当前位置: 首页 > article >正文

【深度学习】基于Hough变化的答题卡识别(Matlab代码实现)

💥 💥 💞 💞 欢迎来到本博客 ❤️ ❤️ 💥 💥


🏆 博主优势: 🌞 🌞 🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。


座右铭:行百里者,半于九十。

📋 📋 📋 本文目录如下: 🎁 🎁 🎁
目录
💥1 概述
📚2 运行结果

🎉3 参考文献
🌈4 Matlab代码实现

💥1 概述

为了提高视频图像关键帧提取及修复效果,设计了一种基于计算机视觉的视频图像关键帧提取及修复方法。基于计算机视觉进行视频图像采集;采用阈值分割法建立灰度值模型,计算背景与目标的灰度差;利用视频图像中的主要特征窗口获取像素值,使用熵值法采集剩余的局部纹理图像,以完成视频图像关键帧提取。在此基础上,利用加权法还原原始矩阵,完成视频图像关键帧修复。实验结果表明,此方法提取的图像清晰度较高,能够提取到图像的颜色特征和纹理特征,提取多个视频图像关键帧的时间较少。此外,还要解决机器视觉系统对目标的识别和位置的检测计算量大、精度低的问题,本文基于提出了一种Hough变换的图像特征识别算法,利用Hough变换对边缘检测结果进行形状特征的识别,提高了目标识别的准确度,降低了计算量。客观题考试阅卷是一项烦琐重复的工作,现有的自动化阅卷设备成本较高,为降低教师的工作强度,节约成本,针对以上问题提出一种基于局部自适应阈值分割和Hough变换的答题卡识别方法。运用数字图像处理的手段,先对答题卡图像进行平滑滤波、图像灰度化、图像二值化等预处理,再依据Hough变换进行倾斜校正得到待检测识别图像,最后根据区域的分割定位进行识别判断。实验结果表明,该算法对于答题卡的识别准确率高、使用方便,具有一定的应用价值。

📚2 运行结果

部分代码:

主函数:

clc; clear all; close all;

warning off all;

I = imread('images\\1.jpg');

I1 = Image_Normalize(I, 1);

hsize = [3 3];

sigma = 0.5;

I2 = Image_Smooth(I1, hsize, sigma, 1);

I3 = Gray_Convert(I2, 1);

bw2 = Image_Binary(I3, 1);

figure; subplot(1, 2, 1); imshow(I, []); title('原图像');

subplot(1, 2, 2); imshow(bw2, []); title('二值化图像');

[~, ~, xy_long] = Hough_Process(bw2, I1, 1);

angle = Compute_Angle(xy_long);

[I4, bw3] = Image_Rotate(I1, bw2, angle*1.8, 1);

[bw4, Loc1] = Morph_Process(bw3, 1);

[Len, XYn, xy_long] = Hough_Process(bw4, I4, 1);

[bw5, bw6] = Region_Segmation(XYn, bw4, I4, 1);

[stats1, stats2, Line] = Location_Label(bw5, bw6, I4, XYn, Loc1, 1);

[Dom, Aom, Answer, Bn] = Analysis(stats1, stats2, Line, I4);

🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1]刘峰,吴文杰,刘小磊,王欣然,方亚平,李国亮,杜小勇.计算机视觉与深度学习在猪只识别中的研究进展[J/OL].华中农业大学学报:1-10[2023-03-17]

[]李一君.基于计算机视觉和深度学习的安播辅助提示系统设计与应用[J].广播与电视技术,2022,49(12):121-126.DOI:10.16171/j.cnki.rtbe.20220012025.

🌈4 Matlab代码实现


http://www.kler.cn/a/6304.html

相关文章:

  • C++ 泛编程 —— 嵌套使用模板类
  • 芯片Tapeout power signoff 之IR Drop Redhawk Ploc文件格式及其意义
  • 【ES6复习笔记】生成器(11)
  • 2024国赛A问题5
  • jumpserver docker安装
  • 【路径规划】原理及实现
  • Text to image论文精读GigaGAN: 生成对抗网络仍然是文本生成图像的可行选择
  • day30 ● 332.重新安排行程 ● 51. N皇后 ● 37. 解数独
  • OBProxy 路由策略与使用运维-使用和运维
  • c++全排列 next_permutation()函数
  • 字节测试总监,让我们用这份《测试用例规范》,再也没加班过
  • 【故障诊断】基于最小熵反卷积、最大相关峰度反卷积和最大二阶环平稳盲反卷积等盲反卷积方法在机械故障诊断中的应用研究(Matlab代码实现)
  • vue尚品汇商城项目-day03【20.获取Banner轮播图的数据+21.使用swiper轮播图插件】
  • 【ZGC】为什么初始标记需要STW(stop the world) ?
  • 操作系统-AOSOA
  • AnaXNet: Anatomy Aware Multi-label Finding Classification in Chest X-ray
  • java14 使用增强的模式匹配切换表达式
  • Android 热修复小结
  • 从零开始实现一个C++高性能服务器框架----IO协程调度模块
  • word打latex公式显示不成功,出现【 打不出左大括号
  • Springboot高级(一)缓存
  • (七)Tomcat源码阅读:Host组件分析
  • 熬夜肝完~ 阿里P8的Java进阶知识典藏版,我从18K飙到30K
  • 【js】超详细js函数基础
  • React createContext 与 useContext 的基本使用
  • 【Mysql】事务原理