Matlab图片曲线数据提取

小船想飞

已于 2024-04-07 18:50:20 修改

阅读量3.7k

点赞数 10

CC 4.0 BY-SA版权

文章标签： matlab 计算机视觉人工智能

于 2024-04-07 18:28:46 首次发布

本文链接：https://blog.csdn.net/CVI5240/article/details/137473040

先看效果：

在这里插入图片描述

背景：

origin的自动跟踪曲线要下载软件，我还打不开图像数字化工具箱，安装插件里面还有bug；
打pu桥程序员的HaoCurve还要收费；
我就简单提取曲线数据，搞得麻烦得很，我脾气就上来了，还能惯着他们
我自己就写了个代码能自动提取具有色彩的曲线

思路：

1、图片由像素点组成，每个像素点还有RGB色彩参数
2、利用坐标轴三个点的像素位置来定位坐标系位置
3、识别图片中曲线的RGB值，设定该RGB的邻域（冗余量）
4、提取该RGB范围的像素点
5、对像素点数据进行唯一值处理
6、根据曲线像素点位置和坐标系位置关系求像素点在坐标系的位置
7、输出结果

上代码：

clc;close all;clear
%% 设定初始参数
img = imread('G:\岚山港潮汛\11.png'); % 替换'your_image.jpg'为你的图片文件路径
[rows, cols, ~] = size(img);

% imshow(img);
% % 从图像上获取坐标轴位置
 [x1, y1] = ginput(1) % 获取xy轴起始像素位置      （xy的0刻度在左上方）
 [x2, y2] = ginput(1) % 获取x轴最大的像素位置
 [x3, y3] = ginput(1) % 获取y轴最大的像素位置
 [x4, y4] = ginput(1) % 获取目标曲线的rgb值
 specifiedRGB = img(round(y1), round(x1), :)   % 获取选中点的RGB值
 y_xiangsu_min = rows - y1       %（xy的0刻度在左下方）
 y_xiangsu_max = rows - y3
 x_xiangsu_min = x1
 x_xiangsu_max = x2

u = 15              % 色彩冗余量
chaoxichaoliu_max = [6 1 6 0.8 5 1 5 1 6 1]
jiange = [0: 1 :24*7]   % 三次样条插值步长

pngFiles = dir(fullfile('G:\岚山港潮汛\新建文件夹\', '*.png'));  % 获取文件夹中所有PNG文件的列表
numPngFiles = length(pngFiles);   % 显示文件夹中PNG文件的数量
xy_zuobiao_new = []
for k = 1:numPngFiles
        img = imread(fullfile('G:\小炎（博）\AAA胡老师\任务\岚山港潮汛\新建文件夹\', pngFiles(k).name)); % 替换'your_image.jpg'为你的图片文件路径
%         imshow(img);
        [rows, cols, ~] = size(img);
        matchedPixels = [];
        for col = 1:cols           % 遍历图像中的每个像素
            for row = 1:rows
                % 获取当前像素的RGB值
                currentPixel = squeeze(img(row, col, :))';
                currentPixel = double(currentPixel);
                % 比较当前像素的RGB值与指定的RGB值
                if  currentPixel(1)>=specifiedRGB(1)-u && currentPixel(1)<=specifiedRGB(1)+u && currentPixel(2)>=specifiedRGB(2)-u && currentPixel(2)<=specifiedRGB(2)+u && currentPixel(3)>=specifiedRGB(3)-u && currentPixel(3)<=specifiedRGB(3)+u
                    % 如果匹配，保存该像素的位置
                    matchedPixels = [matchedPixels; [col,rows-row ]];
                end
            end
        end

        % 显示匹配像素的位置
        disp('匹配像素的位置 (行, 列):');
        disp(matchedPixels);
        num = find(matchedPixels(:,2)<rows-330 | matchedPixels(:,2)>rows-28)
        matchedPixels(num,:)=[]

        uni_data = unique(matchedPixels(:,1));
        for i=1:numel(uni_data)
            adf = find(matchedPixels(:,1) == uni_data(i))
            dfdf = mean(matchedPixels(adf,2))
            data_use(i,:) = [uni_data(i) dfdf] 
        end
        xy_zuobiao = [(data_use(:,1)-x_xiangsu_min)./(x_xiangsu_max-x_xiangsu_min)*7*24  ...
            (data_use(:,2)-y_xiangsu_min)./(y_xiangsu_max-y_xiangsu_min)*chaoxichaoliu_max(k) ]

        yy  = spline(xy_zuobiao(:,1),xy_zuobiao(:,2),jiange);
        xy_zuobiao_new = [xy_zuobiao_new [jiange; yy]']

        figure
        plot(xy_zuobiao_new(:,2*k-1),xy_zuobiao_new(:,2*k))
        axis([0 24*7 0 chaoxichaoliu_max(k)])

        clear data_use
end