数字图像处理-表示

提取区域及其边界的函数

工具箱函数bwlabel可以计算一幅二值图像中的所有连接分量

[L, num] = bwlabel(f, conn)

其中f是输入图像，conn指定期望的连接性（4或8，默认为8），num是所找到的连接分量数，L是标记矩阵，它给每个连接分量分配区间[1,num]内的一个唯一整数。
函数bwperim返回一个包含输入图像所有区域的边界像素的二值图像

g = bwperim(f,conn)

conn指定了背景的连接性：4（默认）或8，即4连接或8连接的边界。
对于bwperim的结果，函数bwboundaries可以提取其中所有区域的真实边界坐标

B = bwboundaries(f, conn, options)

其中，conn相对于边界本身，且具有值4或8（默认）。参数options的值为’holes’和’noholes’。使用第一个值时，提取区域和孔洞的边界；也可以提取包含嵌套区域（在工具箱中称为父区域和子区域）的区域边界。使用第二个值时将仅提取边界及其子区域的边界。若参数中仅包含f和conn中的一个值，则’holes’为默认。B中先列出区域，然后列出孔洞。
输出B是yigeP* 1的单元数组，其中P是物体（或孔洞）的数量。单元数组中的每个单元包含一个np* 2的矩阵，该矩阵的行是边界像素的行和列坐标，np是相应区域的边界像素数。每个边界的坐标都按顺时针排序，且边界的最后一点和第一个点相同，这样就组成了一个闭合边界。
我们使用函数flipud将边界B{k}的行顺序从顺时针方向改为逆时针方向

Breversed{k} = flipud(B{k})

函数bwboundaries的另一种有用语法为

[B, L] = bwboundaries(...)

此时L是一个标记矩阵（其大小与f相同），该矩阵用不同的整数来标记f的每个元素（而不管它是区域还是孔洞）。背景像素标记为0.区域和孔洞的数量由max(L(: ))给出。
[B, L, NR, A] = bwboundaries(…)
返回所找到的区域数（NR）和一个逻辑稀疏矩阵A，该矩阵用详细给出了父子孔洞的从属关系；也就是说，由B{k}闭合的更直接的边界由如下语句给出

boundaryEnclosed = find(A(:, k))

类似地&#x