用matlab写一个包围盒代码提取给定图像轮廓的最小包围盒

以下是一个用MATLAB编写的提取给定图像轮廓的最小包围盒的代码：

% 读取图像
image = imread('your_image.png');

% 将图像转换为二进制图像
binary_image = im2bw(image);

% 提取轮廓
contour = bwboundaries(binary_image);

% 获取轮廓的最小包围盒
bounding_box = regionprops(binary_image, 'BoundingBox');
min_bounding_box = bounding_box(1).BoundingBox;

% 绘制最小包围盒
figure;
imshow(image);
hold on;
rectangle('Position', min_bounding_box, 'EdgeColor', 'r', 'LineWidth', 2);

这个代码将读取一个名为“your_image.png”的图像，将其转换为二进制图像，提取其轮廓，获取轮廓的最小包围盒，然后在原始图像上绘制最小包围盒。

相关问题

用matlab自写一个二维OBB包围盒代码

以下是用matlab自写的二维OBB包围盒代码：

function [OBB, corners] = computeOBB(points)
% 计算二维OBB包围盒
% points: n x 2 的点集矩阵，每行代表一个点的坐标

% 计算点集在x轴和y轴上的均值和协方差矩阵
meanX = mean(points(:,1));
meanY = mean(points(:,2));
covMat = cov(points);

% 计算协方差矩阵的特征向量和特征值
[V, D] = eig(covMat);

% 选取特征值最大的特征向量作为包围盒的长轴方向
if D(1,1) > D(2,2)
longAxis = V(:,1);
else
longAxis = V(:,2);
end

% 计算包围盒的宽度和高度
width = sqrt(max(D(1,1), 0));
height = sqrt(max(D(2,2), 0));

% 构造包围盒的四个顶点
corners = [meanX, meanY] + [-longAxis(2), longAxis(1)] * height/2 + [-longAxis(1), -longAxis(2)] * width/2;
corners(2,:) = corners(1,:) + longAxis * height;
corners(3,:) = corners(2,:) - [-longAxis(2), longAxis(1)] * width;
corners(4,:) = corners(1,:) - [-longAxis(2), longAxis(1)] * width;

% 构造包围盒结构体
OBB.center = [meanX, meanY];
OBB.longAxis = longAxis;
OBB.width = width;
OBB.height = height;
OBB.corners = corners;

end

使用示例：

points = [1,1; 2,3; 4,5; 7,6; 10,4];
[OBB, corners] = computeOBB(points);
disp(OBB);
disp(corners);

用matlab写一个图像特征提取代码

以下是一个简单的图像特征提取代码，它可以提取图像的灰度直方图、颜色直方图和纹理特征。

% 读取图像
img = imread('image.jpg');

% 将图像转换为灰度图像
gray_img = rgb2gray(img);

% 计算灰度直方图
gray_hist = imhist(gray_img);

% 计算颜色直方图
color_hist = zeros(256, 3);
for i = 1:3
    channel = img(:, :, i);
    color_hist(:, i) = imhist(channel);
end

% 计算纹理特征
glcm = graycomatrix(gray_img, 'NumLevels', 8, 'Offset', [0 1; -1 1; -1 0; -1 -1]);
stats = graycoprops(glcm, {'Contrast', 'Correlation', 'Energy', 'Homogeneity'});

% 将特征组合为一个向量
features = [gray_hist; color_hist(:); cat(1, stats.Contrast, stats.Correlation, stats.Energy, stats.Homogeneity)];

% 显示图像和特征向量
figure;
subplot(2, 1, 1);
imshow(img);
title('原图像');
subplot(2, 1, 2);
bar(features);
title('图像特征向量');