课设题目

车辆颜色识别

读取图片并进行灰度处理

[fn,pn,fi] = uigetfile(‘*.jpg’,‘请选择所要识别的图片'); 
I = imread([pn fn]); 
figure(1),subplot(331),imshow(I);                   
title(‘原始图像'); 
Ia = Yuchuli_Caitu(I); function Ia = Yuchuli_Caitu(I) 
I1 = rgb2gray(I); 
I1 = imadjust(I1,[0.3,0.7],[]); 
figure(1),subplot(332),imshow(I1);
title(‘灰度处理后的灰度图’); 

对图像进行滤波与边缘检测

使用函数medfilt2（）函数对灰度处理后图像进行中值滤波，处理模板大小采用默认的3X3。之后进行对图像的边缘检测，此处我们采用函数edge（）进行边缘检测，类型选用sobel算子，阈值设为0.25。

I1 = medfilt2(I1,[3 3]); 
subplot(334),imshow(I1);
title(‘中值滤波’);
Ia = I1; function Ib = Bianyuanjiance_Tu(Ia)
I2 = edge(Ia,'sobel',0.25,'both');      
figure(1),
subplot(335),imshow(I2);
title(‘sobel算子边缘检测') 
Ib = I2;
end

对图像进行形态学操作

function Ic = Xingtaixue_Tu(Ib)
se = [0 1 01 1 10 1 0]; 
I3 = imdilate(Ib,se);                                         
figure(1),
subplot(336),imshow(I3);
title(‘膨胀后的图像');
se = strel('rectangle',[50,50]); 
I4 = imclose(Ib,se); figure(1),
subplot(337),imshow(I4);title(‘平滑图像的轮廓’);
I5 = bwareaopen(I4,2000);     %移除所有少于2000像素的连接对象。
[L, num] = bwlabel(I5);
STATS1=regionprops(L,'Perimeter');  
ahe=size(STATS1);
m1=ahe(1,1);
m=zeros(2,m1);
for i=1:m1   
[p,q]=find(L==i);  %计算目标区域中心，用于显示编号位置temp=[p,q]; [x,y]=size(temp);m(1,i)=sum(p)/x;m(2,i)=sum(q)/x;
end
for i=1:m1figure(1);text(m(2,i),m(1,i),int2str(i),'color','red')
end
L(L~=1)=0    %进行区域选择
figure(1);
subplot(339)
imshow(L);figure(1);
subplot(338),imshow(I5);title(‘擦除');
Ic = L;
end

设置模板，使用此模板对图像边缘进行膨胀处理，再用50X50的矩形对图像进行闭运算让图像整体轮廓更加平滑，之后擦除图像中所有少于2000像素的连接对象。

RGB图像转HSI

图像遍历

通过H值和S值来确定阈值
这一步可以得到一定范围内像素点的个数

将上一步得到的像素点个数进行排序 输出最多像素点对应的颜色

完整项目源码、资料

有需要的小伙伴可以去海轰的微信公众号：海轰Pro
回复：海轰
就可以啦（主页有获取说明，注意查看哦╭(●｀∀´●)╯）