对产品中心的检测：设置好路径之后，包含关系是在main（相关代码见我以前的一篇文章
【机器视觉与图像处理】基于MATLAB+Hough的圆检测
）中调用hough_circle.m
示例如下：
---------------圆统计----------------
检测出1个圆
圆心 半径
1 （528，728） 509
Warning: Image is too big to fit on screen; displaying at 67%
> In images.internal.initSize (line 71)
In imshow (line 332)
In main (line 55)
对于闷头的中心的检测、颜色识别，以及数字的识别设置好路径后，包含关系是：MenTou_Color_Number_Detection调用 Color_Depart.m和Tiao.m，
示例如下：
>>MenTou_Color_Number_Detection
---------------圆统计----------------
检测出1个圆
圆心 半径
1 （72，72） 60
检测出的颜色R:255
检测出的颜色G:227
检测出的颜色B:61
数字是：11
当然这种用法，我们需要满足一定的假设。首先是闷头上面不应该有杂质或者是别的会影响检测误差的因素。这一点需要工作人员手工实现。另外，我们对照片的要求质量比较高，所以可以采用一个光电门检测产品是否到来。当闷头中心正对镜头的时候拍照最好。
另外就是我们识别出来的颜色是以RGB 三原色来表示，所以在设计过程中需要首先录入15种预设颜色的RGB参数。然后获得当前参数后进行比对即可获得产品颜色数据。
下面是MenTou_Color_Number_Detection.m的代码：
% 文件1 MenTou_Color_Number_Detection.m
clear;
S = imread('/Users/zhangzhaobo/program/MATLAB/Machine_vision/mentou.jpg');
circleParaXYR=[];
%取整张图的三维尺寸
[m,n,l] = size(S);
% 通过判断对象类型来决定是否转化为灰度图
if l>1
I = rgb2gray(S);
%采用sobel算子来进行边缘检测
BW = edge(I,'sobel');
[m,n]=size(BW);
% 步长为1，即每次检测的时候增加的半径长度
step_r = 1;
%检测的时候每次转过的角度
step_angle = 0.1;
% 对检测的圆的大小范围预估，在实际项目中因为产品大小固定，所以可以给定较小范围，提高运行速度
minr = 55;
maxr = 70;
% 自动取最优的灰度阈值
thresh = graythresh(I);
% 调用hough_circle函数进行霍夫变换检测圆
[hough_space,hough_circle,para] = hough_circle(BW,step_r,step_angle,minr,maxr,thresh);
figure(1),imshow(I),title('原图')
figure(2),imshow(BW),title('边缘')
figure(3),imshow(hough_circle),title('检测结果')
circleParaXYR=para;
fprintf(1,'\n---------------圆统计----------------\n');
[r,c]=size(circleParaXYR); % r=size(circleParaXYR,1);
fprintf(1,' 检测出%d个圆\n',r); % 圆的个数
fprintf(1,' 圆心 半径\n'); % 圆的个数
for n=1:r
% x0=floor(circleParaXYR(n,1));
% y0=floor(circleParaXYR(n,2));
% if x0>0.25*m && x0<0.75*m && y0>0.25*n && y0<0.75*n
fprintf(1,'%d （%d，%d） %d\n',n,floor(circleParaXYR(n,1)),floor(circleParaXYR(n,2)),floor(circleParaXYR(n,3)));
% end
figure(4),imshow(I),title('检测出图中的圆')
%figure(1),imshow(I),title('检测出图中的圆')
hold on;
plot(circleParaXYR(:,2), circleParaXYR(:,1), 'r+');
for k = 1 : r %size(circleParaXYR, 1)
t=0:0.01*pi:2*pi;
x=cos(t).*circleParaXYR(k,3)+circleParaXYR(k,2);
y=sin(t).*circleParaXYR(k,3)+circleParaXYR(k,1);
plot(x,y,'r');
x0=circleParaXYR(1,1);
y0=circleParaXYR(1,2);
r=circleParaXYR(1,3);
[Rr,Gg,Bb]=Color_Depart(S,x0,y0,r);
fprintf('\n检测出的颜色R:%d\n',int32(Rr)); %
fprintf(' \n检测出的颜色G:%d\n',Gg); %
fprintf(' \n检测出的颜色B:%d\n',Bb); %
num=[];
for k=1:11
num(k)=Tiao(S,x0+5-k,y0,r);
fprintf('\n数字是：%d',mode(num));
% 条纹的个数
fprintf('\n');
下面是Color_Depart.m的代码：
function [R,G,B]=Color_Depart(I,x0,y0,r)
% I=imread('Alan_Walker.jpg');
n=r-10;
for k=1:1000
a = round(x0+(cos(pi/1000*k))*n);
b = round(y0+(sin(pi/1000*k))*n);
A(k)=I(a,b,1);
X(k)=I(a,b,2);
C(k)=I(a,b,3);
R=mode(A);
G=mode(X);
B=mode(C);
下面是Tiao.m的代码：
function [number]=Tiao(bw,x0,y0,r)
bw=im2bw(bw);
% [m,n]=size(bw);
number=0;
count=0;
for s=y0-r*0.8:y0+r*0.8
if bw(x0,s)==0
count=count+1;
if count>2 && bw(x0,s)==1 && bw(x0,s+2)==1
count=0;
number=number+1;
% return number
说明：Tiao.m与Color_Depart.m都是在MenTou_Color_Number_Detection.m中调用，所以把这些文件全部建立丢到一个文件夹下，设置为工作路径即可按照开头的说明直接用了。
既然都到这儿了，顺手把图贴出来吧！！
