你好,欢迎。在本视频中，我们将使用图像采集工具箱™将图像捕获到MATLAB中^®．然后，我们将使用图像处理工具箱™执行图像分析和其他操作。例如，我设置了我的相机来捕捉不同颜色的糖果的图像。我们将确定图像中的糖果总数，并计算某一颜色糖果的数量。

在本例中，我将对获取的图像执行各种图像处理算法，如阈值、形态学操作和颜色分割。第一步是将我的相机连接到MATLAB。为了查看MATLAB是否识别出我的相机可用，我使用imaqhwinfo命令获取计算机上可用的硬件适配器和特定设备的列表。我目前连接的摄像机可以通过winvideo适配器访问。所以我使用imaqhwinfo命令获取设备ID。

有了这些信息，我就可以使用视频输入命令创建一个图像采集对象的实例，该对象可以从我的相机中获取视频。使用这个视频输入对象，我可以为我捕获的视频打开一个预览窗口。然后，我使用getsnapshot命令从获取的视频中捕获一个图像帧。我可以在MATLAB中使用imshow命令显示这个图像帧。让我把这个图像框停靠在这里。

让我们先用阈值法识别图像中的所有物体。因此，我分离了图像的R、G和B分量，并使用graythresh命令分别计算它们的阈值。然后，我使用im2bw命令分别对每个组件设置阈值，然后将它们组合在一起，得到一个具有清晰识别对象的二值图像。

为了移除图像中的任何伪像，我使用了形态操作，如填充来移除任何小孔，imclearborder来移除边界上的任何外来物体。现在很容易清楚地计算我的图像中物体的数量。我使用bwlabel命令来唯一地标记每个对象，并计算图像中对象的总数。

为了稳健地选择某种颜色的糖果，我们需要考虑由不均匀的光照条件和摄像机噪音等问题引起的物体颜色值的变化。所以我需要构建一个图像，用每个糖果的中位数颜色替换实际的RGB值。

为此，我使用逻辑索引只获得我想要的那些像素，然后计算它们的中值。例如，我可以在逻辑上索引到图像标签矩阵，并只提取那些标签为1的像素。我来举个例子。

然后我可以计算提取的像素的中值属于这个分割区域。因此，在这个for循环中，我已经计算了每个标签的所有三个彩色平面的中值。在循环的最后，我重新组合了颜色组件来知道每个糖果的中色值。

使用图像处理工具箱中的impixelinfo命令，我可以看到刚刚为每个糖果计算的R、G和B值的中值。现在我想选择想要的颜色，并计算特定颜色的糖果的数量。因为我已经有了每个标记区域的中值颜色，所以我只需要找到中值颜色接近所选颜色的区域。

对于基于颜色的选择，最好使用LAB颜色空间，因为它从颜色信息中分离出发光信息。与RGB颜色空间相比，该空间中的颜色值间的欧氏距离是一种更有效的颜色相似性度量方法。因此，我使用了makecform和applycform注释将我的图像和所选颜色从RGB转换为LAB空间。

从这里，我可以保留A和B组分，因为我不需要任何发光信息。为了找到具有相同颜色的区域，我首先使用带有A和B分量的hypot命令计算颜色值之间的欧氏距离。然后我使用一个适当的阈值保持值，只选择那些靠近所选颜色的区域。然后，我可以使用bwlabel命令获取所选区域的帐户。

因此，这个演示说明了如何结合图像处理工具箱和图像采集工具箱来执行实时图像的图像分析操作。更进一步地看这个例子，你可以添加一个带有指南的GUI，或者甚至用MATLAB Compiler™构建一个独立的可执行程序。更多图像采集和处理演示，请访问我们的网站上的产品页面。谢谢你！