LabVIEW色彩分类识别（基础篇—15）_labview clf-程序员宅基地

技术标签： LabVIEW工业图像处理与机器视觉实战机器视觉色彩分类识别图像处理 LabVIEW

色彩分类（Color Classification）用于根据样本的颜色信息对其进行分类识别。与单色目标的分类识别类似，色彩分类过程也包括训练和分类两个阶段。

训练阶段主要用来基于各种彩色样本创建分类器。它从每个参与训练的样本中提取色彩特征，并将该特征与类标签进行关联以备后用。
分类阶段则主要用于从待分类图像中提取颜色特征，并参照分类器信息对其分类。分类的方法可采用最邻近法、K-邻近法、最小平均距离法或支持向量机分类法。

色彩分类的特征提取过程并不直接使用色谱，而是基于HSL空间构建分辨率可选的（高、中、低3挡）的一维色彩特征向量。它先将彩色样本图像转换到HSL色彩空间，然后计算彩色样本的色调、饱和度和亮度分量的直方图。对于每个由单字节表示的颜色分量直方图，保留色调和饱和度分量直方图中的256个值对应的信息，但是只保留亮度分量直方图中8个亮度值相关的信息。通过这种对亮度分量直方图的抑制，色彩特征向量中的颜色信息会更突出，亮度信息会被抑制在8种灰度之内。将包含256个色调信息和256个饱和度信息的两个直方图，与包含8个亮度信息的直方图进行组合，即可得到高分辨率的色彩特征向量。

中分辨率和低分辨率色彩特征向量是通过先提取高分辨率色彩特征向量，然后再对其应用动态遮罩（Dynamic Mask）获得的。动态遮罩基于参与训练的样本创建，用于从高分辨率色彩特征向量中选出最能代表某个类的色调和饱和度直方图信息。在对于每个新添加的彩色样本学习时，动态遮罩通过下述过程被创建或更新：

对于每个类，基于其中每个样本的色调和饱和度的直方图，计算该类的平均色调和饱和度直方图。
基于所有类的平均色调和饱和度直方图的均值直方图，计算各类的平均色调和饱和度直方图上元素值的标准差。
从类平均色调和饱和度直方图元素值中依次选出128个标准偏差最高的值对应的位置作为遮罩，用于生成中分辨率色彩特征向量。或者依次选出64个标准偏差最高的值对应的位置作为遮罩，用于生成低分辨率色彩特征向量。
扫描各类的动态遮罩位置对应的值，确保其中至少包含一个最大色调和一个最大饱和度直方图值。

Nl Vision提供了两种色彩训练方法，一是使用NI色彩分类训练器离线完成色彩训练（位于：National Instruments\Vision\Utility\Color Classification Training Interface\Color Classification Training.exe），二是使用程序代码在运行时完成色彩训练。

NI色彩分类训练器可以在进行色彩分类之前，先从多个采集到的彩色样本图像中提取高分辨率的色彩特征，并将该特征与类标签进行关联。若选择了中分辨率或低分辨率，则训练过程还会对高分辨率的色彩特征施加动态遮罩过程，获得相应分辨率的色彩特征向量。随后，训练过程会将样本的特征向量、样本分类方法连同各个类的动态遮罩等信息一并保存在后缀名为clf的色彩分类器文件中。这样在后续色彩分类过程中，就可从该文件中读取这些信息，对彩色目标进行识别和分类。

下图显示了使用NI色彩分类训练器为洗手液分类系统训练色彩样本时的程序界面。使用该工具可以打开收集到的彩色洗手液样本图像，从中选择蓝色、绿色或白色的瓶盖分别作为类样本进行训练。训练过程中，可对样本进行编辑或删除，训练完成后得到的样本色彩特征可保存在clf文件中以备后用。

Nl Vision还提供了对彩色样本图像进行训练和分类的函数。它们位于LabVIEW的视觉与运动→Machine Vision→Machine Learning→Classification函数选板中，如下图所示：

函数说明及使用可参见帮助手册：

通过使用NI Vision色彩分类函数对洗手液进行分类的实例，了解色彩分类的使用，程序设计思路如下所示：

程序先用IMAQ Read Classifier File从NI色彩分类训练器创建的色彩分类器文件Soap.clf中读取学习到的样本特征等信息；
随后While循环中的代码逐一取出待测图像文件夹中的图像，由IMAQ Classify或IMAQClassify Color Advanced对指定ROI区域的图像色彩进行分类，返回其类别归属及分类和识别分值等信息。IMAQ Overlay Text可以在图像上以无损图层的方式添加待测图像的类名；
当用户单击STOP按钮退出While循环后，程序会丢弃会话，释放内存，然后退出程序。

程序实现如下所示：

运行程序，显示了分类程序检测到绿色洗手液瓶子时的情况：

项目资源下载：项目实战：LabVIEW洗手液包装颜色分类识别-嵌入式文档类资源-CSDN下载

本文链接：https://blog.csdn.net/m0_38106923/article/details/119490649

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

localdatetime 后一天_Java8使用LocalDateTime获取正确的第几周-程序员宅基地

文章浏览阅读776次。先上问题public static void main(String[] args) {//使用DateTimeFormatter获取当前周数DateTimeFormatter dateTimeFormatter = DateTimeFormatter.ofPattern("w");//2018年第一天System.out.println(LocalDateTime.of(2018, 1, 1, ..._localdatetime往后延一天

C语言程序设计详细教程（完整版）_c语言教程-程序员宅基地

文章浏览阅读2k次，点赞25次，收藏44次。（1）定义格式：数据类型标识符数据名 [整型常量表达式]（2）注意事项：1、数组定义时，有一些编译器要求方括号内的表达式只能包含整型常量，不能包含变量。2、数组名实质上是一个指针，指向整个数组的首地址。3、在赋值时，数组名是一个常量，不能被赋值；数组元素是变量，可以被赋值。（1）定义格式：数据类型标识符数组名 [整型常量表达式1] [整型常量表达式2]；（2）注意事项：1、表达式1 和表达式2 分别对应的是数组的行数与列数2、二维数组在内存中是按行存放，及系统先放满第一行，再放第二行。_c语言教程

【SparkDesk vs. ChatGPT4】科大讯飞“星火”实测：AI 写作能力（92分+）ChatGPT 大模型在电商业务中的应用、技术方案、价值创新，5000字。-程序员宅基地

文章浏览阅读1.1w次。ChatGPT可以用于电商平台的智能客服，通过对话的方式为用户提供服务。通过ChatGPT大模型的数据分析和挖掘能力，可以更好地了解用户的行为和反馈信息，从而为电商平台提供更有价值的数据支持，帮助电商平台做出更明智的决策。通过ChatGPT大模型的分析和预测能力，可以更好地了解用户的喜好和需求，从而为用户提供更符合他们口味和需求的产品推荐，提高用户的购买意愿和满意度。通过ChatGPT大模型的智能客服，可以更好地了解用户的需求和反馈信息，从而为广告主提供更精准的广告投放服务，提高广告的转化率和ROI。

15级南阳理工软件学院卓越班笔试面试总结_软件工程卓越班面试-程序员宅基地

文章浏览阅读919次。笔试：不得不说，笔试题对于我这个在ACM队呆了一年的人来说应该特别简单，但是考试的时候，当我开始看题的时候，就开始紧张，看题的时候完全不懂题意，不过一开始状态还不错，是一分钟A了我的第一道题，当时只有我们队的另外一个人A了题，觉得还不错，我又开始找另外一道写，我现在都想不明白，前面那么多基础的C语言题我当时就不写，找了一道我以为是简单DP的题开始写，花了十几分钟也没写完，越写越不对劲，感觉没我之前_软件工程卓越班面试

支持向量机（SVM）-程序员宅基地

文章浏览阅读52次。1.SVM:SVM，全称是support vector machine，中文名叫支持向量机。SVM是一个面向数据的分类算法，它的目标是为确定一个分类超平面，从而将不同的数据分隔开。2.SVM为什么采用间隔最大化：1.当训练数据可分的时候，存在很多超平面可以将数据分开2.感知机利用误分类最小策略，求得分离超平面，不过此时的解有无穷多个。3.线性可分支持向量机利用间隔最大化求得最优..._支持向量机引入了什么机制

决策树模型 ID3/C4.5/CART三种算法的区别-程序员宅基地

文章浏览阅读1w次，点赞2次，收藏22次。转载自：https://www.cnblogs.com/wxquare/p/5379970.html 决策树模型在监督学习中非常常见，可用于分类（二分类、多分类）和回归。虽然将多棵弱决策树的Bagging、Random Forest、Boosting等tree ensembel 模型更为常见，但是“完全生长”决策树因为其简单直观，具有很强的解释性，也有广泛的应用，而且决策树是tree ense...