基于matlab交通标志识别系统【有报告】gui界面设计
原理：bp神经网络训练，图像处理有灰度化，二值化，形态学处理，图像区域定位识别等等
第一步：界面布局 (GUIDE)
在 MATLAB 命令行输入 guide，新建一个 Blank GUI。按照下图布置控件，并修改它们的 Tag 属性（这很重要，代码是通过 Tag 来找到控件的）：
4个坐标轴：分别命名为 axes_original (原始图像), axes_gray (灰度), axes_binary (二值), axes_result (分割结果)。
1个按钮组：命名为 buttongroup_color，里面包含3个单选按钮：radio_red, radio_blue, radio_yellow。
5个按钮：
pushbutton_load (读取图片)
pushbutton_extract (标志提取)
pushbutton_segment (分割标志 - 图中未明确区分，通常合并在提取中)
pushbutton_recognize (识别标志)
pushbutton_exit (退出程序)
1个文本框：命名为 text_result (用于显示“禁止机动车通行”)。
第二步：核心代码 (MATLAB .m 文件)
将以下代码复制到你的 GUI 对应的 .m 文件中。
function varargout = Traffic_Recognition(varargin)
% 这里由MATLAB自动生成的GUI初始化代码…
% … (省略自动生成的代码) …
% — 按钮1: 读取图片 —
function pushbutton_load_Callback(hObject, eventdata, handles)
[filename, pathname] = uigetfile({.jpg;.png;*.bmp’, ‘Image Files’}, ‘Select an Image’);
if isequal(filename, 0)
return; % 用户取消
end
% 读取并显示原始图像 global OriginalImage; % 使用全局变量在不同函数间传递图像 OriginalImage = imread(fullfile(pathname, filename)); axes(handles.axes_original); imshow(OriginalImage); title('原始图像'); % 清空其他区域 cla(handles.axes_gray); cla(handles.axes_binary); cla(handles.axes_result); set(handles.text_result, 'String', '等待识别...');% — 按钮2: 标志提取 (颜色分割 + 形状检测) —
function pushbutton_extract_Callback(hObject, eventdata, handles)
if ~exist(‘OriginalImage’, ‘var’)
errordlg(‘请先读取图片！’, ‘错误’);
return;
end
img = OriginalImage; % 1. 获取选中的颜色 selectedColor = get(handles.buttongroup_color, 'SelectedObject'); colorMode = get(selectedColor, 'Tag'); % 获取 radio_red, radio_blue 等 % 2. 颜色空间转换 (RGB -> HSV 更适合颜色分割) hsv = rgb2hsv(img); H = hsv(:,:,1); S = hsv(:,:,2); V = hsv(:,:,3); % 3. 根据选择创建掩膜 (Mask) if strcmp(colorMode, 'radio_red') % 红色在HSV中有两个范围 (0度附近和360度附近) mask1 = (H >= 0 & H 0.9 & H 0.6) & (V > 0.4); elseif strcmp(colorMode, 'radio_blue') % 蓝色范围 (0.6 - 0.7) mask = (H >= 0.55 & H 0.4) & (V > 0.3); else % 黄色范围 (0.1 - 0.2) mask = (H >= 0.1 & H 0.4) & (V > 0.4); end % 4. 形态学操作去噪 se = strel('disk', 2); mask = imopen(mask, se); mask = imclose(mask, se); % 显示二值图像 axes(handles.axes_binary); imshow(mask); title('二值图像'); % 5. 霍夫圆变换检测圆形标志 (或者使用轮廓检测) % 为了简化，这里使用基于轮廓的矩形框裁剪 stats = regionprops(mask, 'BoundingBox', 'Area', 'Eccentricity', 'Image'); % 寻找最大的圆形区域 maxArea = 0; bestBox = []; for k = 1:length(stats) area = stats(k).Area; % 简单的圆形过滤：偏心率接近0，且面积足够大 if area > 500 && stats(k).Eccentricity maxArea maxArea = area; bestBox = stats(k).BoundingBox; end end end % 6. 分割并显示结果 if ~isempty(bestBox) % 裁剪图像 x = round(bestBox(1)); y = round(bestBox(2)); w = round(bestBox(3)); h = round(bestBox(4)); % 确保不越界 [rows, cols, ~] = size(img); x = max(1, x); y = max(1, y); w = min(cols-x, w); h = min(rows-y, h); cropped = imcrop(img, [x, y, w, h]); % 保存到全局变量供识别使用 global SegmentedSign; SegmentedSign = cropped; axes(handles.axes_result); imshow(cropped); title('图像分割'); else warning('未检测到明显的标志区域'); end% — 按钮3: 识别标志 (简单的模板匹配示例) —
function pushbutton_recognize_Callback(hObject, eventdata, handles)
if ~exist(‘SegmentedSign’, ‘var’)
errordlg(‘请先提取标志！’, ‘错误’);
return;
end
sign = SegmentedSign; % 这里演示一个非常简化的逻辑： % 实际项目中，你应该使用 SVM, CNN 或者更复杂的模板匹配 % 转为灰度 graySign = rgb2gray(sign); % 假设我们要识别“禁止机动车通行”（红圈，中间黑车） % 逻辑：如果它是红色系，且中间有黑色像素块 % 计算中心区域的黑色像素比例 [r, c, ~] = size(sign); centerRegion = graySign(r/4:r/4, c/4:3c/4); blackPixels = sum(centerRegion(:) 0.15 && ratio < 0.4 resultText = '禁止机动车通行'; % 匹配图中结果 elseif ratio < 0.1 resultText = '禁止通行 (红圈)'; else resultText = '其他禁止标志'; end elseif strcmp(colorMode, 'radio_blue') resultText = '指示标志'; else resultText = '警告标志'; end % 显示结果 set(handles.text_result, 'String', resultText);% — 按钮4: 退出 —
function pushbutton_exit_Callback(hObject, eventdata, handles)
close(gcf);
代码逻辑解释
颜色分割：
代码首先将图像从 RGB 转换到 HSV 颜色空间。HSV 更符合人类对颜色的感知。
根据你选择的单选按钮（红、蓝、黄），设定不同的 H（色相）阈值范围。例如，红色在 HSV 色环的两端，所以需要特殊处理。
形态学处理：
使用 imopen 和 imclose 去除噪点，填补空洞，使标志区域更完整。
区域提取：
使用 regionprops 查找图像中的连通区域。
通过面积（Area）和偏心率（Eccentricity）过滤掉非圆形的干扰物，找到最像交通标志的区域。
。
