欢迎来到海神之光博客之家✅博主简介热爱科研的Matlab仿真开发者修心和技术同步精进个人主页海神之光代码获取方式海神之光Matlab王者学习之路—代码获取方式⛳️座右铭行百里者半于九十。更多Matlab图像处理仿真内容点击①Matlab图像处理进阶版②付费专栏Matlab图像处理初级版⛳️关注CSDN海神之光更多资源等你来⛄一、简介1 案例背景随着国家对公路建设的大力投入我国的公路通车总里程己经位居世界前列这样进一步促进了我国经济建设的发展。随着公路的大量投运公路日常养护和管理已经成为制约公路运营水平提高的瓶颈特别是路面状态采集、检测维护等工作更是对传统的公路运维模式提出了挑战。路面裂缝是公路日常养护管理中最常见的路面损坏也是影响公路状态评估和进行必要的公路维修的重要因素!。一般而言如果路面裂缝能够在被恶化成坑槽之前得到及时修补则可以大大节约公路的养护成本。传统的公路裂缝检测主要是人工检测需要配置一定规模的人力、设备等资源来进行定期巡检。但是面对日益增长的公路建设需求人工检测具有运营效率低、主观性影响大、危险性较高等不足已无法满足公路破损快速检测的要求。随着计算机硬件设备和数字图像处理技术的发展基于视觉的目标定位及检测技术也取得了不断的进步由于其具有定位准确、检测快速、自动化操作、易于安装部署等特点已经广泛应用于工业自动化检测过程特别是在目标表面质量检测、目标物测量等领域的应用。因此基于数字图像的路面裂缝检测技术可以提供一个安全、高效、成本低廉的道路状态监控服务已有多种图像处理方法应用于路面裂缝检测并在一定程度上取得了实际应用。2 理论基础路面裂缝检测从视觉上来看是典型的线状目标检测因此路面裂缝图像的增强与定位属于线状目标检测的研究领域路面裂缝与一般线状目标相比具有其自身的特点目标宽度相对较小、图像对比度较低、具有自然间断、具有分叉和杂点等并且路面裂缝只是在视觉总体上呈现出线状特征.传统的裂缝自动检测算法如基于阈值分割、边缘检测、小波变换等算法往往都假设路面裂缝在整幅图像中具有较高的对比度和较好的连续性但这种假设在实际的工程项目中往往不成立。由于受拍摄天气、路面损耗、裂缝退化等因素的影响有一定比例的裂缝相对于路面背景具有极低的对比度这也会引起传统裂缝检测算法的失效因此需要在裂缝图像处理前加入一定的预处理步骤。图像预处理一般是应用于图像识别、图像表示等领域的一种前期处理。在图像的采集和传输过程中往往会因为某些原因导致图像质量降低。例如从视觉主观上观察图像中的物体可能会发觉其轮廓位置过于鲜艳而显得突兀从被检测目标物的大小和形状来看图像特征比较模糊、难以定位从图像对比度的角度来看可能会受到某些噪声的影响从图像整体来看可能会发生某种失真、变形等因此待处理图像在视觉直观性和处理可行性等方面可能存在诸多干扰我们不妨将其统称为图像质量问题。图像预处理正是用于图像质量的改善处理通过一定的计算步骤进行适当的变换进面突出图像中某些感兴趣的信息消除或降低干扰信息如图像对比度增强、图像去噪或边缘提取等处理印一般情况下由于裂缝图像的采集需要涉及室外作业所得图片难免会存在一定的噪声干扰、畸变等各种问题直接进行裂缝目标的检测和提取往往会遇到困难。因此本案例首先将裂缝图像进行预处理改善图像质量进而提高实验的优化效果。图像预处理的基本方法有图像灰度变换、频域变换、直方图变换、图像去噪、图像锐化、图像色彩变换等。本案例将选择其中的部分方法来进行裂缝图像的预处理操作。2.1 图像灰度化自然界中绝大部分的可见光谱均能通过红®、绿(G)、蓝(B)三色光按不同比例和强度进行混合而得到 我们将其称为RGB色彩模式。该模式以RGB模型为基础 对图像的每个像素值的RGB分量均分配一个Uint 8类型(0~255) 的强度值。例如 纯红色的R值为255 G值为0 B值为0 品红色的R值为255 G值为0 B值为255。RGB图像的红、绿、蓝分量各占8位因此是24位图像并且不同亮度的基色混合后会产生出256x256x 256-16777216种颜色。RGB模型图形化表示如图所示。假设F(i j) 为RGB模型中的某像素 若其3种基色的亮度值相等 则会产生灰度颜色将该RGB的值称为灰度值(或者称为强度值、亮度值)。因此灰度图像就是包含多个量化灰度级的图像。假设该灰度级用Uint 8类型数值表示 则图像的灰度级就是256(即2°256)。本案例所选择的灰度图像灰度级均为256其像素灰度值为0~255的某个值当亮度值都是255时产生纯白色当亮度值都是0时产生纯黑色并且亮度从0到255呈现逐渐增加的趋势。RGB图像包含了由红、绿、蓝三种分量组成的大量的色彩信息 灰度图像只有亮度信息而没有色彩信息。针对路面裂缝图像的检测要求一般需要去除不必要的色彩信息 将所采集到的RGB图像转换为灰度图像。RGB图像的灰度化方法有以下几种。1分量值选取像素F(i.j)的R、G、B分量中的某个值作为该像素的灰度值即式中Fg(ij)为转换后的灰度图像在(i.j)处的灰度值。2最大值选取像素F(ij)的R、G、B分量中的最大值作为该像素的灰度值即3平均值选取像素F(ij)的R、G、B分量的亮度均值作为该像素的灰度值即4加权平均值选取像素F(ij)的R、G、B分量的亮度加权均值作为该像素的灰度值权值的选取一般是根据分量的重要性等指标将3个分量以加权平均的方式进行计算得到灰度值。人眼在视觉主观上一般对绿色分量敏感度较高 对蓝色分量敏感度较低 因此对RGB三分量进行加权平均能得到较合理的灰度图像常用的计算公式如下F.(i.j)0.299R(ij)0.587G(ij)0.114*B(ij)采用加权平均计算灰度图像的方式对裂缝图像进行灰度化所得结果如图所示。2.2 图像滤波裂缝图像在采集或传输的过程中往往会受到成像设备与传输介质等因素的干扰而产生噪声因此待处理的裂缝图像可能会存在边缘模糊、黑白杂点等问题这在一定程度上会对裂缝目标的检测和识别产生影响干扰实验结果的判断因此需要对裂缝图像进行滤波去噪。本节将从均值滤波和中值滤波两方面来进行图像去噪的处理。均值滤波也称为邻域平均滤波该方法假设待处理图像是由许多灰度值为常量的小区域组成的并且相邻区域间存在较高的空间相关性而噪声则显得相对独立。因此通过将单个像素及其指定邻域内的所有像素按某种规则计算平均灰度值再作为新图像中的对应像素值可达到滤波去噪的目的这一过程被称为均值滤波。邻域平均法属于非加权邻域平均范畴是最常用的均值滤波操作。图像边缘一般集中了图像的细节和高频信息如果通过邻域平均法进行去噪则往往会引起图像边缘的模糊这也会对裂缝目标的检测带来不利影响。中值滤波是常用的非线性滤波方法其主要思想是对像素邻域向量化取中值来进行滤波具有运算简单、高效能有效去除脉冲噪声的特点在去噪的同时它也可以有效地保护图像的边缘细节信息。因此本案例将采用中值滤波的方法来对裂缝图像进行去噪处理其处理步骤如下。(1)定位在图像中移动模板将模板中心与图像中的某个像素重合。(2)计算选择模板对应于图像的各像素灰度值进行向量化并将其进行排序。(3)赋值选择序列的中间值作为输出赋予模板中心对应的像素。如图2所示根据中值滤波器形状和维数的不同其模板有线形、十字形、方形、菱形等不同形状的窗口也会产生不同的滤波效果。在对裂缝图像进行中值滤波处理时其关键在于选择合适的模板形状和模板大小。2.3 图像增强路面裂缝图像的采集一般在室外进行容易受到大气、光照、机械振动等因素的影响采集到的裂缝图像可能存在整体偏暗或偏亮等问题进而产生对比度较低的图像。此类图像的特点是灰度分布范围较小集中在少量的灰度区间内这也给后续的裂缝检测和识别带来了不利影响因此需要对此类图像进行增强处理来提高对比度。直方图作为图像灰度级分布的统计表能在一定程度上反映图像的对比度详情。图像的灰度直方图表示该图像所属灰度类型中不同灰度级像素出现的相对频率并且直方图的横坐标表示灰度纵坐标表示灰度出现的次数或概率。直方图均衡化利用灰度直方图进行图像对比度的调整以达到增强图像视觉效果的目标。直方图均衡化的基本思想是通过某种变换将原始图像的灰度直方图从集中于某个较小的灰度区间变成在更大灰度区间内均匀分布的形式得到灰度级差式分布从而达到增强图像整体对比度的目标。裂缝图像区域通常属于颜色较暗的灰度区间背景区域则属于相对较亮的灰度区间。但在采集裂缝图像的过程中往往会由于天气干扰、曝光不足等原因而造成图像整体偏暗使裂缝区域与背景区域亮度特征相近而不易辨别如图所示。从原始裂缝图像的灰度直方图可以看出其灰度值分布主要集中在0100的低层次灰度区间。因此为了提高裂缝与背景的对比度需要将原图像的灰度值范围进行扩大形成较为明显的灰度级差进而增加裂缝图像的对比度。经过灰度直方图均衡化处理裂缝图像的灰度范围扩到了0255得到对比度增强后的裂缝图像更加突出了裂缝与背景的差异程度。2.4 图像二值化灰度图像二值化是指通过约定一个灰度阈值来分割目标与背景在阀值之内的像素于目标即记为1其他则属于背景即记为0。在裂缝目标检测与识别的过程中可以采用裂缝边缘、面积等特征来进行判别也可以采用裂缝目标与周围背景的灰度差异值作为个判别依据这就要求引入阈值来进行图像二值化处理。假设一幅灰度裂缝图像用f(xy)表示其中(xy)表示图像中像素的位置坐标T为阈值则阈值分割后的二值图像b(xy)满足裂缝目标或背景区域的像素灰度通常是高度相关的但裂缝目标与背景区域之间的灰度值则通常存在较大差异一般包含明显的边缘等特征。因此为了从更大程度上分割裂缝目标与背景则需要对其进行灰度阈值分割选取合适的阈值。阈值计算方法根据其计算过程可以分为两种全局阈值和基本自适应阈值如下所述。(1)全局阈值是最常见的阈值计算方法它一般以图像的直方图或灰度空间分布为基础来确定一个阈值进而实现灰度图像的二值化。特别是当图像的灰度直方图分布呈双峰时全局阈值法可以明显地将目标和背景分量得到较为理想的图像分割效果。但裂缝图像一般具有光照不均匀、噪声干扰等特点其灰度直方图往往不会呈双峰分布因此全局阈值分割方法效果较差。(2)基本自适应阀值是一种比较基础的图像自适应分割方法它一般以图像像素自身及其邻域灰度变化的特征为基础进行阈值分割进而实现灰度图像的二值化。该方法充分考虑了每个像素邻域的特征所以一般能更好地突出目标和背景的边界。裂缝图像的背景在多数情况下比较固定如路面、桥面、墙体等。但由于图像采集一般在室外进行会受到拍摄条件、路面杂物等因素的影响所以图像容易出现退化或噪声干扰。本案例通过分析裂缝图像目标和背景的特点采用自定义和迭代法优化相结合的方法。3 程序实现根据裂缝图像的特点在对其进行目标检测和识别之前需要进行图像预处理主要包括直方图均衡化增强、中值滤波去噪、对比度增强、二值化处理、二值图像滤波等步骤。其中在二值化过程中对阈值的确定选择自定义阈值法与迭代自适应法相结合的方式来计算二值图像滤波主要是连通区域的面积滤波通过去除小面积的杂点噪声来进行滤波去噪。裂缝图像经过预处理可以得到突出裂缝目标的二值图像然后可以根据形态学区域特征来获取裂缝目标并进行检测识别。对于裂缝的形状识别可以通过计算图像中裂缝目标的外接矩形的长宽比来确定。备注简介部分摘自互联网若有侵权联系博主删除。⛄二、部分源代码function varargout Gui_Main(varargin)% GUI_MAIN M-file for Gui_Main.fig% GUI_MAIN, by itself, creates a new GUI_MAIN or raises the existing% singleton*.%% H GUI_MAIN returns the handle to a new GUI_MAIN or the handle to% the existing singleton*.%% GUI_MAIN(‘CALLBACK’,hObject,eventData,handles,…) calls the local% function named CALLBACK in GUI_MAIN.M with the given input arguments.%% GUI_MAIN(‘Property’,‘Value’,…) creates a new GUI_MAIN or raises the% existing singleton*. Starting from the left, property value pairs are% applied to the GUI before Gui_Main_OpeningFcn gets called. An% unrecognized property name or invalid value makes property application% stop. All inputs are passed to Gui_Main_OpeningFcn via varargin.%% *See GUI Options on GUIDE’s Tools menu. Choose “GUI allows only one% instance to run (singleton)”.%% See also: GUIDE, GUIDATA, GUIHANDLES% Edit the above text to modify the response to help Gui_Main% Last Modified by GUIDE v2.5 29-Mar-2011 22:28:58% Begin initialization code - DO NOT EDITgui_Singleton 1;gui_State struct(‘gui_Name’, mfilename, …‘gui_Singleton’, gui_Singleton, …‘gui_OpeningFcn’, Gui_Main_OpeningFcn, …‘gui_OutputFcn’, Gui_Main_OutputFcn, …‘gui_LayoutFcn’, [] , …‘gui_Callback’, []);if nargin ischar(varargin{1})gui_State.gui_Callback str2func(varargin{1});endif nargout[varargout{1:nargout}] gui_mainfcn(gui_State, varargin{:});elsegui_mainfcn(gui_State, varargin{:});end% End initialization code - DO NOT EDIT% — Executes just before Gui_Main is made visible.function Gui_Main_OpeningFcn(hObject, eventdata, handles, varargin)% This function has no output args, see OutputFcn.% hObject handle to figure% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)% varargin command line arguments to Gui_Main (see VARARGIN)% Choose default command line output for Gui_Mainhandles.output hObject;handles.Result [];handles.File [];% Update handles structureguidata(hObject, handles);clc; warning off all;InitAxes(handles);% UIWAIT makes Gui_Main wait for user response (see UIRESUME)% uiwait(handles.figure1);% — Outputs from this function are returned to the command line.function varargout Gui_Main_OutputFcn(hObject, eventdata, handles)% varargout cell array for returning output args (see VARARGOUT);% hObject handle to figure% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)% Get default command line output from handles structurevarargout{1} handles.output;% — Executes on button press in pushbuttonOpenFile.function pushbuttonOpenFile_Callback(hObject, eventdata, handles)% hObject handle to pushbuttonOpenFile (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)[filename, pathname] uigetfile({‘.jpg;.tif;.png;.gif;.bmp’,‘All Image Files’;….*’,‘All Files’ },‘载入图像’,…fullfile(pwd, ‘images’));if isequal(filename, 0) || isequal(pathname, 0)return;endI imread(fullfile(pathname, filename));Result Process_Main(I);handles.File fullfile(pathname, filename);handles.Result Result;guidata(hObject, handles);InitAxes(handles)axes(handles.axes1); imshow(handles.Result.Image); title(‘原图像’);% — Executes on button press in pushbuttonHisteq.function pushbuttonHisteq_Callback(hObject, eventdata, handles)% hObject handle to pushbuttonHisteq (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)if ~isempty(handles.Result)axes(handles.axes1); imshow(handles.Result.Image); title(‘原图像’);axes(handles.axes2); imshow(handles.Result.hist); title(‘直方图均衡化图像’);end% — Executes on button press in pushbuttonMedfilt.function pushbuttonMedfilt_Callback(hObject, eventdata, handles)% hObject handle to pushbuttonMedfilt (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)if ~isempty(handles.Result)axes(handles.axes1); imshow(handles.Result.Image); title(‘原图像’);axes(handles.axes2); imshow(handles.Result.Medfilt); title(‘中值滤波图像’);end% — Executes on button press in pushbuttonBw.function pushbuttonBw_Callback(hObject, eventdata, handles)% hObject handle to pushbuttonBw (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)if ~isempty(handles.Result)axes(handles.axes1); imshow(handles.Result.Image); title(‘原图像’);axes(handles.axes2); imshow(handles.Result.Bw); title(‘二值图像’);end% — Executes on button press in pushbuttonEnance.function pushbuttonEnance_Callback(hObject, eventdata, handles)% hObject handle to pushbuttonEnance (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)if ~isempty(handles.Result)axes(handles.axes1); imshow(handles.Result.Image); title(‘原图像’);axes(handles.axes2); imshow(handles.Result.Enance); title(‘增强图像’);end% — Executes on button press in pushbuttonBwfilter.function pushbuttonBwfilter_Callback(hObject, eventdata, handles)% hObject handle to pushbuttonBwfilter (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)if ~isempty(handles.Result)axes(handles.axes1); imshow(handles.Result.Image); title(‘原图像’);axes(handles.axes2); imshow(handles.Result.Bw); title(‘二值图像’);axes(handles.axes3); imshow(handles.Result.BwFilter); title(‘二值图像滤波’);end% — Executes on button press in pushbuttonCrackRec.function pushbuttonCrackRec_Callback(hObject, eventdata, handles)% hObject handle to pushbuttonCrackRec (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)if ~isempty(handles.Result)axes(handles.axes1); imshow(handles.Result.Image); title(‘原图像’);axes(handles.axes2); imshow(handles.Result.Bw); title(‘二值图像’);axes(handles.axes3); imshow(handles.Result.BwFilter); title(‘二值图像滤波’);axes(handles.axes4); imshow(handles.Result.CrackRec); title(‘裂缝识别’);end% — Executes on button press in pushbuttonCrackJudge.function pushbuttonCrackJudge_Callback(hObject, eventdata, handles)% hObject handle to pushbuttonCrackJudge (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)if ~isempty(handles.Result)axes(handles.axes1); imshow(handles.Result.Image); title(‘原图像’);axes(handles.axes2); imshow(handles.Result.BwFilter); title(‘二值图像滤波’);axes(handles.axes3); imshow(handles.Result.CrackRec); title(‘裂缝识别’);axes(handles.axes4); imshow(handles.Result.CrackJudge); title(‘裂缝判断’);end% — Executes on button press in pushbuttonCrackLoc.function pushbuttonCrackLoc_Callback(hObject, eventdata, handles)% hObject handle to pushbuttonCrackLoc (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)if ~isempty(handles.Result)axes(handles.axes1); imshow(handles.Result.Image); title(‘原图像’);axes(handles.axes2); imshow(handles.Result.CrackJudge); title(‘裂缝图像’);axes(handles.axes3); imshow(handles.Result.CrackJudge); title(handles.Result.str);axes(handles.axes4); imshow(handles.Result.CrackJudge); title(‘裂缝标记图像’);hold on;rectangle(‘Position’, handles.Result.rect, ‘EdgeColor’, ‘g’, ‘LineWidth’, 2);hold off;end% — Executes on button press in pushbuttonProject.function pushbuttonProject_Callback(hObject, eventdata, handles)% hObject handle to pushbuttonProject (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)if ~isempty(handles.Result)axes(handles.axes1); imshow(handles.Result.Image); title(‘原图像’);axes(handles.axes2); imshow(handles.Result.CrackJudge); title(‘裂缝图像’);axes(handles.axes3); plot(1:size(handles.Result.Image, 1), handles.Result.Projectr);title(‘行投影’);axes(handles.axes4); plot(1:size(handles.Result.Image, 2), handles.Result.Projectc);title(‘列投影’);end% — Executes on button press in pushbuttonClose.function pushbuttonClose_Callback(hObject, eventdata, handles)% hObject handle to pushbuttonClose (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)choice questdlg(‘确定退出?’, …‘退出’, …‘是’,‘否’,‘否’);switch choicecase ‘是’close;otherwisereturn;end% — Executes on button press in pushbuttonSaveResult.function pushbuttonSaveResult_Callback(hObject, eventdata, handles)% hObject handle to pushbuttonSaveResult (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)tryif ~isempty(handles.File)raw [];xlsfile fullfile(pwd, ‘Result/result.xls’);if exist(xlsfile, ‘file’)[num, txt, raw] xlsread(xlsfile);endF []; F{1, 1} 文件名; F{1, 2} 阈值信息; F{1, 3} 面积信息; F{1, 4} 长度信息; F{1, 5} 最大宽度信息; F{1, 6} 最小宽度信息; F{1, 7} 形状信息; F{2, 1} handles.File; F{2, 2} handles.Result.BwTh; F{2, 3} handles.Result.BwArea; F{2, 4} handles.Result.BwLength; F{2, 5} handles.Result.BwWidthMax; F{2, 6} max(handles.Result.BwWidthMin,0.01); F{2, 7} handles.Result.str; F [raw; F]; xlswrite(xlsfile, F); msgbox(保存结果成功, 信息提示框); endcatchmsgbox(‘保存结果失败请检查程序’, ‘信息提示框’);end% — Executes on button press in pushbuttonBridge.function pushbuttonBridge_Callback(hObject, eventdata, handles)% hObject handle to pushbuttonBridge (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)if ~isempty(handles.Result)axes(handles.axes1); imshow(handles.Result.Image); title(‘原图像’);axes(handles.axes2); imshow(handles.Result.BwFilter); title(‘二值图像滤波’);axes(handles.axes3); imshow(handles.Result.CrackJudge); title(‘裂缝判断’);axes(handles.axes4); imshow(handles.Result.CrackBridge); title(‘裂缝拼接’);end% — Executes on button press in pushbuttonSaveImage.function pushbuttonSaveImage_Callback(hObject, eventdata, handles)% hObject handle to pushbuttonSaveImage (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)[filename, pathname] uiputfile({‘.jpg;.tif;.png;.gif’,‘All Image Files’;…‘.’,‘All Files’ },‘Save Image’,…fullfile(pwd, ‘Result/result.png’));if ~isequal(filename, 0)imwrite(handles.Result.BwEnd, fullfile(pathname, filename));msgbox(‘保存图像成功’, ‘信息提示框’);end% — Executes on button press in pushbuttonDiplay.function pushbuttonDiplay_Callback(hObject, eventdata, handles)% hObject handle to pushbuttonDiplay (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)if ~isempty(handles.File)F [];F{1} sprintf(‘文件名:%s’, handles.File);F{2} sprintf(‘阈值信息%.2f’, handles.Result.BwTh);F{3} sprintf(‘面积信息%.2f’, handles.Result.BwArea);F{4} sprintf(‘长度信息%.2f’, handles.Result.BwLength);F{5} sprintf(‘最大宽度信息%.2f’, handles.Result.BwWidthMax);F{6} sprintf(‘最小宽度信息%.2f’, max(handles.Result.BwWidthMin,0.01));F{7} sprintf(‘形状信息%s’, handles.Result.str);listdlg(‘PromptString’, ‘参数显示:’,…‘Name’, ‘参数信息’, …‘ListSize’, [300, 150], …‘SelectionMode’,‘single’,…‘ListString’, F);end⛄三、运行结果⛄四、matlab版本及参考文献1 matlab版本2014a2 参考文献[1]张娟,沙爱民,高怀钢,孙朝云.蔡利梅.基于数字图像处理的路面裂缝自动识别与评价系统[J].长安大学学报(自然科学版). 2004,(02) 仿真咨询1 各类智能优化算法改进及应用生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化2 机器学习和深度学习方面卷积神经网络CNN、LSTM、支持向量机SVM、最小二乘支持向量机LSSVM、极限学习机ELM、核极限学习机KELM、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断3 图像处理方面图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知4 路径规划方面旅行商问题TSP、车辆路径问题VRP、MVRP、CVRP、VRPTW等、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化5 无人机应用方面无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配6 无线传感器定位及布局方面传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化7 信号处理方面信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化8 电力系统方面微电网优化、无功优化、配电网重构、储能配置9 元胞自动机方面交通流 人群疏散 病毒扩散 晶体生长10 雷达方面卡尔曼滤波跟踪、航迹关联、航迹融合