MATLAB中的计算机视觉系统工具箱(Computer Vision System)如图7-10所示,它提供了视频和图像处理的各种模型,共计11个大类库,每个模型库提供了数种模块。用户可以通过拖动、组合,构建视频和图像处理模型,进行视频和图像的仿真和分析。
图7-10 计算机视觉系统工具箱的路径
启动MATLAB,单击界面左下角的Start按钮,选择Toolboxes>Computer Vision System->Block Library命令,系统就会载入视频和图像处理模块工具箱,如图7-11所示。视频和图像处理模块包含Sources(输入模块)、Sinks(输出模块)、Analysis&Enhancement(分析和增强)、Conversions(转换)、Filtering(滤波)、Geometric Transformations(几何变换)、Morphological Operations(形态学运算)、Statics(统计)、Text&Graphics(文本和图像)、Transforms(变换)和Utilies(自定义)等共11个大类库。这几乎包含了图像处理中的所有操作和算法,并附带了文字标注子模块,为图像处理的模型建立和仿真提供了充足的模块。
图7-11 视频和图像处理模块
下面通过一个例子来描述如何通过MATLAB Simulink-Blocks来实现基于模型驱动的数字图像处理。
(1)需求分析。对输入的图像进行Sobel边缘检测。
(2)实现步骤。RGB图像输入→转换成灰度图像→边缘提取。
(3)建立功能模块,并通过功能模块进行仿真。
其中,各功能模块及其路径如表7-2所示,连接方式如图7-12所示。
表7-2 各功能模块及其路径
图7-12 基于模型驱动的Sobel边缘检测
对各模块的属性进行如下设置。
1)双击Image From File模块,其参数设置如图7-13所示。
图7-13 Image From File模块参数设置
2)双击Color Space Conversion模块,其参数设置如图7-14所示。
(www.xing528.com)
图7-14 Color Space Conversion模块参数设置
3)双击Edge Detection模块,其参数设置如图7-15所示。
图7-15 Edge Detection模块参数设置
在完成各功能模块的设置之后,对整个模型进行仿真,证明该模型是正确的并且是可行的,其运行效果如图7-16所示。
图7-16 模型仿真结果
(4)代码自动生成
接下来,进行代码的自动生成。在Simulation下拉菜单下,选择Configuration Parameters命令,如图7-17所示。
图7-17 选择Configuration Parameters命令
将Solver options的属性设置为Fixed-step,如图7-18所示。
图7-18 将Solver options的属性设置为Fixed-step
单击Code Generation下的Build按钮,如图7-19所示,便可生成可执行的C代码,如图7-20所示。
图7-19 单击Code Generation下的Build按钮
图7-20 生成的可执行的C代码
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。