用matlab识别图像中某物体具体位置

可以用复数表示，比如x=[1+j；2+2j；3+3j]。

坐标是一维坐标x还是二维坐标(x，y)？如果是前者，就用plot(t，x)；如果是后者，就用plot3(t，x，y)。其中，t为每个坐标对应的时刻。

试试下面的效果是不是你要的

clearall

clc

x=0：pi/50：2*pi；

y=sin(x)；

plot(x，y)

h=line('xdata'，[]，'ydata'，[]，'color'，'r'，'marker'，'。'，'markersize'，30)；

forii=1：length(x)

set(h，'xdata'，x(ii)，'ydata'，y(ii))；

扩展资料：

x'表达方式

>>X is equal to rand of 6.

X＝

0．18690．27600．95970．5060

0．04620．03440．48980．67970．34040．6991

Thereisnoneedtomakeadifference

0．64630．16260．22380．9593

0．69480．76550．70940．11900．75130．5472

0．75470．49840．25510．1386

>>X(2:4, [2, 3, 5])

Ans＝

0．03440．48980．3404

0．43870．44560．5853

0．38160．64630．2238

>>

假设原图是1.jpg，使用如下代码，这里示例其中第一个子块。即先从原图中抽出子块sub1，然后使用mean(sub1(:))计算均值。

提醒：注意(x,y)坐标系和图像坐标系(row,col)的差异。

clc clear close all

img = imread('1.jpg')

img = rgb2gray(img)

sub1 = img(150:155,100:105)

figure,imshow(img)

hold on

rectangle('Position',[100 150 105-100+1 155-150+1],'EdgeColor',[1 0 0])

text(105,155,num2str(mean(sub1(:))), 'Color',[1 1 1])

%MatLab角点检测程序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 = [5 0 -58 0 -85 0 -5] % % la gaucienne，ver axe x

Ix = filter2(fx,ori_im2) % la convolution vers axe x

fy = [5 8 50 0 0-5 -8 -5] % la gaucienne，ver axe y

Iy = filter2(fy,ori_im2) % la convolution vers axe y

Ix2 = Ix.^2

Iy2 = Iy.^2

Ixy = Ix.*Iy

clear Ix

clear Iy

h= fspecial('gaussian',[3 3],2) % générer une fonction gaussienne，sigma=2

Ix2 = filter2(h,Ix2)

Iy2 = filter2(h,Iy2)

Ixy = filter2(h,Ixy)

height = size(ori_im2,1)

width = size(ori_im2,2)

result = zeros(height,width)% enregistrer la position du coin

R = zeros(height,width)

K=0.04

Rmax = 0 % chercher la valeur maximale de R

for i = 1:height

for j = 1:width

M = [Ix2(i,j) Ixy(i,j)Ixy(i,j) Iy2(i,j)]

R(i,j) = det(M)-K*(trace(M))^2% % calcule R

if R(i,j) >Rmax

Rmax = R(i,j)

end

end

end

cnt = 0

for i = 2:height-1

for j = 2:width-1

% réduire des valuers minimales ，la taille de fenetre 3*3

if R(i,j) >0.01*Rmax &&R(i,j) >R(i-1,j-1) &&R(i,j) >R(i-1,j) &&R(i,j) >R(i-1,j+1) &&R(i,j) >R(i,j-1) &&R(i,j) >R(i,j+1) &&R(i,j) >R(i+1,j-1) &&R(i,j) >R(i+1,j) &&R(i,j) >R(i+1,j+1)

result(i,j) = 1

cnt = cnt+1

end

end

end

[posr2, posc2] = find(result == 1)

cnt % compter des coins

figure

imshow(ori_im2)

hold on

plot(posc2,posr2,'w*')

harris优化的角点检测

%%%Prewitt Operator Corner Detection.m

%%%时间优化--相邻像素用取差的方法

%%

clear

Image = imread('15.bmp')% 读取图像

Image = im2uint8(rgb2gray(Image))

dx = [-1 0 1-1 0 1-1 0 1] %dx：横向Prewitt差分模版

Ix2 = filter2(dx,Image).^2

Iy2 = filter2(dx',Image).^2

Ixy = filter2(dx,Image).*filter2(dx',Image)

%生成 9*9高斯窗口。窗口越大，探测到的角点越少。

h= fspecial('gaussian',9,2)

A = filter2(h,Ix2) % 用高斯窗口差分Ix2得到A

B = filter2(h,Iy2)

C = filter2(h,Ixy)

nrow = size(Image,1)

ncol = size(Image,2)

Corner = zeros(nrow,ncol)%矩阵Corner用来保存候选角点位置,初值全零，值为1的点是角点

%真正的角点在137和138行由(row_ave,column_ave)得到

%参数t:点(i,j)八邻域的“相似度”参数，只有中心点与邻域其他八个点的像素值之差在

%（-t,+t）之间，才确认它们为相似点，相似点不在候选角点之列

t=20

%我并没有全部检测图像每个点，而是除去了边界上boundary个像素，

%因为我们感兴趣的角点并不出现在边界上

boundary=8

for i=boundary:nrow-boundary+1

for j=boundary:ncol-boundary+1

nlike=0%相似点个数

if Image(i-1,j-1)>Image(i,j)-t &&Image(i-1,j-1)<Image(i,j)+t

nlike=nlike+1

end

if Image(i-1,j)>Image(i,j)-t &&Image(i-1,j)<Image(i,j)+t

nlike=nlike+1

end

if Image(i-1,j+1)>Image(i,j)-t &&Image(i-1,j+1)<Image(i,j)+t

nlike=nlike+1

end

if Image(i,j-1)>Image(i,j)-t &&Image(i,j-1)<Image(i,j)+t

nlike=nlike+1

end

if Image(i,j+1)>Image(i,j)-t &&Image(i,j+1)<Image(i,j)+t

nlike=nlike+1

end

if Image(i+1,j-1)>Image(i,j)-t &&Image(i+1,j-1)<Image(i,j)+t

nlike=nlike+1

end

if Image(i+1,j)>Image(i,j)-t &&Image(i+1,j)<Image(i,j)+t

nlike=nlike+1

end

if Image(i+1,j+1)>Image(i,j)-t &&Image(i+1,j+1)<Image(i,j)+t

nlike=nlike+1

end

if nlike>=2 &&nlike<=6

Corner(i,j)=1%如果周围有0，1，7，8个相似与中心的（i,j）

%那(i,j)就不是角点，所以，直接忽略

end

end

end

CRF = zeros(nrow,ncol) % CRF用来保存角点响应函数值,初值全零

CRFmax = 0 % 图像中角点响应函数的最大值，作阈值之用

t=0.05

% 计算CRF

%工程上常用CRF(i,j) =det(M)/trace(M)计算CRF，那么此时应该将下面第105行的

%比例系数t设置大一些，t=0.1对采集的这几幅图像来说是一个比较合理的经验值

for i = boundary:nrow-boundary+1

for j = boundary:ncol-boundary+1

if Corner(i,j)==1 %只关注候选点

M = [A(i,j) C(i,j)

C(i,j) B(i,j)]

CRF(i,j) = det(M)-t*(trace(M))^2

if CRF(i,j) >CRFmax

CRFmax = CRF(i,j)

end

end

end

end

%CRFmax

count = 0 % 用来记录角点的个数

t=0.01

% 下面通过一个3*3的窗口来判断当前位置是否为角点

for i = boundary:nrow-boundary+1

for j = boundary:ncol-boundary+1

if Corner(i,j)==1 %只关注候选点的八邻域

if CRF(i,j) >t*CRFmax &&CRF(i,j) >CRF(i-1,j-1) ......

&&CRF(i,j) >CRF(i-1,j) &&CRF(i,j) >CRF(i-1,j+1) ......

&&CRF(i,j) >CRF(i,j-1) &&CRF(i,j) >CRF(i,j+1) ......

&&CRF(i,j) >CRF(i+1,j-1) &&CRF(i,j) >CRF(i+1,j)......

&&CRF(i,j) >CRF(i+1,j+1)

count=count+1%这个是角点，count加1

else % 如果当前位置（i,j）不是角点，则在Corner(i,j)中删除对该候选角点的记录

Corner(i,j) = 0

end

end

end

end

% disp('角点个数')

% disp(count)

figure,imshow(Image) % display Intensity Image

hold on

% toc(t1)

for i=boundary:nrow-boundary+1

for j=boundary:ncol-boundary+1

column_ave=0

row_ave=0

k=0

if Corner(i,j)==1

for x=i-3:i+3 %7*7邻域

for y=j-3:j+3

if Corner(x,y)==1

% 用算数平均数作为角点坐标，如果改用几何平均数求点的平均坐标，对角点的提取意义不大

row_ave=row_ave+x

column_ave=column_ave+y

k=k+1

end

end

end

end

if k>0 %周围不止一个角点

plot( column_ave/k,row_ave/k ,'g.')

end

end

end

%end

---