matlab学习心得范文第1篇

fx1=@(sita)(cos(arf0-R*r*r/k/L/e/e*sin(sita)-atan(r*cos(sita)/e))*R/k./cos(atan(r*cos(sita)/e)));

fx2=@(sita)(sin(arf0-R*r*r/k/L/e/e*sin(sita)-atan(r*cos(sita)/e))*R/k./cos(atan(r*cos(sita)/e))); sita=0:0.05:4*pi;

for ii=1:length(sita) sita0=sita(ii);

x(ii)=quadl(fx1,0,sita0); y(ii)=quadl(fx2,0,sita0); end

plot(x,y);

基于无碳小车转弯半径计算方法的MATLAB运算

clc;clear all; a=100; b=50; L=150; sita=0.9; arf=0.9; B=100; A=a*cos(sita)/b; beta=atan(sin(arf)/(A+cos(arf))); Rg=b/sin(beta) Rq=Rg*cos(beta)/cos(sita) Of=sqrt(Rg*Rg+b*b-2*Rg*b*sin(beta)) Rw=sqrt(Of*Of+B*B/4+B*Of)

clc;clear all; a=100;

matlab学习心得范文第2篇

随着期末的临近，本学期的MATLAB的学习也就此落下了帷幕。回顾我之前学习MATLAB的历程，我有以下几点感悟：

1. 要有耐心。在编程序的时候少不了的要出现许多的错误，有时候调试很长时间程序仍旧无法得出正确结果，但是在这时要耐着性子一点一点的检查，总能找到错误所在。

2. 要细致。有时因为少打一个分号，逗号等就可能引起程序错误。另外尤其是if、for、while等语句一定要在结尾加end。

3. 善于利用MATLAB中的函数。比如有一道题是验证哥德巴赫猜想，如果直接调用prime(n)函数(该函数表示n以内的质数)会使程序非常简便，而若挨个对数进行判断必然会使程序变得复杂，影响效率。MATLAB有丰富的函数库，善于利用可以极大的提高编程效率。

4. MATLAB是一种非常简便的语言，它与我本学期学的C语言不同，C语言所耗费的时间和精力是比较大的，比如定义变量就分为int，char，float等类型，而MATLAB则不然，它无需定义变量的类型。比如求y=x+1,当x=1,2,3,4,5时y的值。如果用C语言则需要定义变量，还要用for循环，调用输出函数等，而MATLAB只需输入x=1:5;y=x+1然后回车即可。

5. 注重实践，多动手。编程序是一种操作能力，只有多上机练习，才能培养自己的动手能力。同时，在上机练习的过程中，对程序的理解也得到了加深。

总而言之，MATLAB是是一款非常实用的软件，它不仅对我们现在的学习有益处，而且在今后数学建模中也将发挥巨大的作用，所以我深感学好MATLAB的重要性。虽然本学期的学习告一段落，但我知道，自己对MATLAB的学习还只是皮毛，今后我将继续对MATLAB的学习，并将它应用到实际中来解决实际问题。

matlab学习心得范文第3篇

化工过程数值模拟广泛应用于化工过程的研究开发、设计、生产操作的控制与优化、操作培训和技术改造。

本书深入浅出地介绍线性方程组、非线性方程组、常微分方程组和偏微分方程组的数值求解算法，还包括了线性和非线性回归以及最优化的内容。作者给出了计算化工问题的模板，演示了易于实施的基本数值方法，给读者提供了求解模型的可用数值手段。

全书使用MATLAB编程环境，也简单介绍了电子表格软件Excel在数值计算中的应用。书中专辟一章讲解化学工程典型问题的数值计算。本书的目的是让读者认识和体验数值计算在化学工程中的应用和问题求解，为进一步学习和研究有关数值分析的深层次算法奠定扎实的基础。

全书包括14章：1. 化学工程中模型的作用；2. 计算机模拟的误差；3. 线性方程组；4.消去法；5. 迭代法；6. 非线性方程组；7. 常微分方程组；8偏微分方程组1；9. 偏微分方程组2（用二章内容分别介绍求解偏微分方程组的差分法和有限体积法）；10. 数据回归和曲线拟合；11. 最优化；12. MATLAB基础；13. Excel中的数值方法；14. 案例研究；有关误差和计算稳定性的内容穿插在各个算法中介绍。每章后均附有一定数量的习题，供读者深化对数值算法的认识和理解。

本书可作为高等学校化学工程与工艺、应用化学、生物化工、食品加工等专业本科生和研究生的教材，也可供石油与化工、轻工等行业从事开发的工程技术人员参考。

陈宏刚，教授

（华北电力大学）

matlab学习心得范文第4篇

1 图像退化的数学模型

图像滤波是建立在图像退化的数学模型基础上的, 图象退化和复原的模型如图1所示:

输入图像经过退化系统输出图像f1 (x, y) , f1 (x, y) , 叠加系统噪声构成了退化图像, 即表示的是一副退化图像, 式中一般假设系统噪声为加性噪声, 为分析方便, 一般假设为白噪声, 且与不相关。表示图像的退化模型, 概括了退化系统的物理过程。图像复原就是把退化的图像经过复原滤波器, 得到恢复的图像, 即f1 (x, y) 。

2 滤波方法

2.1 均值滤波器

均值滤波器采用邻域平均法, 非常适用于去除通过扫描得到的图像中的颗粒噪声。邻域平均法是空间域平滑技术。均值滤波器是使一个窗口在图像上滑动, 窗口中间的值用窗口内各点的值的平均值来代替, 如二维均值滤波, 设{xij}表示数字图象各像素的灰度值, A为一个33的窗口, 则二维均值滤波的定义为

领域平均法有效地抑制了噪声, 同时也由于平均而引起了模糊现象, 模糊程度与领域半径成正比。图2 (1) 、图2 (2) 给出了污染过的图像matlab实现的均值滤波后的实际效果。

2.2 中值滤波器

中值滤波器是一种常用的非线性平滑滤波器, 是由图基 (turky) 在1971年提出的。它是基于图像的这样一种特性:噪声往往以孤立的点的形式出现, 这些点对应的象素很少, 而图像则是由像素数较多、面积较大的小块构成。其基本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代换。

设输入序列维I为自然数集合或子集, 窗口长度为n。则滤波器输出为其中。中值滤波推广到二维, 可以利用某种形式的二维窗口。设表示数字图像像素点的灰度值, 滤波窗口为A的中值滤波器可以定义为

二维中值滤波的窗口可以取方形, 也可以取近似圆形或十字形。其主要功能是让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值, 从而可以消除孤立的噪声点, 所以中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波器可以做到既去除噪声又能保护图像的边缘, 从而获得较满意的复原效果, 而且, 在实际运算过程中不需要图象的统计特性, 这也带来不少方便。图3 (1) 、图3 (2) 给出了污染过的图像经过matlab实现的中值滤波后的实际效果。

2.3 最小二乘方滤波

最小二乘方滤波也就是维纳 (wiener) 滤波, 它的先验假设是图像信号和噪声信号处理过程都属于平稳随机过程, 且噪声的均值为零, 噪声和图像不相关。它是使原始图像及其恢复图像之间的均方误差最小的复原方法。为了便于数学处理, 假定是灰度级的线性函数, 那么。这里是在计算处的时给予退化图像在点的灰度级的权重。如果随机像场是均匀的, 则加权函数只与有关, 所以。

则显然, 需要寻求使e2最小的点扩散函数m (x, y) , 其傅立叶变换M (u, v) 是传递函数。可以证明, 式中是噪音的谱密度, Sff是原始图像的谱密度。由上式可见, 当Snn=0时, 就是理想的逆滤波器。通常可认为噪声是白噪声, 即Snn (u, v) =常数。如果有关的随机过程的统计性质不知道, 也可用下式近似表示:式中是噪声对信号的功率密度比, 它近似为一个适当的常数, 这就是最小二乘方滤波器的传递函数。图图4 (1) 图4 (2) 给出了污染过的图像matlab实现的维纳滤波后的实际效果。

摘要：根据图像退化的数学模型, 讨论了图像滤波的几种可行方法, 并给出了MATLAB实现的实例。

关键词：均值滤波,维纳滤波,中值滤波

参考文献

[1] 阮秋琦.数字图象处理学[M].北京:电子工业出版社, 2004.

[2] (美) KennethR.castleman[著], 朱志刚, 等[译].数字图象处理[M].北京:电工业出版社, 2006.

[3] 李弼程, 彭天强, 彭波, 等.智能图像处理技术[M].北京:电子工业出版社, 2004.

matlab学习心得范文第5篇

1 MATLAB特点

M A T L A B (矩阵实验室) 是集命令翻译、科学计算于一身的一套交互式软件系统。随着核心数值算法、界面设计、外部接口、应用桌面等诸多方面的极大的改进, MA T L A B以其强大的数学运算能力、方便实用的绘图功能及语言的高度集成性, 逐渐发展成为一种通用的科技计算、图形交互系统和控制系统仿真的程序语言。M A T L A B语言有三大特点:一是功能强大 (数值计算和符号计算、计算和编程可视化、数字和文字的统一处理、离线和在线计算) ;二是界面友好、语言简明 (以复数矩阵为计算单元, 指令表达与数学表达式相近, 称得上是一种演算式语言) ;三是开放性强 (具有几十个功能强大的工具箱, 可以完成系统仿真、系统辨识、模糊控制、神经网络建模等功能) 。MATLAB的这些特点, 使之很快成为应用学科计算机辅助分析、设计、仿真、教学乃至科技论文字处理必不可少的基础软件, 目前流行的MATLAB 6.5提供了模型化图形仿真工具Simulink和实用的用户图形界面开发程序Guide, 它完全支持可视化编成, 其方便程度类似于Visual Basic。将它提供的方法与用户的MATLAB变成经验结合起来, 可以很容易的写出高水平的用户界面程序和仿真程序。

2 MATLAB仿真技术在实验中的应用

2.1 故障设置与处理分析

目前的电力传动自动控制系统、电机学、电力系统运行等课的实验一般是进行参数和特性测定, 在实验室可通过各种仪表、连接线路、实验设备实现, 这种方法可以锻炼学生的动手能力, 是专业教学的一个非常重要的环节。但是系统组成的元器件价格偏高, 通常需经过复杂的参数计算, 才可搭建系统线路。若参数超过器件参数的容差范围, 可能引起系统故障, 烧坏器件, 系统短路等, 因此实验中引入计算机仿真进行故障分析、故障排除, 电路通过仿真程序验证后, 再进行实际连线, 既减少故障的发生, 又增加了实验的安全系数和成功率。

2.2 系统参数的优化设计

对一些真实系统进行结构和参数的优化设计是非常困难的, 这时仿真可以发挥它特殊的优化设计功能。MATLAB/Simulink提供的优化模块可用在一些需调整参数设置的实验中, 通常需先通过仿真来确定最佳数值或取值范围, 然后在实验台上进行线路的连接, 以免在实验台上烧毁元器件。如图1所示为非线性系统的PID控制器的设计框图, 经Simulink的优化模块NCD Output优化后, 得到比例、积分、微分系数分别为12.99、1.99、1.68, 在实验台上即可输入参数进行实验, 不需随机调试, 节约了实验时间。由于现有的实验设备为5~6人一组, 采用仿真程序后使每个人都有参与实践调试的机会, 同时还可适当增加实验内容, 进一步培养学生的实践能力, 加深对课本知识的理解。

2.3 复杂系统的仿真

实验环节的目的是为了提高学生的动手能力, 提供更多参与实践的机会, 但是对于大型、复杂系统直接实验是十分昂贵的。尤其对于硬件条件受限制、危险系数高、易出错误的实验, 在实验室现有的条件下难以进行或只能做做演示。某些系统直接实验往往会有很大的危险, 甚至是不允许的, 而采用仿真实验可以有效降低危险程度, 安全、快捷、经济, 对系统的研究起到保障作用。

2.4 创新性实验的仿真

为提高学生的创新能力和自学能力, 鼓励学生提出自己的新思想和新设计, 对于学生的创新性设计需通过仿真验证, 才可在实验台上进行实际线路的连接, 进行系统的验证。提高了学生的实践能力和学习热情。

3 结语

以MATLAB软件为工具为学生提供的虚拟的实验平台, 不仅可以使学生独立设计和完成系统方案论证, 然后在实际实验平台上操作, 节省参数的调整时间, 提高实验的成功率, 加快实验进程。而且本仿真系统为纯软件, 故非常安全。也没有实验装置需要维护和学生损坏实验设备等问题, 从而节约了设备运行费用。

摘要：MATLAB在自动控制、图像处理、语言处理、信号分析、振动理论、优化设计、系统建模等领域有着广泛的应用, 在高校中也与较多实验平台相结合运用在教学中, 取得了较好的教学效果。

matlab学习心得范文第6篇

一、算法设计

车牌识别系统能够对含有车牌信息的车辆图像进行分析和处理, 发现车牌图像中含有的车牌信息, 进行自动定位和识别并将识别结果显示出来。

1、图像预处理

车牌图像预处理:包括灰度化、图像增强、边缘检测、车牌定位分割、车牌校正等等模块。通过这一系列图像处理技术对车牌图像进行处理, 将车牌图像内的无关背景和大量噪声去除并且按特定的需要突出车牌图像中的某些信息, 还将几何倾斜的车牌进行校正, 为后续分割出理想的字符提供良好的基础。

1) 图像灰度化

灰度化处理就是将一幅彩色图像转换为灰度图像的过程。本文使用加权平均法对图像进行灰度化:

其中, R, G, B三个分量分别表示红, 绿, 蓝三种颜色, rw是R的权值, gw是G的权值, bw是B的权值。wr, w g, wb取不同的值, 将形成不同的灰度图像。

2) 图像增强

图像增强是为了将明暗不够鲜明的图像进行边缘提取, 提高车牌识别的准确率。本文利用直方图均衡化增强灰度图像对比度。效果下图所示。

为了有效抑制孤立点噪声并保留边缘信息, 采用中值滤波处理图像。中值滤波器函数为medfilt2:

I1是直方图均衡化后图像, I2是中值滤波后图像, m, n是制定对I1进行中值滤波处理的窗口大小。处理效果见图3。

3) 边缘检测与二值形态学

边缘检测是检测目标和背景的交界线实现边缘检测。本系统使用edge函数实现图像边缘检测功能, edge函数使用由thresh指定的阈值和method决定检测方法对灰度图像I进行边缘检测, 然后输出相同大小的二值图像。其主要形式为:

Roberts算子、Lo G算子定位精度高, 但受噪声影响大;Prewitt算子、Sobel算子具有一定的抑制噪声能力, 但定位精度不高。定位精度和抗噪声干扰能性二者不可兼得。从总体效果来衡量, Canny算子是最优边缘检测算子, 具有高定位精度且不易受噪声干扰。本文采用Canny算子对图像进行边缘提取。效果见图4。

二值形态学就是利用结构元素在图像中移动收集信息, 分析得到图像的结构特征。膨胀是给目标边界增加像素使目标边界扩大, 因为目标边界的扩大, 所以目标内部的间断可以得到续接或者小空洞可以得到添补。而腐蚀是逆过程, 可以得到相反的效果, 可以细化目标的边界, 小于结构元素的噪声点则会被消除[4,5]。膨胀后的效果图像如图5所示, 腐蚀后的输出图像如图6所示。图5和图6的结构元素是se=3。

2、车牌定位

1) 车牌定位与分割

要识别图像中的车牌, 就需要在图像中定位车牌。所谓车牌定位技术就是利用获取的图像数据在进行充足的图像预处理之后, 根据车牌自身的特征信息以及图像背景的先验知识, 对图像进行分析和运算, 对车牌和图像背景进行标记定位, 然后从图像中分割出车牌图像, 作为后续的字符分割和字符识别的数据来源。

本系统是利用彩色信息的车牌定位方法。设定色阶阈值, 将图像内比阈值亮的所有像素转换为白色, 反之转换为黑色, 使灰度图像强制转换为高度对比的黑白图像。彩色图像的信息比灰色图像信息丰富许多, 计算机硬件功能不断完善已经可以支持大量彩色信息的计算, 所以应用彩色图像实现对车牌区域的定位已经走向成熟。车牌定位结果如图7所示。由图可见车牌区域被清晰检测定位出来。

本系统采用数学形态学进行车牌分割。利用regionprops图像区域功能找到数学形态处理后的图像中的连通区域, 然后找到车牌边界, 根据找到车牌上下左右边界在原图是将车牌分割出来。车牌分割结果如图8所示。

2) 车牌定位与分割

通常应用摄像机在对交通进行监控时, 摄像机往往不能在汽车正前方实行摄影, 往往要与道路呈现出一定的角度。这就导致拍摄到的车牌图像中的车牌不是正常水平图像, 大多都会具有一定的角度, 这就使得长方形车牌变成了平行四边形图像。这样的车牌被定位出来往往不能直接用于字符分割, 所以为了改善这种弊端, 本系统车牌定位分割后还对车牌进行校正以取得更好的分割效果。

校正的思想基本上是找出车牌图像中的一条具有代表性的直线, 然后利用MATLAB图像处理工具计算这条直线与水平或者垂直方向之间的夹角, 通过旋转相应的角度进行车牌校正。

本系统采用Radon变换法对车牌进行校正。以线积分的形式把图像空间投影到直线的参数空间, 通过投影获取特定方向上的特性。Radon变换可以检测到水平和垂直的倾斜角, 然后将车牌旋转到一定角度从而校正车牌。校正运行的结果如图9所示。

3、字符分割与识别

投影法分割法是字符分割的一种, 投影分割法分有垂直投影法和水平投影法。水平投影对图像自上而下进行扫描, 当扫描到像素点开始出现白色, 记录此时的位置, 标记为上边缘。然后运用同样的方法, 标记出其他边缘[6]。从而基本上可以确定出图像中车牌字符的高度范围和车牌字符的宽度范围。本系统采用垂直投影法对车牌字符进行分割。一般来说, 在车牌的垂直方向没有较大的变化, 经过对车牌区域图像进行二值化处理后, 对图像进行垂直投影, 投影图能够明显的反映出车牌字符灰度跳变规律, 将从左向右扫描投影图上的波形得到字符边界作为实际分割字的边界点, 就可以实现字符分割。字符分割效果如图10所示。

因为所采集的汽车图像受外界环境的干扰、拍摄角度以及距离等因素的影响, 所以分割出来的字符会出现大小不一的情况, 对字符进行归一化处理方便于后续的字符识别。归一化处理的目的就是要使得分割出来的字符与标准模板里的字符特征一样。字符归一化结果如图11所示。

字符识别是车牌识别流程的重要的环节。在实现车牌定位和字符分割后, 归一化得到单个的汉字、字母和数字字符。车牌识别环节要做的就是对分割得到的单个字符利用一定的方法进行准确的识别。字符识别结果的直接决定车牌识别系统的性能, 选取合适的字符识别方法是关键。神经网络字符识别过程:首先进行样本训练, 从训练样本库中取一样本输入到网络中, 选择网络模型和训练函数进行模式训练。然后构建合适的网络, 计算训练的误差, 将误差值反向回传不断调整权值和阈值, 直到网络输出的误差达到最小。最后进行字符识别。在实际应用中, 用的最广泛的是前向多层反传网络。它拥有简单非线性并行分布式信息处理能力, 处理速度快且抗干扰容错能力强, 网络结构简单, 易于实现。

二、实验结果与分析

系统的界面在设计方面充分的体现了系统操作步骤, 信息全部在一个界面显示, 能够避免使用figure创建多个显示界面的繁琐, 从而给用户带来不错的视觉舒适感。车牌系统识别界面如图12所示。

系统基本步骤:

1) 读取图片, 选择待识别车牌。2) 进行灰度化、图像增强和边缘检测等等图像预处理。3) 提取边缘后, 在车牌图像中对车牌实现定位。4) 找到车牌区域后, 在原图中将车牌裁剪出来。5) 对分割出来的车牌进行预处理。6) 将整体的车牌中的字符分割为独立字符。7) 运用模式识别技术对归一化后的字符实现识别8) 将识别结果显示出来。

本系统设置参数如下:

灰度化:wr=0.30, wg=0.59, wb=0.11

中值滤波:m=3, n=3。实验结果如表1所示。

本系统在整个车牌识别过程中的识别结果如表4.1所示。

三、结论

本系统成功实现了车牌识别, 算法简单, 有较高的准确率。但是存在一些不足, 本系统的识别仅基于单幅单张车牌识别, 尚未涉及一幅图像多张车牌的识别设计。该系统需要探索开发更多的功能, 以获得更多识别的信息, 如:车辆位置、车辆类型、车牌类型、车牌的真实性、车牌号码和车牌识别时间等等。这些是以后要继续研究的工作。

摘要：本系统利用图像预处理、车牌定位分割、字符分割识别等相关处理技术, 对小型车辆的蓝底白字车牌进行车牌号识别。车牌定位是利用彩色信息的车牌定位方法, 字符分割则采用二值化后的车牌部分进行垂直投影的方法来完成字符分割。采用BP网络进行车牌字符识别, 具有处理速度快且抗干扰容错能力强等特点。实验测试48张车牌, 其中包含水平牌照、倾斜牌照, 错检6张, 正确率87.5%。有一定的误识率, 但不影响车牌识别系统的整个功能实现。

关键词：车牌识别,车牌定位,BP网络

参考文献

[1] 王嘉梅.基于MATLAB的数字信号处理与时间开发.西安:西安电子科技大学出版社, 2007.12.

[2] 刘成龙.精通MATLAB图像处理.北京:清华大学出版社, 2015.