程组,方程的系数
A=[x(1) y(1) 1 0 0 0 -X(1)*x(1) -X(1)*y(1);
0 0 0 x(1) y(1) 1 -Y(1)*x(1) -Y(1)*y(1);
x(2) y(2) 1 0 0 0 -X(2)*x(2) -X(2)*y(2);
0 0 0 x(2) y(2) 1 -Y(2)*x(2) -Y(2)*y(2);
x(3) y(3) 1 0 0 0 -X(3)*x(3) -X(3)*y(3);
0 0 0 x(3) y(3) 1 -Y(3)*x(3) -Y(3)*y(3);
x(4) y(4) 1 0 0 0 -X(4)*x(4) -X(4)*y(4);
0 0 0 x(4) y(4) 1 -Y(4)*x(4) -Y(4)*y(4)];

fa=inv(A)*B; %用四点求得的方程的解,也是全局变换系数 inv 求逆运算
a=fa(1);b=fa(2);c=fa(3);
d=fa(4);e=fa(5);f=fa(6);
g=fa(7);h=fa(8);

rot=[d e f;
a b c;
g h 1];
%公式中第一个数是x,Matlab第一个表示y,所以我矩阵1,2行互换了

pix1=rot*[1 1 1]‘/(g1+h1+1); %变换后图像左上点
pix2=rot*[1 N 1]’/(g1+hN+1); %变换后图像右上点
pix3=rot*[M 1 1]‘/(gM+h1+1); %变换后图像左下点
pix4=rot*[M N 1]’/(gM+hN+1); %变换后图像右下点

height=round(max([pix1(1) pix2(1) pix3(1) pix4(1)])-min([pix1(1) pix2(1) pix3(1) pix4(1)])); %变换后图像的高度
width=round(max([pix1(2) pix2(2) pix3(2) pix4(2)])-min([pix1(2) pix2(2) pix3(2) pix4(2)])); %变换后图像的宽度
imgn=zeros(height,width);
img_mask=zeros(height,width);

if min([pix1(1) pix2(1) pix3(1) pix4(1)]) >= 0
delta_y = -round(abs(min([pix1(1) pix2(1) pix3(1) pix4(1)])));
else
delta_y = round(abs(min([pix1(1) pix2(1) pix3(1) pix4(1)]))); %取得y方向的负轴超出的偏移量
end;
if min([pix1(2) pix2(2) pix3(2) pix4(2)]) >= 0
delta_x = -round(abs(min([pix1(2) pix2(2) pix3(2) pix4(2)])));
else
delta_x = round(abs(min([pix1(2) pix2(2) pix3(2) pix4(2)]))); %取得x方向的负轴超出的偏移量
end;
inv_rot=inv(rot);

for i = 1-delta_y:height-delta_y %从变换图像中反向寻找原图像的点,以免出现空洞,和旋转放大原理一样
for j = 1-delta_x:width-delta_x
pix=inv_rot*[i j 1]'; %求原图像中坐标,因为[YW XW W]=fa*[y x 1],所以这里求的是[YW XW W],W=gy+hx+1;
pix=inv([gpix(1)-1 hpix(1);gpix(2) hpix(2)-1])[-pix(1) -pix(2)]'; %相当于解[pix(1)(gy+hx+1) pix(2)*(gy+hx+1)]=[y x],这样一个方程,求y和x,最后pix=[y x];

    if pix(1)>=0.5 && pix(2)>=0.5 && pix(1)<=M && pix(2)<=N
        imgn(i+delta_y,j+delta_x)=img(round(pix(1)),round(pix(2)));     %最邻近插值,也可以用双线性或双立方插值
        img_mask(i+delta_y,j+delta_x)=1;
    end  
end

end

%% 显示并以文件格式保存图像
figure(2);imshow(uint8(imgn));title(‘倾斜校正后的图像’);
print(gcf,‘-djpeg’,‘abc.jpeg’);
hold on;

%% 霍夫变换,同基础算法,清除相关变量
clearvars -except imgn img_mask
I = uint8(imgn);

hgram = 225: -1 :15;
I = histeq(I, hgram);
figure(3), imshow(I, []); title(‘直方图规定化’);
hold on;

rotI= medfilt2(I,[3 3]); %3x3矩阵的中值滤波
figure(4), imshow(rotI, []); title(‘中值滤波’);
hold on ;

%% 边缘检测
BW0 = edge(rotI,‘canny’,0.8);
figure(5), imshow(BW0);title(‘canny算子边缘检测’);
hold on ;

se1=strel(‘disk’,50); %创建一个半径为50的平坦型圆盘结构元素
img_mask = imerode(img_mask,se1);
BW = BW0&img_mask; %滤除边界
%% 霍夫变换检测直线
[H,T,R] = hough(BW);
figure(6),imshow(imadjust(mat2gray(H)),[],‘XData’,T,‘YData’,R,‘InitialMagnification’,‘fit’);
xlabel(‘\theta (degrees)’), ylabel(‘\rho’);
axis on, axis normal, hold on;
colormap(hot)
P = houghpeaks(H,5,‘threshold’,ceil(0.3*max(H(😃)));
x = T(P(:,2)); y = R(P(:,1));
plot(x,y,‘s’,‘color’,‘black’);
lines = houghlines(BW,T,R,P,‘FillGap’,52,‘MinLength’,35);
figure(7), imshow(uint8(imgn)),title(‘霍夫变换提取的直线’); hold on

% 提取指针直线
for k = 1: length(lines)
xy = [lines(k).point1; lines(k).point2];
plot(xy(:,1),xy(:,2),‘LineWidth’,2,‘Color’,‘green’);

% Plot beginnings and ends of lines
plot(xy(1,1),xy(1,2),‘x’,‘LineWidth’,2,‘Color’,‘yellow’);
plot(xy(2,1),xy(2,2),‘x’,‘LineWidth’,2,‘Color’,‘red’);

end

%% 读数

⛄三、运行结果

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]李凯南.基于Hough变换的指针式仪表的自动判读[J].现代电子技术. 2006,(14)

3 备注
简介此部分摘自互联网,仅供参考,若侵权,联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合

图片倾斜矫正处理(Hough Transform) 霍夫变换实现图片角度矫正 阅读详情

相关推荐

图片倾斜矫正(hough直线检测,仿射变换)

一、倾斜矫正

weixin_54721788的博客 5112

【表盘识别】基于matlab Hough变换指针式仪表识别(倾斜矫正)【含Matlab源码 1058期】

Hough变换指针式仪表识别(倾斜矫正) 完整代码,直接运行,适合小白!可提供运行操作视频!

订阅付费专栏Matlab(奶茶价版),可赠送奶茶价版付费专栏指定代码1份; 2802

【Matlab表盘识别】Hough变换指针式仪表识别(倾斜矫正)【含源码 1058期】

一、代码运行视频(哔哩哔哩) 【Matlab表盘识别】Hough变换指针式仪表识别(倾斜矫正)【含源码 1058期】 二、matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社,2020. [2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社,2013. [3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社,2013. [4]刘成龙.精通MATLAB图像处理[M

订阅付费专栏Matlab(奶茶价版),可赠送奶茶价版付费专栏指定代码1份; 329

基于Hough变化的图像校正

一、问题背景 下图是一张单据的扫描件,编程计算旋转角度对其进行校正、并补全断裂的表格线。 二、算法原理 1.基于sobel算子的边缘检测 要想将倾斜表格旋转进行校正,首先要计算表格倾斜的角度,我们用Hough变化来计算倾斜角度,Hough变换前先用sobel算子进行边缘检测; 2.基于Hough变化的倾斜角度计算 Hough变化计算倾斜角度。Hough变换的基本原理在于,利用点与线的对偶性,将图像空间的线条变为参数空间的聚集点,从而检测给定图像是否存在给定性质的曲线。采用直线的极坐标表示,直线可表示为 ,

weixin_43048780的博客 8293

毕设题目:Matlab表盘识别

毕设题目:Matlab表盘识别 完整代码,方可直接运行,适合小白!可提供运行操作视频!

订阅付费专栏Matlab(奶茶价版),可赠送奶茶价版付费专栏指定代码1份; 2423

指针式仪表倾斜校正opencv算法python代码及仪表图像(包含倾斜的和模板图像)

指针式仪表倾斜校正opencv算法python代码及仪表图像(包含倾斜的和模板图像) opencv 里面的sift算法,如果想改成SURF算法直将“SIFT_create”修改成“SURF_create”即可 #SURF_create受专利保护,直接运行报错,SIFT_create可以直接跑 下面提供了两种使用SURF_create的方法 1. 卸载已有安装opencv-python: pip uninstall opencv-python 2. 安装opencv-contrib-python 3.2版本以下: pip install opencv-contrib-python==3.4.2 也可以不降低版本号,进行编译,详细流程见链接 https://blog.youkuaiyun.com/m0_50736744/article/details/129351648

图像倾斜校正算法的MATLAB实现:图像倾斜角检测及校正

随着多媒体技术的不断发展,数码相机,高清拍照手机等多媒体设备己经在人们的生活中占据了越来越重要的地位。通过采用图像处理技术,可以将数码设备采 集到的文字、图片等信息转化成其他信息形势输出,例如转化成音频输出己解决视 障患者的视力需求。但是,由于输入设备或某些其他因素不可避免地使得采集到的 文本图像或多或少会出现某种程度的倾斜。因此,倾斜图像校正是当前文本图像研 宄领域中十分重要的课题,尤其在数字化、自动化领域。比如,提高OCR(Optical Character Recognition)识别率从而提高文档自

大数据部落 9931

基于hough直线检测的倾斜图片校正

可用Python语言实现基于hough直线检测的倾斜图片校正,内配图片

【表盘识别】 Hough变换指针式仪表识别(倾斜矫正)【含Matlab源码 1058期】

Hough变换指针式仪表识别(倾斜矫正) 完整代码,直接运行,适合小白!可提供运行操作视频!

Matlab912100926的博客 959

【表盘识别】基于Hough变换实现指针式仪表识别(倾斜矫正).md

【表盘识别】基于Hough变换实现指针式仪表识别(倾斜矫正)

hough变换计算图像倾斜角度

此程序应用opencv,利用hough变换检测图像中的最长直线,来确定文档图像的倾斜角度。因为程序较为简单,只能适应简单情况的检测。

一个已经开源的仪表识别项目

仪表识别项目

cyqistrue的博客 1770

二值图像的Hough变换纠正倾斜角度

用MATLAB编写的用二值图像的Hough变换对图像的倾斜角度进行自动纠正,对于图像中有竖条状的图像,效果不错

指针式仪表倾斜校正opencv算法python代码及图像资源

指针式仪表倾斜校正opencv算法python代码及图像资源 去发现同类优质开源项目:https://gitcode.com/ 本仓库提供了使用opencv算法进行指针式仪表倾斜校正的python代码,以及对应的仪表图像资源。以下是资源的详细说明: 资源内容 Python代码:实现了使用opencv进行指针式仪表倾斜校正的算法。 仪表图像:包含倾斜的仪表图像和用于校正的模板图像。 使用说明 ...

gitblog_06734的博客 309

从零实现机械臂抓取仿真:用MoveIt+Gazebo完成物体pick&place全流程

本文详细介绍了如何使用ROS的MoveIt框架与Gazebo仿真环境,从零构建机械臂抓取仿真系统。涵盖环境搭建、MoveIt配置、Gazebo集成、抓取动作实现等全流程,帮助开发者掌握机械臂控制的核心技术,实现高效的pick&place任务。

weixin_29250403的博客 478

泰山派RK3576开发板部署Qwen3-VL-4B多模态模型实战指南:从模型转换到板端推理全流程

本文提供了在泰山派RK3576开发板上部署阿里Qwen3-VL-4B多模态模型的完整实战指南。详细介绍了从环境准备、模型转换(包括视觉模型转换为.rknn格式和语言模型转换为.rkllm格式)、交叉编译到板端推理的全流程,重点讲解了如何利用RK3576的NPU进行硬件加速,实现高效的边缘AI应用。

weixin_30356433的博客 261

Matlab图像处理——基于Hough和Radon实现倾斜车牌校正

基于Hough和Radon实现倾斜车牌校正

小嘤熊的博客 1915

CATIA V5新手必看:从零开始的界面导航与基础操作指南(附常见问题解决)

本文为CATIA V5新手提供全面的界面导航与基础操作指南,涵盖核心工作区解析、文件管理规范、视图操作秘籍及常见问题解决方案。通过详细的步骤说明和实用技巧,帮助用户快速掌握这一工业设计标杆软件,特别适合从SolidWorks、AutoCAD等软件过渡的用户。

b9c0d的博客 539

基于卷积神经网络的指针式仪表倾斜校正方法

本文将介绍一种基于卷积神经网络的圆形指针式仪表倾斜校正方法,同时实现仪表图像的倾斜校正和旋转校正

qq_41721951的博客 1164

matlab 受约束的 Delaunay 三角剖分【2025最新版】

matlab内置调用函数实现受约束的 Delaunay 三角剖分并将结果保存为STL文件

点云侠的博客 1876

9、光流计算与目标定位技术解析

本文深入探讨了光流计算与目标定位技术在计算机视觉领域的原理、应用及发展趋势。详细解析了光流计算中的约束条件、数学模型与数值求解方法,并介绍了基于主导特征元素的目标定位技术流程。文章进一步分析了两种技术结合的潜在应用场景与优势,如智能监控、机器人导航和医疗影像分析,并通过实际案例展示了其综合应用效果。最后,讨论了当前面临的技术挑战及未来发展方向,包括算法优化、深度学习融合与多传感器融合等,为相关研究提供了理论支持和技术思路。

kotlin6android的博客 35
上一篇: 【图像分割】粒子群算法优化模拟退火算法图像分割【含Matlab源码 2020期】
下一篇: 【水果识别】形态学水果大小识别【含GUI Matlab源码 920期】
Matlab武动乾坤
博客等级 码龄3年 3万+粉丝 1万+原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值