基于matlab工具箱提取图像中的多目标特征(代码如下):
代码前面部分为提取图像的边界信息,调用了后面的遍历函数Pixel_Search,函数实现方法见后~
%%ROI Testing close all; clear all; clc; I=imread('Test.png'); I=rgb2gray(I); I=I(1:210,1:210); [m,n]=size(I); I_BW=I; for Row1=1:m for Clo1=1:n if I(Row1,Clo1)>190 I_BW(Row1,Clo1)=255; else I_BW(Row1,Clo1)=0; end end end imshow(I) %figure,imhist(I) figure,imshow(I_BW) I_BW_morph=bwmorph(I_BW,'erod',0.8);%形态学腐蚀原理 Filter=[-1,-1,-1;-1,8,-1;-1,-1,-1];%高通滤波器,挖出二值图像的边界像素 I_Filter=imfilter(I_BW_morph,Filter);%使用滤波的方法得到的图像的边界部分是白色的,边界有变化所以经过高通滤波器后为白色 figure,imshow(I_Filter) I_Edge=I_Filter; I_Edge(:,2)=0;%由于采用的是滤波器的方法来实现边缘的提取,在图像的边界部分会出现颜色的变化,因此我们需要把图像边缘的部分置为0 I_Edge(:,n-1)=0; I_Edge(2,:)=0; I_Edge(m-1,:)=0; figure,imshow(I_Edge) I_Edge=uint8(I_Edge);%图像uint8化 ROI_Buffer=uint8(zeros(m,n,5));%四个模板缓存区域 C_Shape=zeros(4,1); Label=0; for Row2=1:m for Clo2=1:n if I_Edge(Row2,Clo2)==1 Label=Label+1 [ROI_Buffer(:,:,Label),C_Shape(Label,1)]=Pixel_Search(I_Edge,Row2,Clo2,m,n);%把当前的数据赋给模板 figure,imshow(255*ROI_Buffer(:,:,Label));%显示所得到的对应标号为Label的图像边界,这里需要注意的问题是:由图像的色彩等级不同,因此得到的图像可能全是黑色,需要乘以255(uint8) C_Shape(Label,1) I_Edge=I_Edge-ROI_Buffer(:,:,Label);%去除原图中已经提取完成的部分 end end end
Pixel_Search函数实现如下:
%While 方法寻找边缘轮廓 采用4邻域方式 function [Pic_Process,C]=Pixel_Search(Pic,Row,Clo,m,n) While_Flag=1; C=1;%周长像素点计数 Pic_Process=zeros(m,n);%模板建立 Pic_Buffer=Pic;%图像缓存建立 while (While_Flag==1)%while循环判断 C=C+1; Pic_Process(Row,Clo)=1;%图像模板区域置位 Pic_Buffer(Row,Clo)=0;%图像缓冲区域清零 if Clo<=1 || Row>m || Clo>n || Row<=1%防止图像检测过程中,边缘溢出 break; end if Pic_Buffer(Row,Clo-1)==1%循环判断区域结果 Clo=Clo-1; While_Flag=1; else if Pic_Buffer(Row+1,Clo)==1%循环判断区域结果 Row=Row+1; While_Flag=1; else if Pic_Buffer(Row,Clo+1)==1%循环判断区域结果 Clo=Clo+1; While_Flag=1; else if Pic_Buffer(Row-1,Clo)==1%循环判断区域结果 Row=Row-1; While_Flag=1; else While_Flag=0;%各个循环条件都不满足,即像素种子点周围没有边缘像素,即可跳出while循环,结束搜索 end end end end end end
处理的图片如下:
原图:显示图像:
阈值化二值分割:
滤波导致的边缘问题:
第一个区域提取:
第二个区域提取:
第三个区域提取:
后期的优化还需要进一步完成,对于复杂的图形的ROI区域分割还需要进一步处理,现已经解决了联通区域的周长问题,还需要解决的问题有面积的求解以及区域的形态学特征的求解~
注:这里有一个问题,由于边缘的提取使用了高通滤波器,边缘的路径出现大量的弯折现象,这就导致了程序计算得到的边界周长约1.8倍于实际的ROI区域的边界周长,至于解决办法,后面解决,现在先记录在案~
在这里要感谢GISPALAB实验室的各位老师和学长学姐的帮助!谢谢~