MATLAB-SIMULINK实用教程第8章MATLAB应用程序

8.1 悬吊式起重机动力学仿真
悬吊式起重机的动力学方程是一个非线性 方程，这里使用SIMULINK搭建这一复杂的非线 性方程，能够简单有效地得到悬吊式起重机方 程的动力学特性。
8.1.1 悬吊式起重机动力学方程
图8-1 悬吊式起重机结构简图
8.1.2 悬吊式起重机动力学SIMULINK建模
0 k1 F G1 s1 1 s xdot 1 s x Scope
第8章MATLAB应用程序
8.1 悬吊式起重机动力学仿真 8.2 模糊控制程序 8.3 使用MATLAB统计数据 8.4 基于MATLAB的图像平滑
8.5 一种基于肤色分割和匹配的人脸识别
8.6 非线性二联机系统的跟踪控制 8.7 小 结
MATLAB在经典控制理论、智能控制（包括 模糊控制，神经网络控制，混沌控制等）、图 像处理和模式识别等方面都有应用广泛。 本章介绍了六个有代表性的基于MATLAB的 应用程序，希望能让读者对这些内容有一定的 了解。
为了把人脸区域从非人脸区域分割出来， 需要使用适合不同肤色和不同光照条件的可靠 肤色模型。 常用的RGB 表示方法不适合于皮肤模型， 在RGB 空间，三基色（r, g, b）不仅代表颜 色，还表示亮度。 由于周围环境光照的改变，亮度可能使人 脸的检测变得更加复杂，在皮肤的分割过程中 是不可靠的。
8.5 一种基于肤色分割和匹配的人脸识别
8.5.1 8.5.2 8.5.3 8.5.4 8.5.5 8.5.6 8.5.7 8.5.8 将RGB空间转换为YCbCr空间 将彩色图像转换为灰度图像 消除噪声 对图像做填孔处理 图像重构 再处理 进一步确定人脸区域 边缘检测
8.5.1 将RGB空间转换为YCbCr空间
图8-9 Excel学生成绩表
图8-10 学生成绩条形图
图8-11 学生成绩饼图
8.4 基于MATLAB的图像平滑
8.4.1 8.4.2 8.4.3 8.4.4 8.4.5 邻域平均法 中值滤波法 空间低通 频域低通 程序清单
图像平滑的主要目的是减少图像噪声（来 自系统内部或外部）。 减少噪声的方法可以在空间域或频率域处 理，空间域的方法是求像素的平均值或中值； 频域的方法是通过低通滤波技术来实现。 这里对空间域或频域中各种方法的验证和 效果进行比较。
6．zh.m : 用zhlb.m对’bear.jpg’进行 平滑处理。 7．kylpf.m: 空域上的低通滤波 对’bear.jpg’进行平滑处理。 8．flpf：用ILPF,TLPF,BLPF,ELPF 对’’bear.jpg’进行平滑处理。 9．myself.m :自己定义的低通滤波函 数 10．mylpf.m : 用myself.m对’bear.jpg’进 行平滑处理
c c lmp G3
cos cos3 k2 1 s Omiga 1 s Theta sin sin2 P1 P3 s2
cos cossita 9.8 sin sinsitBaidu Nhomakorabea Ps g Pc
G2
P2 Scope1
图8-2 起重机SIMULINK模型
8.2 模糊控制程序
在传统控制中，控制系统动态模式的精确 与否是影响控制优劣的最主要因素，系统动态 的信息越详细，则越能达到精确控制的目的。 然而，对于复杂系统，由于变量太多，往 往难以正确地描述系统动态，传统的控制理论 对于明确系统有较强的控制能力，但对于过于 复杂或难以精确描述的系统，则显得无能为力 了。 采用模糊控制方法能很好地解决这些问题。
这里对带有纯延迟的一阶惯性环节
e0.02 s G(s)= （假设 T=6, =0.02 ）设计模糊控 1 6s
制器，语言变量X，Y，Z的隶属度函数如表8-1 所示，模糊控制规则表如表 8-2 所示，并观察
仿真结果。
表8-1
语言变量X，Y，Z的隶属度函数表
表8-2
模糊控制规则表
1 0.9 0.8 0.7 0.6
8.4.1 邻域平均法
邻域平均是对含有噪声的原始图像的每个 像素取一个邻域，在此邻域中计算所有像素的 平均值，作为被处理像素的值。
图8-12 pj.m程序的结果
8.4.2 中值滤波法
为了能在消除噪声的同时，保留图像的细节， 防止边缘模糊，采用中值滤波法，基本思路是 选取像素邻域中灰度的中间值赋予像素。
输出
0.5 0.4 0.3 0.2 0.1 0
0
1
2
3
4 5 6 时间（秒）
7
8
9
10
图8-8 输出响应曲线
8.3 使用MATLAB统计数据
用 MATLAB 可 以 与 Word ， Execl 和 Powerpoint 进 行 链 接 ， 这 里 介 绍 一 种 用 MATLAB 读取 Excel 中数据并进行数据统计的方 法。
图8-15 原图像及加入噪声后的图像及其频谱图
1．ILPF
图8-16 有椒盐噪声的图像处理效果图（ILPF）
2．TLPF
图8-17 选取 D1=15，D2=30的效果图（TLPF）
3．BLPF
图8-18 选取D0=20, n=2的效果图（TLPF）
4．ELPF
图8-19 选取D0=20, n=2的效果图（ELPF）
5．LPF of myself
图8-20 mylpf.m程序结果图
8.4.5 程序清单 1．draw.m : 绘制图像的频谱图。 2．search1.m: 寻找矩阵中的中间值 （用于中值滤波）。 3．lypj.m : 用邻域平均法对图像进 行平滑处理。 4．zhlb.m : 用中值滤波法对图像进 行平滑处理。 5．pj.m : 用lypj.m对’bear.jpg’进行 平滑处理。
图8-13 zh.m程序的结果
8.4.3 空间低通
图8-14 kylpf.m程序的结果
8.4.4 频域低通
对于图像来说，频域低通可以滤掉图像中 的高频成分，保留图像中的低频成分，从而使 图像的细节及突变部分受到削弱，整体情况得 到保存。 常用的低通滤波器有理想低通（ILPF）、 butterworth 低 通 （ BLPF ） 、 指 数 型 低 通 （ELPF）和梯形低通（TLPF）。 以下为对各种低通的性能进行检验， draw.m 用于画图像的频谱 fft ，所有的滤波器 滤波效果都编写在flpf.m中，以下逐个介绍。 为便于对比，把原图像及加入噪声后的图 像及其频谱显示，如图8-15所示。