【运动检测】基于matlab最大互信息运动目标检测【含Matlab源码 1607期】

一、获取代码方式

获取代码方式1:
通过订阅紫极神光博客付费专栏,凭支付凭证,私信博主,可获得此代码。

获取代码方式2:
完整代码已上传我的资源:【运动检测】基于matlab最大互信息运动目标检测【含Matlab源码 1607期】

备注:
订阅紫极神光博客付费专栏,可免费获得1份代码(有效期为订阅日起,三天内有效);

二、数字图像处理简介

图像处理基础教程链接
1 【基础教程】基于matlab图像处理(表示方法+数据结构+基本格式+类型转换+读取+点运算+代数运算)【含Matlab源码 834期】
2 【基础教程】基于matlab图像处理(读写+显示+运算+转换+变换+增强+滤波+分析+统计)【含Matlab源码 144期】
3 【基础教程】基于matlab图像增强+复原+分割【含Matlab源码 056期】

三、部分源代码

function  MovingTargetDetectionByMMI() 
%Moving Target Detection
%Based on Maximun Mutual Information
%


%读文件 
 Im1=imread('001.jpg'); 
 Im2=imread('002.jpg'); 
 Im3=imread('003.jpg'); 
 
Im1=rgb2gray(Im1); 
Im2=rgb2gray(Im2); 
Im3=rgb2gray(Im3); 
 
tic;  

d12=GetDifferenceImg(Im2,Im1);
d23=GetDifferenceImg(Im2,Im3);

d=d12.*d23;
se =[0     0     0     1     0     0     0
     0     0     1     2     1     0     0
     0     1     2     4     2     1     0
     1     2     4     8     4     2     1
     0     1     2     4     2     1     0
     0     0     1     2     1     0     0
     0     0     0     1     0     0     0];
for i=1:4
d = imfilter(d,se);
end
for i=1:2
d = medfilt2(d,[4 4]);
end
%%d=abs((d12-d23).^0.7);
d=uint8(d/max(max(d))*255);
level = graythresh(d);
BW = im2bw(d,level);
s=regionprops(BW,'BoundingBox');

 figure(1)
 subplot(2,2,1); 
 imshow(uint8(d12/max(max(d12))*255)); 
 title('参考帧与前一帧的差值')
 subplot(2,2,2); 
 imshow(uint8(d23/max(max(d23))*255)); 
 title('参考帧与后一帧的差值')
 subplot(2,2,3); 
 imshow(BW); 
 title('由前后帧得出的差值')
 subplot(2,2,4); 
 imshow(Im2); 
 %imshow(d); 
 rectangle('Position',s(1).BoundingBox,'Curvature',[0,0],'LineWidth',2,'LineStyle','--','EdgeColor','r') 
 title('参考帧与检测结果')
 
%求相邻两帧重合部分差值主函数
function outImg=GetDifferenceImg(R,F)
[CA1,~,~,CD1]=dwt2(R,'db1'); 
[CA2,~,~,CD2]=dwt2(F,'db1'); 
CA1=uint8(CA1); 
CA2=uint8(CA2); 


fprintf('\n------PSO start\n'); 
[pa,mi]=PSO(CA1,CA2); 
while mi<1.2
    [pa,mi]=PSO(CA1,CA2); 
end
fprintf('tx:%f  ty:%f  ang:%f mi:%f\n',pa(1),pa(2),pa(3),mi); 
fprintf('------PSO end\n\n'); 
%pa=[0,0,0]; 
fprintf('------Powell start\n'); 
mi_old=0;
while abs(mi-mi_old)>0.01
    mi_old=mi;
    [pa,mi]=powell(R,F,pa); 
end
fprintf('------Powell end\n\n'); 

time=toc; 
fprintf('tx:%.4f  ty:%.4f  ang:%.2f mi:%f\n',pa(1),pa(2),pa(3),mi); 
fprintf('time:%f\n',time); 

outImg=GetDifference(pa(1),pa(2),pa(3),R,F);
%figure(6);imshow(outImg); 

%求相邻两帧重合部分差值 
function outImg=GetDifference(tx,ty,ang,R,F) 

[m,n]=size(R);
% 
R=im2double(R);
F=im2double(F);

theta=ang*pi/180;   %旋转角度转弧度 
cx=floor(n/2);      %旋转的中心点 
cy=floor(m/2); 
outImg=zeros(m,n);

for j=1:m 
    for i=1:n 
        %参考图像在浮动图像平移后的对应点 
   %     x=i-tx;  %%     y=j-ty;  % 
        x=(i-cx)*cos(theta)-(j-cy)*sin(theta)+cx-tx; 
        y=(i-cx)*sin(theta)+(j-cy)*cos(theta)+cy-ty; 
        x1=floor(x); 
        y1=floor(y); 
        rval=R(j,i); 
        %图像重合部分求差
        if(x1>=1&&x1<n&&y1>=1&&y1<m) 
            dy=y1-y;dx=x1-x;
            %双线性插值
            fval=(F(y1+1,x1)-F(y1,x1))*dy+(F(y1,x1+1)-F(y1,x1))*dx+(F(y1+1,x1+1)+F(y1,x1)-F(y1,x1+1)-F(y1+1,x1))*dy*dx+F(y1,x1);
            outImg(j,i)=abs((rval-fval).^0.7*exp(-min([rval fval])/20));
            %outImg(j,i)=abs((rval-fval).^2.5/(min([rval fval])).^0.2);
        end
    end 
end 
%outImg=uint8(outImg/max(max(outImg))*255);

%双线性插值求互信息 
function out=BI_mi(tx,ty,ang,R,F) 
[m,n]=size(R);
hist=zeros(256,256); 
ha = zeros(1,256); 
hb = zeros(1,256); 
%归一化到256级灰度 
% if max(max(r))~=min(min(r)) %max(max(a))结果是A中最大的元素,max(A)结果一个行向量,元素分别是A的每个列向量的最大的元素 
%     r = (r-min(min(r)))/(max(max(r))-min(min(r))); 
% else 
%     r = zeros(M,N); 
% end 
%   
% if max(max(f))-min(min(f)) 
%     f = (f-min(min(f)))/(max(max(f))-min(min(f))); 
% else 
%     f = zeros(M,N); 
% end 
%  
% r = double(int16(r*255))+1; 
% f = double(int16(f*255))+1; 

R=R+1; 
F=F+1; 
theta=ang*pi/180;   %旋转角度转弧度 
cx=floor(n/2);      %旋转的中心点 
cy=floor(m/2); 

%求联合概率密度 
for j=1:m 
    for i=1:n 
        %参考图像在浮动图像平移后的对应点 
   %     x=i-tx;  %%     y=j-ty;  % 
        x=(i-cx)*cos(theta)-(j-cy)*sin(theta)+cx-tx; 
        y=(i-cx)*sin(theta)+(j-cy)*cos(theta)+cy-ty; 
        x1=floor(x); 
        y1=floor(y); 
        rval=R(j,i); 
        %图像重合部分求差
        if(x1>=1&&x1<n&&y1>=1&&y1<m) 
            dy=y1-y;dx=x1-x;
            %双线性插值
            fval=(F(y1+1,x1)-F(y1,x1))*dy+(F(y1,x1+1)-F(y1,x1))*dx+(F(y1+1,x1+1)+F(y1,x1)-F(y1,x1+1)-F(y1+1,x1))*dy*dx+F(y1,x1);
            hist(fval,rval)=hist(fval,rval)+1;
        end

    end 
end 

四、运行结果

在这里插入图片描述

五、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].清华大学出版社,2015.

版权声明:本文为CSDN博主「紫极神光」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/TIQCmatlab/article/details/121981771

紫极神光

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

基于机器视觉的水果检测算法实现

一、摘要 这是一款基于卷积神经网络和数字图像处理的智能水果检测和分类系统,由检测,分类两个部分组成。通过互联网下载和使用多媒体处理工具对水果拍摄视频剪辑处理得到大量水果图片,对图片进行标定获得数据集&#