質心定位演算法matlab

① 怎麼用matlab求質心

最簡單的思路：先轉成灰度圖，然後轉成二值圖像，然後利用黑色/總像素的比值乘以圖像的總面積，得到圖形的面積。
如果想做的細，其中的任何一個步驟都會很精緻，尤其是二值化，演算法有很多種，需要結合實際情況選擇合用的演算法，或者編寫程序根據圖像特徵自動選擇演算法。再麻煩一點的話，彩色圖像的色彩分割本身就是一個碩士課題了。

② 請問有無線感測器網I加權質心演算法matlab代碼嗎

[capture-of-moving.rar] - 本文詳細介紹了在視頻圖像的基礎上用!"#$ & 』(( )*+ 實現運動目標形心捕獲的具體程序"從而可以實現運動 目標的位置檢測 程序運用改進的形心演算法計算目標圖形 的中心坐標"並使用了計時器函數實時顯示坐標變化值
[codebook.rar] - 實現了基於碼書的運動檢測，並有與其他的檢測演算法做對比，例如MOG，Bayes，三幀差分等。
[xin.rar] - 無線感測器網路加權質心自定位演算法中加權質心演算法模擬

[qq1_2.rar] - 3種定位演算法（多邊：3 邊及4邊 最小二乘 質心）的主程序
[802.11opnet.rar] - 802.11opnet，802.11在OPNET中的模擬代碼
[rssic.rar] - 無線感測器網路的加權質心演算法，用matlab編程的，需要的可以參考
[Simulation1.rar] - 本程序先使用RSSI中對數常態模型來測距離，然後用三邊測量法來計算未知節點的坐標。
[RSSIxin.rar] - 基於RSSI測距的無線感測器網路改進質心定位演算法
[xinsuanfa2.rar] - 無線感測器網路中質心演算法，並有錨節點比例和誤差分析
[myDVHOP.rar] - 一種基於RSSI的DV-HOP加權演算法，該演算法基於節點接收信標節點位置元組時的信號強度（RSSI）對鄰居節點間跳數進行加權處理，將節點間的跳數與距離相關聯，模擬試驗結果證明該加權演算法可大大提高定位精度。

③ matlab如何確定一個圖像中不同形狀物體的質心

clear;clc;close all
I=imread('1.jpg');
I_gray=rgb2gray(I);
level=graythresh(I_gray);

[height,width]=size(I_gray);
I_bw=im2bw(I_gray,level);

for i=1:height %%循環中進行反色
for j=1:width
if I_bw(i,j)==1
I_bw(i,j)=0;
else I_bw(i,j)=1;
end

end
end

[L,num]=bwlabel(I_bw,8);
plot_x=zeros(1,num);%%用於記錄質心位置的坐標
plot_y=zeros(1,num);

for k=1:num %%num個區域依次統計質心位置
sum_x=0;sum_y=0;area=0;
for i=1:height
for j=1:width
if L(i,j)==k
sum_x=sum_x+i;
sum_y=sum_y+j;
area=area+1;
end
end
end
plot_x(k)=fix(sum_x/area);
plot_y(k)=fix(sum_y/area);
end

figure(1);imshow(I_bw);
for i=1:num
hold on
plot(plot_y(i) ,plot_x(i), '*')
end

④ matlab 三維矩陣如何求質心

1、首先利用Rand隨機生成矩陣，如下圖所示。

⑤ matlab區域提取和求質心坐標

用voronoin 例子 x=[0 -.5 1 1 -1]; y=[0 -1 -.5 1 1]; voronoi(x,y);axis([-2 2 -2 2]) [v,c]=voronoin([x;y]') %v就是所有的voronoi邊的頂點坐標，c{i}就是第i個點周圍的voronoi邊的頂點下標 %比如說第1個點(0,0)周圍的voronoi邊的頂點就是橫坐標：v(c{1},1)，縱坐標：v(c{1},2) %對於坐標為(inf,inf)的點就是無窮遠點，應該不難理解。 for n=1:4 disp(['點(' num2str(x(n)) ',' num2str(y(n)) ')周圍的voronoi邊的頂點的坐標是:']) disp([v(c{n},1),v(c{n},2)]) end

⑥ 無線感測器網路加權質心定位演算法Matlab模擬的一些疑問。

你沒有定義信標節點（BeaconAmount）的個數。不定義肯定報錯啊。一下是我最近隨便編的一段類似於質心演算法的東西的核心部分，你的同學應該能看懂，有點幫助。
if num_of_neb_anchor(i)>1&&num_of_neb_anchor(i)<6
%如果未知節點i的鄰居錨節點個數在2和5之間
fenmu(i)=0;
fenzi_x(i)=0;
fenzi_y(i)=0;
fenzi_z(i)=0;
for k=1:num_of_neb_anchor(i)
distant_rssi(i,k)=sqrt((node_x(i)-neighbor_anchor_x(i,k))^2+(node_y(i)-neighbor_anchor_y(i,k))^2+(node_z(i)-neighbor_anchor_z(i,k))^2);
fenmu(i)=fenmu(i)+1/distant_rssi(i,k);
fenzi_x(i)=fenzi_x(i)+neighbor_anchor_x(i,k)/distant_rssi(i,k);
fenzi_y(i)=fenzi_y(i)+neighbor_anchor_y(i,k)/distant_rssi(i,k);
fenzi_z(i)=fenzi_z(i)+neighbor_anchor_z(i,k)/distant_rssi(i,k);
end
esti_node_x(i)=fenzi_x(i)/fenmu(i);
esti_node_y(i)=fenzi_y(i)/fenmu(i);
esti_node_z(i)=fenzi_z(i)/fenmu(i);%未知節點的估計坐標
end

⑦ 質心演算法matlab求講解

自從網路文庫和網路知道通道阻塞後，好久沒回答問題了，今天抽空回答一下：
clear
clc
for i=1:1:10
for j=1:1:10
x(j+(i-1)*10)=(i-1)*10;
y(j+(i-1)*10)=(j-1)*10;
end
end
figure
plot(x,y,'.')

hold on
axis([0 100 0 100])
xy=[x;y]
hold on
xm=90;
ym=90;
n=50;%在原有100個點中隨機產生50個點
for i=1:1:n
Sx(i)=rand(1,1)*xm;
Sy(i)=rand(1,1)*ym;
plot(Sx(i),Sy(i),'r*')
xlabel('x軸')
ylabel('y軸')
hold on
end
dm=30
m=100;%%%以上都知道，就是下面看不懂，求講解
for j=1:1:n
SS=[Sx(j);Sy(j)];%選擇一個點
k=0;
for i=1:1:m
d=norm((xy(:,i)-SS),2);%計算這個點和其它100點的距離(用歐式距離)
if d<=dm %距離小於閾值則記錄
xx(j,i)=xy(1,i);
yy(j,i)=xy(2,i);
k=k+1;
else%距離太大就不記錄(可以這么理解：將隨機點的周圍點作為一組，太遠的點就不作為這一組了)
xx(j,i)=0;
yy(j,i)=0;
end
end
if k~=0%如果這個隨機點所在的組不是空集，則計算該組的均值
cent(:,j)=[sum(xx(j,:));sum(yy(j,:))]/k;
else
cent(:,j)=0;
end
plot(cent(1,j),cent(2,j),'o')%畫出這個組的質心（將一張圖分為幾組）
hold on
plot([cent(1,j) Sx(j)],[cent(2,j) Sy(j)],'R') %畫出這個隨機點所屬於的質心
Title('Centroid')
hold on
MM=[cent(1,j);cent(2,j)]
e(j)=norm((MM-SS),2)/dm%計算誤差（質心和隨機點）
end
figure
axis([0 n 0 1])
j=1:1:n
plot(j,e(j) ,'-r.')%畫出這50個點的誤差，即距離質心的距離
hold on
Title('Centroid')
E=sum(e)/n

⑧ matlab求質心坐標

1、首先在命令窗口下，輸入x=10.^(0:0.01:10);定義x的范圍為1到10的10次冪。