客流调查分析统计报告

　　數字圖像處理實驗報告

　　姓名

　　學院

　　班級

　　完成日期實驗題目客流統計王文綱1214410623光電學院電信（三）班2015.6.9

　　算法分析：

　　注意到原圖像的對比度普遍不足，因此先對各幀圖像進行非線性灰度變換，即利用imadjust函數。其基本調用形式如下：

　　J=imadjust(I，[low_inhigh_in]，[low_outhigh_out]，gamma)

　　其中J爲做灰度非線性變換後的圖像；I爲被調用的原圖像；[low_inhigh_in]歸一化灰度分布範圍；gamma參數小于1時，變換後的圖像更亮些，反之則更爲原圖像的歸一化灰度分布範圍；[low_outhigh_out]爲進行灰度變換後的圖像的暗些。

　　圖像增強之後，下一步就要進行圖像分割，以便獲得圖像中各元素的形狀特征，方便作後期處理。在Matlab中，函數edge()用于灰度圖像邊緣的提取，我們采用edge()函數的canny算法，用法如下：

　　BW=edge(I，’canny’)——指定canny邊緣提取方法

　　BW=edge(I，’canny’，thresh)——指定具有阈值thresh的canny方法，即強度小于阈值的邊緣被省略掉了，缺省時自動選取阈值

　　BW=edge(I，’canny’，thresh，sigma)——sigma是Laplacian-Gaussian函數的标準偏差

　　[BW，threshold]=edge(I，’canny’，…)——返回canny算法的阈值

　　圖像分割之後，就要進行背景圖像的獲取。我們采用将連續的15幀圖像累加求平均來獲得背景。圖像累加的算法爲：

　　suml=suml+double(Ai);

　　求平均的算法爲：

　　suml=suml/16;

　　之後采用圖像差分法對各幀圖像進行前景檢測，其目的是把邉拥膶ο髲谋尘爸蟹蛛x出來，圖像差分的算法爲：

　　h=imsubtract(f，g);

　　imshow(h);

　　如果需要對被提取的圖像作進一步處理，可以采用膨脹的方法，其主要目的是消除圖像中無關的信息，恢複有用的真實信息，膨脹的基本算法爲：

　　A1=imread('Ai.jpg');

　　B=[010

　　111

　　010];

　　A2=imdilate(A1，B)；

　　A3=imdilate(A2，B);

　　A4=imdilate(A3，B);

　　imshow(A4);

　　其中A2、A3、A4分别是對原圖像進行了一次膨脹，兩次膨脹，三次膨脹後生成的圖像。

　　程序代碼：

　　對各幀圖像進行非線性灰度變換的代碼如下：

　　clc;

　　I=imread('Ai.jpg');

　　J=imadjust(I，[0.30.7]，[01]，1);%将I圖像的歸一化灰度分布範圍從0.3-0.7擴展

　　到0–1，gamma值爲1

　　figure;

　　imshow(J);

　　對各幀圖像進行邊緣提取的代碼如下：

　　I=imread('Ai.jpg');

　　figure;

　　imshow(I);

　　I=rgb2gray(I);

　　BW=edge(I，'canny');

　　figure;

　　imshow(BW);

　　對各幀圖像進行求和取平均的算法已經在前文中給出，此處不再贅述。對各幀圖像進行前景檢測的代碼如下：

　　f=imread('Ai.jpg');

　　g=imread('ave.jpg');

　　Ip=imsubtract(f，g);

　　imshow(Ip);

　　對各幀圖像進行膨脹的代碼在算法中已經給出，此處不再贅述。

　　實驗結果：

　　對各幀圖像進行非線性灰度變換後的結果如下：

　　對各幀圖像進行邊緣檢測後的結果如下

　　對各幀圖像進行累加求平均獲得的背景圖像如下：

　　對各幀圖像進行前景檢測後的結果如下：

　　篇二：客流調查分析報告

　　東圃站B3、B7線客流調查報告

　　二巴二分公司邱模

　　12月12-18日，我單位組織人員對東圃站B3、B7線進行了爲期一周（工作日）的駐點客流調查，現将部分調查情況（周四至下周二）報告如下：

　　一、調查安排

　　爲保障本次調查的真實有效性，我單位對本次調查做了認真、充分的準備：一是由部門專人帶隊，安排了比較固定的、充足的調查人員，采取了一人盯一卡位、守候式調查的模式，提高調查數據的真實率；二是制定了本次調查專用的客流調查表格，對調查及取數口徑進行了統一的培訓，實現标準化度量，