【圖像識別】基于模板匹配算法實現卡牌識別matlab代碼

1 簡介

隨著圖像處理、人工智能、計算機技術的不斷發展，計算機識別技術也日趨成熟，逐漸轉為使用階段，目前計算機識別方法主要有兩種：

1）  標記識別技術；

2）  基于圖像處理的識別技術。

第一種方法是先在識別目標上預先安設一個標記，標記可以是 IC 條形碼等，再將目標的信息存儲在標記中，則從標記中可以識別出目標及其它相關的內容。這種方法的優點是識別準確度高、速度快和可靠，但由于這種方法對硬件的要求，使得它存在了許多的局限性，若應用到撲克紙牌識別當中，需要為紙牌裝有一個微型的IC ，這樣的設備價格十分昂貴，同時也摒棄了紙牌的實際用途，普及實用性不強。

基于圖像處理的識別技術相比較第一種方法的優勢在于不需要給識別目標添加任何輔助設備就可以對其進行識別。應用到撲克紙牌識別當中，對目標信息的采集是非接觸性的，可以實時識別，非人工操作，工作效率高。這種方法是基于計算機視覺和圖像處理技術，作為一個軟件系統，更方便維護和升級，通用性更強。存在著這幾方面的優勢，基于圖像處理的識別技術具有很大的發展空間。

基于圖像處理的紙牌識別主要包括紙牌圖像預處理（傾斜校正與定位）、特征提取、特征匹配、紙牌識別等方面的技術。系統構成如上圖所示，當系統發現監視圖像發生變化時，觸發圖像采集，通過 CCD 攝像頭攝取的紙牌圖像，然后識別系統對紙牌圖像進行一系列處理從而識別出紙牌，輸出識別結果。

2 部分代碼

function varargout = poker ( varargin ) gui_Singleton = 1 ; gui_State = struct ( ’gui_Name’ ,       mfilename , ...                   ’gui_Singleton’ ,   gui_Singleton , ...                   ’gui_OpeningFcn’ , @ poker_OpeningFcn , ...                   ’gui_OutputFcn’ ,   @ poker_OutputFcn , ...                   ’gui_LayoutFcn’ , [] , ...                   ’gui_Callback’ ,   []); if nargin & isstr ( varargin { 1 })     gui_State . gui_Callback = str2func ( varargin { 1 }); end if nargout   [ varargout { 1 : nargout }] = gui_mainfcn ( gui_State , varargin {:}); else     gui_mainfcn ( gui_State , varargin {:}); end % -------------------------------------------------------------------- function poker_OpeningFcn ( hObject , eventdata , handles , varargin ) handles . output = hObject ; guidata ( hObject , handles ); global IMAGE ; global POKER ; global GRAY ; global BW ; global BWSTR ; IMAGE = 0 ; POKER = 0 ; GRAY = 0 ; BW = 0 ; BWSTR = 0 ; %全局變量初始化為0 % -------------------------------------------------------------------- function varargout = poker_OutputFcn ( hObject , eventdata , handles ) varargout { 1 } = handles . output ; % -------------------------------------------------------------------- function file_Callback ( hObject , eventdata , handles ) % -------------------------------------------------------------------- function new_Callback ( hObject , eventdata , handles ) global IMAGE ; global POKER ; global GRAY ; global BW ; global BWSTR ; name = 0 ; [ name , path ]= uigetfile ({ ’*.bmp’ ; ’*.jpg’ ; ’*,tif’ }, ’打開圖像’ ); if name == 0 ;     return ; %沒有打開圖像 end IMAGE = imread ( strcat ( path , name )); %成功打開圖像 POKER = 0 ; GRAY = 0 ; BW = 0 ; BWSTR = 0 ; %其他圖像復位

3 仿真結果

4 參考文獻

[1]陶鵬, and 朱華. "模板匹配識別算法和神經網絡識別算法的比較及MATLAB實現." 電腦知識與技術：學術版 16.34(2020):4.

部分理論引用網絡文獻，若有侵權聯系博主刪除。

微信掃一掃贊賞作者 贊賞

長按二維碼向我轉賬

受蘋果公司新規定影響，微信 iOS 版的贊賞功能被關閉，可通過二維碼轉賬支持公眾號。