对于1-4问针对的是附录1 中的数据
clc;
close all;
clear;
% 图像文件夹路径
folder_path = 'E:/新建文件夹/yatai/Attachment/Atta服务器托管网chment 1/';
% 图像文件列表
image_files = dir(fullfile(folder_path, '*.jpg')); % 假设所有图片都是jpg格式
% 解析文件名中的服务器托管网数字，并转换为数值类型
numbers = cellfun(@(x) sscanf(x, '%d.jpg'), {image_files.name});
% 根据解析出的数字对文件列表进行排序
[~, sorted_idx] = sort(numbers);
image_files = image_files(sorted_idx);
% 存储每张图片苹果数量的数组
apple_counts = zeros(length(image_files), 1);1,需要对原始的数据预操作，进行数据增强增强
% 应用Retinex算法
sigma = 150; % 高斯滤波器的标准差，可以调整
enhanced_img = singleScaleRetinex(img, sigma);2.转换色彩空间 进行直方图均值化
% 转换到YCbCr色彩空间进行直方图均衡化
img_ycbcr = rgb2ycbcr(enhanced_img);
Y_channel = img_ycbcr(:,:,1); % Y通道
img_ycbcr(:,:,1) = histeq(Y_channel); % 对Y通道进行直方图均衡化3.LAb色彩空间
% 将处理后的图像转换回RGB色彩空间
img_eq = ycbcr2rgb(img_ycbcr);
% 转换到LAB色彩空间
img_lab = rgb2lab(img);
% 分别获取L*, a*, b*通道
L_channel = img_lab(:,:,1); % L* 亮度通道
a_channel = img_lab(:,:,2); % a* 通道，从绿色到红色
b_channel = img_lab(:,:,3); % b* 通道，从蓝色到黄色4.k-means聚类
% 使用k-means算法在a_channel进行颜色聚类
numOfClusters = 2; % 你想要的聚类数量
[cluster_idx, cluster_center] = kmeans(a_channel_reshape, numOfClusters, 'Distance', 'sqEuclidean', 'Replicates', 3);
% 将聚类索引重塑回图像的大小
clustered_img = reshape(cluster_idx, rows, cols);
clustered_img_color = label2rgb(clustered_img);
基于1-4问生成的附录2 中的训练集标签用于后续yolov5对苹果的分割检测
服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
相关推荐: 深入 K8s 网络原理（一）- Flannel VXLAN 模式分析
目录 1. 概述 2. TL;DR 3. Pod 间通信问题的由来 4. 测试环境准备 5. 从 veth 设备聊起 6. 网桥 cni0 6.1 在 Pod 内看网卡信息 6.2 在 host 上看网卡信息 7. VTEP flannel.1 8. 最后看下…
