图像阈值分割是一个非常简单的算法。
对图像像素点,大于阈值,则认为是目标;小于阈值,则认为是背景。
而现在遇到的阈值分割却需要完成如下的多个功能:
1、基本的阈值分割:
大于阈值,则认为是目标;小于,则认为是背景
2、像素值较低才被认为是目标,即要把不等号反向
对图像像素点,小于阈值,认为是目标;大于阈值,则认为是背景。
3、可能进行阈值分割的图像只是标记图像
对标记图像进行分割后,需要在原始的图像上对分割的目标区域进行展示
这就需要输入原始图像
原始图像可能是灰度图像,也有可能是彩色图像
4、多个阈值进行分割
输出每个阈值进行分割的结果
花费了两个小时,完成了单阈值分割完成了功能1、2、3;本来将功能4也整合进来了,但感觉如此一来,代码太过费解,并且有一定的代码冗余,因此将其分离成一个单独的函数,通过调用单阈值分割实现。
功能 2 的实现: 增加一个偏置 标记 bias
若为1,则表示正常情况,大于阈值,则认为是目标
为-1时,则反之。
进行比较时用:bias*image>bias*thresh 对两种情况通用
对图像像素点,大于阈值,则认为是目标;小于阈值,则认为是背景。
而现在遇到的阈值分割却需要完成如下的多个功能:
1、基本的阈值分割:
大于阈值,则认为是目标;小于,则认为是背景
2、像素值较低才被认为是目标,即要把不等号反向
对图像像素点,小于阈值,认为是目标;大于阈值,则认为是背景。
3、可能进行阈值分割的图像只是标记图像
对标记图像进行分割后,需要在原始的图像上对分割的目标区域进行展示
这就需要输入原始图像
原始图像可能是灰度图像,也有可能是彩色图像
4、多个阈值进行分割
输出每个阈值进行分割的结果
花费了两个小时,完成了单阈值分割完成了功能1、2、3;本来将功能4也整合进来了,但感觉如此一来,代码太过费解,并且有一定的代码冗余,因此将其分离成一个单独的函数,通过调用单阈值分割实现。
功能 2 的实现: 增加一个偏置 标记 bias
若为1,则表示正常情况,大于阈值,则认为是目标
为-1时,则反之。
进行比较时用:bias*image>bias*thresh 对两种情况通用
% 对标记图像进行阈值分割
%
% 标记图像里像素值大于Thresh,则认为时病斑,否则认为是非病斑
%
% 输入:
% image 进行阈值分割的图像
% thresh 分割的阈值
% bias 分割的偏置,默认为1
% bias = + 1 大于阈值为1,小于阈值为0
% bias = - 1 大于阈值为0,小于阈值为1
% bgImage 背景图像,image上标识为目标的区域被保留,而标识为背景的则删除
% 默认为进行阈值分割的图像,即image
%
% 输出:
% labBinaryImage 标识病斑图像、二值图像
% labSrcImage 在背景图像上作标记,标识病斑区域
%
% [ labBinaryImage,labSrcImage ] = ThreshSegement(image , thresh)
%
% 标记图像里像素值大于Thresh,则认为时病斑,否则认为是非病斑
%
% 输入:
% image 进行阈值分割的图像
% thresh 分割的阈值
% bias 分割的偏置,默认为1
% bias = + 1 大于阈值为1,小于阈值为0
% bias = - 1 大于阈值为0,小于阈值为1
% bgImage 背景图像,image上标识为目标的区域被保留,而标识为背景的则删除
% 默认为进行阈值分割的图像,即image
%
% 输出:
% labBinaryImage 标识病斑图像、二值图像
% labSrcImage 在背景图像上作标记,标识病斑区域
%
% [ labBinaryImage,labSrcImage ] = ThreshSegement(image , thresh)